在這個快速發(fā)展的智能汽車時代，中國OEM和歐美OEM還有一些差距，兩者對功能定義的能力也有所不同。

但即使是歐美大型OEM也在摸索自動駕駛相關(guān)技術(shù)，對我們來說，OEM應(yīng)該關(guān)注更多的功能設(shè)計、安全設(shè)計，這意味著我們肩負(fù)更重的責(zé)任，同時我們也希望未來更美好。

2018年11月29日，在高工智能汽車開發(fā)者大會深圳站上，廣汽研究院智能駕駛技術(shù)部負(fù)責(zé)人郭繼舜就《量產(chǎn)背景下的無人駕駛研發(fā)之路》發(fā)表了主題演講，以下為內(nèi)容實(shí)錄的整理。

廣汽研究院成立于2006年，是廣汽集團(tuán)技術(shù)管理部門和研發(fā)體系樞紐，主要負(fù)責(zé)新產(chǎn)品、新技術(shù)的規(guī)劃研發(fā)。目前，廣汽研究院主要分布在中國廣州（化龍總院、五山基地）、廣汽（硅谷）研發(fā)中心、廣汽（底特律）研發(fā)中心、廣汽（洛杉磯）前瞻設(shè)計中心這五個地方。其中我們的人工智能和相關(guān)自動駕駛技術(shù)都是在硅谷和廣州這兩個地方完成的。

在加盟廣汽研究院之前，我主要參與了自動駕駛相關(guān)算法工作，那時候我覺得我足夠懂車，但真正到了廣汽研究院之后我才發(fā)現(xiàn)，還差得很遠(yuǎn)。開發(fā)自動駕駛車輛是一個非常大且嚴(yán)謹(jǐn)?shù)墓こ蹋囍员环Q為工業(yè)界的明珠，是因為有非常多的工作要做，不僅僅是算法這么簡單。

在布局未來方面，廣汽研究院有一個 “2510”技術(shù)創(chuàng)新戰(zhàn)略，就是2年、5年和10年計劃，每一年我們都會進(jìn)行校正，結(jié)合實(shí)際情況進(jìn)行修正。目前2年、5年和10年內(nèi)，我們主要集中在電動化和智聯(lián)化方面，最終我們希望把智能座艙和自動駕駛整合到同一個ECU中。

現(xiàn)在，量產(chǎn)交付才是自動駕駛最大的難題。

（在此，《高工智能汽車》有必要再提一下量產(chǎn)的定義。現(xiàn)在的大部分自動駕駛測試車，更像是傳統(tǒng)意義上的概念車，是用來試探市場和展示自身實(shí)力的，不需要考慮成本、工藝難度等方面的問題；量產(chǎn)則意味著已經(jīng)可以大量生產(chǎn)推向市場銷售，制造成本一定要有競爭力，并通過了全部的測試驗證。）

量產(chǎn)L3我們究竟面臨哪些難題？

這里借用李開復(fù)老師一個觀點(diǎn)：‘我們在面向量產(chǎn)時會發(fā)現(xiàn)，擺在我們面前的就是一片剛剛收割過的蘿卜田，全是坑。’

第一、感知不夠準(zhǔn)、OEM不接受99.99%。

大家都在討論一個問題，到底什么才是自動駕駛最難的技術(shù)？有人說是高精地圖，有人說是整個結(jié)構(gòu)化系統(tǒng)，最后大家一致認(rèn)為是感知。現(xiàn)在我們面臨一個問題，怎樣的感知系統(tǒng)才能做到量產(chǎn)？

對于OEM，我們并不能接受99.99%，因為這意味量產(chǎn)10萬臺車，風(fēng)險會呈幾何數(shù)增長，所以小數(shù)點(diǎn)后面要有很多9，感知層面我們使用了激光雷達(dá)，毫米波雷達(dá)，整個車身裝滿了攝像頭，我們依然沒有辦法把精度提高到特別高，我們希望通過一種更好的方式整體提升功能安全的要求。

第二、我們不會在決策算法里使用任何端到端技術(shù)，也就是所謂的深度學(xué)習(xí)。

深度學(xué)習(xí)很好用，幾乎改變了整個人工智能領(lǐng)域的發(fā)展，但在自動駕駛里面，我們僅僅希望在感知的某一些部分使用比較短的端到端，原因在于深度學(xué)習(xí)沒有可解釋性，這是我們要去解決的問題。

第三、需要高算力芯片，自動駕駛對芯片的要求極高，算力>=30Tops。

第三、功能安全。

在我們現(xiàn)在定下的目標(biāo)‘2020年第一季度實(shí)現(xiàn)L3量產(chǎn)’的時候，我們需要在每上一個新功能，每一塊硬件首先要解決功能安全問題。所以我們不是沒有芯片，而是沒有合格的芯片，基于對生命安全考慮負(fù)責(zé)的態(tài)度，選擇一款合格的量產(chǎn)芯片，我們有非常非常嚴(yán)苛的要求。

第四、高精地圖。我們?yōu)榱俗孡3級車型在高速公路上能夠獲得自定位，我們想到了高精度地圖。問題在于當(dāng)我想做一個高精地圖盒子的時候，如果需要整個系統(tǒng)達(dá)到ASIL-D級別，這個盒子的硬件一定要達(dá)到ASIL-B級才可以。

但目前為止，全世界沒有一家公司能做到，我們不想妥協(xié)，但只能等待，現(xiàn)在我們一邊做一邊想有沒有辦法解決這種功能安全問題。

第五、足夠快速穩(wěn)定的線控制動系統(tǒng)，我們不能接受沒有冗余的控制器。

前兩天還在跟李開復(fù)老師討論一個問題，他認(rèn)為我們要從L4開始，L3是業(yè)界想出來的偽需求，我說我當(dāng)然希望從L4開始，也許我們的算法可以，但是依然沒有辦法拿到足夠好的執(zhí)行器去支撐L4。

這主要是因為L1、L2非常簡單，在這個階段，車輛駕駛的責(zé)任是由駕駛員來承擔(dān)的，但從L3開始，它的難點(diǎn)就在于人工智能要為這個駕駛的結(jié)果負(fù)責(zé)了，對于線控制動的精度、響應(yīng)、冗余都有不同的要求。

其次，什么樣才是好的L3？

ADAS級別大家都非常了解，在功能上我有一個非常直觀的說法，L3如果想要量產(chǎn)我們需要實(shí)現(xiàn)3個重要的功能：高速公路的自動跟車（HWC）、高速公路0-120KM/H范圍內(nèi)自動變道超車（HWP）、自動泊車（APA）。

未來L3一定要有HWP，因為我只有高速公路自動跟車功能的L3是一個閹割版的L3。就是系統(tǒng)可以關(guān)注前方路況，如果前面遇到了慢車，本車可以自動超車，這才是真正L3改變駕駛習(xí)慣的應(yīng)用，所以我認(rèn)為HWP一定是L3中必要的。

我們量產(chǎn)原則是什么？

第一、在自動駕駛核心器件上，我們一定不會使用任何未達(dá)到車規(guī)的產(chǎn)品。

第二、我們不會用ROS進(jìn)行開發(fā)。現(xiàn)在很多初創(chuàng)公司用ROS開發(fā)，但是ROS安全性能是不達(dá)標(biāo)的，即使好用，我們也決定不走這個捷徑，我們從底層構(gòu)建我們的傳感器網(wǎng)絡(luò)。

第三、不完成足夠的行駛里程積累，不覆蓋所有可能的場景測試、一定不能推向量產(chǎn)。這是為了保證產(chǎn)品的一致性和穩(wěn)定性。這個里程可以包括虛擬環(huán)境里的里程數(shù)，其實(shí)廣汽在測試某一個L2功能的時候，它的里程都要求差不多20—30萬公里起步，要測好幾個月。

基于此，目前我們定義了3900多個場景，60000多的邏輯策略，2000多頁域控制器設(shè)計文檔和20000多測試用例，但這只是很小的一部分。

第四、充分的安全冗余，整車安全級別達(dá)到ASIL D；

第五、不使用太長的端到端技術(shù)；

第六、為了保證產(chǎn)品的一致性和穩(wěn)定性，所有上位機(jī)的解決方案都不會被接受。

可以看到，我們現(xiàn)在使用的是工控機(jī)，之后肯定會把它變成一個嵌入式結(jié)構(gòu)，我們希望也是達(dá)到車規(guī)級別，所有的傳感器都能過車規(guī)。

冗余、冗余、冗余

L3級自動駕駛車型我們一定要在系統(tǒng)級別讓人工智能能夠?qū)3級以上的自動駕駛負(fù)責(zé)，所以，我們也希望針對自動駕駛行業(yè)可以有一些新的線控制動產(chǎn)品出現(xiàn)，我們需要這樣的一個物理結(jié)構(gòu)，加入兩個一模一樣的EPS，保證有一個熱備份的冗余。

芯片，成為自動駕駛最大瓶頸。自動駕駛要求有高算力、實(shí)時性強(qiáng)、低功耗、高可靠性的自動駕駛芯片。

其中主要原因是，我們有大量的感知工作要做，我們發(fā)現(xiàn)芯片的算力不能一直把它維持到占用率非常高的級別，這樣非常容易宕機(jī)，所以我們希望這個算力強(qiáng)大到有富余。

在我們思考這么久之后，我們覺得想要系統(tǒng)性的解決功能安全問題，感知、算力問題，也許通過V2X是一個不錯的選擇。

采用V2X可以極大的減少我們有可能感知到的非結(jié)構(gòu)化信息，我希望車輛不需要感知人、感知車、感知路，給我結(jié)構(gòu)化的數(shù)據(jù)就好，所以我們可以通過V2X在云端讀取結(jié)構(gòu)化信息。

1、可以實(shí)現(xiàn)超視距感知；

2、高精度感知（交通參與者準(zhǔn)確定位、參與體的意圖、參與體的精確速度、自車的精確信息可上傳云端）；降低感知成本；

3、超視距感知可以節(jié)省昂貴的傳感器成本，減少對大數(shù)據(jù)的梳理需求，減少域控制器算力要求；

4、節(jié)能，提前獲取交通信息（擁堵，紅綠燈等交通信息），實(shí)現(xiàn)能源分配的最優(yōu)控制及決策規(guī)劃，實(shí)現(xiàn)碳排放及燃油消耗降低30%；

我們現(xiàn)在看到的V2X應(yīng)用場景，主要有超視距感知和高精地圖感知。而未來，5G將成為自動駕駛的主要通信手段。5G為什么在自動駕駛是必要的？

第一、5G形成了端到端的生態(tài)系統(tǒng)，增強(qiáng)了移動寬帶，峰值速率可達(dá)到20Gb/s,支持更低延時小于10ms；

第二、基于5G的V2X在覆蓋距離、網(wǎng)絡(luò)延遲方面都要優(yōu)于DSRC；

第三、5G技術(shù)在這幾年實(shí)現(xiàn)了重大突破，并陸續(xù)開展了實(shí)車應(yīng)用和環(huán)境測試，可快速實(shí)現(xiàn)商業(yè)化。

最后就是充分的冗余，然后是少接管或者人性化的接管。冗余，我們?yōu)榱吮ＷCECU、域控制器本身是足夠安全的，這個里面涉及到很多電氣化的結(jié)構(gòu)。

最后，量產(chǎn)還需要黑匣子，德國已經(jīng)出臺法律明確規(guī)定，配有自動駕駛系統(tǒng)的汽車內(nèi)將安裝類似“黑匣子”的裝置，記錄系統(tǒng)運(yùn)作，要求介入和人工駕駛等不同階段的具體情況，以明確交通事故的主要責(zé)任。

從L3開始，自動駕駛要由人工智能對此負(fù)責(zé)，這意味著我們必須可回溯，發(fā)生了車禍要知道是什么導(dǎo)致的問題，所以黑匣子是必須的。我們現(xiàn)在初步的要求是把前30秒、后10秒存起來，包括所有傳感器信息。

L3過渡到L4

我們認(rèn)為實(shí)現(xiàn)L4，高精地圖、Lidar一定是必要的。L3也要使用Lidar，很多廠商說L3我們可以用攝像頭和毫米波雷達(dá)，但是問題當(dāng)你考慮到傳感器冗余的時候肯定不夠，很難過功能安全的要求，所以Lidar哪怕作為一個冗余性的傳感器，它都是必要的，而高精地圖一定是必要的。

在全面實(shí)現(xiàn)L4以前，L4功能里最先能體驗到的一個量產(chǎn)功能就是最后一公里這個非常典型的場景，我們可以把它叫做L3.5，同時，未來L3、L4也可能長期共存。

我認(rèn)為這是基于兩個商業(yè)模式不太一樣。L3我們更希望把車賣給私人消費(fèi)者，解決你在高速公路上的疲勞問題。

但L4由于它本身成本太高，即使為了實(shí)現(xiàn)功能可以減掉一些傳感器，也沒人敢做，因為我們?yōu)榱吮ＷC功能必須要有傳感器的冗余，那我們怎么做呢？

可以把它賣給B方，做運(yùn)營，他們有很好的場景應(yīng)用，可以通過提高使用效率的方式來獲得足夠好的收益，這會是L4級別自動駕駛實(shí)現(xiàn)的商業(yè)運(yùn)營的價值。

我們預(yù)計到2025中國L3級自動駕駛車型達(dá)到12%，屆100%的高端車型都將配備L3級自動駕駛系統(tǒng)，而國內(nèi)消費(fèi)者更能容易接受自動駕駛，這有利于商業(yè)化。

我們調(diào)研了全球10個國家共1000位消費(fèi)者，其中，中國消費(fèi)者接受自動駕駛汽車的比例達(dá)到75%，并且對自動駕駛抱有高希望，這個遠(yuǎn)遠(yuǎn)超過歐美和日本，原因在哪里？

比如我們的移動支付遠(yuǎn)遠(yuǎn)超過了歐美和日本，他們太習(xí)慣使用信用卡了，從信用卡到移動支付這個差距沒有太大，但是從現(xiàn)金到移動支付的差異就很大，因為我們沒有一個中間的過渡。

我在美國一個讀書的朋友跟我講，他說他非常討厭自動駕駛，我問他為什么？他說沒有駕駛的樂趣。也就是說當(dāng)你有一個根深蒂固的思維，你需要有更多說服力的東西才能改變這個思維，在中國來說這樣的阻力相對小一點(diǎn)。