自动驾驶的最大难题是量产交付

在这个快速发展的智能汽车时代，中国OEM和欧美OEM还有一些差距，两者对功能定义的能力也有所不同。

但即使是欧美大型OEM也在摸索自动驾驶相关技术，对我们来说，OEM应该关注更多的功能设计、安全设计，这意味着我们肩负更重的责任，同时我们也希望未来更美好。

2018年11月29日，在高工智能汽车开发者大会深圳站上，广汽研究院智能驾驶技术部负责人郭继舜就《量产背景下的无人驾驶研发之路》发表了主题演讲，以下为内容实录的整理。

广汽研究院成立于2006年，是广汽集团技术管理部门和研发体系枢纽，主要负责新产品、新技术的规划研发。目前，广汽研究院主要分布在中国广州（化龙总院、五山基地）、广汽（硅谷）研发中心、广汽（底特律）研发中心、广汽（洛杉矶）前瞻设计中心这五个地方。其中我们的人工智能和相关自动驾驶技术都是在硅谷和广州这两个地方完成的。

在加盟广汽研究院之前，我主要参与了自动驾驶相关算法工作，那时候我觉得我足够懂车，但真正到了广汽研究院之后我才发现，还差得很远。开发自动驾驶车辆是一个非常大且严谨的工程，汽车之所以被称为工业界的明珠，是因为有非常多的工作要做，不仅仅是算法这么简单。

在布局未来方面，广汽研究院有一个 “2510”技术创新战略，就是2年、5年和10年计划，每一年我们都会进行校正，结合实际情况进行修正。目前2年、5年和10年内，我们主要集中在电动化和智联化方面，最终我们希望把智能座舱和自动驾驶整合到同一个ECU中。

现在，量产交付才是自动驾驶最大的难题。

（在此，《高工智能汽车》有必要再提一下量产的定义。现在的大部分自动驾驶测试车，更像是传统意义上的概念车，是用来试探市场和展示自身实力的，不需要考虑成本、工艺难度等方面的问题；量产则意味着已经可以大量生产推向市场销售，制造成本一定要有竞争力，并通过了全部的测试验证。）

量产L3我们究竟面临哪些难题？

这里借用李开复老师一个观点：‘我们在面向量产时会发现，摆在我们面前的就是一片刚刚收割过的萝卜田，全是坑。’

第一、感知不够准、OEM不接受99.99%。

大家都在讨论一个问题，到底什么才是自动驾驶最难的技术？有人说是高精地图，有人说是整个结构化系统，最后大家一致认为是感知。现在我们面临一个问题，怎样的感知系统才能做到量产？

对于OEM，我们并不能接受99.99%，因为这意味量产10万台车，风险会呈几何数增长，所以小数点后面要有很多9，感知层面我们使用了激光雷达，毫米波雷达，整个车身装满了摄像头，我们依然没有办法把精度提高到特别高，我们希望通过一种更好的方式整体提升功能安全的要求。

第二、我们不会在决策算法里使用任何端到端技术，也就是所谓的深度学习。

深度学习很好用，几乎改变了整个人工智能领域的发展，但在自动驾驶里面，我们仅仅希望在感知的某一些部分使用比较短的端到端，原因在于深度学习没有可解释性，这是我们要去解决的问题。

第三、需要高算力芯片，自动驾驶对芯片的要求极高，算力>=30Tops。

第三、功能安全。

在我们现在定下的目标‘2020年第一季度实现L3量产’的时候，我们需要在每上一个新功能，每一块硬件首先要解决功能安全问题。所以我们不是没有芯片，而是没有合格的芯片，基于对生命安全考虑负责的态度，选择一款合格的量产芯片，我们有非常非常严苛的要求。

第四、高精地图。我们为了让L3级车型在高速公路上能够获得自定位，我们想到了高精度地图。问题在于当我想做一个高精地图盒子的时候，如果需要整个系统达到ASIL-D级别，这个盒子的硬件一定要达到ASIL-B级才可以。

但目前为止，全世界没有一家公司能做到，我们不想妥协，但只能等待，现在我们一边做一边想有没有办法解决这种功能安全问题。

第五、足够快速稳定的线控制动系统，我们不能接受没有冗余的控制器。

前两天还在跟李开复老师讨论一个问题，他认为我们要从L4开始，L3是业界想出来的伪需求，我说我当然希望从L4开始，也许我们的算法可以，但是依然没有办法拿到足够好的执行器去支撑L4。

这主要是因为L1、L2非常简单，在这个阶段，车辆驾驶的责任是由驾驶员来承担的，但从L3开始，它的难点就在于人工智能要为这个驾驶的结果负责了，对于线控制动的精度、响应、冗余都有不同的要求。

其次，什么样才是好的L3？

ADAS级别大家都非常了解，在功能上我有一个非常直观的说法，L3如果想要量产我们需要实现3个重要的功能：高速公路的自动跟车（HWC）、高速公路0-120KM/H范围内自动变道超车（HWP）、自动泊车（APA）。

未来L3一定要有HWP，因为我只有高速公路自动跟车功能的L3是一个阉割版的L3。就是系统可以关注前方路况，如果前面遇到了慢车，本车可以自动超车，这才是真正L3改变驾驶习惯的应用，所以我认为HWP一定是L3中必要的。

我们量产原则是什么？

第一、在自动驾驶核心器件上，我们一定不会使用任何未达到车规的产品。

第二、我们不会用ROS进行开发。现在很多初创公司用ROS开发，但是ROS安全性能是不达标的，即使好用，我们也决定不走这个捷径，我们从底层构建我们的传感器网络。

第三、不完成足够的行驶里程积累，不覆盖所有可能的场景测试、一定不能推向量产。这是为了保证产品的一致性和稳定性。这个里程可以包括虚拟环境里的里程数，其实广汽在测试某一个L2功能的时候，它的里程都要求差不多20—30万公里起步，要测好几个月。

基于此，目前我们定义了3900多个场景，60000多的逻辑策略，2000多页域控制器设计文档和20000多测试用例，但这只是很小的一部分。

第四、充分的安全冗余，整车安全级别达到ASIL D；

第五、不使用太长的端到端技术；

第六、为了保证产品的一致性和稳定性，所有上位机的解决方案都不会被接受。

可以看到，我们现在使用的是工控机，之后肯定会把它变成一个嵌入式结构，我们希望也是达到车规级别，所有的传感器都能过车规。

冗余、冗余、冗余

L3级自动驾驶车型我们一定要在系统级别让人工智能能够对L3级以上的自动驾驶负责，所以，我们也希望针对自动驾驶行业可以有一些新的线控制动产品出现，我们需要这样的一个物理结构，加入两个一模一样的EPS，保证有一个热备份的冗余。

芯片，成为自动驾驶最大瓶颈。自动驾驶要求有高算力、实时性强、低功耗、高可靠性的自动驾驶芯片。

其中主要原因是，我们有大量的感知工作要做，我们发现芯片的算力不能一直把它维持到占用率非常高的级别，这样非常容易宕机，所以我们希望这个算力强大到有富余。

在我们思考这么久之后，我们觉得想要系统性的解决功能安全问题，感知、算力问题，也许通过V2X是一个不错的选择。

采用V2X可以极大的减少我们有可能感知到的非结构化信息，我希望车辆不需要感知人、感知车、感知路，给我结构化的数据就好，所以我们可以通过V2X在云端读取结构化信息。

1、可以实现超视距感知；

2、高精度感知（交通参与者准确定位、参与体的意图、参与体的精确速度、自车的精确信息可上传云端）；降低感知成本；

3、超视距感知可以节省昂贵的传感器成本，减少对大数据的梳理需求，减少域控制器算力要求；

4、节能，提前获取交通信息（拥堵，红绿灯等交通信息），实现能源分配的最优控制及决策规划，实现碳排放及燃油消耗降低30%；

我们现在看到的V2X应用场景，主要有超视距感知和高精地图感知。而未来，5G将成为自动驾驶的主要通信手段。5G为什么在自动驾驶是必要的？

第一、5G形成了端到端的生态系统，增强了移动宽带，峰值速率可达到20Gb/s,支持更低延时小于10ms；

第二、基于5G的V2X在覆盖距离、网络延迟方面都要优于DSRC；

第三、5G技术在这几年实现了重大突破，并陆续开展了实车应用和环境测试，可快速实现商业化。

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，我们为了保证ECU、域控制器本身是足够安全的，这个里面涉及到很多电气化的结构。

最后，量产还需要黑匣子，德国已经出台法律明确规定，配有自动驾驶系统的汽车内将安装类似“黑匣子”的装置，记录系统运作，要求介入和人工驾驶等不同阶段的具体情况，以明确交通事故的主要责任。

从L3开始，自动驾驶要由人工智能对此负责，这意味着我们必须可回溯，发生了车祸要知道是什么导致的问题，所以黑匣子是必须的。我们现在初步的要求是把前30秒、后10秒存起来，包括所有传感器信息。

L3过渡到L4

我们认为实现L4，高精地图、Lidar一定是必要的。L3也要使用Lidar，很多厂商说L3我们可以用摄像头和毫米波雷达，但是问题当你考虑到传感器冗余的时候肯定不够，很难过功能安全的要求，所以Lidar哪怕作为一个冗余性的传感器，它都是必要的，而高精地图一定是必要的。

在全面实现L4以前，L4功能里最先能体验到的一个量产功能就是最后一公里这个非常典型的场景，我们可以把它叫做L3.5，同时，未来L3、L4也可能长期共存。

我认为这是基于两个商业模式不太一样。L3我们更希望把车卖给私人消费者，解决你在高速公路上的疲劳问题。

但L4由于它本身成本太高，即使为了实现功能可以减掉一些传感器，也没人敢做，因为我们为了保证功能必须要有传感器的冗余，那我们怎么做呢？

可以把它卖给B方，做运营，他们有很好的场景应用，可以通过提高使用效率的方式来获得足够好的收益，这会是L4级别自动驾驶实现的商业运营的价值。

我们预计到2025中国L3级自动驾驶车型达到12%，届100%的高端车型都将配备L3级自动驾驶系统，而国内消费者更能容易接受自动驾驶，这有利于商业化。

我们调研了全球10个国家共1000位消费者，其中，中国消费者接受自动驾驶汽车的比例达到75%，并且对自动驾驶抱有高希望，这个远远超过欧美和日本，原因在哪里？

比如我们的移动支付远远超过了欧美和日本，他们太习惯使用信用卡了，从信用卡到移动支付这个差距没有太大，但是从现金到移动支付的差异就很大，因为我们没有一个中间的过渡。

我在美国一个读书的朋友跟我讲，他说他非常讨厌自动驾驶，我问他为什么？他说没有驾驶的乐趣。也就是说当你有一个根深蒂固的思维，你需要有更多说服力的东西才能改变这个思维，在中国来说这样的阻力相对小一点。