吴坚:高级智能驾驶辅助应用与思考

文章来源:AI汽车制造业 发布时间:2021-09-05
分享到
在9月5日 “主题演讲:迈向高级别自动驾驶应用的管理与实践”中,广汽集团执行委员会成员兼自主品牌经营管理委员会副主任,广汽研究院院长吴坚发表了题为“高级智能驾驶辅助应用与思考”的演讲。

2021年9月3日-5日,由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办,天津经济技术开发区管理委员会特别支持,日本汽车工业协会、德国汽车工业协会联合协办的第十七届中国汽车产业发展(泰达)国际论坛(以下简称泰达汽车论坛)在天津市滨海新区召开。本届论坛围绕“融合•创新•绿色”的年度主题,聚焦行业热点话题展开研讨。

9月5 主题演讲:迈向高级别自动驾驶应用的管理与实践”中,广汽集团执行委员会成员兼自主品牌经营管理委员会副主任,广汽研究院院长吴坚发表了题为高级智能驾驶辅助应用与思考的演讲。

广汽集团执行委员会成员兼自主品牌经营管理委员会副主任,

广汽研究院院长  吴坚

以下为演讲实录:

各位来宾很高兴在这里跟大家分享关于广汽高级驾驶辅助应用方面的思考,我的报告分为几个方面主题。

首先自动驾驶它的整个起源,归类为我们整个汽车业是从机械车到电控车,到未来智能车的演变,我经常在一些场合说,已经到了汽车3.0时代,从机械1.0到电控2.0,到智能车3.0。目前今天的话题是主要集中在中间这一块,就是高级的驾驶辅助阶段。

这个阶段广汽打造点到点,也就是车位到车位的全程驾驶的辅助。包括高速公路、城区停车的场景,功能上支持单车道的循环,自动变道、上下车道、包括主动升级安全功能,包括更多自动驾驶保障。

我们看看图里面把智能车分为三大类,第一类就是驾驶辅助,就是L2以下的驾驶辅助,还有上面比较清晰就是L4以上的全自动驾驶,在广汽我们是布局了类似自动驾驶的预演。

高级驾驶辅助是一个灰色地带,介乎于自动驾驶和辅助驾驶之间,我们定义为高级驾驶辅助。广汽采用两种的算力平台,根据成本,根据实施的路径会分为两种,根据算力分成两块。

在自动驾驶高级智能驾驶辅助方面,我们还是分成两个层面,一个层面是不需要人介入的场景,包括就是一些基础的,包括夜间和交叉路口转弯等等。上面是与人相关的,因此为什么说是一个灰色地带,是人机共驾的场景。在上面这一块跟人相关,包括像泊车的场景,包括像城区里面复杂路况,尤其是一些路口的场景,还有比较常见高速公路上的场景。

在做高级的智能辅助驾驶这一块工作里面,我们面临一些新的挑战,我们讲纯粹的辅助驾驶L2以下的,主要的这些工作都由车辆来完成。然后在L4级别的车型,所有的驾驶的工作由机器来完成,比较麻烦的事情就是人与机器之间的一种混合。这些挑战包括归纳出来这么几项,一个是智能化的水平不断的引进,系统可安全操作的范围也在不断的扩大,场景也在不断的变化。比方说这里用了一些图来表示,这些图怎么看呢,蓝色的这一块就是用户能够感知到有危险,或者有需要辅助驾驶的感知区域。然后B是技术能力所能覆盖的范围,A当然是我们L4级别需要全面覆盖的范围。

我们的困难在哪里呢?困难由于我们智能水平不断扩大,使得我们用户的认知在发生一些变化。比如前一段时间大家肯定也知道,就是对于某一些静止物体的判别。作为驾驶员来说,认为你的车是应该能够判别出来的,但是以我们现在高级辅助驾驶来说,是判别不出来的。所以这里面我们现在面临第一个挑战

第二个就是认知,就是用户认知,我刚才已经说到了。

第三个就是用户的状态,用户状态大家比较容易理解,我们的驾驶员在驾驶过程中是处在一个什么样的状态,能不能够接管车辆,能不能够对车辆安全性提供一个有效的支持。围绕上面三个挑战,我们在两个大领域做更多的工作,一个是车厂要做的,一个是用户与车厂要共同培育的,包括我们车辆系统,需要更加智能,更加安全。

在驾驶员方面,通过一些智能化的手段,让我们的人能够融入到驾驶的场景里面。具体对我们研发的工程师来说,要做的实际就是下面的蓝色几大块,包括感知能力进一步提升,包括场景不断的迭代,在设计过程当中怎么样确保系统的安全,还有就是人机共交智能化的交互。

在系统方案方面,会导入更加高像素的摄像头,现在基本上都是二百万比较多一些,大概探测150米左右,我们希望未来做到800万像素,这样探测距离可以满足自动驾驶更多的需要。同时在辅助方面导入激光雷达,探测一些无法预测的没有参加过训练的目标,同时在一些天气状况不太好的情况下,能够提供更加有保障的帮助。

第二个就是车路协同和单车智能的一种逐步融合,在目前单车智能现在是各大主机厂都在做,包括王兆所长提到的,我们很多标准法规还是按照单车智能去对企业,对研发进行一些规范。

作为我们高级驾驶辅助,包括自驾辅助来说,除了单车智能以外,我们也希望通过行业,通过社会的力量导入一些车路协同。对一些复杂的场景,尤其复杂的路口,天气状况,车道线的破损提高感知的精度。同时在我们的一些传感器,在很多的情况下也会受到感测的距离,包括一些盲区,能够使得车辆会有更好的感知输入。

在车路协同方面,在未来一段时间还是以单车智能为主,车路协同取决于我们的路端,包括产端的基础设施覆盖,包括一些产品的成熟度。所以我们预测,未来几年还是以车端为主,路端为辅的阶段。在这一块希望整个行业共同努力,去打造基于路端的设施部署互联互通,包括边缘计算进行决策。

我们在V2X的想法,对于单车智能来说,其中有一个很重要,就是我们的仿真体系搭建,这个也是对车辆设计工程师非常重要一环,要建立非常完善的自动驾驶仿真测试系统,要涵盖MILSLHILVIL测试系统,逐步建立云端的测试环境,来形成开发测试和量产的闭环的迭代。现在比较多的大家关注都是L4以上的测试环境,但是对于高级的辅助自动驾驶来说,这块应用相对比较少,更多还是依赖供应商的支持。

还有一块就是场景库,场景库搭建也是后期需要做的一个非常重要的工作,当然包括了数据,数据的搭建。整个自动驾驶辅助技术的数据中心,是整个汽车智能化演变生长的粮仓,之前我们人是通过吃食物,自动驾驶辅助或者自动驾驶是需要大量数据进行成长的。因此我们需要有像影子模式,包括场景库加算法的训练,包括数据的回传和数据训练,包括OTA跟量产形成大的数据闭环,最终实现我们的智能化升级。还有一个很大的工作就是要做OTAOTA的工作要以谨慎的态度去看待OTA的工作,每一次的OTA工作我想必须有以下几个方面

第一需要升级的软件,必须要做到充分完善、严格的验证,如果没有经过这样一个过程,贸然就把软件交给用户做测试,这是不负责任的工作。

第二个是要按照目前工信部正在推出OTA的法规和标准,去完成报备和审批。

第三个OTA的过程必须要做好充分的安全防护工作,来确保我们OTA工作的数据和软件安全以及可靠的升级。

第四个OTA需要做好一个充分的用户提示,让用户能够充分的理解OTA过程中和升级前后变化,对车辆的变化。因为用户来说他们会很惊讶,又冒出一个新版本,新版本对于车辆来说会有什么样的变化,这个是需要我们设计人员能够及时的向用户去及时发布。

在系统安全方面为了提高高级别的系统驾驶辅助,系统是需要支持降级运行,同时向系统设计。感知系统是360度覆盖,同时至少有两种传感器探测覆盖,只有V还不够,还要有R,有R还不够,还要加上L系统全面覆盖。

在决策系统执行控制还有供电以及网络通讯安全,以及HMI都需要我们做一些冗余设计,只有这样的话,我们才能确保驾驶员能够保证他们的安全。在系统安全的开发方面,全面融入我们V字型开发流程里面,这样对于我们开发工作来说能够确保从企业和产品都能够形成稳步的安全保障。

另外一个很大的话题,人与车之间什么时候接,什么时候不接,这个也是我们在高级辅助驾驶一个非常大的挑战。因此在车辆和人之间的互动,就是作为高级辅助驾驶非常重要的内容。尤其是在人机共驾的时候,用户在长时间的使用自动驾驶辅助以后,会陷入模糊的意识,到底是我在开,还是机器在辅助驾驶。因此要能够确保用户在执行驾驶任务的时候,对状态的边界必须要有一个清晰的认识。怎么理解这件事呢?我个人认为有点像考驾照一样,考驾照有笔试,还有场景的认知,还有大量的实践。在这一块能不能通过人机交互系统,让用户在使用高级辅助驾驶过程当中,经过不断的迭代,通过测试用户对驾驶把控能力,然后去开放不同的场景,这个是后续需要大家共同建立的方向,这个是刚才我说过的。

包括疲劳监测,我希望很多企业都在做。为了保障我们高级自驾辅助平稳发展,我们要有一个目标,包括我们技术手段上还有在系统的解决方案上,要做哪一些的基础的准备,这个是下面一些具体的工作。

最后给行业提供一些理解或者是一些思考。首先就是在安全标准方面,要考虑第三方的介入标准法规的编制和开发,加快安全标准和法规的落地,以及执行的检测。

第二个就是场景和规则接口,尽量的统一,避免重复浪费。每一家厂家都在开发自己的场景,这样对于整个行业的发展,尤其是在自驾辅助驾驶这一块的迭代方面是不利的。

最后一个就是芯片,刚才殷承良教授包括王兆所长提到,芯片在高算力的自动驾驶辅助里面,在工具链生态方面希望能够标准化,包括指令、开发工具等等,这样互相之间可以参照和共同的应用,有利于整个行业联动,这是我们提出以上的建议。

以上是广汽在高级自驾辅助方面的工作和思考,供大家参考,如果有说的不对地方请大家批评指正,谢谢大家!


收藏
赞一下
0