輕舟智航攜手理想汽車(chē)量產(chǎn)行業(yè)首個(gè)單征程6M芯片城市NOA系統(tǒng)
來(lái)源：汽車(chē)商業(yè)評(píng)論（張鷗）2022-07-19 10:01
來(lái)源：spectrum.ieee.org
作者：劉少山/JEAN-LUC GAUDIOT
圖源：劉少山
在過(guò)去的20年里，人們做出了巨大的努力，以創(chuàng)造一種能夠使用傳感器和人工智能來(lái)模擬環(huán)境并規(guī)劃安全駕駛路徑的汽車(chē)。
然而，即便是今天，這項(xiàng)技術(shù)也只在校園等地區(qū)運(yùn)行良好，這些地區(qū)需要繪制的道路有限，交通量也很少。也就是說(shuō)，它仍然無(wú)法管理繁忙、不熟悉或不可預(yù)測(cè)的道路。
至少就目前而言，汽車(chē)所能提供的感知能力和智能是有限的。
為了解決這個(gè)問(wèn)題，我們必須進(jìn)行思維轉(zhuǎn)換——把更多的智能放到基礎(chǔ)設(shè)施中，讓道路變得智能。
“智能道路”的概念并不新鮮。根據(jù)傳感器數(shù)據(jù)自動(dòng)調(diào)整時(shí)間的交通燈和自動(dòng)調(diào)整亮度以減少能耗的路燈都包含在內(nèi)。
讓-呂克·高迪奧（Jean-Luc Gaudiot）是美國(guó)加利福尼亞大學(xué)爾灣分校亨利·薩繆里工程學(xué)院的教授。本文的另一位共同作者劉少山是普思英察（PerceptIn）公司的創(chuàng)始人和首席執(zhí)行官，在北京的測(cè)試道路上證明了路燈控制可以使交通效率提高40%。
與路燈之類(lèi)的零星變化相比，本文希望介紹一個(gè)更加雄心勃勃的方法，將智能道路和智能車(chē)輛結(jié)合起來(lái)，形成一個(gè)綜合的、完全智能的交通系統(tǒng)。
綜合信息的數(shù)量和準(zhǔn)確性，將使這樣一個(gè)系統(tǒng)的安全性和效率達(dá)到前所未有的水平。
人類(lèi)司機(jī)的交通事故發(fā)生率為2.6起/100萬(wàn)km；自動(dòng)駕駛汽車(chē)必須做得更好，才能獲得認(rèn)可。然而，一些角落或盲點(diǎn)同時(shí)困擾著人類(lèi)司機(jī)和自動(dòng)駕駛汽車(chē)，目前沒(méi)有辦法在沒(méi)有智能基礎(chǔ)設(shè)施的幫助下處理這些問(wèn)題。
將大量的智能特性放到基礎(chǔ)設(shè)施中，也會(huì)降低自動(dòng)駕駛汽車(chē)的成本。
一輛完全自動(dòng)駕駛汽車(chē)的建造成本仍然相當(dāng)高，但隨著基礎(chǔ)設(shè)施變得更加強(qiáng)大，將有可能逐步把更多的計(jì)算工作量從車(chē)輛上轉(zhuǎn)移到道路上。最終，自動(dòng)駕駛車(chē)輛將只需要配備基本的感知和控制能力。估計(jì)這種轉(zhuǎn)移將使自動(dòng)駕駛汽車(chē)的成本降低一半以上。
它的工作原理是這樣的，如上圖所示。
這是北京的一個(gè)周日早晨，沙塵暴將天空變成黃色。你在城市里開(kāi)車(chē)，和路上的其他司機(jī)一樣，都沒(méi)有清晰的視角。但是每輛車(chē)在行駛過(guò)程中都能分辨出拼圖的一部分。
這些信息，結(jié)合來(lái)自嵌入道路/附近傳感器和來(lái)自氣象服務(wù)中繼的數(shù)據(jù)，被輸入一個(gè)分布式計(jì)算系統(tǒng)，該系統(tǒng)使用人工智能來(lái)構(gòu)建一個(gè)單一的環(huán)境模型，可以識(shí)別道路上的靜態(tài)物體以及沿著每輛車(chē)的預(yù)測(cè)路徑移動(dòng)的物體。
適當(dāng)?shù)財(cái)U(kuò)展，這種方法可以預(yù)防大多數(shù)事故和交通堵塞，這些問(wèn)題自汽車(chē)問(wèn)世以來(lái)一直困擾著公路運(yùn)輸。
到目前為止，我們已經(jīng)在中國(guó)的幾個(gè)城市以及我們?cè)诒本┑臏y(cè)試道路上部署了這個(gè)系統(tǒng)的模型。
例如，在上海以西1100萬(wàn)人口的城市蘇州，部署在一條單向有三條車(chē)道的公共道路上，項(xiàng)目的第一階段覆蓋了15km的公路。道路上每隔150米就部署一個(gè)路邊系統(tǒng)，每個(gè)路邊系統(tǒng)包括一個(gè)配備英特爾CPU和Nvidia 1080Ti GPU，一系列傳感器（激光雷達(dá)、照相機(jī)、雷達(dá)），以及一個(gè)名為RSU（路邊單元）的通信組件。這是因?yàn)榧す饫走_(dá)與攝像頭相比，能提供更準(zhǔn)確的感知，尤其是在夜間。然后RSU與部署的車(chē)輛直接通信，以促進(jìn)路邊數(shù)據(jù)和車(chē)輛上的車(chē)邊數(shù)據(jù)的融合。
路邊的傳感器和繼電器構(gòu)成了合作式自動(dòng)駕駛系統(tǒng)的一半，而車(chē)輛本身的硬件則構(gòu)成了另一半。
在一個(gè)典型的部署中，我們的模型采用了20輛車(chē)。每輛車(chē)都有一個(gè)計(jì)算系統(tǒng)，一套傳感器，一個(gè)發(fā)動(dòng)機(jī)控制單元（ECU），以及連接這些組件的控制器區(qū)域網(wǎng)絡(luò)（CAN）總線(xiàn)。
道路基礎(chǔ)設(shè)施，如上所述，由類(lèi)似但更先進(jìn)的設(shè)備組成。路邊系統(tǒng)的高端Nvidia GPU通過(guò)RSU進(jìn)行無(wú)線(xiàn)通信，而它在汽車(chē)上的對(duì)應(yīng)物被稱(chēng)為車(chē)載單元（OBU）。這種來(lái)回的通信促進(jìn)了路邊數(shù)據(jù)和汽車(chē)數(shù)據(jù)的融合。
基礎(chǔ)設(shè)施收集當(dāng)?shù)丨h(huán)境的數(shù)據(jù)，并立即與汽車(chē)分享，從而消除盲點(diǎn)，并以其他明顯的方式擴(kuò)展感知?；A(chǔ)設(shè)施還處理來(lái)自自身傳感器和汽車(chē)上傳感器的數(shù)據(jù)，以提取其含義，產(chǎn)生所謂的語(yǔ)義數(shù)據(jù)。
例如，語(yǔ)義數(shù)據(jù)可以將一個(gè)物體識(shí)別為行人，并在地圖上定位該行人。然后，結(jié)果被發(fā)送到云端，在那里，更復(fù)雜的處理將語(yǔ)義數(shù)據(jù)與來(lái)自其他來(lái)源的數(shù)據(jù)融合在一起，以產(chǎn)生全球感知和規(guī)劃信息。然后云端向汽車(chē)發(fā)送全球交通信息、導(dǎo)航計(jì)劃和控制命令。
在我們的測(cè)試道路上，每輛汽車(chē)都以自動(dòng)駕駛模式開(kāi)始——目前最好的系統(tǒng)能夠管理的自主水平。
每輛車(chē)都配備了6個(gè)毫米波雷達(dá)用于探測(cè)和跟蹤物體，8個(gè)攝像頭用于二維感知，1個(gè)激光雷達(dá)用于三維感知，以及GPS和慣性導(dǎo)航用于在數(shù)字地圖上定位車(chē)輛。二維和三維感知結(jié)果以及雷達(dá)輸出被融合，以生成道路及其周邊環(huán)境的綜合視圖。
接下來(lái)，這些感知結(jié)果被送入一個(gè)模塊，該模塊跟蹤每個(gè)檢測(cè)到的物體，例如汽車(chē)、自行車(chē)或滾動(dòng)的輪胎，然后畫(huà)出一個(gè)軌跡，該軌跡可被送入下一個(gè)模塊，這個(gè)模塊預(yù)測(cè)目標(biāo)物體將去哪里。
最后，這種預(yù)測(cè)被移交給規(guī)劃和控制模塊，由它們來(lái)引導(dǎo)自主車(chē)輛。該車(chē)創(chuàng)建了一個(gè)高達(dá)70米的周邊環(huán)境模型。所有這些計(jì)算都在汽車(chē)內(nèi)部進(jìn)行。
同時(shí)，智能基礎(chǔ)設(shè)施也在做同樣的工作，用雷達(dá)進(jìn)行探測(cè)和跟蹤，用相機(jī)進(jìn)行二維建模，用激光雷達(dá)進(jìn)行三維建模，最后將這些數(shù)據(jù)融合到自己的模型中，以補(bǔ)充每輛汽車(chē)正在做的事情。
由于基礎(chǔ)設(shè)施是分散的，它可以對(duì)250m以外的世界進(jìn)行建模。然后，汽車(chē)上的跟蹤和預(yù)測(cè)模塊將把較寬的模型和較窄的模型合并成一個(gè)綜合視圖。
汽車(chē)上的裝置與路邊的對(duì)應(yīng)裝置進(jìn)行通信，以促進(jìn)車(chē)內(nèi)數(shù)據(jù)的融合。這種無(wú)線(xiàn)標(biāo)準(zhǔn)被稱(chēng)為C-V2X（Vehicle to Everything），與電話(huà)中使用的標(biāo)準(zhǔn)并無(wú)不同；通信距離最遠(yuǎn)可達(dá)300米，而延遲（信息傳遞的時(shí)間）約為25毫秒。此時(shí)，汽車(chē)的許多盲點(diǎn)被基礎(chǔ)設(shè)施上的系統(tǒng)所覆蓋。
C-V2X可使用LTE標(biāo)準(zhǔn)（4G）和5G標(biāo)準(zhǔn)的商業(yè)移動(dòng)網(wǎng)絡(luò)。
LTE-V2X專(zhuān)門(mén)用于道路和汽車(chē)之間300米范圍內(nèi)的直接通信。雖然通信時(shí)延只有25毫秒，但它搭配的帶寬很低，目前約為100KB/s。
相比之下，商用4G和5G網(wǎng)絡(luò)具有更大的覆蓋范圍和明顯更高的帶寬（下行為100MB/s，上行為50MB/s）。然而，它們傳輸過(guò)程中有較大時(shí)延，這對(duì)自動(dòng)駕駛中的實(shí)時(shí)決策構(gòu)成了重大挑戰(zhàn)。
請(qǐng)注意，當(dāng)車(chē)輛以50km/h的速度行駛時(shí)，如果道路干燥，車(chē)輛的制動(dòng)距離為35m；而道路濕滑時(shí)，制動(dòng)距離為41m。因此，基礎(chǔ)設(shè)施所允許的250m的感知范圍為車(chē)輛提供了很大的安全余地。
在我們的測(cè)試道路上，當(dāng)基礎(chǔ)設(shè)施的智能開(kāi)啟時(shí)，脫離率（安全駕駛員必須接手）至少降低了90%，這樣它就可以增強(qiáng)自動(dòng)駕駛汽車(chē)的車(chē)載系統(tǒng)。
在我們的測(cè)試軌道上進(jìn)行的實(shí)驗(yàn)告訴我們兩件事。
首先，由于交通狀況在一天中不斷變化，基礎(chǔ)設(shè)施的計(jì)算單元在高峰期完全處于駕馭狀態(tài)，但在非高峰期則基本處于閑置狀態(tài)。這與其說(shuō)是一個(gè)錯(cuò)誤，不如說(shuō)是一個(gè)特點(diǎn)，因?yàn)樗鼘⒕薮蟮穆愤呌?jì)算能力釋放出來(lái)，用于其他任務(wù)，如優(yōu)化系統(tǒng)。
其次，我們確實(shí)可以?xún)?yōu)化系統(tǒng)，因?yàn)椴粩嘣鲩L(zhǎng)的本地感知數(shù)據(jù)庫(kù)可以用來(lái)微調(diào)我們的深度學(xué)習(xí)模型以提高感知能力。通過(guò)把閑置的計(jì)算能力和感官數(shù)據(jù)的檔案放在一起，我們已經(jīng)能夠在不給云端帶來(lái)任何額外負(fù)擔(dān)的情況下提高性能。
要讓人們同意構(gòu)建一個(gè)龐大的系統(tǒng)是很難的，因?yàn)樗兄Z的好處只有在它完成之后才會(huì)出現(xiàn)。為了解決這個(gè)雞生蛋蛋生雞的問(wèn)題，我們必須通過(guò)三個(gè)連續(xù)的階段進(jìn)行。
第一階段：基礎(chǔ)設(shè)施增強(qiáng)型自動(dòng)駕駛，車(chē)輛將車(chē)側(cè)感知數(shù)據(jù)與路側(cè)感知數(shù)據(jù)融合，以提高自動(dòng)駕駛的安全性。車(chē)輛仍將大量裝載自動(dòng)駕駛設(shè)備。
第二階段：基礎(chǔ)設(shè)施引導(dǎo)的自動(dòng)駕駛，在這個(gè)階段，車(chē)輛可以將所有的感知任務(wù)卸載到基礎(chǔ)設(shè)施，以減少每輛車(chē)的部署成本。出于安全考慮，基本的感知能力將保留在自主車(chē)輛上，以應(yīng)對(duì)與基礎(chǔ)設(shè)施的通信中斷或基礎(chǔ)設(shè)施本身出現(xiàn)故障。與第一階段相比，車(chē)輛需要的傳感和處理硬件將明顯減少。
第三階段：基礎(chǔ)設(shè)施規(guī)劃的自動(dòng)駕駛，其中基礎(chǔ)設(shè)施負(fù)責(zé)感知和規(guī)劃，從而實(shí)現(xiàn)最大的安全性、交通效率和成本節(jié)約。在這個(gè)階段，車(chē)輛只配備了非常基本的傳感和計(jì)算能力。
技術(shù)挑戰(zhàn)確實(shí)存在。
首先是網(wǎng)絡(luò)的穩(wěn)定性。在車(chē)輛高速行駛時(shí)，融合車(chē)輛側(cè)和基礎(chǔ)設(shè)施側(cè)數(shù)據(jù)的過(guò)程對(duì)網(wǎng)絡(luò)波動(dòng)極為敏感。使用商業(yè)4G和5G網(wǎng)絡(luò)，我們已經(jīng)觀(guān)察到網(wǎng)絡(luò)不穩(wěn)定的范圍從3到100毫秒，足以影響基礎(chǔ)設(shè)施幫助汽車(chē)。
還有更為關(guān)鍵的是安全性。我們需要確保黑客不能攻擊通信網(wǎng)絡(luò)，甚至基礎(chǔ)設(shè)施本身，將不正確的信息傳遞給汽車(chē)，從而造成潛在的致命后果。
另一個(gè)問(wèn)題是如何獲得對(duì)任何形式的自動(dòng)駕駛的廣泛支持，更不用說(shuō)基于智能道路的自動(dòng)駕駛了。
在中國(guó)，74%的受訪(fǎng)者贊成快速引入自動(dòng)駕駛，而在其他國(guó)家，公眾的支持則比較猶豫。只有33%的德國(guó)人和31%的美國(guó)人支持快速擴(kuò)展自動(dòng)駕駛汽車(chē)。也許這兩個(gè)國(guó)家完善的汽車(chē)文化使人們更加重視人的駕駛體驗(yàn)。
然后是管轄權(quán)沖突的問(wèn)題。
例如，在美國(guó)，道路的權(quán)力分布在聯(lián)邦公路管理局和州及地方政府之間，前者負(fù)責(zé)運(yùn)營(yíng)州際公路，后者負(fù)責(zé)管理其他道路。并不總是清楚哪一級(jí)政府負(fù)責(zé)授權(quán)、管理和為現(xiàn)有基礎(chǔ)設(shè)施升級(jí)為智能道路付費(fèi)。近來(lái)，在美國(guó)發(fā)生的許多交通創(chuàng)新都發(fā)生在地方一級(jí)。
相比之下，中國(guó)已經(jīng)制定了一套新的措施來(lái)支持智能道路基礎(chǔ)設(shè)施的關(guān)鍵技術(shù)的研究和開(kāi)發(fā)。
中國(guó)交通運(yùn)輸部公布的一份政策文件，提出到2025年，自動(dòng)駕駛基礎(chǔ)理論研究取得積極進(jìn)展，道路基礎(chǔ)設(shè)施智能化、車(chē)路協(xié)同等關(guān)鍵技術(shù)及產(chǎn)品研發(fā)和測(cè)試驗(yàn)證取得重要突破。
汽車(chē)制造商、科技公司和電信服務(wù)提供商之間的合作已經(jīng)在北京、上海等地催生了自動(dòng)駕駛初創(chuàng)企業(yè)。
車(chē)路協(xié)同有望比嚴(yán)格意義上的純車(chē)輛自動(dòng)駕駛方法更安全、更高效、更經(jīng)濟(jì)。該技術(shù)已經(jīng)存在，并且正在中國(guó)實(shí)施。我們很快就會(huì)看到這兩種截然不同的自動(dòng)駕駛方法在世界交通市場(chǎng)上展開(kāi)競(jìng)爭(zhēng)。
