作者： JEFF VANWASHENOVA CEVA 汽車市場部總監(jiān)

如果您最近購買或乘坐了新車，您可能會同意，過去在駕駛自動化方面最先進(jìn)的東西（最高 SAE 2 級）現(xiàn)在已經(jīng)很普通了。我們不再對看到或至少聽到盲點檢測和車道偏離警告、車道居中、緊急制動和自適應(yīng)巡航控制等駕駛員輔助功能感到驚訝。

美國交通部 (DoT) 在其聯(lián)邦自動車輛政策中使用 J3016 的六個道路機(jī)動車輛自動化級別。（圖片：SAE 國際）

現(xiàn)在我們期待真正的自主，以 3 到 5 級（見圖）為代表，部分免提一直到完全免提控制。曾經(jīng)純粹的科幻小說現(xiàn)在看起來更容易觸及。大型汽車制造商（知道如何擴(kuò)大規(guī)模）擁有積極的計劃和合作伙伴關(guān)系。概念驗證汽車已在匹茲堡、舊金山、鳳凰城和其他城市部署。Waymo在鳳凰城推出的自動駕駛出租車服務(wù)更進(jìn)一步，搶占第一商業(yè)市場份額，同時還旨在收回開發(fā)成本。

挑戰(zhàn)3 到 5 級引入了新的挑戰(zhàn)，并非所有挑戰(zhàn)都是技術(shù)性的。公眾接受可能是最重要的因素，在當(dāng)今的氣候下不能被視為理所當(dāng)然，在當(dāng)今的氣候下，技術(shù)對某些人來說可能更像是威脅而不是好處。Waymo經(jīng)歷了其中一些威脅，盡管事件有限，有些是明顯的行為異常值。但我們是一個善變的人，因此 Waymo 和其他人必須像管理技術(shù)一樣謹(jǐn)慎地管理社會接受度和不可避免的媒體危機(jī)。

自然，技術(shù)挑戰(zhàn)也會增加。需要更多傳感器——光學(xué)、雷達(dá)、激光雷達(dá)等——以及傳感器融合。期望在 SAE 標(biāo)準(zhǔn)的上層需要 20 多個傳感器并不是不合理的。

3 級獨有的挑戰(zhàn)是安全地管理自動駕駛和（人類）駕駛員控制之間的切換。駕駛員監(jiān)控在這里是一個重要因素——你醒著嗎，你知道汽車想讓你接管嗎，你是否向前看？這些檢查已經(jīng)可以通過駕駛員注視檢測/跟蹤、監(jiān)控駕駛員頭部的運(yùn)動，或者更準(zhǔn)確地說，瞳孔中心檢測來實現(xiàn)。這兩種方法都需要在車內(nèi)進(jìn)行物體識別和跟蹤。

成本也是一個挑戰(zhàn)。我們今天看到的自動駕駛汽車并不便宜。去年，Delphi Automotive（現(xiàn)為 Aptiv PLC）的 CEO 估計自動駕駛硬件/軟件堆棧的成本在 70,000 至 150,000 美元之間。這還不包括汽車本身的成本（他認(rèn)為到 2025 年，這可能會降至 5,000 美元左右）。一個原因是一些昂貴的傳感器技術(shù)。僅激光雷達(dá)是自動駕駛系統(tǒng)中的關(guān)鍵組件，目前依賴于機(jī)械系統(tǒng)旋轉(zhuǎn)激光器。

在過去的一年里，一些最好的系統(tǒng)已經(jīng)降價了。例如，Velodyne LiDAR將其 VLP-16 Puck 的價格降低了一半，從大約 8,000 美元降至 4,000 美元。該公司還推出了具有 128 個激光通道的超高分辨率VLS-128，用于高級實時 3D 視覺。

消除機(jī)械支撐的固態(tài)技術(shù)進(jìn)步應(yīng)該會進(jìn)一步降低成本——有些人預(yù)計成本會低至 100 美元。至少在今天，LiDAR 在 4/5 級中發(fā)揮著重要作用，這表明這些級別可能會在一段時間內(nèi)僅限于商業(yè)/公共交通應(yīng)用，在這些應(yīng)用中，更高的成本可能會更有效地抵消。再說一次，基于相控陣或 MEM 鏡面的解決方案可能會比我們想象的更快出現(xiàn)。Quanergy 的 S3 固態(tài) LiDAR目前售價在幾百到幾百美元之間，具體取決于數(shù)量，但該公司預(yù)計，隨著集成度的提高，價格將降至 100 美元以下。

此外，RoboSense 最近宣布其新的 RS-IPLS 智能感知 LiDAR 系統(tǒng)將 MEMS 固態(tài) LiDAR 技術(shù)與基于 AI 的深度學(xué)習(xí)算法相結(jié)合，其成本僅為 200 美元的傳統(tǒng) LiDAR 系統(tǒng)成本的一小部分。

另一個成本驅(qū)動因素是傳感背后的智能。當(dāng)今廣泛使用的解決方案依賴于每臺設(shè)備運(yùn)行近 1,300 美元的平臺。如果您只需要一個，這已經(jīng)是總預(yù)算 5,000 美元中的一小部分，但似乎還不夠。

為了管理關(guān)鍵功能的響應(yīng)時間并避免在將原始數(shù)據(jù)從許多傳感器發(fā)送到中央人工智能 (AI) 處理器時出現(xiàn)網(wǎng)絡(luò)擁塞，必須在傳感器附近管理某種程度的智能。當(dāng)您考慮可能需要 20 個傳感器時，必須將 AI 硬件定價降低一個數(shù)量級以上，這不可避免地推動 OEM 和一級供應(yīng)商采用 ASIC 設(shè)計。

另一個挑戰(zhàn)是安全性和可靠性。接地要求符合 ISO 26262；但是，該標(biāo)準(zhǔn)不了解諸如駕駛員失控、非確定性、習(xí)得行為以及其他 3 到 5 級的常規(guī)行為。正在這些領(lǐng)域開展工作。

從業(yè)者提出的“行駛數(shù)百萬英里”聲明雖然是必要的，但似乎還遠(yuǎn)遠(yuǎn)不足以證明可靠運(yùn)行。當(dāng)基礎(chǔ) AI 技術(shù)不確定時，多少行駛里程就足夠了？一個普遍接受的解決方案是在多個系統(tǒng)之間或在給定系統(tǒng)本身內(nèi)使用交叉檢查。在相機(jī)模塊中，可以將基于 AI 的物體識別與更傳統(tǒng)的計算機(jī)視覺算法進(jìn)行比較，以確保正確操作。通過多類物體識別（相機(jī)、雷達(dá)、激光雷達(dá)）之間的傳感器融合，同樣的方法也可以在不同的傳感器模塊上實現(xiàn)。除了這些安全措施外，冗余將在安全保障中發(fā)揮關(guān)鍵作用。

我的網(wǎng)在這一切？爭取市場份額仍然是一個強(qiáng)大的因素，可能會比今天看起來更快地推動技術(shù)/成本/安全的進(jìn)步。但通往成功的最可靠途徑可能是在個人車輛中逐步引入 3 級功能，并在商用車輛（如無人駕駛巴士、食品配送車，可能還有最后一英里的出租車）中更有限/有節(jié)制地引入 4/5 級功能。不管這種情況如何發(fā)展，傳感器、傳感器背后的 AI 組件和集中式 AI 子系統(tǒng)顯然將有巨大的機(jī)會來實現(xiàn)無人駕駛的承諾。

審核編輯 黃昊宇