郭继舜:高级别智能驾驶的研发与总结

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,均胜电子副总裁、均胜智能汽车技术研究院院长郭继舜发表了题为“高级别智能驾驶的研发与总结”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,均胜电子副总裁、均胜智能汽车技术研究院院长郭继舜发表了题为高级别智能驾驶的研发与总结的演讲。

均胜电子副总裁、均胜智能汽车技术研究院院长  郭继舜

以下为演讲实录:

各位好,我之前在主机厂工作,前一段时间换了工作,从这方面也可以看出来我们这个行业人才是在不断流转。均胜电子主要是面对全球做相关的工作,我们控制器还在开发过程当中。刚才看到各位领导做了很多关于行业分享,我们就简单一点,针对行业一些开发过程中的判断做一些相关分享。

    均胜电子是在中国汽车行业里面比较隐形的公司,在接触它之前我甚至不知道它2020年的整体汽车零部件的销售在全球占到490亿人民币的规模,在全球排到前十位。现在发现越来越多汽车电子公司开始做智能化东西,这个转型也是期待把一个非智能化估值模式到智能网联模式使得企业有更多资金流转能力。

    高级别智能驾驶,什么是高级别智能驾驶,长时间脱手的驾驶就是智能驾驶,长时间脱手,必然意味着在功能安全、传感器、感知决策做非常多的考量,我们可以限制ODD,但是只要能脱手就是高级别的智能驾驶,激光雷达是必须的传感器,我不是汽车科班出身,我在汽车领域看到很多工程师的分析,我非常坚定认为只要脱手必然有激光雷达,前一段时间某知名的新造车势力的车祸,我看了各种各样的结论,可能使用的以色列公司的算法,芯片的算法存在一些问题,没有识别到中国特色的道路养护车,但是本质上来说,当我们在做系统设计的时候,我们往往会把毫米波雷达权重调的非常低,因为对金属物太敏感了,摄像头有些物体不分类就不识别不跟踪。脱手意味着客户接管需要时间,所以高级别智能驾驶自然需要雷达。

经常有各种各样的领导讲各种各样的观点,我们从一个落地观点来说,主机厂到底为什么要用域控制器,更重要是降本,一个停车盒子加泊车盒子成本是五六千,如果我们使用芯片包括地平线的芯片,停泊一体至少降本一千块钱,这对于压力减小是非常有用。域控制器最重要的原因就是降低成本。

性价比更高的轻量级控制器会成为ADAS主流解决方案,现在很多ADAS还在使用智能摄像头,这个不是未来终点,会通过降级的方式,即使简单L1L2功能也会使用轻量控制器解决问题,原因就是降本。

To C量产功能将长期术语L2++阶段,但场景逐渐扩展到复杂的城市道路。L4就不是To C的市场,L2++将长期处于中高端,将进行拓展。L3定级是没有城市道路的,我们尝试驾驶员随时接管车辆,但是能够从高速公路到城市道路了,场景在扩展,所以L2++功能对接对于L3进行降级,应用体验扩展了场景,L2++是一个挺好的产品形态。

使用众包的数据闭环基于数据的驱动的功能迭代方式将成为业界共识。摆在面前一个很重要的问题就是数据安全法,我们开发影子模式的盒子,这个技术已经停下来了,所有的技术的拓展必然在于我们吃透法律法规前提下,现在在汽车数据收集安全方面,我们成为行业标准将成为重要的指导点。

技术开发指导是一些散的点,刚才讲L3不是好的产品形态,法律法规要求人机交互过程,有一部分时间是车在为交通结果负责,有一部分人在为交通结果负责,这个切换容易造成责任认定的问题,L3不是好的形态,可能L2++是。高速公路换道行驶就是L3级别有的功能,我们把功能安全降低了要求,所以扩展到城市场景下,怎么判断一辆车到底是不是能够做城市的L2++呢?其实一个非常简单的方法,当各位发现现在的激光雷达的能力,各位发现只有一个激光雷达的时候,判断只在高速公路上。如果两个或者三个,或者以上在前向基本判断能够做城市下的辅助驾驶。

L4到底什么样子,我们在车厂国内运营公司进行过讨论,就是怎么量产L4,我们把观点梳理下来,供各位进行参考。在这个前提下,我们才能真正把L4进行商业化运营。所有零器件都要前装,我了解一些公司,200台车每天要修5%,那就是10台车,坏的不一样,手工误差的系统积累会造成非常大的问题。很多时候不知道哪坏了,但是需要修。标准化量产是L4的基础,我们把5%降到2%0.5%,那个概率也是不能被接受的,所以我们需要6西格玛和4西格玛的稳定性。

现在L4自动驾驶都是各种各样都可以融资,重要是什么时候真正能把安全员拿掉,什么时候就会见分晓,安全员被拿掉是L4的命门,我们拭目以待。我们在系统里面开发充电机器人,当然在AVP时候考虑这样一个场景,就是车辆完全自主运行。只有把驾驶员拿掉,车辆能够完全自维护,自动驾驶模式才会存在。

座舱越来越智能化,但是智能驾驶会越来越收敛。座舱各种生态,各种场景,各种应用,各种用表情、面部去控制车辆,但是智能驾驶越来越统一,我们用激光雷达做L4,后来没有人这么做了,为什么?座舱对于功能安全要求不高,但是自动驾驶要求很高。当我们一个强功能安全讨论一个功能的时候,最后都会落在一个点,性价比又能满足安全,就是同一个商业模式,同一个功能模式。大家看到NGPNOPNOI有差异吗,只是名字不一样。最终场景落在最安全稳定的区域中,所以接下来说一个推论,未来的个性化靠的不是自动驾驶,靠的是智能座舱,智能驾驶是区分车辆等级的门槛,但不是个性化的商品。

电子电器的发展需要渐进和理性首先集中式架构意味着我们在所有的控制器领域,包括车身域、座舱域,都需要把功能安全提到最高的级别。第二就是现在集中式的架构,必须有非常好冗余的控制器在旁边做热备份,这个是非常难以实现的。无论原来在OEM还是TR1的过程中,大家都在宣传说干集中式,但是我觉得域控制器还是一个长期的过程,所以要理性一点。

算力需求,各位领导都讲过了,我们到底需要多少算力分析出来,我给各位领导一个计算标准,ADAS1-5T,我们不跟第二条违背,就是主流的传感器的能力。ADAS15T量级,L2+5-10TL2++30-100T量级,L4100-1000T量级。单个400万到800万像素的摄像头提升,大约需要4T算力,我们全车都需要吗?前后是需要,侧向需要吗?不需要这么高,需要识别的是种类。全车11个摄像头,很多时候是过于冗余。单个64线所需要算力15T,如果做了冗余系统,大概整体算力作为冗余,基本上就是算出来,到底功能、域控制器需要多少算力能够算出来的。

高级别智能驾驶需要我们预期更多的安全功能设计。域控制器就要做降级,是在冗余控制器上。所有语音、手势、体态的自动驾驶最后会有一个非常坏的预期,这个放在座舱里面就可以。用一个键碰一个键自动驾驶是一个非常傻的行为,看起来用户很满意,用户知道怎么自动驾驶,用户太容易碰了到最后出现了事故,用户一碰就自动驾驶,这个就是设计问题。

特斯拉说很多用户踩错了踏板,油门当成刹车踩,所以特斯拉没有责任。为什么会这样?咱们一般开车刹车减速,油门加速。特斯拉是反太严重,很多新手司机开车的时候已经失位,已经不知道刹车在哪,太习惯踩油门松油门,这个时候一旦出现问题会下意识踩门儿不是刹车。这个设计师是有原因,没有让用户有用户体验。我们宁可采用有逻辑一到两个按键完成自动驾驶激活,也不希望让用户觉得很容易触发。

讲一个事情,很多的需求是功能来自于用户的反馈,我在车厂的时候经常作为车厂技术代表去给各位用户、乘客、司机做面对面的交流,他们所有需求是非常感性,千万不能拿来直接用,向外行一样思考,像专家一样工作,我们必须做梳理,现阶段很多功能太来自用户体验了。

数据闭环总结出来特斯拉怎么做影子模式,但是我们梳理特斯拉全套影子模式结构化方法,这个产品我们停下来,我们要重新考虑如何和我国的信息安全法做一个更好的对接。但是必须要讲,在技术层面毫无疑问,持续迭代的闭环的数据是自动驾驶在深水区能够往前走最起码的要求。

到底谁是主角,OEM为主导的结构,OEM主导功能软件开发,Tier1提供标准化的服务,掌握迭代数据OEM能够成为头部OEM,刚才我们讲过,第二个是Tier头部效应凸显出来,Tier1负责功能体验的时候,一家Tier1同时有三四个项目,像博世这样的公司,我就不太敢找他们做更多的项目,因为要花很多人力物力做标定,但如果现在交给Tier1全是硬件功能安全分析标准化的东西,一家Tier服务的车厂服务会变多,所以得到多的会得到更多,所以头部效应会明显出来。头部Tier1会越来越头部。

另外就是短暂的人才短缺和长期人才过剩和不均衡的发展,我在2013-2014年百度,那时候深度学习非常匮乏,我找了同事AI团队某一个时期,某一周入职的情况,应届毕业生15%,人工数据37%,多媒体36%,传统互联网22%,差不多一半人非AI进入AI领域。我们看传统主机厂18%Tier124%Tier228%。现在毕业再招基本都会,人工智能工具化在提升。汽车行业会出现什么问题,人才会越来越多,可能会在一年、两年来到智能驾驶领域。

在各个城市里面几千人几千人的招,相关的智能驾驶人才,最后形成头部依然很少,底下的领域人才很多,但是不够高端,因为没有系统化学习过,也没有相关编程的基础,这个是要警惕的现象,智能驾驶很缺人,但是要系统性更多的引导,比如对于应届毕业生培养更加系统,我们对于其他行业转过来,这样才能保证我们梯度是更加完善的。这是为什么对于现阶段,首先第一个点,对于中国的智能驾驶系统功能的应用和量产都是非常的有期待的原因在于,我们叫做高级别智能驾驶的涟漪效应。

大家知道科技增长曲线,一开始是这些新势力使用高级别智能驾驶功能,比如NGP功能,但是全球的OEM都没有动。每一个涟漪传播需要一到两年时间,首先必须承认中国汽车行业的智能化程度是非常靠前和非常快。第二现在状态在于小李的团队已经完成验证,比如小鹏的P5和蔚来PE7,中国的OEM还是相关的功能才能出现。我们Tier1还是Tier2,大家发现好像量不大,原因还没有迎来C的高点,当技术应用全球化、平台化,我们才能真正迎来这个行业爆发。

未来是可期的,即使现在遇到一些困难也是可以理解,就是我从未来到Tier1的原因,自动驾驶有足够量的全球平台,所以我们可以等待一下,20232024年会是自动驾驶又一个高峰,那时候会有更多的资金、更多的项目,也有更好人才储备,谢谢大家!


收藏
赞一下
0