Das 8. China International New Energy Vehicle Forum war Gastgeber. CST Sanjiao Automobile Xiaojun lädt Sie ein, zunächst nachzudenken:
Erstens: Wann wird es in der Automobilindustrie zum autonomen Fahren kommen?
Zweitens: Welche Herausforderungen stehen uns von nun an noch bevor?
Drittens: Was ist ein realistischer Weg zur Realisierung des fahrerlosen Fahrens?
Rationale Sicht auf die Entwicklung der Automobilwissenschaft und -technologie
Derzeit ist die gesamte Branche ziemlich aufgeregt, denn die vier Modernisierungen unserer Automobilindustrie „Elektrifizierung, Intelligenz, intelligente Vernetzung und gemeinsame Nutzung“ treiben tatsächlich den Wiederaufbau der gesamten Branche voran. Als Automobilindustrie blickt sie auf eine mehr als 120-jährige Geschichte zurück, seit Mercedes Benz 1886 das erste Auto erfand.
Allerdings war die Entwicklung der gesamten Automobilindustrie von den 1970er- bis 2000er-Jahren relativ langsam. Ich weiß nicht, ob Sie alle hier nach Stuttgart gekommen sind, um das Museum zu besuchen. Die von Mercedes-Benz in den 1970er- und 1980er-Jahren entworfenen Autos unterscheiden sich nicht sehr von denen aus dem Jahr 2000. Selbst in Bezug auf Kernleistung, Leistungsaufnahme und Fahrzeugarchitektur gibt es keine wesentlichen Unterschiede. In diesen 30 bis 40 Jahren hat sich die Automobilindustrie schrittweise verbessert. Nach 2000 hat die Automobilindustrie eine neue Entwicklungsstufe erreicht und die gesamte Branche hat bahnbrechende Innovationen in Technologie und industriellem Wiederaufbau erlebt.
Wir sollten die Entwicklung auch sehr rational betrachten, sei es die Entwicklung der Elektrifizierung oder die Entwicklung von Intelligenz und Vernetzung, die wir heute diskutieren. Wir sollten den Trend der zukünftigen Entwicklung und sogar den Rhythmus der zukünftigen Entwicklung aus technologischer und industrieller Sicht erfassen, damit alle Teilnehmer das Grundgesetz der Entwicklung dieser Branche in Bezug auf Technologie und die Vorbereitung unseres Geschäftsmodells besser einhalten können. Dies ist der Hauptinhalt, über den ich meine Gedanken teile und den ich heute mit Ihnen besprechen möchte.
Wann wird es eine Industrie für selbstfahrende Autos geben?
Um zum heutigen Thema zu kommen: Zunächst einmal: Wann werden selbstfahrende Autos kommen?
Ich habe auch Präsident Lis Vorhersage zum Zeitplan für das autonome Fahren gehört. Ich stimme Präsident Lis Einschätzung sehr zu. Derzeit gibt es eigentlich zwei Lager für die Anbieter von autonomen Lösungen. Das eine sind die traditionellen Fahrzeugunternehmen wie Mercedes Benz, darunter führende Unternehmen wie Mercedes Benz, BMW, Audi und sogar Ford und GM. Das andere Lager ist das Technologieunternehmen Apollo in China.
Derzeit bringt jedes Unternehmen seine Lösungen auf den Markt, und auch das Niveau ist unterschiedlich. Die traditionellen Fahrzeugunternehmen sind eher das, was wir L2 oder L2 nennen. Natürlich ist die Reife der Technologie unterschiedlich. Die meisten Leute in Technologieunternehmen streben Lösungen über L3 oder L4 an, aber sie befinden sich eher im Entwicklungsprozess einer Schemaüberprüfung.
Jedes Unternehmen hat grundsätzlich den Zeitpunkt der Einführung seines autonomen Systems bekannt gegeben. Gibt es einen Unterschied zwischen der Einführung von Fahrzeugfabriken und der von Technologieunternehmen? Sie können sehen, dass die meisten Unternehmen autonome Systeme über L4 vor 2020 und 2021 einführen. Meiner eigenen Einschätzung nach ist dies auch ein ganz besonderer Zeitpunkt.
Warum glauben Sie das? Schauen wir uns die Daten an. Die Unternehmen, die diese Programme für autonomes Fahren eingeführt haben, sprechen eher von Programmen auf L4-Ebene. Aus diesem Grund haben wir sie für die Straßentests in Kalifornien ausgewählt. Die Straßentests in Kalifornien haben einen Vorteil: Sie sind sowohl in puncto Kilometerleistung als auch bei der Geschwindigkeit führend. Wir haben die Testkilometerleistung von 2017 ausgewählt, die bei etwa 350.000 Meilen liegt. Die Gesamtkilometerleistung anderer Unternehmen ist noch relativ gering. Waymos Testkilometerleistung beträgt 352.545 Meilen, mit 63 Unterbrechungen und 18 Unterbrechungen pro 100.000 Meilen.
Etwa 100.000 Meilen liegen in diesem Bereich. Wenn wir das aktuelle Fahrschema verwenden, gibt es in diesem Lebenszyklus 18 Unterbrechungen. Natürlich muss die Unterbrechung nicht unbedingt zu schweren Verkehrsunfällen führen. Es kann sich um die Aussetzung des Systems oder andere potenzielle Risiken handeln. Unsere Testfahrer unterbrechen das fahrerlose System aktiv.
Wir haben einen Bezugspunkt genannt: funktionale Sicherheit. Unsere Definition von Zeit ist Sicherheit. Wenn wir sie in gefahrene Kilometer umrechnen, gehen wir davon aus, dass wir bei einer Geschwindigkeit von 40 Meilen pro Stunde eine Unterbrechung von 0,00004 pro 100.000 Meilen benötigen. Ich denke, das für mich umgerechnete Ergebnis ist auch relativ akzeptabel. Es bedeutet, dass es pro 40.000 Fahrzeugen einen Unterbrechungsunfall gibt. Das ist, wenn Sie in Zukunft Ihr Leben einer Maschine überlassen. Das ist akzeptabel. Unser Niveau und unsere tatsächliche Fähigkeit, sicheres Fahren zu erreichen, werden immer noch von großen Faktoren beeinflusst, darunter Hardwarefehler und das wahrgenommene Verhalten anderer Fahrzeuge.
Zusammenfassend lässt sich sagen, dass wir zwar ein Konzept für ein autonomes Fahren und ein Pilotprojekt umsetzen können, es aber noch ein weiter Weg ist, bis wir die Anforderungen unserer Fahrzeugvorschriften hinsichtlich zuverlässigem und sicherem Fahren wirklich erfüllen.
Welche Herausforderungen müssen wir bewältigen, um das fahrerlose Fahren zu erreichen?
Was sind aktuell die besonderen Herausforderungen beim autonomen Fahren?
Zunächst einmal ist unsere Hardware-Ausgereiftheit relativ hoch, aber es gibt noch einige Herausforderungen, darunter die Zuverlässigkeit einzelner Sensoren, einschließlich Laser, Radar und Kamerakopf. Sie alle haben in bestimmten Szenen gewisse Einschränkungen. Wir müssen ein Kombinationsschema für mehrere Sensoren erstellen, aber tatsächlich gibt es durch Analyse immer noch unterschiedliche Streitigkeiten und Wege für die fahrerlosen Schemata verschiedener Unternehmen, die noch mehr Überprüfung erfordern, um die optimale Lösung zu erreichen.
Darüber hinaus sind die Entscheidungsfindungsverbindung und die Berechnung im Hochleistungsbereich, einschließlich einiger Entwicklungen und Anwendungen des Controllers, erforderlich. Obwohl es keine groß angelegte Massenproduktion von Aktuatoren gibt, fällt es uns in dieser Hinsicht natürlich schwerer. Einschließlich der Wahrnehmungsverbindung, unseres Algorithmus, der Genauigkeit der Computervision, einschließlich der Methode der Multisensor-Datenfusion, einschließlich der Anwendung von Vermessung und Kartierung und Echtzeitaktualisierung, stehen wir noch vor vielen Herausforderungen und es muss noch viel Arbeit in diesen Bereichen geleistet werden. Im Bereich des Tiefenlernens und der Rollenverbindung optimieren wir sehr schnell, aber im Bereich der neuronalen Netzwerke und des maschinellen Lernens benötigen wir noch viel virtuelle Überprüfung, um die Genauigkeit unseres Algorithmus kontinuierlich zu verbessern.
Unsere Hardware hat eine gute Grundlage, aber es gibt noch viel zu tun. Unsere Software-Herausforderung ist noch sehr groß. Hier sind mehrere typische fahrerlose Systemschemata, darunter Waymo, Cruise und Audi.
Cruise definiert sich als Technologieunternehmen und wird sich zunehmend für hochpräzises Lidar als eine der Kernhardware für die Wahrnehmung entscheiden. Als Ergänzung zum hochpräzisen Laserradar verlassen sich unsere Unternehmen stärker auf das hochpräzise Laserradar. Unterschiedliche Unternehmen haben unterschiedliche Ausgangspunkte und Wege, auf die ich später näher eingehen werde.
Eine wichtige Frage: Welcher Weg ist für die endgültige Lösung des unbemannten Fahrens in der Zukunft besser geeignet, Lidar oder Computervision? Tatsächlich sind die Vorteile von Lidar sehr offensichtlich. Es bietet gute Leistungen in Bezug auf Erfassungsentfernung, Erfassungsgenauigkeit und verschiedene Branchen und Minen. Die anfänglichen Kosten sind relativ hoch, aber wir sehen die jüngste Entwicklung der Lidar-Industrie, einschließlich der Entstehung von Festkörper-Lidar, und die Kosten werden bald eliminiert.
Die Kosten für Computer Vision sind relativ gering, aber Szenen wie das Durchqueren von Tunneln und Dunkelheit weisen bei dieser Art von Szenen große Mängel auf. Darüber hinaus hängt Computer Vision von der Geschwindigkeit unserer Algorithmen und Prozessoren ab, was ebenfalls ein Nachteil ist.
Meiner persönlichen Einschätzung nach werde ich nicht sagen, dass eine Route oder welche Route in Zukunft eine andere Route besiegen muss. Ich meine, dass Lidar und Computer Vision sicherlich die beste Fusion finden werden, da Lidar selbst verschiedene Routenoptionen hat und schließlich die beste Routenauswahl findet. Diese Routenauswahl ist die wichtigste Überlegung.
Decken Sie zunächst alle wahrgenommenen Szenen ab.
Zweitens verfügt es über eine gute Zuverlässigkeit, einschließlich der Redundanz von Hardware und Software.
Drittens sind die Kosten akzeptabel. Diese Branche befindet sich noch in der Phase der Erkundung und der Suche nach einer ausgewogeneren Lösung.
Viele Unternehmen forschen und entwickeln derzeit an autonomen Systemen und ignorieren dabei häufig die Rolle der sogenannten Internettechnologie im Bereich autonomer Fahrzeuge. Warum schenken wir der Intelligenz von Fahrrädern mehr Aufmerksamkeit? Zunächst einmal ist das Problem relativ einfach zu lösen. Aus der Perspektive der gesamten Gesellschaft und des gesamten Transportsystems müssen wir das Auto in Zukunft jedoch zunächst in die gesamte Gesellschaft bzw. das gesamte Transportsystem integrieren, da das Auto selbst auch in andere Transportmittel integriert werden muss.
Zweitens sollten wir berücksichtigen, dass die Infrastruktur beim autonomen und assistierten Fahren eine gewisse Hilfe sein kann. Mit der Entwicklung der Internetverbindungstechnologie gibt es viele Anwendungsszenarien für die Informationsinteraktion mit Fahrern. Mit der Entwicklung der Technologie kann jedoch auch die eigentliche Internetverbindung eine große Rolle spielen. Durch die Entwicklung von V2X kann die Genauigkeit unserer Wahrnehmung erheblich verbessert und unsere Sicherheit durch die gegenseitige Wahrnehmung verbessert werden. Gleichzeitig werden auch die technischen Kosten für die Realisierung einer effektiven Wahrnehmung gesenkt. In der realen Phase des autonomen Fahrens kann das IOT auch eine sehr wichtige Rolle bei der Entscheidungsfindung und der Steuerungsinteraktion spielen. Das Fahrzeug und die Infrastruktur können durch die Interaktion bei der Entscheidungsfindung die Genauigkeit des Algorithmus verbessern und auch unseren Rechenaufwand für die Hardware reduzieren.
Eine weitere Herausforderung ist auch die Richtung unserer Diskussion. Die neue Generation der elektronischen und elektrischen Architektur von Kraftfahrzeugen, von der verteilten ECU-Steuereinheit bis hin zu unserer Automobilarchitektur mit Bus als Kern, ist derzeit unser wichtigstes Architekturschema. Im nächsten Schritt, mit der intelligenten Netzwerkverbindung, kann die aktuelle Architektur jedoch die Anforderungen der zukünftigen Entwicklung nicht erfüllen. Dies erfordert zunächst die Entwicklung der Bustechnologie selbst, einschließlich der Ethernet-Technologie, da wir derzeit feststellen, dass die Datenübertragung im großen Maßstab großen Einschränkungen unterliegt. Zu diesem Zeitpunkt sollten unsere neuen Übertragungsmedien darin eingeführt werden.
Darüber hinaus haben wir das Konzept des Domänencontrollers und sogar das Konzept der zentralen Verarbeitungseinheit und der zentralen Verarbeitungseinheit der Zukunft. Domänenprozessoren haben viele verschiedene Domänen, wie z. B. die Fahrzeugkarosseriedomäne, die Antriebsdomäne, die Infotainmentdomäne usw. Jedes System hat einen Domänencontroller. Einerseits hat er auch die Funktion der Informationsverarbeitung und der Entscheidungs- und Kühlfunktion. Der Domänencontroller verfügt über Rechenleistung. Durch diese Fähigkeit besteht das Risiko technischer Auswirkungen auf das gesamte elektronische und elektrische System. Zweitens erfüllt er den Bedarf an einer großen Menge verteilter Rechenleistung in der zukünftigen Phase der intelligenten Vernetzung, die die Entwicklung der Automobilelektronik und -elektrik als gesamtes Fahrzeug umfassen sollte. Die Anpassung an die Entwicklung intelligenter Netzwerktechnologie in der Zukunft bringt neue Herausforderungen mit sich.
Unser Unternehmen hat auf diesem Gebiet viel Arbeit geleistet und betreibt auch Forschung auf diesem Gebiet.
Ein weiterer Faktor sind die Kosten. Nehmen wir als Beispiel das Radar für autonomes Fahren. Die Kosten für das Radar sind nicht dasselbe wie für das Produkt (es kann falsch sein), aber sie haben auch eine gewisse erklärende Bedeutung. Tatsächlich hat das optionale Lidar-System auf dem Markt von einem sehr hohen Niveau, vom Lidar, das Waymo 2012 verwendete, bis zum Festkörper-Lidar, das in der Produktion verwendet wird, der Lidar-Preis stark gesenkt und die Kosten werden stark reduziert. Die Kosten sind derzeit ein wichtiger Faktor, aber dieser Faktor wird bald überwunden sein.
Zusammenfassend sind in der zweiten Phase die wichtigsten Herausforderungen zu bewältigen, die wir bewältigen müssen, um autonomes Fahren zu realisieren:
1. Die Hardware ist grundsätzlich relativ ausgereift, aber die Hardware-Kombination von Wahrnehmungsprozessen und der sinnvollsten Architektur muss noch weiter erforscht werden. Was die Rechenleistung betrifft, ist die Entwicklung von Prozessoren mit hoher Rechenleistung und geringem Stromverbrauch ein weiteres Innovationsfeld, das derzeit bearbeitet werden muss. In der Netzwerktechnologie gibt es für unsere infrastrukturbezogenen Hardwarelösungen noch viel zu tun.
2. Im Bereich der Software bestehen größere Lücken, insbesondere bei der Verknüpfung des vertieften Lernens, das für die weitere Ausbildung eine große Datenmenge erfordert, und es bestehen große Lücken hinsichtlich der Möglichkeit, Funktion und Sicherheitsredundanz der Software.
3. Testüberprüfung: Wir können uns nicht nur auf den tatsächlichen Straßentest verlassen, der erste dauert lange und der zweite ist teuer. Die größte Schwäche des Straßentests besteht darin, dass er das Problem extremer Szenarien nicht lösen kann. Es ist oft möglich, besser kontrollierbare Szenarien vorherzusagen, aber das Wichtigste für uns, um gründlich zu lernen, ist die Lösung der Szenarien, die wir normalerweise nicht erwarten können. Im Gegenteil, diese Szenarien können nicht durch den tatsächlichen Straßentest gelöst werden. Zu diesem Zeitpunkt sollten wir uns mehr auf andere Trainingsmethoden verlassen, einschließlich virtueller Tests und simulierter Lagertests, was ein wichtiger Faktor ist, um den Grad unseres Softwarealgorithmus zu beschleunigen.
4. Die Kosten dieser Branche sind das Gesetz von 20 und 80. Wir müssen viel arbeiten, um die Funktionen zu realisieren, die wir brauchen. Aus technischer Sicht sind nur 20% F&E-Investitionen erforderlich. Obwohl wir 20% technische Hindernisse zu überwinden haben, sollten wir nicht zu optimistisch sein. Aus Sicht der Technologiebranche sind 80% oder sogar noch höhere Investitionen erforderlich, um 20% Technologie zu überwinden. Ich bin nicht so optimistisch, was die Reife des autonomen Fahrens angeht. In Bezug auf das Ausmaß wird es mindestens nach 2030 sein.
Was ist ein realistischer Weg zur fahrerlosen Realisierung?
Für echte Experimente auf L4-Ebene sollten wir das Konzept der geografischen Abgrenzung berücksichtigen. Wenn wir über automatisches Fahren sprechen, können wir das Konzept der geografischen Abgrenzung nicht ignorieren. Echtes autonomes Fahren wird in zehn Jahren endgültig in der gesamten Szene realisiert. Wir dürfen nicht warten, bis dieser Prozess die Endphase erreicht hat. Wir müssen die Szene neu gestalten und die Szene anwenden, damit unsere fortschrittlichen fahrerlosen und automatischen Fahrsysteme unseren Verbrauchern früher und schneller zugute kommen, damit wir sie in bestimmten Szenen verwenden können, einschließlich der Frage, ob sie in verkehrsreichen Situationen und in speziellen Szenen verwendet werden können, die Präsident Li gerade vorgestellt hat.
Verschiedene Lager verfolgen unterschiedliche Wege, um unser ultimatives Ziel des autonomen Fahrens zu erreichen. Traditionelle OEMs betrachten immer noch das Problem der Massenproduktion von Fahrzeugen. Oft ist L2 der Kern unserer aktuellen Arbeit, sodass mehr Hilfsfahrfunktionen und bedingte autonome Funktionen in der Massenproduktion unserer Fahrzeuge eingesetzt werden können. Als Technologieunternehmen konzentriert es sich mehr auf den L4-Standard und höher.
Hier möchte ich einem Unternehmen, das in der gesamten Branche der autonomen Fahrzeuge tätig ist, einen Vorschlag machen, egal ob es sich um Hardware- oder Softwarelösungen, einschließlich Systemintegration, handelt. Für wirklich autonome Unternehmen über L4-Ebene, wie einige führende Unternehmen, sei es Waymo, Baidu oder Apollo, kann die Entwicklung auf Plattformebene in zehn oder fünfzehn Jahren abgeschlossen sein, egal ob es sich um Softwareplattformen, Hardwareplattformen oder Algorithmenplattformen handelt. Da es Zeit hat, langfristige technische Investitionen zu tätigen, hat es auch die Möglichkeit, die gesamte Branche dazu zu bringen, sich langsam auf seine Plattform zu konzentrieren.
Obwohl ich als Geschäftsmann nicht bereit bin, dies zuzugeben, ist der Bereich der selbstfahrenden Autos das Modell zur Realisierung unserer Mobiltelefonlösungen, und ich denke, dass dies immer noch sehr gut möglich ist. Google als Anbieter des Android-Systems und unserer Mobiltelefonunternehmen als Anwendungssoftware und -hardware ist eine relativ praktikablere Lösung mit geringeren industriellen Investitionen, und diese Lösung hat größere Erfolgschancen. Daher benötigen wir Unternehmensplattformen wie Google und Baidu, aber diese Plattform ist kommerziell. Von jetzt an ist es ein langer Prozess, bis die Technologieforschung und -entwicklung kommerzialisiert wird.
Als kleines und mittleres Technologieunternehmen haben Sie bei der Herstellung von Hardwareprodukten und Softwarelösungen nicht so viel Zeit. Ihre Forschung und Entwicklung konzentriert sich mehr auf Modularisierung und Reduzierung
Wenn Sie Ihre eigenen Produkte, Marken oder Software für Müdigkeitsmonitorsysteme entwickeln möchten, zögern Sie bitte nicht, Kontakt aufzunehmen [email protected] , wir werden Sie nicht im Stich lassen.