• 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】博世黄罗毅:自动驾驶的机遇和挑战

盖世汽车 2018-01-25 21:48:29
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,博世底盘控制系统中国区自动驾驶产品经理黄罗毅发表了主题演讲,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

博世底盘控制系统中国区自动驾驶产品经理   黄罗毅

尊敬的盖世周总,尊敬的各位专家,大家下午好!非常荣幸今天能有机会跟大家简单分享一下博世对自动驾驶机遇和挑战的认识。

关于未来移动出行每个人的想法都是不一样的,我们认为未来移动出行有以下趋势:一是电气化,二是自动化,三是网联化,四是博世最近提出的多模式出行,未来的交通或者移动出行不仅仅局限于我们的车辆,近几年兴起共享单车都属于多模式交通的一部分。

今天大会的主题是自动驾驶,我想跟各位专家分享一下博世在自动驾驶上做的事情。

自动驾驶中文翻译过来比较简单,要么是自动驾驶,要么是无人驾驶,大家如果感兴趣可以看一些国外的文章或者文献,会有很多的名词比如Automated Driving、Selfdriving、autonomous driving等进行区分,但是今天我想跟大家分享的是自动驾驶中所谓SAE L2—L5的内容。根据调查显示,中国消费者对自动驾驶的接受程度要高于国外的某些发达国家,有专家预测在2035年我们销售普通汽车中可能有很大一部分车已经搭载了高度自动驾驶的功能或者系统。中国有潜力或者已经成为全球自动驾驶最大或最重要的市场,这也是我们博世,作为全球一级供应商在中国大力投入本土研发能力的其中一个重要原因。

今天的主题是自动驾驶,我想跟各位专家简单汇报一下自动驾驶的技术和挑战,通常我们把自动驾驶简单分为三个部分,通俗而言是“看、想、做”,也可以叫“感知、思考和行动”。我今天的介绍主要是基于这三个部分跟大家做一个汇报。

首先是感知或者叫看,大家看到感知这个词,第一时间想到的是车身的传感器,但是我们认为感知这个层面远比车身的硬件传感器要复杂得多,车身的传感器、高精度地图或者自动驾驶的地图、高精度的定位是我想跟大家介绍的感知的这个层面。首先聊一聊车身的传感器,博世在自动驾驶或者ADAS辅助驾驶的传感器这个产品线是非常丰富的,我们有长距离的毫米波雷达、中距离的毫米波雷达、单目摄像头、立体摄像头、近距离的视觉传感器、超声波传感器等等,激光雷达则在研发过程当中,这些传感器并不是简单的叠加,而是需要冗余备份,需要进行优势互补的,比如毫米波雷达对速度对距离识别更有效,摄像头在正常的天气情况下对车道线的识别非常有效,但是在某些特殊的情况,比如说傍晚正好有夕阳光摄到摄像头的时候,就会对摄像头产生影响,摄像头就会出现短暂的失盲,因此就需要多种传感器的互补和融合。

下面我想谈谈自动驾驶中的定位问题,地图比较简单,博世在中国暂时不会生产和制造地图,我们现在是和国内的图商进行合作,进行高精度地图。我想跟大家分享两种常见的自动驾驶定位的方式,第一种是基于GNSS(全球卫星定位系统)的定位,这个很好理解,大家都有手机,我们也有手机地图软件,我们到一个陌生的城市打开GPS就可以进行定位,GPS是属于GNSS的一个子级,打开GPS大家可以收到经纬度的信息,有了地图就可以进行匹配,这个也叫全局的定位,你就知道你在哪。第二种是基于道路特征的定位,这个是利用车身自带的传感器,比如毫米波雷达、摄像头,去感知周围的道路特征,做相应的定位,比如我们自动驾驶车辆行驶在高速公路上,用自身传感器发现右前方30米有一个限速的标志,正前方20米有一个桥梁,左后方30米有另一个标志标牌,运用我们说的三点测量法可以定位出车辆跟固定道路特征的相对位置,当然实际算法中要比三点测量法复杂一些。

很多人对这两种不同的定位会产生误解,举一个不是太恰当的例子,比如我来盖世参加活动,早上主办方告诉我的位置是第一排第五号,第一排第五号大家可以理解为一个绝对的定位,如果我知道整个会场的地图我可以很容易找到我的位置,这就是基于全球卫星系统的定位。基于道路特征呢?比如说我出去茶歇了,忘记了我具体的排数和座位数,但是我记得我前后左右边坐的是谁,那么我可以根据这些特征找到我和他们的相对位置,这个就是第二种基于道路特征的定位方式,这是自动驾驶两种常见的定位技术。

很多人会问你车身的传感器具体有哪些用来做定位?很多公司都是拿摄像头做相对的定位,但是我们就想,我们的毫米波雷达在市场占有率还是比较高的,我们能不能给客户带来一些附加的价值,比如说我们能不能拿毫米波雷达也来做相对的定位呢?我们之所以提出这个想法,是因为在天气状况良好的情况下毫米波雷达的性能更摄像头是不相上下的,但是在某些情况,如在早晨或者傍晚正好有阳光摄向摄像头的时候,这个时候摄像头的性能是不及毫米波雷达的。另外刚刚说到我们博世在中国是不产生自己的地图的,但是我们和百度、高德、四维签订了战略合作协议,并且我们在2017年做了一个基于道路特征定位的概念验证,我今天带了一段小视频,这是博世和合作伙伴历时7个月完成的概念验证,它的精度非常令人震惊,下面请工作人员为大家播放这段小视频。左边是我们在计算机上显示的图,右边是我们用航拍拍的鸟瞰图,尤其在换道的时候大家可以看出基于毫米波雷达的特征定位是非常准确的。

这个是我们仅仅使用毫米波雷达达到的定位的结果,视频中有一段是在隧道里面,在没有GNSS信号的情况下,我们同样可以达到非常高精度的定位,横向和纵向精度约为10厘米左右,这个对未来的高度的自动驾驶是非常有帮助的。

前面是感知的部分,下面我想聊一聊决策的部分,我们前面叫做感知,其实更多是指传感器的层面,就是硬件的层面。中间我们的思考包括了感知,就是怎么处理传感器的数据,同时怎么去做预测,怎么样预测自身和其它车辆的运动轨迹。关于中间这部分我们叫做想,比如说自动驾驶要从A点到B点,需要自动驾驶车辆选择哪一条路段,如何避开拥堵的路段,选择哪一条车道,还有对周围的车辆需要有什么反应,比如前面的车紧刹车了,你应该怎么样,这些都属于想的部分。博世在AI或者机器学习、深度学习方面都有一些尝试,我想澄清一个概念,AI人工智能是一个比较宏观的概念,机器学习是属于人工智能的一个分支,深度学习又是机器学习的一个分支,可以简单把它理解为人工的神经网络。博世在AI的思考中,在感知部分我们现在在尝试用深度学习的方法做一些物体的识别和可行驶区域的识别,一会我会向大家展示我们如何把深度学习用在感知中。在中间这块我们更多是运用传统的方法与现代的方法结合,比如马尔可夫模型,机器学习和增强学习。有人会问深度学习和增强学习有什么区别?通常意义上深度学习是没有反馈的,它不会对检测的物品产生作用,但是增强学习会对环境产生新的反馈,这是二者的区别。下面再给大家播放一段视频,这个是我们拿深度学习在下一代摄像头里面做的物体识别和可行驶区域的识别,我们可以高准确率的识别车道线、停车位标志的位置,路沿,房屋、天空以及车辆信息,大家都在谈人工智能和深度学习,我们博世这个搭载了深度学习的下一代摄像头会在近几年搭载到量产的车上。

接下来谈谈做,现在很多企业有非常好的感知能力和思考能力,但是你如果没有执行机构,你的自动驾驶系统也是很难落地的,下面我想聊聊博世在底盘控制,尤其是在执行机构是如何思考的。我们如果需要让自动驾驶车辆开起来像老司机一样,仅仅有感知和决策还不够,你要有非常丰富的底盘的经验,几年甚至几十年的经验,才可以使你的自动驾驶驾驶车辆开起来像老司机一样。

说完了关键技术,聊一聊挑战,我想从基本的概念入手,关于自动驾驶的等级很多专家都聊了,在早些年有很多的政府机构、有很多的研究机构都在制定自动驾驶或者自动化的等级,通常我们会以SAE国际自动机工程师学会作为一个指导性的参考,以这个来区分现在自动驾驶的等级。其实很简单,零级就是没有自动化,第一级就是横向或者纵向的控制,第二级就是集成了横向和纵向的控制,前两级驾驶员是责任主体,但是到了第三级系统要负责任,但当如电子元件出现了故障,或者即将驶出特定区域时,我们会有一定的时间让驾驶员接管,之后责任就由车辆转移到了驾驶员,第四级就哪怕你的系统出了故障,责任还是在系统,系统需要把车辆和驾驶员带到一个非常安全的地方,但是L0-L4它必须在特定的区域,第五级则是在任何时间、任何地点都能进行自动驾驶。从第二级到第三级是质的变化,驾驶员在系统正常工作时不需要负责任,但是由此也带来了六大挑战:一是法规或者政策,我们博世希望借助自己的力量从技术层面支持自动驾驶相应法规的落地,我们也呼吁有关部门能尽快出台相应的措施。二是安全,其中包括人身安全和功能安全以及信息安全,现在自动驾驶的车辆比较单一,将来自动驾驶车辆是联网的,你必须要处理车外和车内的信息安全,这两种同等重要。三是传感器,我们需要360度可靠、高准确度、优势互补的传感器。四是自动驾驶的电子电气架构,这是一门非常大的学问,你需要考虑如电源的冗余,传感器的冗余,制动的冗余,转向的冗余等。五是系统智能,我们希望我们开发的功能不是冰冷的机器,希望它能像人一样去思考,能为我们带来更好的价值和体验,能更懂人的思维。六是定位,我们现在也正在和中国的地图合作伙伴共同推进这方面的发展。

聊自动驾驶就想聊聊AI,真正的AI什么时候会用到自动驾驶中呢?现在到处都在说AI,但是真正要把AI放到量产的车上还有哪些挑战呢?第一个,传统的感知是基于规则的,所以如果有问题,我们知道它问题出在哪,但是对于AI、对于深度学习它是一个黑匣子,我们仅仅是知道了调整参数,但是不知道发生了什么,将来出现了问题不知道问题在哪,不知道需要多长的时间去修复它。第二个挑战,我们现在说的AI算法需要非常大的功耗,怎么样把它放在量产车上,我们需要把AI的算法进行一定的压缩放在特定的芯片上才可以让自动驾驶的车辆进行量产。第三挑战,你怎么样发现问题并快速的修复它。第四个是挑战是怎么样做验证,我们有了算法和软件功能,我们怎么样验证这个功能是有效的,对消费者的安全是有保障的?你没有办法验证,你就没有办法把你的功能发布给终端消费者,就无法让消费者相信你装有AI的自动驾驶车辆是可靠、可信、可使用的。这些都属于AI在自动驾驶领域应用的挑战。

博世在自动驾驶系统的布局中产品线非常广,我们有成熟的传感器,我们有中央控制器,我们有执行机构,如ESP,制动系统和转向系统。博世在自动驾驶的布局上产品线很广,也为博世成为具有为客户提供自动驾驶系统解决方案的一级供应商奠定了基础。

下面聊一聊我们认为自动驾驶的路线图,我们在2010年左右就推出了SAE第一级的功能,在2015年就推出了交通拥堵辅导的第二级的功能,我们后续会推出第三级的高速公路上的自动驾驶。同时我们博世还有泊车的功能,由于时间关系我不再展开了。

昨天我到得比较早,非常幸运航班没有延误,这个是我昨天从机场到酒店随手拍的一张照片,当时的情况是我坐在出租车里面,前面的小车紧急刹车了,而且它的右刹车灯是坏的,然后出租车右边是一辆高速行使的大卡车,左前方是一辆小面包车,当时车速非常快,雨非常大,视野也不是非常好,当时司机一下子没有反应过来,我提醒了他,他就踩了刹车,后来这个潜在的事故避免了。这种场景对人来说还是比较严峻的挑战,那对于自动驾驶来说可能会更难,当时的情况是在环线上,环境比较单一,如果在城市道路中将会更加复杂,所以这也是自动驾驶将来要面临更大的挑战。

为了更好的推进自动驾驶在中国的发展,博世希望配合相应的部门出台自动驾驶相关的法规,希望和我们的合作伙伴和客户一起推动自动驾驶在中国的落地,同时我们也积极加强本地的研发,希望可以有针对中国客户定制的方案,自动驾驶是一个大生态,需要大家一起的努力,让我们一起把自动驾驶在中国完美的落地,我的报告到此结束,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/2018/01/25094829482970033137C601.shtml

文章标签: 全球自动驾驶论坛
 
0

好文章,需要你的鼓励