• 采购项目
  • 配套企业库
  • 销量查询
  • 盖世汽车社区
  • 盖世大学堂
  • 盖亚系统
  • 盖世汽车APP
  • 高级驾驶辅助系统(ADAS)产业报告
  • 2024车身大会
  • 2024第二届汽车人工智能大会
  • 走进北汽2024
  • 2024第七届智能驾驶与人机共驾论坛
  • 2024智能车云一体化大会
当前位置:首页 > 智能网联 > 正文

【2018全球自动驾驶论坛】奇点汽车李建鹏:无人驾驶汽车的动力解决方案

盖世汽车 2018-01-25 18:58:19
核心提示:“2018全球自动驾驶论坛”正在直播中,敬请关注!

1月25-26日,2018全球自动驾驶论坛在武汉·中国光谷举办,本次论坛以“启发创新·开放共享”为主题,会议期间,奇点汽车自动驾驶架构总监李建鹏发表了主题演讲,演讲内容如下:

全球自动驾驶论坛,2018自动驾驶论坛,全球自动驾驶论坛

奇点汽车自动驾驶架构总监  李建鹏

李建鹏:今天正好是我们奇点汽车北京品牌体验店开业,大家如果有兴趣、有时间可以去参观一下。

大家知道奇点汽车是一个新兴的互联网汽车公司,我们2014年成立,一直以来把自动驾驶和人工智能作为核心的战略。我们今天非常有幸跟大家分享一下,我们作为一个新兴的车企对于自动驾驶有什么样的思考和实践。

首先我想谈一下我们是如何思考自动驾驶的,我们为什么要做自动驾驶,主要有几个方面的考虑。从技术方面来说,我们在经历了第一次工业革命、第二次工业革命、第一次信息革命,这些革命给我们的生活和科技带来了非常大的影响,从最近10年或者最近5年来说,从人工智能的再次复兴,尤其是深度学习神经网络提出之后,在学界和产业界的共同推动下,人工智能应用的广度和深度都扩展了很多,我们姑且把它称之为第二次信息革命。我们认为人工智能在以后的发展中,它的影响可能远远超过我们的想象。传统的机器或者计算机的作用是能够完成一些重复的、大量的逻辑计算或者是基于规则的推理,人工智能它可以让计算机像人一样思考、理解,能够帮我们解决问题。

回到自动驾驶,自动驾驶为什么需要人工智能?自动驾驶尤其是从第二级到第三级,从辅助系统到无人驾驶这个阶段,机器承担了更多的自主决策的功能,自主决策就是让机器来判断是否需要换道,是否需要超车,是否需要做一些规避的动作,就需要它能够对环境有更广阔、更深入的感知和探测,这个正好是人工智能可以发挥作用的地方,尤其是在机器视觉方面。

这个图是深度学习在ImageNet比赛中的成绩,2017年是ImageNet最后一届比赛,在以往的比赛中通过深度学习的应用使得计算机对于图片识别的精度提高了一个等次,灰色的柱状图是人对于图片的识别的误差率,2016年的时候人对于图片的识别已经落后于机器的识别了。当然对于图片的识别仅仅是自动驾驶一个很好的方面,我们基于图片的识别、基于物体的识别还需要做后续的物体的追踪、物体运动轨迹的预测。但是人工智能对于图片的识别给我们后续的处置提供了一个好的基础。我们也相信随着人工智能的发展,人工智能能够在更多的领域,在后面的决策控制领域能够为自动驾驶的发展来贡献更多的技术。这是我们对于自动驾驶的技术方面的考虑。

对于产业方面,我们认为在传统汽车的发展历程中,传统汽车它的科技进步是循序渐进的,是靠一个持续的、缓慢的创新来维持的。但是随着信息技术特别是人工智能、自动驾驶出现之后,对于整个传统汽车行业产生了巨大的冲击,汽车行业迎来了多个纬度的革命创新和破坏性创新的时间点,这也为我们这样一个互联网公司进入汽车行业提供了一个契机。在车载互联和自动驾驶方面,完全打破了传统的OEM对于这两个方面发展的布局。在这两个方面我们能够更快速的来完成产品的迭代,快速的进入市场。汽车的新技术不仅带来了挑战,而且也催生了新的市场,这是一个预测,预计在2020年的时候,我们在车载互联、自动驾驶以及相应的安全方面的一些服务,这方面的市场会达到1500亿美元的规模,这也是我们进入自动驾驶这个领域的一个现实的考虑。

当然安全方面也是我们考虑的重点,这是一个比较老的统计,在2013年的时候,全球因为交通事故的死亡人数有125万,我们也很遗憾的看到,中国交通事故死亡远远超过了其他的国家,其实还有另外一个统计,经过国家统计局的统计,交通事故的发生率每年都是逐渐减少的,但是死亡率仍然在每年20万左右,每年因为交通事故造成直接经济损失有10亿人民币左右,这是非常让人痛心的,汽车作为一个科技产品,每一个科技产品发明之后都会有一些负面的影响,但是汽车是为了给我们带来便利,但是它同时也带来灾难,带来交通事故,这个是我们应该避免的,那么我们汽车行业也在不断的努力减少悲剧的发生,包括安全带的广泛应用,已经大大减少了事故发生时驾驶员和乘员的死亡率,也开发了很多辅助功能。但是我们想说,我们不得不承认,人的反应和人的能力是有限的,我们统计发现90%的交通事故直接原因是由于人的疏忽引起的,刚刚说的那些基于人的被动安全,或者是主动安全的功能,基于人的辅助的功能没法完全避免这些事故的发生,如果要避免事故的发生,那么自动驾驶就是我们的终极方案。

当然自动驾驶不是我们的目标,我们希望通过自动驾驶和智能互联的平台来实现更多的增值服务。主要包括两个方面:

一是智能出行的服务,通过自动驾驶可以实现专车的服务、分时租赁的服务,或者是特定场地、区域里自动驾驶商用化的服务。当然我们也可以通过车载互联的功能实现车辆的管理和维护。

二是在车上的增值服务,自动驾驶可以把驾驶员的时间解放出来,那么在这段时间里面可以为驾驶员提供更多的服务,包括一些资讯类的服务、社交以及购物的服务、娱乐等。我们认为除了自动驾驶之外,我们可以通过自动驾驶来提供更多的服务、提供更多的产品。我们对汽车的理解,我们认为汽车行业可能以后的盈利模式,不仅仅是通过车辆的买卖实现盈利,更多的是通过后续服务或者是一些数据的增值服务来为驾驶员提供更多的增值服务以此来实现它自身的盈利。

如果说汽车行业的关键词,在5年前或者10年前,可能是一些传统的涡轮增压、混合动力之类,而现在汽车行业的关键词更多的是自动驾驶、车载互联,尤其是自动驾驶现在是汽车行业相对热的一个话题。在自动驾驶方面我们看到有众多优秀的公司在推动整个技术的发展,它们在的算法的开发以及商用试运营方面已经走在了前面,比如说英伟达,我们12月份跟英伟达宣布了深度合作的关系,英伟达对于车载的AI芯片的产业化贡献了很大的力量,英伟达发布了它的PX2的平台,我们也基于这个平台开放了自己的系统。包括特斯拉对于消费者认知的教育,包括它的商用化、产业化都起到了非常大的推动作用。我们奇点汽车也有幸在其中通过我们自己对于自动驾驶的技术的开发,对整个技术产生了一个推动的作用.

下面这张图是我们的自动驾驶系统的架构图,首先是传感器,我们车上配置了多个视觉传感器,也就是摄像头,我们知道摄像头它相较于其他的传感器可以得到更多的信息,人在开车的时候没有其他的传感器,而是完全凭借眼睛来观察世界的。摄像头也是一样的,它可以得到丰富的信息,包括车道的信息、前方车辆距离的信息以及其他的环境信息,但是不得不说在摄像头方面我们做得非常不够,在摄像头方面我们能够得到的信息还是比较少的,因为受限于算法的实时性,我们在整个行业通过摄像头得到的信息更多的是车辆的信息、障碍物的大体的位置和简单的距离等信息,还有非常多的信息需要通过更先进、实时性更高的算法来获取到。

除了摄像头之外,我们配置了5个毫米波雷达,它可以全天候不受环境的影响来探测交通环境中其他交通参与者的位置和速度。同时配置了超声波雷达,超声波雷达更多是在车的近距离和自动泊车的情况下探测周围的障碍物信息。同时我们车上配置了激光雷达,我们现在保留了激光雷达的安装位置,但是大家知道激光雷达离产业化还有非常遥远的距离,在我们的开发过程中,我们会用到激光雷达,但是我们也会来看激光雷达它在后续产业化中的进展。激光雷达现在价格特别贵,并且现在旋转360度的激光雷达满足不了车规,我们希望后续这些问题都可以得到解决。

激光雷达现在是我们在开发中考虑的,我们只是预留了这样一个激光雷达的安装位置。在这些传感器的探测结果基础上,我们要做数据的融合,因为每一个传感器有不同的特性和不同的优缺点,有适应不同的路况,那么我们就需要对于多个传感器的检测结果进行数据融合,数据的融合是为了保证探测结果的可信度。

下一个硬件结构就是主控单元,我们采用了英伟达的PX2平台,现在可以支持第三级的自动驾驶,当然我们随着产品的迭代我们也会支持更多的自动驾驶的功能。

最后是线控执行器,再聪明的大脑也需要身体完成它的动作,在线控执行器方面,电动车相对于传统的燃油车它在线控的领域是有比较大的优势的,而且电动机的响应速度更快。在制动方面我们用到了博世最新的系统来完成快速的制动,电机制动可以更快速、更经济的完成制动的工作。通过前面的传感器数据,我们会对环境有一个准确的感知,同时我们会做自身的车辆的定位,在此基础上我们完成了驾驶的决策以及路径规划,之后会交由线路控制线来执行我们的决策。

这个是自动驾驶SAE的分级,从第二级到第三级其实是有本质区别的,我们认为第一、二级是自动驾驶员辅助系统,第三级以上才叫自动驾驶或者无人驾驶的功能。从第二级到第三级从定义上来说,是机器能够完成自主的决策,然后完成对于环境的监控,它更本质的区别是第二级到第三级中人的参与变少了,意味着人对于驾驶的影响变少,就是说人的疏忽造成的事故会减少,但是在第三级的阶段我们还需要进行驾驶员实时状态的监控,以及在紧急情况下对于驾驶员的警告,包括让驾驶员接管车辆。这也是我们现在在做的,我们现在在车上配置了摄像头可以实时的监控驾驶员的状态以及身体状况。

基于对于整个产业的理解,我们也梳理了自动驾驶的路线图,目前为止对于第一级的驾驶员辅助系统我们已经开发了很多的功能,在2017年我们着重开发了第二级的功能,包括高速公路上以及特定区域里的自动驾驶,在2018年我们会专注于第三级方面的一些功能,目标是实现在高速道路以及特定道路上的自动驾驶。

我们对于自动驾驶功能的产业化是这样理解的,在初期就是量产车型的初代,会提供驾驶员辅助系统,并且在车辆上会布置完整的传感器以及计算单元的硬件基础,之后我们会通过后续数据的累积来更多的优化我们的算法,来进行算法的迭代。通过我们预先布置的云平台后续来升级我们的自动驾驶功能,支持更多、更高级别的自动驾驶。

刚刚有嘉宾用智能手机来举例子,我们也想说传统的汽车出厂之后就像功能手机一样,可能卖出去之后它的功能是固化的,没有办法升级它的功能,汽车只能通过汽车装备的改造来完成功能的升级,但是对于我们来说,希望我们的车在卖出去之后,通过我们后续功能的升级来实现它功能的价值。我们想让车拥有成长的能力,我们认为汽车以后盈利的方式也是通过后续增值服务的提供来实现。

自动驾驶给我们带来便利的同时,也对我们提出了更多的挑战,大家知道在去年和前年的时候,全球发生了好多卡车撞人或者汽车撞人的恐怖袭击事件,也引起一些国家政府对于自动驾驶的担忧,主要是因为自动驾驶它提供了车辆完整的控制权,并且自动驾驶需要跟云端进行通讯,来获取车辆的信息、交通方面的信息,同时自动驾驶系统还需要上传一些信息到云端,这个就给黑客的攻击提供了便利。所以说自动驾驶给我们提出了更多有关安全方面的新课题,比如说在汽车行业,我们可能以往考虑更多的是被动安全或者主动安全,现在我们可能需要增加网络安全的考虑。在这方面的考虑中,我们在车型设计初期就做了很深入的考虑,并且也布置了很多功能,我们在车辆端的车载网络方面,包括网关和预控制器方面,以及对权限的控制方面,都进行了加密,并且在云和车中间的通讯方面也进行了很多的安全考虑。

除了安全方面的挑战我还想分享一下我们在产业化方面还存在哪些挑战,刚才黄罗毅分享了一下技术方面的挑战,我分享一下产业化方面我们还需要解决哪些问题。

比如说基础设施方面,主要有两方面的考虑,第一个是自动驾驶在开发过程中会考虑它的标准化设置,比如说车辆的宽度,比如说交通标志安装的位置,但是如果说有一些非标准的基础设施,比如说非标准的红绿灯的安装位置,或者非标准的交通标志安装位置,就可能给自动驾驶的算法造成很大的干扰。

另外一个方面,基础设施可以给自动驾驶提供更多的支持,这是我们需要改进的,比如说我们现在的自动驾驶有一个功能是需要对限速标志进行识别的,我们现在的方法就是拍到限速标志之后通过视觉方法获取到图片中的位置和内容,但是这是一个很蹩脚的解决方案,因为我们限速标志的设置是给人看的,而不是给机器看的,如果说我们的基础设施可以做一些更新,比如说通过电子标牌,或者在路上放一个二维码可能对机器来说就更简单一些。

另外一个挑战,比如说在高精度地图方面,我们知道高精度的地图也是制约自动驾驶大规模产业化落地的一个非常大的挑战。大家知道高精度地图,我们人在开车的时候,其实不需要高精度地图,我们最多需要一个导航地图,为什么我们需要高精度地图来做自动驾驶呢?高精度地图可以给自动驾驶系统做一个比较准确的定位,并且它能够提供给自动驾驶系统周围环境比如说道路上每一个车道的交通属性的信息,这些信息其实我们是可以通过眼睛、可以通过摄像头来识别和获取到的,但是我们现在的视觉算法还远远达不到这样的实时处理能力,当然也有很多专家在这方面做出了有益的探索。

另外一个挑战是计算能力、成本和功耗,这个主要是说主控单元方面的。现在很多主机厂在做自动驾驶开发的时候还是放一台很大的电脑在车上,这个肯定不能量产,我们现在要兼具计算的能力,同时要考虑到成本和功耗,就需要更高性能的芯片,包括AI的芯片,主要是做前端的感知视觉的AI芯片来推动整个计算单元的产业化。我们很高兴的看到,比如说英伟达推出了他们的芯片,比如说谷歌也推出了他们的芯片,国内很多公司都推出了他们的芯片,这些芯片的产业化也会极大的推动自动驾驶计算主机的产业化。

在传感器方面主要的挑战还是激光雷达,现象在自动驾驶的传感器方面激光雷达还是非常好用的一个传感器,但是激光雷达现在离量产、离产业化还比较远,现在有很多厂家都在做固态的激光雷达,我们也希望固态自激光雷达可以快速的量产,以一个比较低的价格来提供给自动驾驶的开发团队,为自动驾驶的尽快落地提供便利。

在数据方面,其实自动驾驶需要大量的数据,第一个是视觉方面的数据,我们说每一个物体的识别或者障碍物的识别,每一类的识别需要大量的数据对网络结构进行训练,每一类的数据可能需要上百万张的数据量,这个数据是非常庞大的,对于每一个主机厂来说自己做这个数据是很困难的。第二个数据是测试的数据,自动驾驶系统的可靠性和稳定性需要经过大量的测试才能够保证。

网络安全刚刚提到了,同时还有自动驾驶方面的一个挑战就是人才方面,人才在自动驾驶领域里是非常欠缺的,尤其是人工智能方面我们不仅要跟汽车行业在自动驾驶其他的同行来竞争人才,同时人工智能在其他方面也存在着非常大的人才缺口。

还有与法规的更新方面也存在挑战,自动驾驶的测试以及落地现在还存在着非常多的法规或者政策方面的限制,这些因素就极大制约着我们自动驾驶的落地和产业化。当然我们也很可喜的看到,在很多方面我们已经取得了很大的进展,包括在法规政策方面,我们看到越来越多的地方政府、越来越多的国家部委颁布了更多的政策,来允许自动驾驶的公司能够在有限的区域内,或者是一些封闭的场地里面进行测试。

我们相信在不远的将来,在广大的政府层面,包括学术界以及企业界的共同努力下,自动驾驶能够不断的发展,并且取得突破,来尽快的落地。

我想简单介绍一下我们第一辆车,我们说软件定义硬件,怎么理解呢?就是我们会在车的硬件基础上更多的提供一些软件的增值服务,来实现更多的产品功能和体验。同时在硬件层面上,我们在车辆上布置了很多个性化的系统,包括空气过滤系统,包括百变扶手箱的装备,包括智能的后备厢,包括更多的USB的充电口以及12V电容器的充电口。在车载娱乐系统方面,我们配置了中控大屏以及仪表盘和HUD三屏合一的系统,能够提供更统一、更丰富的驾驶相关的信息。并且在车上布置了很多多媒体的系统,能够提供更多多媒体的服务。我们在车上一共放置了12个扩张钨,能满足乘客更多个性化的需求。

下面给大家放一个视频,这个视频展示了我们现在自动驾驶规划的一些功能,比如说招车的功能、语音交互的功能以及主动变道超车和车道保持的功能,这就是我们在开发中一些自动驾驶功能的展示。

我们希望交付给消费者的不仅是一些服务或者是功能,我们更多地希望交付给驾驶员更安全或者更智能的体验,我们希望我们每一次出行都变得美好,我们希望每次的驾乘都值得回忆,这也是我们的愿景,我们希望每一次出行都变成美好的回忆,谢谢大家!


提示:“本文根据发言整理,未经嘉宾审核!” 如需转载或引用,请联系徐先生(021-39197820)


针对本次会议,盖世汽车进行全程直播,欲了解更多详情可关注以下专题链接:

PC端:http://auto.gasgoo.com/NewsTopic/70.html

移动端:http://m.gasgoo.com/news/topic/70

*版权声明:本文为盖世汽车原创文章,如欲转载请遵守 转载说明 相关规定。违反转载说明者,盖世汽车将依法追究其法律责任!

本文地址:https://auto.gasgoo.com/News/2018/01/25065818581870033129C601.shtml

文章标签: 全球自动驾驶论坛
 
0

好文章,需要你的鼓励