快捷搜索:  汽车  科技

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)轻车熟路,就是这条新路线的展现形式。核心两方面组成。并正式发布了轻车·熟路系统,一种车路协同新范式。更特殊的是,以如此特殊方式秀出技术和方案实力的,还是一位中国自动驾驶领域的元老面孔:王劲。在四年低调修行之后,王劲带着他的中智行、汇同天翼交通,重新站到台前。

杨净 贾浩楠 发自 凹非寺量子位 | 公众号 QbitAI

苏州街头,来来往往的自动驾驶汽车已是常态,但今日车流之中,有一辆车不同寻常。

它的传感器,包括激光雷达在内,全部被遮掉,却依然能在公共道路上畅然无阻。

即便遇到一些复杂的交通场景,比如红绿灯路口、无保护右转,还是像一些偶发状况,加塞车辆避让、人车混杂的路口,都能从容应对。

更特殊的是,以如此特殊方式秀出技术和方案实力的,还是一位中国自动驾驶领域的元老面孔:

王劲

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(1)

在四年低调修行之后,王劲带着他的中智行、汇同天翼交通,重新站到台前。

并正式发布了轻车·熟路系统,一种车路协同新范式。

轻车熟路系统发布

轻车熟路,就是这条新路线的展现形式。核心两方面组成。

  • 轻车
  • 熟路

这里就不得不简单提一下背后的提出者——中智行与天翼交通之间的关系。

如果说,中智行侧重于车端,探索车如何利用强化了的路端能力形成L4自动驾驶。

中智行参与推动了天翼交通的成立,而天翼交通更偏向于路端的技术研发以及相关的建设,更重要的是,对整个路端资产等平台系统的运营。

换言之,一个侧重于车端,一个侧重于路端,两者合力完成这套车路协同方案。

轻车,轻量化自动驾驶车。无需激光雷达,只需L2 级别的传感器,比如摄像头、毫米波雷达等。

从传感器到算力,都按照L2或者L2 的水平来配置。极端情况下,如用3D打印的罩子和胶布,遮掉车端所有感知设备,纯靠路端感知也能实现L4自动驾驶能力。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(2)

遮住传感器的自动驾驶

在此之前,车路协同的路端通常是个交通感知系统,其置信度、稳定性和智能化程度都难以达到支持自动驾驶的要求。

“熟路”系统,基于全息感知数据、实时计算,然后将结果反馈给车辆,协助其全知全能。这里的全息,既有空间上的连续性,还有时间上的连续性。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(3)

(天翼交通数字孪生平台通过数字化改造实现的“全息智能道路”,可将现实世界和数字世界实时孪生映射)

换言之,就是相当于从过去的3D感知升维到了现在的4D感知。

高空路端部署可以实现上帝视角(物理BEV),感知到路上的所有参与者,包括行人、汽车、电动车的运动,对视线盲区、超视距等范围也能感知,以实现空间的连续性。

而正因为路端的持续运转,对交通状况,每个参与者的观察也是连续的——哪些是故障车被迫停靠,哪些又是正在行驶都能被感知到。

比如就像遇到故障车占用右转车道这种情形。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(4)

(P.S. 车内系统,利用路端时空连续和背景固定的特性,灰色模块即为暂时停留的车辆,黑色模块为停留了很久的车辆,蓝色即为正在行驶的车辆;故障车则会出现红框。)

更为关键的是,这种时间维度信息的收集,不仅有助于对目标意图理解和轨迹预测,还能让人工智能拥有“认知”能力。

车路协同在面对陌生障碍物时系统能跟着人类学习如何应对,某种程度上还解决自动驾驶的长尾问题。

除了最为显性的效果——感知能力增强以外,在通讯低延时、系统稳定性等问题上也有所突破。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(5)

首先是通讯方面,作为车路协同另一大核心问题。如果车与路之间没有强大的通讯能力,就算路端感知到突发情况,没有及时将数据传输到车端,那同样无济于事。

一般来说,为了保证其可靠性,路端时延需与车端平齐,得严格控制在一个低水平且稳定的范围。

在感知的召回率达到99.99%的置信度水平的基础上,天翼交通在引入通讯切片技术,部署微基站、设计全新通讯协议架构等工作下实现低时延高可靠通讯能力:

  • 通讯空口时延平均在20毫秒,P99(在99%的情况下)延迟<30毫秒
  • 端到端(即从感知、计算、到预测和规控的环节)的P99延迟<240毫秒。

而且因为道路上的基础设施,可以在硬件设备、软件系统上实现7*24小时长时间稳定运转。

这期间还能不间断地积累数据、迭代算法能力。

当然,还有一个更实际的好处,那就是算力成本的问题。

利用路端的边缘计算和云计算平台,可依据实际需求充分调用海量的算力。

发布会现场举了这样一个例子:

每辆车只需50TOPS算力,路端可以保留500TOPS加上云计算,只需毫秒级就从中央数据中心得到几乎无限的算力来支持。

尤其是在面对复杂路况时,车端算力往往会成倍的增长,但有了路端边缘和云计算,负担也就没有那么重。

与之相关的账也很容易算:

苏州全市道路(包括4个代管市)共有城市10 200公里道路。在量产情况下,路端的建设成本在35万/公里左右,总计成本就在35亿左右。

也就是说,35亿的投入,就能让苏州真正成为自动驾驶城市——全境公共道路智能升级。

可见,这套轻车熟路系统实现了三大核心技术的突破:高置信度的感知能力,低延时高可靠的通讯能力,以及系统稳定性。以此带来了自动驾驶在安全、效率、经济方向上的全面升维。

怎么样,是不是与之前公开谈论的自动驾驶路线和思考不太一样?

玩家来自中智行和天翼交通

不是一个常规的自动驾驶公司,不走常见的单车智能技术路线,更不是行业主流的L4商业模式。

以往任何自动驾驶公司,无论是像百度、Waymo这样的科技巨头,还是创业公司,重点几乎都在车端:

如何实现系统的冗余、如何覆盖corner case,怎么平衡性能和成本、怎么满足飞速增长的算力需求……

就像是在一个二维世界从A点到B点,只有在纸面上老老实实走完曲线这一条路。

而中智行和天翼交通,希望从更高的“维度”解决这个问题:

车路协同系统如果够完善,那么就能统一指挥调度所有车辆,由单车智能的L4自动驾驶的单车博弈升级为全局规划。

这就好比把二维平面翻折,在三维空间直接连通了AB两点。

事实上,这套系统和路线背后的核心思考,源自于王劲提出的数字化运营的理念:

通过感知设备收集高质量数据,以数据来驱动三个目标:

  • 技术突破
  • 规模化落地
  • 商业模式的实现。

并表示这将是未来中智行与天翼交通的核心竞争力。

这也与车路协同的最大优势——数据升维有关。

通过在路端7*24小时无间断运转,可积累大规模高质量数据。

以苏州为例,仅机动车每天行驶里程合计就超过1.2亿公里。如果这套系统全面覆盖苏州城市道路,仅一日就可以积累1.2亿公里的行驶数据,其中还包括各种突发情况、交通事故。

以此为基础构建的场景库与数字孪生平台,就能复现整个城市交通全貌,更有助于高质量的机器人学习,帮助人工智能升维以及意图理解能力的构建。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(6)

放在以往,靠单车智能的里程数是在短时间内远远所不能达到的。

有了数据,技术上有了突破——轻车熟路系统,很快就迎来规模化落地,目前中智行与天翼交通就正在推进苏州300公里智慧道路的搭建。

这种模式,其实正是整个自动驾驶行业商业化一直以来探索的一种加速之道。

为什么选择这样车路协同路线?中智行与天翼交通给出了这样的解释:

核心还是单车智能与车路协同之间的区别。单车智能起步快,但发展慢,有技术瓶颈。而车路协同起步慢,不光将可预见的挑战“前置”了,还把单车智能所遇到的技术天花板给降低了。

车路协同,往往伴随基础设施建设相关的工作,而这样的特性,给人的映象往往是投入高、周期长,难度大。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(7)

但天翼交通之不同,是从实际落地的角度,连接上了车路协同的商业闭环。

成本方面,以往单车智能路线堆积的传感器、算力平台,本身就是不小的支出。

但实际使用中,这些算力和传感器在99%的时候实际上都不需要。这也造成当前L4自动驾驶车辆成本仍然居高不下。

车路协同系统,既有云端算力的灵活调配,又能7*24小时不间断收集数据。基建成本在长期来看很容易摊平。

而且最重要的,一个城市或地区的车路协同研发、建设投入,是一个有上限、可以估算的项目,而单车智能则是谁也说不准的研发周期和资金需求。

前面提过的苏州每公里35万元、全境35亿左右的I4全息道路升级成本,就是这样推算出来的,考虑到单车硬件的减配和成本下降,全苏州完全L4升级成本将在250亿左右(含车 路全面升级)——在此之前,究竟要多少投入才能实现城市级自动驾驶?求解者多,给出确数的几乎没有。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(8)

而35亿元,对于自动驾驶行业来说,不是大钱。自动驾驶公司,用掉35亿却仍然没能将L4落地的,其实才是常态。

这也是中智行创立之初,就坚持走车路协同路线的核心原因。

车路协同的“苏州模式”下:中智行提供成熟的自动驾驶技术积累,以及通过对行业的理解,实现了车配置的轻量化,让智能车不再是一个复杂且昂贵的行为。

会上还透露了个目标:量产时将五万以上的单车智能设备降一个数量级,即5000元以下。

这样一来,让主机厂能迅速地将其投放到市场进行前装量产。

而天翼交通为这种全新的L4商业模式,提供基建、5G通信基础支持,把路给做“熟”。

在与车建立起通讯系统的同时,还将各种感知和计算设备从车上拿到,实现配置轻量化和成本大幅降低。

这样将双方优势最大程度发挥、快速量产落地的“苏州模式”,在他们看来是一种“战略级的行业部署”:

(a b)^2=“路对车强赋能”无人驾驶。

a^2代表的是聪明的车;b^2代表的是智慧的路,2ab则是其中最重要的部分,即车和路结合的部分。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(9)

据介绍,他们正要解决的就是聪明车和智慧路真正结合的问题——车怎么充分利用路端的能力、路如何真正赋能车。

中智行率先凭借着四年技术积累,搭建了车路协同技术基础,现如今两者一起朝着不同的侧重点,共同迭代升级这一系统。

车路协同的路线具体怎么走,自动驾驶公司 智能交通运营商联合的方法,很有可能是所有后来者都无法绕开的路径参考。

自动驾驶的三种路线

自动驾驶无论过去还是现在,更多的融资、更多的讨论聚焦,都流向以传感器、算法为主的单车智能路线。

评判自动驾驶模式、能力的好坏,标准通常有3个:

安全性

效率

经济性

这三项标准,直接关系自动驾驶落地的规模、速度。

从这样的标准出发,可以分别对目前自动驾驶落地的3种主要模式做一个判断。

首先是为人熟知的特斯拉模式。这是一条完全依靠单车智能的路线。马斯克的基本逻辑是AI司机应该达到的目标是和人类司机一样,仅凭自身能力应付一切驾驶任务。

而他的方法,则是让全球数百万用户义务当测试员,通过返回的海量数据迭代系统。

效率和经济性,可以通过用户数量和规模买单。但单车智能长久以来的长尾问题很难解决:哪怕1%的场景车端看不到、看不懂以及看不准,就会造成事故。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(10)

第二种,则是谷歌Waymo代表的路线,即以Robotaxi为主,希望在通过仿真或路测把AI司机磨炼到“万无一失”,然后逐渐推广商业化。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(11)

但AI在认知能力、泛化能力等等方面的突破短期难以取得,而谷歌本身的坚持,也使得它长期在封闭固定中测试,数据收集、算法迭代效率有限。

推进10年烧了上百亿美元,也仍然难以在路况复杂城市落地RoboTaxi。

与前两种路线相比,车路协同的比较优势体现在解决效率和落地经济性的同时,也兼顾安全性。

车路协同的上帝视角,可以快速收集、挑选出复杂极端的交通场景,并快速形成可供系统学习的数据集。

这与单车智能自动驾驶系统需要在上百万公里的里程中靠概率去“碰到”长尾场景,效率高得多。

路端全局调控,也能最大程度避免因为车端能力不足造成的事故。

而且,车路协同模式下还有更为关键的“不可复制”性。

车路协同,核心基础是V2X技术,所以要推行,至少满足3个需求:

完善的5G网络、基建能力、地方的配合意愿。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(12)

集这三点于一身的,恐怕只有中国。

中国的5G网络和基建能力不用任何多余的证明,这也是中智行 天翼交通模式能走通的前提。

而要特别强调的,是国内地方对于车路协同路线的高接受度。

对于地方来说,落地车路协同,不仅仅是一张高科技城市名片,还能带动本地的基建、汽车、自动驾驶等等相关产业链的发展。而自动驾驶带来的经济运行效率提升,潜力则难以估量。

所以中智行和天翼交通在苏州高铁新城打造样板间只是第一步。

这也意味着,规模化复制的实践开始了,可以用时间和效果检验,也可以开始迎接外界的评价。

此次中智行与天翼交通提出的轻车熟路系统,对于自动驾驶行业来说,究竟意味着什么?

一方面,技术模式上。以往在车路协同这条路线上,是重车熟路,对车的要求依然很高。而现在开出了新的模式:轻车熟路。

另一方面,商业本质上。“轻车”价值,不光在单车的传感器、算力等等成本节约上。更为深刻的意义,在于首次为高阶自动驾驶落地算了一笔清楚明白的账。

什么时候能实现l4级别自动驾驶(纯路端感知实现L4自动驾驶)(13)

传统的单车智能,投入的资金、时间人力和项目期限,现在没有一家公司有准确估计。

核心矛盾,是目前没有一家企业,能为自己研发的自动驾驶系统给出一个明确定量的可靠性指标,这样一来,自然也就不可能在法规准入、责任划分上有明确定性的结论。

所以只能是“走一步看一步”,没有谁能以终为始,倒推着前进。

但从车路协同的基建的角度入手,技术指标已然明确,所依赖的基础能力,也不再是AI系统生效的概率,而是准确清晰的执行策略。基于此,也就能算出一个L4落地基本确定的成本,真正让自动驾驶落地回归到了商业本质,拥有更加具体清晰的时间表。

往前推7年,王劲曾断言“软件定义汽车”,先引发传统汽车领域哗然,后来逐步被接受,如今则成了几乎所有玩家的共识。

再往前推10年,他是中国第一个自动驾驶事业部的总经理,是最早带队探索自动驾驶从技术创新到商业化的人。

而现在,他说在自己投身自动驾驶第十年之际,是时候再次公开自己最新的自动驾驶商业化实践和思考。

以及更快、更大规模、更低成本地普及自动驾驶的新路线。

这个维度下,中智行 天翼交通所带来的影响,或许也才刚刚开始。

猜您喜欢: