8月4日-8月5日，由車云網(wǎng)和佐思產(chǎn)研聯(lián)合舉辦、佐智汽車特別支持的2016自動駕駛汽車開發(fā)及測試技術(shù)研討會在上海虹橋賓館順利舉行。
隨著自動駕駛從概念熱議進入產(chǎn)品孵化階段，國內(nèi)企業(yè)開始對自動駕駛汽車關(guān)鍵部件和系統(tǒng)開發(fā)測試給予關(guān)注。車云TECH-IN會展品牌聯(lián)合佐思產(chǎn)研舉辦了本次專業(yè)活動，旨在能促進行業(yè)對先鋒話題的交流。
本次研討會上，來自政府機關(guān)、主機廠、零部件供應商、高校、創(chuàng)業(yè)公司在內(nèi)的300位參會代表，圍繞“面向自動駕駛，聚焦開發(fā)測試”的主題，探討了自動駕駛整車、傳感器、軟件開發(fā)和測試技術(shù)發(fā)展趨勢。
金鑫，中華人民共和國工業(yè)與信息化部安全生產(chǎn)司副司長
今年7月20號，國務院副總理馬凱在全國安全生產(chǎn)電視電話會議上，明確指出要加快先進技術(shù)裝備的推廣應用。認真研究提高大客車、�；愤\輸車制造的安全技術(shù)標準和研發(fā)防碰撞等新技術(shù)。
自動駕駛汽車發(fā)生安全事故之后，責任該如何歸屬？ADAS是先進輔助駕駛系統(tǒng)，車的安全責任在駕駛員。無人駕駛汽車出廠時就告訴駕駛者不用駕駛。前裝無人駕駛，應當由汽車廠承擔責任。后裝無人駕駛，由改裝者或車主承擔。
國家正在組建中國安全產(chǎn)業(yè)發(fā)展投資基金，汽車安全子基金也在積極組建中，通過支援智能汽車技術(shù)的方式，推動產(chǎn)業(yè)前進。
顧劍民，沃爾沃汽車中國區(qū)研發(fā)總監(jiān)
避撞系統(tǒng)的工作機理非常簡單，探測-評估決策-干預（警告或者自動剎車）。
探測功能已取得巨大飛躍。多傳感器融合算法如何應對惡劣天氣和道路狀況，依然是個挑戰(zhàn)。傳感器融合后，需要更先進的威脅評估算法，同時考慮多個對象。復雜算法會增加計算量，從以前的單目標到現(xiàn)在多目標多威脅的評估，以至無法保證實時性，有必要進行適當簡化。
干預階段必須首先深層次地了解哪些是駕駛員感受到的具有強相關(guān)性的威脅，才能提高決策的相關(guān)可信度。除非是駕駛員近乎無法解決的沖突將要發(fā)生，否則車輛不應自主動作。
張人杰，QNX大中華區(qū)總經(jīng)理
自動駕駛軟件是汽車軟件架構(gòu)的演變，不是從1到N，而是從0到1。
在車載設備形態(tài)里面，有很多的分離的電子器件。自動駕駛演變的過程當中，電子器件可能逐漸會變成兩到三種，某個一級供應商可能會供應所有的整套車載電子設備。這樣可以減少車載電子設備間的通訊，降低開銷。怎樣把認證成本、開發(fā)成本、調(diào)試成本通過集成化的硬件來降低，是行業(yè)要研究的方向。
自動駕駛下汽車電子設備的形態(tài)不是簡單分離的多電子器件集合，而是一體化的硬件架構(gòu)。未來還會未來演化，會在一個統(tǒng)一的硬件平臺之下，使用虛擬化的架構(gòu)進行不同的功能域（domain）管理，進行不同的安全等級的控制。
沈海寅，智車優(yōu)行CEO
智車優(yōu)行有一條新的路徑，叫自主駕駛。
自動駕駛的核心，就是通過掌握大數(shù)據(jù)、云計算、深度學習、自主學習的基礎能力，使汽車不需要改變硬件的結(jié)構(gòu)的基礎上，實現(xiàn)升級和迭代。自動駕駛本身一定是深度學習的引擎，會對人類駕駛習慣模仿學習。
智車優(yōu)行與李德義毅院士合作推出駕駛腦，認知層面使用了兩套深度學習算法。一套就像下圍棋時的棋面判斷，是否對我有利。還有一套是當前局勢該如何下子。兩者匹配形成決策和認知系統(tǒng)。
奇點汽車想通過硬件先行，軟件逐步迭代的方式，使自動駕駛功能在量產(chǎn)車中實時落地，每個月或者每個季度都有新的功能可以迭代，實現(xiàn)一條完全不同于現(xiàn)在傳統(tǒng)車企ADAS迭代的方式，也不同于谷歌或者百度直接L4的思路。
吳甘沙，馭勢科技（北京）有限公司CEO
從駕駛輔助到輔助駕駛，是第一次躍遷。從輔助駕駛到高度自動駕駛到無人駕駛，是第二次躍遷。
感知部分需要更好的算法，基于深度學習，感知可以識別更多復雜場景。攝像頭、毫米波雷達傳感器還有更多空間可挖。馭勢可用攝像頭裝置眾包采集的方式，構(gòu)建實時同步的地圖和定位系統(tǒng)�；诮煌酥九坪偷孛鏄耸镜奶卣髌ヅ�，做短距離、局部區(qū)域十厘米精度的定位，獲得的小體積地圖可以存在云端，實時更新。
認知環(huán)節(jié)需要更好的認知算法。能夠做相對比較準確的語意的分割，比如路面、車、樹、天空。電線桿等等。
傳統(tǒng)自動駕駛，由視頻輸入，通過深度學習，建立試驗模型，分析道路上的各種目標，然后規(guī)劃路徑。規(guī)劃路徑會變成轉(zhuǎn)動方向盤、踩下油門或者剎車控制的命令。端到端的深度學習做得非常好之后，可以從視頻直接推出控制命令。
深度學習要解決數(shù)據(jù)來源的問題。可以通過眾包方式，由上千人的網(wǎng)絡標注信息，可以像從谷歌街景的數(shù)據(jù)庫把一些道路圖畫扒出來，也可以從賽車游戲場景里搜集數(shù)據(jù)，預先標定一些車道線等元素，然后用算法測試比較。
對于軟件的安全性、可靠性很難界定。使用數(shù)學推演得知，自動駕駛汽車要跑一百億英里左右，才能夠證明你比人開得安全。但是沒有一家主機車廠，能實際跑一百億英里。可以通過模擬和仿真，測試算法。
路川，英偉達機器學習解決方案架構(gòu)師
深度學習不是一個新概念。之前之所以沒有發(fā)展起來，是因為沒有很強的計算性能單元去做處理，同時也缺少足夠大的數(shù)據(jù)量�；ヂ�(lián)網(wǎng)大數(shù)據(jù)時代，兩項前提條件已經(jīng)具備。
目前神經(jīng)網(wǎng)絡層數(shù)越來越多，越來越深，普通的CPU或計算性能處理單元，很難去做深度學習的訓練。必須要有強大的GPU性能來搭配訓練。
除了硬件之外，英偉達自動駕駛車整個軟件的平臺叫DRIVEWORKS，由PILOTNET與DETECTNET一起構(gòu)成DETECTNET可以對道路上的行人和車輛進行識別，產(chǎn)品中包含了神經(jīng)網(wǎng)絡，用戶只要準備一個訓練集，就可以調(diào)用神經(jīng)網(wǎng)絡來做訓練，讓算法具有自動識別的能力。PILOTNET是用來取代傳統(tǒng)控制算法的深度神經(jīng)網(wǎng)絡，可以部署在車上學習人類駕駛行為，根據(jù)人的駕駛行為做一些修正，是一個不斷進化的過程。此外DRIVEWORKS還包括了傳感器矯正、傳感器融合、3D重構(gòu)、特征提取、高準確度目標識別、激光雷達點云處理、高精度定位、高精度地圖、360環(huán)視、路徑規(guī)劃和可視化等算法庫和模塊。
趙展，廣聯(lián)賽訊總經(jīng)理
電子的智能化帶來一些簡單的功能服務。增加聲控、路況、導航等等功能，是入口型業(yè)務，不能稱之為真正可以掙錢的地方。
互聯(lián)網(wǎng)思維邏輯里面，往往把高頻剛需做到低成本甚至免費。用戶要通過設備流進來，每天使用，產(chǎn)生數(shù)據(jù)，才能跟用戶建立清晰的管道。把通道建立起來，數(shù)據(jù)建立起來，很多商業(yè)環(huán)境就可以搭建起來。
但如果只是一個數(shù)據(jù)一個數(shù)據(jù)的孤鏈，滿足顧客簡單的娛樂需要，這些只能稱之為高頻，不能稱之為剛需。如何把數(shù)據(jù)再利用，加速智能數(shù)據(jù)的前端的聯(lián)網(wǎng)，使數(shù)據(jù)變現(xiàn)實現(xiàn)，才能真正產(chǎn)生價值。
同樣一類數(shù)據(jù)可以服務于四個五個同類或不同類的公司。數(shù)據(jù)不能有效支撐一個服務的話，難以形成閉環(huán)。比如，單純提供數(shù)據(jù)給保險公司，對方不會認為有多大的價值，如果你聯(lián)合保險公司設計一個險種，實現(xiàn)風險共管共擔，包括實現(xiàn)保費增加的銷售，保險公司就非常樂意接受。
高振海，吉林大學
ACC概念是在傳統(tǒng)定速巡航基礎上，利用雷達視覺等主動探索與前方車輛的相對關(guān)系，包括位置、角度、速度，并根據(jù)駕駛員和一些設計好的車間隙，控制油門、制動，使得本車保持安全的車間距，在必要時要求人類監(jiān)管。
現(xiàn)在國內(nèi)和國際上3-4類的ACC標準，實際上只是僅僅滿足了基本技術(shù)門檻，達不到汽車廠商自己設計調(diào)控，形成自身DNA的能力。在ACC控制上，要考慮安全前提兼顧舒適性和駕駛習性。防止加速、減速頻繁的切換引起主觀不適。全世界車企通過基礎門檻后，都想形成個性化的控制能力。
德國寶馬設計ACC時，進行了復雜的匹配。從關(guān)聯(lián)系統(tǒng)到系統(tǒng)集成、各種優(yōu)化、系統(tǒng)驗證，開發(fā)了1-5級參數(shù)。但是目前中國車企僅僅開放了A級七八個參數(shù)。這七八個參數(shù)遠遠不能調(diào)校一個車企自身的DNA控制。
國內(nèi)企業(yè)要攜手打造一個中國自己的智能駕駛系統(tǒng)的產(chǎn)業(yè)鏈，包括傳感器，或者是激光雷達、毫米波雷達，單目雙目視覺，智慧大腦，以及控制器。
周彥武，北京佐思信息咨詢有限責任公司研究總監(jiān)
無人車或者是自動駕駛車還沒有量產(chǎn)車。大多企業(yè)都是從現(xiàn)有量產(chǎn)的車中找一輛純電或者混電車來改裝，因為混動和純電車最大的好處，在于有一套線控剎車系統(tǒng)。
做好線控剎車需要很長時間的技術(shù)積累，并且依賴大量剎車數(shù)據(jù)。做剎車系統(tǒng)測試的關(guān)鍵，在于要有賽場。國內(nèi)因為投入時間和資金成本巨大，不愿在此投入。
這對于國內(nèi)研究自動駕駛的廠家來說，幾乎是致命。傳感器、控制系統(tǒng)做得再好，最終都要執(zhí)行器與前面的環(huán)節(jié)通訊。目前在線控剎車系統(tǒng)方面，基本繞不開博世。對方不放開接口或者只放開很少的接口，就會完全受制于人。而博世自己有一套完整的系統(tǒng)，肯定會優(yōu)先推介。
劇學銘，Ibeo LiDAR-歐百拓CEO
2010年Ibeo和法國的Tier1法雷奧合作，開發(fā)面向未來量產(chǎn)車使用的激光雷達。預計明年年初，和法雷奧合作的Scala將走向量產(chǎn)市場，首先可能會在奧迪上推出，裝在A8前臉位置。
不久前，德國Tier1采埃孚收購了Ibeo40%的股份，主要助力于Ibeo對新的固態(tài)激光雷達的研發(fā)。未來Ibeo可能會從單一的激光雷達軟硬件供應商，進階為對ADAS整個功能的開發(fā)。
明年Scala進入量產(chǎn)后，Lux系列不會淘汰。未來ADAS、自動駕駛測試，需要一款精度更高、系統(tǒng)更穩(wěn)定的成熟方案，Lux可能會更多參與到測評系統(tǒng)，從現(xiàn)在的感知功能轉(zhuǎn)為測評功能。
常規(guī)無人駕駛和自動駕駛研發(fā)的過程測評，以攝象頭為例，需要對攝像頭收集到的信息，進行大量的線下人工標定，工作量非常巨大，人為標定可能出現(xiàn)錯誤，時間成本很高，存在很多弊端。今年德國某一個OEM，在收集到的數(shù)據(jù)人工標定上的預算是25000萬歐元，是非常龐大的數(shù)字。
隨著ADAS和自動駕駛研發(fā)需求的增大，市面上需要一套更高效、更低成本、更精準的測評系統(tǒng)。Ibeo是激光雷達商，激光雷達最大的優(yōu)點就是精確度，而且Ibeo有自己的算法，做了一套Reference System。與人工標定相比更準確、節(jié)省時間，標定后測試場景還原也更為完整。
翁煒，Velodyne LiDAR亞洲區(qū)市場總監(jiān)
傳統(tǒng)汽車行業(yè)處在生死存亡的階段，互聯(lián)網(wǎng)的切入讓他們感到危機，決定組建聯(lián)盟對抗互聯(lián)網(wǎng)行業(yè)。同時車企發(fā)現(xiàn)一步一步通過ADAS進階到全自動駕駛的實現(xiàn)速度太慢，所以必須現(xiàn)在開始從全自動開始著手。
低線數(shù)激光雷達收集的數(shù)據(jù)量不足以減輕后臺GPU的運算，導致GPU存在散熱困難。為了有效使用在汽車行業(yè)，需要探測距離達到200米測距，為整車做出反應贏得時間。
無人駕駛有很重要的AI部分，人乘坐汽車要覺得舒適，需要車要學習人類的駕車習慣，要通過計算機一點點學習訓練。車廠在測試訓練時間上沒有Google的優(yōu)勢，因此選擇數(shù)量替代時間。與Velodyne合作主要車廠從2017年下半年開始到2018年上半年，每家車廠使用600到1000臺車，通過這樣大規(guī)模測試收集AI信息。
未來2020年Velodyne的車用Puck3.0會固化四個部件。產(chǎn)品可以通過軟件調(diào)整激光束的通道數(shù)量和發(fā)射角度，同時會固化馬達鏡片以及反射裝置。產(chǎn)品會做成128線，中間陣列可以做到最多9乘9行，在不旋轉(zhuǎn)的情況下，覆蓋60度到120度的探測范圍。
福特在CES上說過，Velodyne2020年款車用Lidar產(chǎn)品價值單價降至500美金以內(nèi)，2025年承諾產(chǎn)品單價200美金以內(nèi)。目前情況是，如果明年拿到一百萬訂單，Velodyne便可以給到五百美金的單價。
湯勁松，Quanergy亞洲分公司負責人、中國公司總經(jīng)理
激光雷達現(xiàn)在目標主要是性能提升和成本控制。其中成本控制應該是業(yè)界專注傳感、感知設備公司共同關(guān)注的問題。不解決成本高昂的問題，量產(chǎn)化無從實現(xiàn)。成本的降低并不能依靠犧牲性能，僅僅靠改進現(xiàn)有的技術(shù)無法達到，需要走一個突破性的新技術(shù)途徑，而固態(tài)激光雷達是一個最好的技術(shù)方向。
激光雷達需要配合車輛環(huán)境測試，例如防磁、振動、防水等。有時候?qū)嶒炇抑笜硕己芎�，但在實際到車上使用時，情況非常不同。比如溫度，達到了設定值，但最后發(fā)現(xiàn)實驗環(huán)境跟實際環(huán)境不一樣。這就需要我們做大量的針對量產(chǎn)化的、產(chǎn)品的可靠性的測試工作。
|
