難以突破的自動(dòng)駕駛核心技術(shù)

自動(dòng)駕駛無疑是截至目前，今年最受投資青睞的一個(gè)細(xì)分領(lǐng)域。

據(jù)業(yè)內(nèi)人士介紹，這是繼 2014、2015 年以來，自動(dòng)駕駛領(lǐng)域的又一次投資熱潮。有專業(yè)人士認(rèn)為，這次投資熱潮中有明顯的投資趨勢轉(zhuǎn)變特征出現(xiàn)。具體表現(xiàn)在，與 2022 年 Q1 偏向 ADAS 以及高級(jí)別自動(dòng)駕駛系統(tǒng)級(jí)解決方案提供商不同，Q2 獲投技術(shù)領(lǐng)域分布比較均勻，從感知層的毫米波雷達(dá)、激光雷達(dá)到?jīng)Q策層的芯片、計(jì)算平臺(tái)，再到執(zhí)行層的智能底盤領(lǐng)域，均有企業(yè)獲得了新一輪融資。

這種轉(zhuǎn)變的背后，是否展現(xiàn)了自動(dòng)駕駛未來技術(shù)演進(jìn)的方向？帶著這樣的疑問，InfoQ 編輯采訪了智行者 CTO 王肖和智行者聯(lián)合創(chuàng)始人、研發(fā)中心副總經(jīng)理張放，以及多位機(jī)構(gòu)投資人。

難以突破的自動(dòng)駕駛核心技術(shù)

多位機(jī)構(gòu)投資人和創(chuàng)業(yè)者均表示，投資方向的轉(zhuǎn)變并不是近期發(fā)生的。事實(shí)上，投資方向轉(zhuǎn)變需要放置到自動(dòng)駕駛及其相關(guān)產(chǎn)業(yè)的整體發(fā)展進(jìn)程來判斷。從風(fēng)險(xiǎn)投資早期階段來看，投資是緊跟隨產(chǎn)業(yè)發(fā)展需求的脈絡(luò)進(jìn)行的布局。

比如，早期投資機(jī)構(gòu)聯(lián)想之星 2014 年就入局投資自動(dòng)駕駛，稱得上是行業(yè)的先行者。2014 年起，聯(lián)想之星投資了 ADAS、毫米波雷達(dá)、 AEB （自動(dòng)緊急制動(dòng)）、激光雷達(dá)自動(dòng)駕駛零部件方案的供應(yīng)商。2015 時(shí)，自動(dòng)駕駛研發(fā)迎來大爆發(fā)，聯(lián)想之星投資了解決方案提供商 Pony 。

2018 年開始，聯(lián)想之星先后投資了以小馬智行為代表的自動(dòng)駕駛整體解決方案的初創(chuàng)公司。2018 年后，自動(dòng)駕駛從此前追求單車智能，逐漸轉(zhuǎn)變?yōu)椤奥斆鞯能?+ 智慧的路”。聯(lián)想之星的投資也向著更廣的方向發(fā)展，投資了地圖、智慧交通等領(lǐng)域的公司。不難看出，聯(lián)想之星的投資布局動(dòng)線圖，緊跟著自動(dòng)駕駛及其相關(guān)產(chǎn)業(yè)的整體創(chuàng)業(yè)趨勢。不少投資人坦言：“最近，我們并沒有觀測到有新的技術(shù)突破。”

軟硬件在短時(shí)間內(nèi)很難發(fā)生實(shí)質(zhì)性的突破。所以，智行者 CTO 王肖認(rèn)為：“L4 未來的趨勢是要滿足常用場景的商業(yè)化落地，把實(shí)現(xiàn)無人駕駛的成本降下來。產(chǎn)品策略方面也是需要自動(dòng)駕駛提供商需要突破的關(guān)鍵所在?！?/p>

自動(dòng)駕駛是人工智能深度學(xué)習(xí)的一種應(yīng)用。自動(dòng)駕駛汽車關(guān)鍵技術(shù)主要包括環(huán)境感知、精準(zhǔn)定位、決策與規(guī)劃、控制與執(zhí)行、高精地圖與車聯(lián)網(wǎng)以及自動(dòng)駕駛汽車測試與驗(yàn)證技術(shù)等。簡單說，自動(dòng)駕駛核心技術(shù)體系可概括為“感知、決策與控制執(zhí)行”（如下圖所示）。

圖 1：自動(dòng)駕駛核心技術(shù)

感知與決策與是無人駕駛中最難突破的兩個(gè)模塊，也正是這兩個(gè)模塊決定了自動(dòng)駕駛等級(jí)。這兩個(gè)模塊可通過車載攝像機(jī)、激光雷達(dá)、毫米波雷達(dá)、超聲波等傳感器來感知周圍環(huán)境，實(shí)時(shí)動(dòng)態(tài)監(jiān)測周邊環(huán)境變化，并依據(jù)所獲取的信息進(jìn)行決策判斷，形成安全合理的路徑規(guī)劃。

市面上推出的自動(dòng)駕駛解決方案，也基本是圍繞著這兩個(gè)模塊展開。這兩個(gè)模塊構(gòu)成了自動(dòng)駕駛的決策規(guī)劃能力。面對(duì)人工智能算法以及以毫米波雷達(dá)為代表的感知系統(tǒng)方面的現(xiàn)有局限性，自動(dòng)駕駛方案提供商需要在極度安全與極度智能這兩個(gè)維度中找到平衡點(diǎn)。投資人普遍認(rèn)為，軟硬件的突破確實(shí)不易，如何在產(chǎn)品策略方面推出能夠落地商業(yè)化綜合應(yīng)用是眾多玩家未來的主要策略。

深度學(xué)習(xí)算法以及感知能力的 瓶頸該如何解決？

目前，深度學(xué)習(xí)還有尚未突破的痛點(diǎn)。比如，在高速路上行駛，廣告牌上若有人像，汽車“大腦”會(huì)誤認(rèn)為是人，發(fā)出提示音。原因是深度學(xué)習(xí)尚未達(dá)到與人類相同的判斷能力?！盎谏疃葘W(xué)習(xí)的視覺系統(tǒng)，不可能把萬事萬物都學(xué)習(xí)一遍?！蓖跣そ忉尩馈?/p>

再有，近期出現(xiàn)的多起電動(dòng)汽車安全事故，都是撞上了高速路上的靜態(tài)物。這不僅有上述的深度學(xué)習(xí)原因，也有感知層面中毫米波雷達(dá)的固有弊端。最常見的有，由毫米波雷達(dá)對(duì)金屬比較敏感，有時(shí)會(huì)誤將龍門架識(shí)別為汽車。

以上提及的深度學(xué)習(xí)算法以及感知能力到底該如何解決？如果是特斯拉這樣單純使用視覺識(shí)別是否可行？縱觀業(yè)內(nèi)眾多解決方案，主要是兩種方法。一是多融合感知方案，用決策邏輯彌補(bǔ)感知問題；二是在云端自動(dòng)化的實(shí)現(xiàn)算法迭代，通過數(shù)據(jù)驅(qū)動(dòng)的強(qiáng)化學(xué)習(xí)來訓(xùn)練決策邏輯。在本月 17 日，召開了新品發(fā)布會(huì)的智行者，向外界發(fā)布了“輕地圖，重感知”的解決方案。這套解決方案包含了以上兩種方法。

張放直言，智行者不是純視覺支持者。“如果后端決策規(guī)劃能力沒有上來之前，采用純視覺識(shí)別永遠(yuǎn)是有問題的。最典型的是夜間場景。我們推出的 H-INP 系統(tǒng)恰恰彌補(bǔ)了這一缺點(diǎn)?！?/p>

據(jù)悉，H-INP 采用了 6 顆攝像頭 +5 個(gè)毫米波雷達(dá)的多融合感知方案。這種解決方案可以減少對(duì)高清地圖的依賴，從而實(shí)現(xiàn)“輕地圖，重感知”。不依賴高清地圖，也是中國自動(dòng)駕駛廠商未來拓展海外市場必須具備的能力。

此外，在硬件架構(gòu)配置方面，H-INP 還采用了智行者自主研發(fā)的車規(guī)級(jí)高算力域控制器，算力可達(dá) 128TOPS，CPU 計(jì)算能力達(dá) 30K DMIPS。結(jié)合上述的多融合感知方案，實(shí)現(xiàn)了成本的有效控制，既滿足了車輛安全運(yùn)行的需求，又達(dá)到了前裝量產(chǎn)的標(biāo)準(zhǔn)。據(jù)智行者介紹，目前 H-INP 的成本在數(shù)千人民幣。智行者希望通過低成本的方式，快速推進(jìn)自動(dòng)駕駛落地，進(jìn)而形成商業(yè)閉環(huán)。目前，這套系統(tǒng)還處于原型測試階段，預(yù)計(jì)今年第四季度推出量產(chǎn)版本。

據(jù)張放介紹，H-INP 采用了平臺(tái)化設(shè)計(jì)，可在此統(tǒng)一架構(gòu)下開發(fā)出系列產(chǎn)品，滿足不同場景的需求。在整體系統(tǒng)架構(gòu)的設(shè)計(jì)方面，H-INP 具有功能模塊化、接口抽象化等特點(diǎn)，具體表現(xiàn)為：

1. 將架構(gòu)進(jìn)行了分層解耦，可以更加便利地利用最新技術(shù)成果；

2. 算法模塊化復(fù)用，通過圖形化工具實(shí)現(xiàn)應(yīng)用設(shè)計(jì)、開發(fā)、集成和調(diào)試，將研發(fā)聚焦在算法本身；

3. 深度優(yōu)化的通信和調(diào)度機(jī)制，提供多級(jí)通信機(jī)制與模塊部署的局部性特點(diǎn)相適應(yīng)，提供確定性和 CPU-GPU 聯(lián)合調(diào)度。

在構(gòu)建多融合感知方案中，智行者實(shí)施了以下三個(gè)步驟，以通過語義理解生成一個(gè)實(shí)時(shí)的云端地圖。整個(gè)過程，還原和模擬了人在開車時(shí)的真實(shí)情境?！巴ㄟ^眼睛感知外部事物，從而在大腦中形成了外界地圖?！?/p>

第一步是準(zhǔn)確的目標(biāo)和準(zhǔn)確的檢測能力。通過傳感器準(zhǔn)確傳回所需要的數(shù)據(jù)，要精確的“看到”車道線、標(biāo)志牌等道路元素。

第二步 3D 場景重建的能力。在感知算法的基礎(chǔ)上，盡可能在 3D 場景中準(zhǔn)確還原傳感器傳回的“圖景”，并把離散在不同時(shí)空中的每一幀融合為一個(gè)完整的物理世界。

第三步是語義理解，理解周遭環(huán)境的能力。只有經(jīng)過邏輯關(guān)系和拓?fù)潢P(guān)系處理之后，才能做出最終的決策規(guī)劃。比如，經(jīng)過前兩步實(shí)現(xiàn)了完整清晰的物理世界，抓取到了車道線等道路基本相關(guān)信息。那么，接下來，車輛在行駛中要如何利用這些抓取到的這些信息，來判斷是左拐還是右拐？這就需要第三步邏輯關(guān)系去處理，形成決策規(guī)劃，然后輸送給控制單元進(jìn)行實(shí)施。

用數(shù)據(jù)驅(qū)動(dòng)迭代算法，從而提升自動(dòng)駕駛能力也是智行者著重提升的能力維度之一。這其中涉及到如何去快速挖掘數(shù)據(jù)，清洗數(shù)據(jù)和更新云端的算法模型。張放認(rèn)為，有用的數(shù)據(jù)才能反饋出真實(shí)問題，提升算法?？焖侔l(fā)現(xiàn)數(shù)據(jù)就是要自動(dòng)化的挖掘有意義的數(shù)據(jù)。這些數(shù)據(jù)通常是在邊界或者目前尚未解決的場景。張放補(bǔ)充到，在此環(huán)節(jié)，智行者先采用仿真系統(tǒng)測試一遍算法模型，之后再將有效的數(shù)據(jù)運(yùn)用到真實(shí)車輛進(jìn)行試驗(yàn)。這樣做可以提升開發(fā)效率。

綜上，智行者用在夯實(shí)能力的基礎(chǔ)上，使用了產(chǎn)品策略來實(shí)現(xiàn)其從特殊場景、特種車輛等場景延伸至乘用車領(lǐng)域。

“必經(jīng)戰(zhàn)事”：商業(yè)化場景落地

今年 8 月初，百度發(fā)布了一個(gè)聲明：已獲得中國武漢、重慶兩個(gè)城市的批準(zhǔn)，可以向乘客提供全無人駕駛網(wǎng)約車（ Robotaxi ）有償服務(wù)。但這并不意味著無人駕駛可以進(jìn)行大范圍商業(yè)應(yīng)用。只有達(dá)到現(xiàn)有網(wǎng)約車相同的實(shí)用性，徹底拿掉安全員、不限目的地、不限區(qū)域的自動(dòng)駕駛，才是真正的商業(yè)化。我們熟悉的理想、蔚來、小鵬以及特斯拉實(shí)質(zhì)上應(yīng)用的都是 L2 級(jí)別的輔助駕駛系統(tǒng)。L5 級(jí)別的自動(dòng)駕駛（完全無人駕駛）實(shí)現(xiàn)還需要很長時(shí)間的探索和落地試驗(yàn)。傳感器、算法軟件等將是無人駕駛技術(shù)本身需要攻克的難關(guān)。另一方面，能否在現(xiàn)實(shí)場景中實(shí)現(xiàn)無人駕駛與整個(gè)交通體系密切相關(guān)，這又取決于智慧交通的發(fā)展。

在這篇文章創(chuàng)作之初，InfoQ 編輯曾聯(lián)系過多家曾經(jīng)投出了自動(dòng)駕駛明星項(xiàng)目的早期投資機(jī)構(gòu)。事實(shí)上，已經(jīng)有投資機(jī)構(gòu)將注意力轉(zhuǎn)移到了其他領(lǐng)域。有關(guān)人士指出，目前各個(gè)賽道的競爭格局已經(jīng)形成，加之技術(shù)創(chuàng)新周期長的原因，接下里的競爭主要集中在商業(yè)化落地場景中。此前，畢馬威中國則預(yù)測，中國主要城市將在 2030 年實(shí)現(xiàn)自動(dòng)駕駛的大規(guī)模應(yīng)用。自動(dòng)駕駛很可能在下個(gè)十年以網(wǎng)約車或物流配送車的形式進(jìn)入市場。

據(jù)智行者介紹，其已在特種場景和室外無人環(huán)衛(wèi)車細(xì)分市場中進(jìn)行了布局，且所占市場份額不低。此次發(fā)布的高速領(lǐng)航系統(tǒng) H-INP（Highway – Idriver+ Navigation Pilot）表明智行者正式進(jìn)入了乘用車領(lǐng)域。未來，還將打造適用于城市場景的城市領(lǐng)航系統(tǒng) C-INP 系統(tǒng)，可實(shí)現(xiàn)不同時(shí)段（白天 / 夜間），人車混行交通流下的輔助駕駛。

上述的感知與決策模塊，以及商業(yè)化場景落地探索問題，都可以采取產(chǎn)品策略進(jìn)行緩解。但是，還有許多業(yè)內(nèi)人士指出，算力已是制約當(dāng)前自動(dòng)駕駛向前發(fā)展的一個(gè)重大考驗(yàn)，同時(shí)也是自動(dòng)駕駛系統(tǒng)得以大規(guī)模落地以及進(jìn)一步實(shí)現(xiàn)商業(yè)化的前提條件。在提及算力之前，當(dāng)前芯片短缺已成為汽車行業(yè)的巨大痛點(diǎn)。

審核編輯 ：李倩