自動駕駛無疑是汽車行業(yè)為用戶描畫的一張“大餅”,,能夠手離方向盤,將開車這種枯燥乏味且極具風(fēng)險的“力氣活兒”變成一種享受,太有誘惑力了。
但現(xiàn)實(shí)是,吆喝了很多年,,我們似乎離真正的自動駕駛還有相當(dāng)?shù)木嚯x。如果你找個業(yè)內(nèi)人士聊聊,,他可能會列舉出從技術(shù)到安全,,從商業(yè)模式到法律法規(guī)等一系列苦衷,借此來向你說明自動駕駛的“路漫漫其修遠(yuǎn)兮”,。但是理由再多,,趨勢在那兒,面對這個人人都在為之而奮斗的終極目標(biāo),,恐怕是有條件要上,,沒有條件創(chuàng)造條件也要上。但是這條路究竟應(yīng)該如何走,,如何走得更順,,就需要一個合理的規(guī)劃了。
其實(shí)從技術(shù)上來講,,實(shí)現(xiàn)自動駕駛一直面臨著一個擴(kuò)展性的問題,,因?yàn)樽詣玉{駛的終極目標(biāo)是根據(jù)分級、分階段實(shí)現(xiàn)的,,而不是一步到位,,因此在這個漫長的過程中如何打造一個可擴(kuò)展的技術(shù)架構(gòu)去應(yīng)對所有自動駕駛級別在算力、安全性等方面的要求,,就成了一個十分重要的命題,。而且這樣的可擴(kuò)展的架構(gòu),對于在這個過程中形成高中低端的差異化產(chǎn)品,,適應(yīng)不同用戶市場的需要,及時將技術(shù)投入變現(xiàn),,也大有裨益,。
自動駕駛的分級
為了完美地解答這個問題,我們還是要先回到自動駕駛的分級上。按照美國汽車工程師學(xué)會SAE給出的定義,,自動駕駛從L1到L5分為五級,,分別對應(yīng)著駕駛支持、部分自動化,、有條件自動化,、高度自動化和完全自動化。
自動駕駛的分級說明
從圖中不難看出,,各個級別之間的差異是根據(jù)駕駛控制權(quán)的歸屬來界定的,,自動駕駛級別越低,駕駛員對車輛的控制權(quán)就越強(qiáng),。比如在L1中,,包括自動巡航、自動制動和車道保持等幾個內(nèi)容,,它們實(shí)際上只允許車輛在一個方向上做加速或減速的自動控制,,而不包括轉(zhuǎn)向的操作,駕駛員仍然對車輛具有絕對的控制權(quán),,必須通過親自觀察環(huán)境做出正確的判斷和決策,;而到了L5,車輛則處于無需駕駛員干預(yù)的完全自動化狀態(tài),,在大多數(shù)情況下駕駛員甚至對車輛的駕駛沒有“發(fā)言權(quán)”,。
從這個分級規(guī)則中我們也可以看出,在L3到L4之間,,其實(shí)存在一個很高的“臺階”,。如果說,從L1到L3的自動駕駛系統(tǒng)還是一個駕駛員導(dǎo)向的產(chǎn)品,,核心要義還是由人去操控汽車,,那么到了L4和L5,汽車基本上就等同于一個機(jī)器人了,,在大多數(shù)情況下是處于與“人”切斷聯(lián)系的狀態(tài),,自主運(yùn)行。也可以說從L1至L3,,產(chǎn)品廣告詞吹得再玄妙,,也還是ADAS,只有到了L4和L5,,才是真正進(jìn)入了的自動駕駛的境界,。
從L1到L5的這種跨度,反觀上文中所提到的技術(shù)架構(gòu)的可擴(kuò)展性,,就顯得更具挑戰(zhàn)性了,。
可擴(kuò)展的技術(shù)架構(gòu)
想要解決這個問題,,首先需要在深入理解的基礎(chǔ)上對其進(jìn)行簡化。目前業(yè)內(nèi)一種比較主流的認(rèn)知是,,可以將自動駕駛決策(THINK)分為兩個部分(域):一個是感知和建模(Perception and Modeling),,一個是安全計(jì)算(Safe Computing)。
具體來講,,感知和建模是對來自車輛傳感器的數(shù)據(jù)進(jìn)行特征提取,、分類、識別,、跟蹤等處理,,得出目標(biāo)是什么、目標(biāo)的XYZ坐標(biāo)位置,,以及目標(biāo)移動的速度和角度等信息,,并輸出一個網(wǎng)格圖。而感知和建模域的輸出,,則可作為安全計(jì)算域的輸入,,安全計(jì)算要做的就是將目標(biāo)的網(wǎng)格圖與環(huán)境信息融合,進(jìn)行最佳路線的規(guī)劃,,并動態(tài)預(yù)測未來幾秒內(nèi)可能的變化,,其計(jì)算結(jié)果輸出為車輛加減速和轉(zhuǎn)向兩種控制信號,這樣的計(jì)算處理過程反復(fù)進(jìn)行,,就可形成連貫的自動駕駛行為,。
由于感知和建模、安全計(jì)算這兩個域的功能不同,,具體的技術(shù)訴求也是不同的,,這主要反映在功能安全性和計(jì)算效率上。
對于感知和建模來說,,由于前端輸入來自多個傳該器——包括攝像頭,、毫米波雷達(dá)和激光雷達(dá)三種類型——為了適應(yīng)復(fù)雜應(yīng)用場景,至少需要兩種傳感器去滿足全面,、準(zhǔn)確的數(shù)據(jù)獲取要求,,這種傳感器的多樣性和冗余性,使得單一傳感器的感知和建模系統(tǒng)只需滿足ASIL-B的功能安全要求,,即可在整體上達(dá)到ASIL-D的功能安全水平,。而在算力上,定點(diǎn)計(jì)算即可滿足大多數(shù)感知和建模數(shù)據(jù)處理的要求,。
而安全計(jì)算則很不一樣,,由于經(jīng)過傳感器融合之后,沒有了數(shù)據(jù)的多樣性和冗余性,,因此安全計(jì)算處理器必須要達(dá)到ASIL-D的功能安全要求,。同時由于計(jì)算復(fù)雜性要高,,必須同時使用定點(diǎn)運(yùn)算和浮點(diǎn)運(yùn)算——浮點(diǎn)運(yùn)算主要是進(jìn)行向量和線性代數(shù)加速——而且從安全性的角度,神經(jīng)網(wǎng)絡(luò)因?yàn)椴荒芑厮荻鵁o法勝任,,因?yàn)楸仨毷褂么_定性的算法,這些計(jì)算效率上的要求,,都需要與其相適應(yīng)的計(jì)算架構(gòu)的支持,。
試想一下,如果用單一的計(jì)算架構(gòu)去同時完成感知和建模,、安全計(jì)算兩個任務(wù),,顯然是不經(jīng)濟(jì)的,而且喪失了靈活性,。比如,,當(dāng)你希望擴(kuò)展傳感器的數(shù)量或類型時,就不得不對整個處理器結(jié)構(gòu)進(jìn)行替換,。所以一種可擴(kuò)展架構(gòu)的思路就是,,分別為兩個域設(shè)計(jì)不同的處理器芯片與之相對應(yīng),這樣后續(xù)的系統(tǒng)擴(kuò)展升級也會更容易,。
這樣一來,,一個架構(gòu)就可以滿足從L1到L5所有自動駕駛級別的技術(shù)要求,開發(fā)者不論是做面向未來的技術(shù)探索,,還是做針對當(dāng)下市場需求的產(chǎn)品研發(fā),,都可以進(jìn)退有據(jù),游刃有余,。有了這樣的認(rèn)識和技術(shù)支撐,,在通往自動駕駛的臺階上,前行的步伐也會更篤定,。