自動駕駛落地的三大障礙，慣性導航系統是最後的安全防線
1月24-25日，2017高工智能汽車年會在深圳萬悅格蘭雲天酒店隆重舉行。本屆年會以「智能汽車2020，展望與變革」為主題，超650位整車、自動駕駛、車聯網、智能配件等產業鏈上下游公司領袖齊聚一堂，共享行業盛會。
在會議上，易成自動駕駛CEO宋朝忠出席，並帶來主題為《基於FPGA的模塊化自動駕駛車》的精彩演講。
易成自動駕駛CEO 宋朝忠
宋朝忠認為，目前無人駕駛還存在三大障礙：第一，激光雷達、慣性導航設備等關鍵器件價格高；第二，政策和責任的限制，為無人駕駛的發展帶來了較大的困難；第三，是L3級功能的解決方案。
宋朝忠透露，易成自動駕駛的方案是基於FPGA或者面向模塊化自動駕駛，當前公司重點主要是組合導航系統，視覺處理、雷達系統晶元化，並且還將做自己的硬體平台。
我們的方案是基於FPGA或者面向模塊化自動駕駛的方案。為什麼叫FPGA？其實它就是可編程邏輯隊列，可以實現演算法硬體化，這為專用晶元掃清了障礙。
換句話說，我們公司未來的產品規劃是基於專用晶元的、模塊化的、可編程的、可銷售的、低功耗的、高可靠，甚至高利潤的一套方案，這是我們整個方案的特點。
我們（易成自動駕駛）是在2017年3月份成立的一家企業，我們的團隊主要畢業於清華大學或者密歇根大學，很多來自奧迪、通用這種整車企業，以及高通、訊飛等人工智慧相關的企業，所以我們這家企業其實是把人工智慧和汽車相關的技術能夠糅合在一起的公司。
我們公司對產品有一個很重要的要求，就是一定能夠落地，一定能夠實際應用。圍繞能夠落地，我們必須要解決現在所面臨的一些障礙，對這些障礙我們設計了相應的產品或者方案的模式。
我們知道目前自動駕駛落地障礙主要有三個：
第一個是現在無人駕駛相關的產品成本偏高，例如兩個關鍵器件：激光雷達和慣性導航設備。上午有很多演講嘉賓提到過激光雷達價格高的問題，一個比較好的激光雷達都是要數萬美元。而在慣性導航設備方面，以前並不是圍繞自動駕駛設計的，而是圍繞貨車、導彈、輪船。
所以，其對成本的容忍度比較高，不過這顯然在汽車領域會存在較大的困難。基於此，我們的方案就是圍繞自己的硬體，基於FPGA為基礎的可根據場景自由配置的方案。
第二個是政策和責任確認問題，在2019年之前所有的汽車其實是不能加裝L3功能的，因為L3功能是允許司機把雙手離開方向盤，這樣會和現在的法規體系相抵觸。基於此，我們會和整車企業做聯合開發。比如說今年大概會定製2000輛車，為這2000輛加裝L3功能，進行後市場銷售。
第三個就是L3級功能解決方案，一個功能如果落地到車上會有嚴格的限定條件、退出條件和冗餘要求，我們的方案可以滿足相應的車規要求，這是我們根據當前行業、法規現狀作出的近期公司業務規劃，遠期來看我們會發展自己的無人駕駛汽車，掌握無人駕駛汽車最關鍵的利潤點。
我們的重點主要是組合導航系統，同時視覺處理、雷達系統都會晶元化，還有我們也會做自己的硬體平台。
可能有朋友會問為什麼要做硬體平台？原因是因為現有的硬體平台往往是成本或者功耗現狀是不能適應冗餘控制的要求，所以我們必須要開發自己的硬體。
同時我們會開發兩個L3級別的功能，剛才說過作為一個自動駕駛的技術怎麼落地是很重要的方面，落地的話我們不能把這個方案搞得非常龐雜，必須有明確的要求，我們會在2020年重點推出這兩個方案。
剛才上午的圓桌會議提到過我們國家在2020年準備讓智能網聯汽車實現50%的加裝率，其中那裡面還有另外一句話：要求高級別無人駕駛能實現產業化和真正市場化，文件附註裡面有說明高級別無人駕駛就是L3級別以上的功能，這樣對系統的可靠性提了很大的要求。
舉一個例子，當前正在銷售的具有自動駕駛功能的汽車，像沃爾沃S90或者特斯拉，他們的系統其實都是假設司機在一直監控環境的前提下，因此它的系統並不會太擔心失靈的問題，因為到時候出現問題讓司機直接接管就可以了。
但是如果是L3級就會有面臨一系列的問題，第一什麼時候開啟，第二什麼時候關閉，第三如果出現問題應該怎麼辦，在今年我們就會和整車企業聯合做一系列的工作。
其實我們在視覺處理，深度學習各種方面的技術點都是完全打通的，這些演算法全部自己實現了。大家也可以看到我們改裝了一輛長安汽車，有朋友問我你們這個改裝花了多少錢？
我說這個很便宜，兩三千吧，他覺得很詫異，以為花了20、30萬，這個車完全可以實現自動駕駛的功能，它對於點雲的處理和數據的處理都已經做完了，換句話說從感知、融合、決策、控制全部把它打通的，而且當前已經在做路面的實驗。
另外說一下慣性導航系統，慣性導航系統為什麼需要？很多人提到慣性導航系統指的是它的定位功能，實際上並不是如此，剛才說過L3級功能要求汽車有10秒鐘是給司機接管的，這個時候沒有辦法給車提供足夠的信息，慣性導航系統被稱之為自動駕駛最後的安全防線。
但它還要一定配一個專用控制板，換句話說控制板必須兩套，一套控制板再加一個慣導，這樣就可以在10秒內把這個車停下，慣導作為最後的防線，意味著這10秒之內不能偏離車道線，誤差小於50厘米，這才是慣導最重要的核心。
我們這套方案加起來可以概括為這幾個優點，它是一個邊緣智能的，低功耗、低成本、高可靠和高性能的方案。
從今年開始我們會做這幾個方面的工作：
第一個是基於目標意圖的高動態決策規劃系統。比如說路邊有一個人不怕，但是他有穿越馬路的意圖比較可怕，我們要解決這個問題。
再一個融合物理規律的場景認知系統，這會極大降低處理器的負擔。
第三個我們在今年要研究的問題是群體智能，基於車車協同、車路協同下多個單元來共同決定汽車行駛軌跡的一套決策體系。
第四個我們會做汽車的在線診斷系統，因為在傳統行業裡面在線診斷是非常成熟的，但是在自動駕駛裡面這一塊還是不夠的，這一塊也是我們老東家（元征科技）的特長，我對這一塊非常熟悉，所以我們為這一塊做了專門的介面和系統。
最後一個就是思維與推理，這是當前搞各種深度學習的弱點，很容易知道這裡有一個東西，但是並不知道這個對象是什麼，這一塊也是我們今年研究的重點，我們公司對識別這一塊會有比較深入的研究。
TAG:高工智能汽車 |