纯路端感知实现L4自动驾驶!全球首次,轻车熟路方案,背后玩家是他们

最新更新时间:2022-08-12来源: 量子位关键字:自动驾驶  L4级自动驾驶  中智行 手机看文章 扫描二维码
随时随地手机看文章

苏州街头,来来往往的自动驾驶汽车已是常态,但今日车流之中,有一辆车不同寻常。

 

它的传感器,包括激光雷达在内,全部被遮掉,却依然能在公共道路上畅然无阻。

 

即便遇到一些复杂的交通场景,比如红绿灯路口、无保护右转,还是像一些偶发状况,加塞车辆避让、人车混杂的路口,都能从容应对。

 

更特殊的是,以如此特殊方式秀出技术和方案实力的,还是一位中国自动驾驶领域的元老面孔:王劲。

 

 

在四年低调修行之后,王劲带着他的中智行、汇同天翼交通,重新站到台前。

 

并正式发布了轻车·熟路系统,一种车路协同新范式。


轻车熟路系统发布

 

轻车熟路,就是这条新路线的展现形式。核心两方面组成:轻车、熟路。

 

    这里就不得不简单提一下背后的提出者——中智行与天翼交通之间的关系。

     

    如果说,中智行侧重于车端,探索车如何利用强化了的路端能力形成L4自动驾驶。

     

    中智行参与推动了天翼交通的成立,而天翼交通更偏向于路端的技术研发以及相关的建设,更重要的是,对整个路端资产等平台系统的运营。

     

    换言之,一个侧重于车端,一个侧重于路端,两者合力完成这套车路协同方案。

     

    轻车,轻量化自动驾驶车。无需激光雷达,只需L2+级别的传感器,比如摄像头、毫米波雷达等。

     

    从传感器到算力,都按照L2或者L2+的水平来配置。极端情况下,如用3D打印的罩子和胶布,遮掉车端所有感知设备,纯靠路端感知也能实现L4自动驾驶能力。

     

    △遮住传感器的自动驾驶

     

    在此之前,车路协同的路端通常是个交通感知系统,其置信度、稳定性和智能化程度都难以达到支持自动驾驶的要求。

     

    “熟路”系统,基于全息感知数据、实时计算,然后将结果反馈给车辆,协助其全知全能。这里的全息,既有空间上的连续性,还有时间上的连续性。

     

    (天翼交通数字孪生平台通过数字化改造实现的“全息智能道路”,可将现实世界和数字世界实时孪生映射)

     

    换言之,就是相当于从过去的3D感知升维到了现在的4D感知。

     

    高空路端部署可以实现上帝视角(物理BEV),感知到路上的所有参与者,包括行人、汽车、电动车的运动,对视线盲区、超视距等范围也能感知,以实现空间的连续性。

     

    而正因为路端的持续运转,对交通状况,每个参与者的观察也是连续的——哪些是故障车被迫停靠,哪些又是正在行驶都能被感知到。

     

    比如就像遇到故障车占用右转车道这种情形。

     

    (P.S. 车内系统,利用路端时空连续和背景固定的特性,灰色模块即为暂时停留的车辆,黑色模块为停留了很久的车辆,蓝色即为正在行驶的车辆;故障车则会出现红框。)

     

    更为关键的是,这种时间维度信息的收集,不仅有助于对目标意图理解和轨迹预测,还能让人工智能拥有“认知”能力。

     

    车路协同在面对陌生障碍物时系统能跟着人类学习如何应对,某种程度上还解决自动驾驶的长尾问题。

     

    除了最为显性的效果——感知能力增强以外,在通讯低延时、系统稳定性等问题上也有所突破。

     

     

    首先是通讯方面,作为车路协同另一大核心问题。如果车与路之间没有强大的通讯能力,就算路端感知到突发情况,没有及时将数据传输到车端,那同样无济于事。

     

    一般来说,为了保证其可靠性,路端时延需与车端平齐,得严格控制在一个低水平且稳定的范围。

     

    在感知的召回率达到99.99%的置信度水平的基础上,天翼交通在引入通讯切片技术,部署微基站、设计全新通讯协议架构等工作下实现低时延高可靠通讯能力:

     

    通讯空口时延平均在20毫秒,P99(在99%的情况下)延迟<30毫秒


    端到端(即从感知、计算、到预测和规控的环节)的P99延迟<240毫秒。


      而且因为道路上的基础设施,可以在硬件设备、软件系统上实现7*24小时长时间稳定运转。


      这期间还能不间断地积累数据、迭代算法能力。

       

      当然,还有一个更实际的好处,那就是算力成本的问题。利用路端的边缘计算和云计算平台,可依据实际需求充分调用海量的算力。

       

      发布会现场举了这样一个例子:

      每辆车只需50TOPS算力,路端可以保留500TOPS加上云计算,只需毫秒级就从中央数据中心得到几乎无限的算力来支持。

       

      尤其是在面对复杂路况时,车端算力往往会成倍的增长,但有了路端边缘和云计算,负担也就没有那么重。

       

      与之相关的账也很容易算:

      苏州全市道路(包括4个代管市)共有城市10,200公里道路。在量产情况下,路端的建设成本在35万/公里左右,总计成本就在35亿左右。

       

      也就是说,35亿的投入,就能让苏州真正成为自动驾驶城市——全境公共道路智能升级。

       

      可见,这套轻车熟路系统实现了三大核心技术的突破:高置信度的感知能力,低延时高可靠的通讯能力,以及系统稳定性。以此带来了自动驾驶在安全、效率、经济方向上的全面升维。

       

      怎么样,是不是与之前公开谈论的自动驾驶路线和思考不太一样?


      玩家来自中智行和天翼交通

       

      不是一个常规的自动驾驶公司,不走常见的单车智能技术路线,更不是行业主流的L4商业模式。

       

      以往任何自动驾驶公司,无论是像百度、Waymo这样的科技巨头,还是创业公司,重点几乎都在车端:

      如何实现系统的冗余、如何覆盖corner case,怎么平衡性能和成本、怎么满足飞速增长的算力需求……

       

      就像是在一个二维世界从A点到B点,只有在纸面上老老实实走完曲线这一条路。

       

      而中智行和天翼交通,希望从更高的“维度”解决这个问题:

      车路协同系统如果够完善,那么就能统一指挥调度所有车辆,由单车智能的L4自动驾驶的单车博弈升级为全局规划。

       

      这就好比把二维平面翻折,在三维空间直接连通了AB两点。

       

      事实上,这套系统和路线背后的核心思考,源自于王劲提出的数字化运营的理念:

       

      通过感知设备收集高质量数据,以数据来驱动三个目标:


      技术突破


      规模化落地


      商业模式的实现。

       

        并表示这将是未来中智行与天翼交通的核心竞争力。

         

        这也与车路协同的最大优势——数据升维有关。

         

        通过在路端7*24小时无间断运转,可积累大规模高质量数据。

         

        以苏州为例,仅机动车每天行驶里程合计就超过1.2亿公里。如果这套系统全面覆盖苏州城市道路,仅一日就可以积累1.2亿公里的行驶数据,其中还包括各种突发情况、交通事故。

         

        以此为基础构建的场景库与数字孪生平台,就能复现整个城市交通全貌,更有助于高质量的机器人学习,帮助人工智能升维以及意图理解能力的构建。

         

         

        放在以往,靠单车智能的里程数是在短时间内远远所不能达到的。

         

        有了数据,技术上有了突破——轻车熟路系统,很快就迎来规模化落地,目前中智行与天翼交通就正在推进苏州300公里智慧道路的搭建。

         

        这种模式,其实正是整个自动驾驶行业商业化一直以来探索的一种加速之道。

         

        为什么选择这样车路协同路线?中智行与天翼交通给出了这样的解释:核心还是单车智能与车路协同之间的区别。单车智能起步快,但发展慢,有技术瓶颈。而车路协同起步慢,不光将可预见的挑战“前置”了,还把单车智能所遇到的技术天花板给降低了。

         

        车路协同,往往伴随基础设施建设相关的工作,而这样的特性,给人的映象往往是投入高、周期长,难度大。

         

        但天翼交通之不同,是从实际落地的角度,连接上了车路协同的商业闭环。

         

        成本方面,以往单车智能路线堆积的传感器、算力平台,本身就是不小的支出。

         

        但实际使用中,这些算力和传感器在99%的时候实际上都不需要。这也造成当前L4自动驾驶车辆成本仍然居高不下。

         

        车路协同系统,既有云端算力的灵活调配,又能7*24小时不间断收集数据。基建成本在长期来看很容易摊平。

         

        而且最重要的,一个城市或地区的车路协同研发、建设投入,是一个有上限、可以估算的项目,而单车智能则是谁也说不准的研发周期和资金需求。

         

        前面提过的苏州每公里35万元、全境35亿左右的I4全息道路升级成本,就是这样推算出来的,考虑到单车硬件的减配和成本下降,全苏州完全L4升级成本将在250亿左右(含车+路全面升级)——在此之前,究竟要多少投入才能实现城市级自动驾驶?求解者多,给出确数的几乎没有。

         

        而35亿元,对于自动驾驶行业来说,不是大钱。自动驾驶公司,用掉35亿却仍然没能将L4落地的,其实才是常态。

         

        这也是中智行创立之初,就坚持走车路协同路线的核心原因。

         

        车路协同的“苏州模式”下:中智行提供成熟的自动驾驶技术积累,以及通过对行业的理解,实现了车配置的轻量化,让智能车不再是一个复杂且昂贵的行为。

         

        会上还透露了个目标:量产时将五万以上的单车智能设备降一个数量级,即5000元以下。

         

        这样一来,让主机厂能迅速地将其投放到市场进行前装量产。

         

        而天翼交通为这种全新的L4商业模式,提供基建、5G通信基础支持,把路给做“熟”。

         

        在与车建立起通讯系统的同时,还将各种感知和计算设备从车上拿到,实现配置轻量化和成本大幅降低。

         

        这样将双方优势最大程度发挥、快速量产落地的“苏州模式”,在他们看来是一种“战略级的行业部署”:(a+b)^2=“路对车强赋能”无人驾驶。

         

        a^2代表的是聪明的车;b^2代表的是智慧的路,2ab则是其中最重要的部分,即车和路结合的部分。

         

         

        据介绍,他们正要解决的就是聪明车和智慧路真正结合的问题——车怎么充分利用路端的能力、路如何真正赋能车。

         

        中智行率先凭借着四年技术积累,搭建了车路协同技术基础,现如今两者一起朝着不同的侧重点,共同迭代升级这一系统。

         

        车路协同的路线具体怎么走,自动驾驶公司+智能交通运营商联合的方法,很有可能是所有后来者都无法绕开的路径参考。

         

        自动驾驶的三种路线

         

        自动驾驶无论过去还是现在,更多的融资、更多的讨论聚焦,都流向以传感器、算法为主的单车智能路线。

         

        评判自动驾驶模式、能力的好坏,标准通常有3个:


        安全性。


        效率。


        经济性。

         

        这三项标准,直接关系自动驾驶落地的规模、速度。

         

        从这样的标准出发,可以分别对目前自动驾驶落地的3种主要模式做一个判断。

         

        首先是为人熟知的特斯拉模式。这是一条完全依靠单车智能的路线。马斯克的基本逻辑是AI司机应该达到的目标是和人类司机一样,仅凭自身能力应付一切驾驶任务。

         

        而他的方法,则是让全球数百万用户义务当测试员,通过返回的海量数据迭代系统。

         

        效率和经济性,可以通过用户数量和规模买单。但单车智能长久以来的长尾问题很难解决:哪怕1%的场景车端看不到、看不懂以及看不准,就会造成事故。

         

        第二种,则是谷歌Waymo代表的路线,即以Robotaxi为主,希望在通过仿真或路测把AI司机磨炼到“万无一失”,然后逐渐推广商业化。

         

        但AI在认知能力、泛化能力等等方面的突破短期难以取得,而谷歌本身的坚持,也使得它长期在封闭固定中测试,数据收集、算法迭代效率有限。

         

        推进10年烧了上百亿美元,也仍然难以在路况复杂城市落地RoboTaxi。

         

        与前两种路线相比,车路协同的比较优势体现在解决效率和落地经济性的同时,也兼顾安全性。

         

        车路协同的上帝视角,可以快速收集、挑选出复杂极端的交通场景,并快速形成可供系统学习的数据集。

         

        这与单车智能自动驾驶系统需要在上百万公里的里程中靠概率去“碰到”长尾场景,效率高得多。

         

        路端全局调控,也能最大程度避免因为车端能力不足造成的事故。

         

        而且,车路协同模式下还有更为关键的“不可复制”性。

         

        车路协同,核心基础是V2X技术,所以要推行,至少满足3个需求:完善的5G网络、基建能力、地方的配合意愿。

         

        集这三点于一身的,恐怕只有中国。

         

        中国的5G网络和基建能力不用任何多余的证明,这也是中智行+天翼交通模式能走通的前提。

         

        而要特别强调的,是国内地方对于车路协同路线的高接受度。

         

        对于地方来说,落地车路协同,不仅仅是一张高科技城市名片,还能带动本地的基建、汽车、自动驾驶等等相关产业链的发展。而自动驾驶带来的经济运行效率提升,潜力则难以估量。

         

        所以中智行和天翼交通在苏州高铁新城打造样板间只是第一步。

         

        这也意味着,规模化复制的实践开始了,可以用时间和效果检验,也可以开始迎接外界的评价。

         

        此次中智行与天翼交通提出的轻车熟路系统,对于自动驾驶行业来说,究竟意味着什么?

         

        一方面,技术模式上。以往在车路协同这条路线上,是重车熟路,对车的要求依然很高。而现在开出了新的模式:轻车熟路。

         

        另一方面,商业本质上。“轻车”价值,不光在单车的传感器、算力等等成本节约上。更为深刻的意义,在于首次为高阶自动驾驶落地算了一笔清楚明白的账。

         

        传统的单车智能,投入的资金、时间人力和项目期限,现在没有一家公司有准确估计。

         

        核心矛盾,是目前没有一家企业,能为自己研发的自动驾驶系统给出一个明确定量的可靠性指标,这样一来,自然也就不可能在法规准入、责任划分上有明确定性的结论。

         

        所以只能是“走一步看一步”,没有谁能以终为始,倒推着前进。

         

        但从车路协同的基建的角度入手,技术指标已然明确,所依赖的基础能力,也不再是AI系统生效的概率,而是准确清晰的执行策略。基于此,也就能算出一个L4落地基本确定的成本,真正让自动驾驶落地回归到了商业本质,拥有更加具体清晰的时间表。

         

        往前推7年,王劲曾断言“软件定义汽车”,先引发传统汽车领域哗然,后来逐步被接受,如今则成了几乎所有玩家的共识。

         

        再往前推10年,他是中国第一个自动驾驶事业部的总经理,是最早带队探索自动驾驶从技术创新到商业化的人。

         

        而现在,他说在自己投身自动驾驶第十年之际,是时候再次公开自己最新的自动驾驶商业化实践和思考。

         

        以及更快、更大规模、更低成本地普及自动驾驶的新路线。

         

        这个维度下,中智行+天翼交通所带来的影响,或许也才刚刚开始。


        关键字:自动驾驶  L4级自动驾驶  中智行 编辑:鲁迪 引用地址:http://news.eeworld.com.cn/qcdz/ic618858.html

        上一篇:加州理工新成像技术可看到被隐藏的物体 可用于自动驾驶等应用
        下一篇:理想汽车充电地图全国上线

        推荐阅读

        自动驾驶下半场:车路云“团体赛”
        蘑菇车联是业内最早提出“单车智能+车路协同”技术服务路线的企业之一,是车路云一体化方案的首创者、先行者,拥有全栈自研的“车路云一体化”自动驾驶方案,具备建设新型道路基础设施、构建城市数字底座的技术能力,和城市级大规模自动驾驶公共服务车队运营能力。蘑菇车联副总裁詹宏波以《“车路云一体化”,自动驾驶大规模商业化之路》为主题展开演讲,以下是演讲内容整理:蘑菇车联副总裁詹宏波发表《“车路云一体化”,自动驾驶大规模商业化之路》演讲近年来,随着中国经济高速发展,城镇化不断加速,车辆保有量也在快速增长,城市交通面临沉重的压力,交通拥堵、污染成为日益严重的问题。在大力发展数字经济的背景下,人工智能、大数据、物联网成为构建智慧交通体系、实现交通系统升
        发表于 2022-09-28
        <font color='red'>自动驾驶</font>下半场:车路云“团体赛”
        从NVIDIA自动驾驶芯片Thor,看大芯片的发展趋势
        北京时间,9月21凌晨,NVIDIA GTC 2022秋季发布会上,CEO黄仁勋发布了其2024年将推出的自动驾驶芯片。因为其2000TFLOPS的性能过于强大,英伟达索性直接把它全新命名为Thor,代替了之前1000TOPS的Altan。Thor的发布,代表着在汽车领域,已经由分布式的ECU、DCU转向了完全集中的功能融合型的单芯片。也预示着一个残酷的现实:“许多做DCU级别的ADAS芯片公司,产品还在设计,就已经落后”。云和边缘计算的数据中心,以及自动驾驶等超级终端领域,都是典型的复杂计算场景,这类场景的计算平台都是典型的大算力芯片。大芯片的发展趋势已经越来越明显的从GPU、DSA的分离趋势走向DPU、超级终端的再融合,未来会进
        发表于 2022-09-28
        从NVIDIA<font color='red'>自动驾驶</font>芯片Thor,看大芯片的发展趋势
        国汽联携手是德科技建设自动驾驶测试平台
        2022 年 9 月 28 日,北京——是德科技公司日前宣布,国汽(北京)智能网联汽车研究院有限公司(以下简称国汽智联)选择是德科技合作建设自动驾驶测试平台项目。是德科技提供先进的设计和验证解决方案,旨在加速创新,创造一个安全互联的世界。《国家智能汽车创新发展战略》提出“人-车-路-云”系统协同发展的概念,并将其作为“构建协同开放的智能汽车技术创新体系”的重要任务之一,为有条件自动驾驶的智能汽车达到规模化生产及高度自动驾驶的智能汽车在特定环境下的市场化应用提供支撑。在该体系下,车路云各异构节点通过标准化通信机制进行广泛互联通信,打通信息孤岛,用于支持协同控制的闭环通信链路。在此行业大背景下,国汽智联以敏锐的洞察力找准技术定位,勇于承
        发表于 2022-09-28
        国汽<font color='red'>智</font>联携手是德科技建设<font color='red'>自动驾驶</font>测试平台
        我国牵头的自动驾驶测试场景评价国际标准正式立项
        9月12日,我国牵头在国际标准化组织(ISO)框架下提出的《道路车辆自动驾驶系统测试场景场景评价与测试用例生成》(ISO 34505)国际标准项目,经投票表决后正式获得立项,由中国和德国专家联合担任标准项目牵头人。ISO 34505标准拟主要规定自动驾驶系统测试场景的评价方法,提出测试场景关键度、复杂度、危险度等功能性评价指标的判定要求,并定义测试用例生成的一般性方法及其必要特征,包括测试目标、测试步骤、执行条件和预期结果等。智能网联汽车及自动驾驶系统测试是自动驾驶技术研发中的重要环节,也是实现产业化规模化发展的重要支撑,基于测试场景开展的自动驾驶测试评价已在全球范围内形成共识。本标准的立项制定,将填补自动驾驶系统测试场景生成测试用
        发表于 2022-09-23
        我国牵头的<font color='red'>自动驾驶</font>测试场景评价国际标准正式立项
        自动驾驶安全实践挑战及思考
        上海磐时是一家专门从事汽车功能安全、预期功能安全、信息安全相关的培训、流程咨询、产品咨询、工程服务的专业公司。上海磐时信息技术有限公司创始人边俊以《自动驾驶安全实践挑战及思考》为主题,从如何设计可靠冗余,如何让Linux满足功能安全,如何覆盖感知系统的各种失效模式,如何正确判断自动驾驶设计的ODD,如何定义自动驾驶的安全可接受准则,如何解决自动驾驶仿真环境和真实世界的差异性这几个方面展开,以下是演讲内容整理:上海磐时信息技术有限公司创始人边俊如何设计可靠冗余首先做个简单的自我介绍,我在2009年开始接触功能安全,当时普遍使用的标准还是应用于工业领域的IEC 61508,到如今已经从事了十几年安全相关的开发、审核等工作。首先说一下创立
        发表于 2022-09-23
        <font color='red'>自动驾驶</font>安全实践挑战及思考
        自动驾驶为什么一定要多传感器融合?
        自动驾驶正成为影响未来行业的关键技术,车载传感器是自动驾驶系统中感知外部世界的关键,它们就像车辆的“眼耳口鼻”,帮助车辆感知外部世界,听觉视觉等缺一不可,这几种感知的协作性能也直接决定自动驾驶车辆的安全性。目前业界主要使用三种传感器,包括摄像头、激光雷达、毫米波雷达。各种传感器各有优缺点,因此在自动驾驶系统中通常有不同的任务划分。使用多传感器融合技术的主要原因是为了扬长避短、冗余设计,提高整车安全系数。多传感器融合系统所实现的功能要远超这些独立系统能够实现的功能总和,相当于1+1>2。使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下,额外提供一定冗余度。这种错误或故障可能是由自然原因(例如,浓雾天气)或是人为现象
        发表于 2022-09-22
        <font color='red'>自动驾驶</font>为什么一定要多传感器融合?
        小广播
        换一换 更多 相关热搜器件

        About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

        站点相关: 动力系统 底盘电子 车身电子 信息及娱乐系统 安全 总线与连接 车用传感器/MCU 检测与维修 其他技术 行业动态

        词云: 1 2 3 4 5 6 7 8 9 10

        北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

        电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2022 EEWORLD.com.cn, Inc. All rights reserved