【汽车与环境】圆桌讨论:自动驾驶的关键技术与挑战

盖世汽车综合 2017-12-09

核心提示:2017年汽车与环境创新论坛-盖世直播!

11.jpg

白杰:自动驾驶和现有的技术以及IT企业提倡的无人驾驶,对于我们产业来说现在是无人不晓,但是大家所处的位置不一样,有些是学术界,有一些则来自企业、大学、相关供应商,因此战略和思路也会不一样,思考和想法也不一样。这里先问一下邓教授对现在汽车产业自动驾驶的看法?

邓伟文:这个问题很大。汽车是一个比较传统的行业,过去一百多年主要是在动力方面进步很快,特别是新能源汽车,自动驾驶使得我们重新认识汽车。从教育和学术研究的角度,首先看我们的需求和研究对象,随着自动驾驶的功能变化,汽车的环境变的极其复杂,我们对环境的理解、感知、认知,是我们过去传统汽车里没有的,使得我们汽车学科进一步拓展到别的学科项目,如电子信息和人工智能。而从学术研究、人才培养角度,既要扎实机械车辆工程和动力学的训练,也要组成交叉学科,包括电子信息、人工智能技术,还有围绕我们感知决策带来的新的技术,对于学术界是一个机遇,同样也是一个挑战。

白杰:非常感谢邓教授,从学科建设和教育角度看待自动驾驶和汽车产业问题。学校的自动驾驶多少离现实的自动驾驶有点远,所以请刘院长谈谈汽车产业里看自动驾驶将是怎样的途径?

刘卫国:我们虽然是汽车企业,但是现在也向更智能化、物联化的方向发展。交通工具的智能化,最早人类没有交通工具,是靠双腿,但是车作为交通工具的时候,智能化变的很低了,是机械的执行。到现在把机械的车变成具有智能化的产品,我们是传统汽车做起的,肯定是想一步一步的实现这个过程,从最低端做辅助驾驶,再到功能的叠加,最终把智能化做起来。当然这是为了市场和商业模式做的,我们也在开展完全的无人驾驶项目研究,研究的根本目的还是为了把一些具体功能应用到产品中,最终从属一个功能,有效的提高产品竞争力。

白杰:现在汽车公司很多都在做L4、L5的自动驾驶,这个对于中国的汽车企业来说可能也是一个机会,汽车厂把精力放在先行技术开发上,有可能是好事。但是我希望汽车公司在做L4、L5的时候,千万别过三五年以后出不了产品就停了,希望L4、L5真正的作为一个先行技术开发,坚持干十年、十五年,这样才能真正的把自动驾驶落地。在这个过程中,在座的传感器供应商,在这个过程中,主机厂在做开发,供应商才有国产化的机会,主机厂如果不做,对国内的供应商匹配还是很难的,可能时间上有些不够,请唐总作为代表,谈谈在智能化的过程里,作为供应商有什么烦恼?

唐锐:真正的L4、L5要没有决心干十年二十年,L5是挺难完全走到我们生活中。在这个过程中,我们有比较明确的思路,今天的市场机会也要有L2的产品形态,同时也要跟主机厂一起并肩,做一些国内比较适合的L4、L5的产品。另外比较幸运的,能够跟国内很多主机厂合作。

确实这个过程很艰辛,作为一个本土的供应商,在这个层面上已经跟全球的供应商同台竞技了。相对新兴的企业来讲,一开始在采购和体量各方面都是比较弱小的,我们蛮希望得到主机厂给我们条件支撑我们往前走。但是这个环境又不会太快,因为这是一个商业化的过程,你得拿出足够优质、足够便宜的产品才能被主机厂接受。这一点企业自身一定要有这个意愿和决心,能够支撑我们走下去,在大环境下,主机厂对我们总体来讲是很支持的。另外,我们也看到从资本市场或者国家政策引导及扶持也有很多支持力度,所以这些东西是支持我们往前走的。

从L4、L5的策略来讲,要做好准备一步一步的实现。我们做自主泊车,这是一个L4级别的产品,大家在谈L4的时候,都在谈很多限定场景的,其实真的要做也要有耐性,可能一个场景一个场景做,L4就可以做很多方面。所以从这个策略上,从产品形态上也可以逐步的走,我觉得挺不容易的。但是这是一个大时代的背景,中国一定会出来优秀的、在国际上有竞争力的供应商,在这个大的环境背景下,国内的汽车产业和核心零部件开发,一定能在这个里面出来好几家伟大的企业。

提问:刚才李总介绍现在在做一些实用场景,上面几位有做激光雷达和毫米波雷达的,这样未来是否可能用某一家公司的系统进行数据采集?

李霖:我们采用了多个不同层级的设备采集数据,我们现在初期是一千辆车的规模,后面可能更大,如果全部布激光雷达成本会非常高,所以我们会使用不同层级采集数据,少量车上是全部覆盖的模式,这样采集的数据非常精确,或者存储去构建仿真工具等等一些开发和应用。但是从成本角度讲,目前更大规模的还是基于数据采集,其中还有毫米波雷达,一方面从成本角度考虑,另外从数据获取丰富度考虑。

提问:飞机早就是自动驾驶了,但是飞机止步于L3,L3之后,除了军用有无人机,在民航里基本没有探索L4、L5。为什么航空止步于L3,没有往前发展?从航空来看,要实现无人驾驶,技术已经具备,价格也不是一个问题,汽车一个激光雷达就装不起,飞机上装两个都行。

宋廷伦:从车的角度肯定不会止步于L3,L4和L5还是会解决根本的人在驾驶过程中的错误,数据统计95%以上的交通事故都是人的因素,这是一方面,另一方面,智能出行也需要L4、L5自动驾驶的能力。我在主机厂做了很多年,是做整车集成的,从这个角度看,现在L4、L5大家谈的很多,也包括在路上偶尔见到有车在跑,不知道是L4还是L5的,反正上面雷达在转。从主机厂角度有两个策略,一方面确实在做L3以后的Demo,主要做技术上的探索,另外一方面也积极做一些量产化的准备,这是两部分,一部分是L5的,一部分是L3的。这两条路线都在走,但是整车集成来讲,L4、L5从主机厂角度应该做一些什么,整车集成传统是三个方面,性能集成、电控和整车集成,我觉得主机厂应该在整车集成上再加一个维度,这个和性能集成、电控集成是有区别的。

从L3到L4、L5确实有几个关键技术问题,但是这些问题还没有找到答案,第一,AI止步在什么地方?第二,大家在讲怎么控制,如果L4、L5真正要做,还有很重要的问题——故障的诊断识别和应对措施。现在有一些基本的挑战,一个是做冗余设计,这个成本各方面都上去了。第二是做重组,第二个方面可能是今后的方向,所以主机厂在这个方面,L4、L5都在积极做准备,朱老师的问题是飞机为什么止步于L3,这个问题真是没有答案。

邓伟文:这个问题帮我们思考这么一个问题,为什么我们要搞L3、L4甚至L5,首先我们要分析汽车的行驶环境和飞机行驶环境区别在哪儿,虽然飞机行驶环境也很复杂,但是飞机总体来讲还是结构化,它的空气动力学很复杂,但是它没有混杂交通,是一个规范的驾驶环境。第二,驾驶员总体是职业驾驶,是受过高度培训的,那么汽车是完全不一样的,中国已经有3亿多的驾驶员,这个门槛并不高。第三,我们的汽车行驶环境极其复杂,除了气象环境以外,还交通环境、混杂交通、道路设施等等。为什么我们讲场景很重要?因为只有场景才能告诉我们,我们究竟有多大的能力,场景才能告诉我们这个产品能不能作为产品交给用户,所以处理场景恰恰是自动驾驶里很重要的挑战。具体来看,第一我要感知,第二面对这个场景做决策判断,这两个因素使得汽车自动驾驶L3是一个悖论。人机共驾里讲首先是要帮助人,但是有些时候我们要依靠人,我希望他接管过去。所以对人的研究,我要了解人,什么时候需要帮助,什么时候可以依赖,传统企业迭代式发展和IT行业一步到位,人是重要的环节,能不能跳过人的这一关?能不能解决跟人友好互动共驾的问题?如果解决不了这个问题,我们一厢情愿说帮助人,但是很大程度上可能是干扰人。所以这个问题是一个挑战,显而易见,L3迈向L4的这条路不是轻而易举的。

提问:这正是我困惑的地方,汽车的不确定性是非常强的,3亿多驾驶员,3亿多个特征,而飞机和高铁是不一样的,明明感觉到不确定事件不多,能实现无人化却没做,汽车实现无人化非常困难,两位都来自高校,但是为什么春风只眷顾汽车不渡玉门关呢?

汤劲松:我从另外一个角度补充一下,这个问题也要从经济学角度来思考,对于汽车来讲,为什么要做无人驾驶,我们要去除驾驶人的成本,整个运营过程中驾驶员成本很敏感。但是对于飞机来讲,飞机造价动辄上亿,驾驶员成本不敏感,所以他没有必要把驾驶员拿掉,反而有驾驶员多一道冗余,如果把驾驶员去掉乘客反而更不放心。今天还有飞行汽车,如果飞行汽车成本也非常低,他是止步于L3还是L5,我觉得还是向L3、L4、L5演进,所以我觉得这是经济学的选择。

白杰:在这个里面除了经济学还有一个问题,飞机一旦出事情代价非常高昂,这种高昂的代价,为什么春风不过去,航空公司不敢过去。汽车出了事故也会死人,但是汽车事故是一个一个死的,反正跟我没关系,社会有选择的意识性,这个事故,整个产业和社会有这个勇气。我现在想往L5走,我们整个交通事故一年死了多少年,但是又有多少人为他哭,有多少人为他笑。但是飞机要掉一架,国家总理都会出来表示哀悼,但是汽车一年死了这么多,整个社会有哀悼吗?没有,我们每年死的就像一场战争里死的人一样。

汤劲松:整个技术革命解放人类,人跟动物比力气不够,速度也不如豹子快,我们做的一切是解放人类,第一是人跟人打交道的感受和效率,另外是跟自然打交道的感受和效率。其实驾驶是短途的解放,飞机是长途解放,在飞机里已经解放了,短途一直没有解放,自动驾驶体验的解放,时间的解放,经验的解放,整个效率解放了。另外一个是感受,解决任何一个东西就有产品了,自动驾驶将来这三个都解决了,交通效率极大提高,时间提升,体验提高,还解决安全问题。这是我们激动的地方,不然我们做一个微观就没有意义了,一旦宏观就很激动了,我想自动驾驶在这个地方是解决这四个问题的关键。

提问:刚才有提到一个问题,采集数据的时候可能需要激光雷达。其实还有一个方案,咱们只需要一个很厉害的传感器模型,这个模型可以将一个物体的运动反馈出来,和实车一样的很真实,可以反馈出和实车一样的效果。对于摄像头来说,摄像头是一个非常逼真的环境,看上去和现实一模一样,可以达到实车效果,在法律环境有没有做一些工作?

李霖:你讲的是应用层面,我们是放在源数据采集层面,我们不知道是什么事情,不知道这个环境怎么样,把这个数据采回来,然后看看这个行为怎么样。对于应用层面,把这个采回来之后,在模拟环境里构建出来,传感器模型把相应的数据得出来,有激光雷达或者毫米波雷达的数据,用传感器模型得到这个,这是应用模型。但是我需要去验证,前期在做采集的时候,我会装一些传感器支撑我做这一块的工作。第二个问题是图像识别,现在有谈到网络等等东西,我可以把这个图象重构出来,甚至可以骗过摄像头,看起来跟真的非常像,这个我们也归在应用层面上,首先知道实际中有这个情况才做这块的工作,这是两个层面的事情。


敬请关注盖世汽车“2017汽车与环境创新论坛”直播专题

提示本文为现场速记,未经专家审核,请勿转载!

相关阅读
新能源汽车发展关键期 压死骆驼的不是补贴退坡

17-12 883

【汽车与环境】圆桌讨论:新能源汽车动力系统及控制技术发展

17-12 1791

【汽车与环境】上海大学罗建教授:轮毂电机与分布式驱动

17-12 2625

【汽车与环境】无锡安飞纤材韩楠林:新能源汽车及零部件轻量化复合材料的经济性门槛和解决方案

17-12 1314

【汽车与环境】圆桌讨论:驾驶辅助到自动驾驶的技术路径

17-12 1291

【汽车与环境】奇瑞智能车技术中心总工程师高继勇:智能车的挑战—深度融合控制大脑和整车电子架构

17-12 1708

【汽车与环境】圆桌讨论:节能车动力系统的变局与挑战

17-12 1084

【汽车与环境】上汽前瞻研究部燃料电池系统部总监陈雪松:上汽燃料电池汽车研发和运行情况介绍

17-12 2425

【汽车与环境】混合动力专家、国家“千人计划”特聘专家段志辉:混合动力发展趋势分析

17-12 2733

【汽车与环境】清华大学苏州汽车研究院智能汽车技术研究所所长戴一凡:基于超声波的环境感知与自主泊车

17-12 1676

下载
APP