Möglicher Weg von ADAS zu fahrerlos

Gastgeber des 8. China International New Energy Vehicle Forums . CST Sanjiao Automobil Xiaojun lädt Sie ein, zuerst nachzudenken:

Erstens, wann kommt das fahrerlose Auto in der Automobilindustrie?

Zweitens: Vor welchen Herausforderungen stehen wir von jetzt an noch?

Drittens, was ist der realistische Weg der fahrerlosen Realisierung?
Rationale Sicht auf die Entwicklung der Automobilwissenschaft und -technologie
Die ganze Branche ist derzeit in Aufregung, denn die vier Modernisierungen unserer Automobilindustrie „Elektrifizierung, Intelligenz, intelligente Vernetzung und Sharing“ treiben tatsächlich den Umbau der gesamten Branche voran. Als Automobilindustrie blickt sie auf eine mehr als 120-jährige Geschichte zurück, seit Mercedes Benz 1886 das erste Auto erfand.
Von den 1970er Jahren bis 2000 war die Entwicklungsgeschwindigkeit der gesamten Automobilindustrie jedoch relativ langsam. Ich weiß nicht, ob Sie alle hier nach Stuttgart gekommen sind, um am Museum teilzunehmen. Die von Mercedes-Benz in den 1970er und 1980er Jahren entworfenen Autos unterscheiden sich nicht wesentlich von denen des Jahres 2000. Auch in Bezug auf Kernleistung, Leistungsentfaltung und Fahrzeugarchitektur gibt es keine wesentlichen Unterschiede. In den dreißig oder vierzig Jahren wurde die Automobilindustrie schrittweise verbessert. Nach dem Jahr 2000 hat die Automobilindustrie eine neue Entwicklungsstufe durchlaufen, und die gesamte Branche hat eine bahnbrechende Innovation in Technologie und industriellen Wiederaufbau eingeleitet.
Wir sollten auch die Entwicklung sehr rational betrachten, sei es die Entwicklung der Elektrifizierung, einschließlich der Entwicklung von Intelligenz und Vernetzung, über die wir heute sprechen. Wir sollten den Trend der zukünftigen Entwicklung und sogar den Rhythmus der zukünftigen Entwicklung aus der Perspektive von Technologie und Industrie erfassen, damit alle Beteiligten das Grundgesetz der Entwicklung dieser Industrie in Bezug auf Technologie und Vorbereitung unseres Geschäfts besser einhalten können Modell. Dies ist der Hauptinhalt, über den ich meine Gedanken teile und den ich heute mit Ihnen diskutieren möchte.
Wann kommt die fahrerlose Autoindustrie?
Um zum heutigen Thema zu kommen: Wann kommen fahrerlose Autos?

Ich habe auch die Vorhersage von Präsident Li zum fahrerlosen Zeitplan gehört. Ich stimme dem Urteil von Präsident Li sehr zu. Aktuell gibt es eigentlich zwei Lager bei den Anbietern von fahrerlosen Lösungen. Eines sind die traditionellen Fahrzeugunternehmen wie Mercedes Benz, darunter führende Unternehmen wie Mercedes Benz, BMW, Audi und sogar Ford und GM. Ein weiteres Lager ist das Technologieunternehmen Apollo in China.
Mittlerweile hat jedes Unternehmen seine Lösungen auf den Markt gebracht, und auch das Niveau ist unterschiedlich. Die traditionellen Fahrzeugunternehmen sind eher das, was wir L2 oder L2 nennen. Natürlich ist der Reifegrad der Technologie unterschiedlich. Die meisten Mitarbeiter in Technologieunternehmen streben Lösungen über L3 oder L4 an, befinden sich jedoch eher im Entwicklungsprozess einer Schemaverifizierung.
Jedes Unternehmen hat im Grunde die Landezeit seines fahrerlosen Programms angekündigt. Gibt es einen Unterschied zwischen der Landung von Fahrzeugfabriken und der von Technologieunternehmen? Sie können sehen, dass die meisten Unternehmen vor 4 und 2020 fahrerlose Programme über L2021 einführen. Aus meiner eigenen Einschätzung heraus ist dies auch ein ganz besonderer Zeitpunkt.

Warum denkst du das? Schauen wir uns die Daten an. Diese Unternehmen, die diese fahrerlosen Programme gestartet haben, sprechen mehr über L4-Level-Programme. Dies ist der Fall, dass wir sie für den Straßentest in Kalifornien ausgewählt haben. Da der kalifornische Straßentest einen Vorteil hat, haben sowohl die Testkilometer als auch die Geschwindigkeit ein führendes Niveau. Wir haben die Testlaufleistung im Jahr 2017 ausgewählt, die ungefähr 350000 Meilen beträgt. Die von anderen Unternehmen gestaltete Gesamtfahrleistung ist noch relativ gering. Waymos Testkilometer beträgt 352545, mit 63 Unterbrechungen und 18 Unterbrechungen pro 100000 Meilen.
Etwa 100000 Meilen liegen in diesem Bereich. Wenn das aktuelle Fahrschema von uns verwendet wird, gibt es 18 Unterbrechungen in diesem Lebenszyklus. Natürlich muss die Unterbrechung nicht zwangsläufig zu schweren Verkehrsunfällen führen. Dies kann die Aussetzung des Systems oder andere potenzielle Risiken sein. Unsere Testfahrer unterbrechen aktiv das fahrerlose System.
Wir haben einen Bezug hergestellt: Funktionale Sicherheit. Unsere Definition von Zeit ist Sicherheit. Wenn wir es in Fahrkilometer umrechnen, gehen wir davon aus, dass bei einer Geschwindigkeit von 40 Meilen pro Stunde eine Unterbrechung bei 0.00004 pro 100000 Meilen erforderlich ist. Ich finde das umgerechnete Ergebnis für mich auch relativ akzeptabel. Das bedeutet, dass auf 40000 Fahrzeuge ein Unterbrechungsunfall kommt. Dies ist, wenn Sie einer Maschine in der Zukunft Ihr Leben geben. Dies ist akzeptabel. Unser Niveau und unsere tatsächliche Fähigkeit, sicheres Fahren zu erreichen, haben immer noch große Faktoren, einschließlich Hardwarefehler und das wahrgenommene Verhalten anderer Fahrzeuge.
Zusammenfassend lässt sich sagen, dass wir ein fahrerloses Schema und ein Pilotschema erstellen können, aber es ist noch ein langer Weg, um die Anforderungen unseres Fahrzeugregulierungsniveaus, zuverlässiges und sicheres Fahren, wirklich zu erfüllen.
Welche Herausforderungen müssen wir meistern, um fahrerloses Fahren zu erreichen?
Was sind derzeit die konkreten Herausforderungen des unbemannten Fahrens?

Zunächst einmal ist unsere Hardware-Reife relativ hoch, aber es gibt noch einige Herausforderungen, einschließlich der Zuverlässigkeit eines einzelnen Sensors, einschließlich Laser, Radar und Kamerakopf. Sie alle haben bestimmte Einschränkungen in bestimmten Szenen. Wir müssen ein Multisensor-Kombinationsschema erstellen, aber tatsächlich gibt es durch Analyse immer noch unterschiedliche Streitigkeiten und Routen für die fahrerlosen Schemata verschiedener Unternehmen, die noch mehr überprüft werden müssen, um die optimale Lösung zu erreichen.
Darüber hinaus die Entscheidungsfindung Link, die Berechnung im Hochleistungsbereich, einschließlich einiger Entwicklung und Anwendung des Controllers. Obwohl es keine Massenproduktion von Aktuatoren in großem Maßstab gibt, tun wir uns in dieser Hinsicht natürlich schwieriger. Einschließlich der Wahrnehmungsverknüpfung, unseres Algorithmus, der Genauigkeit des Computersehens, einschließlich der Methode der Multi-Sensor-Datenfusion, einschließlich der Anwendung von Vermessung und Kartierung und Echtzeit-Aktualisierung, haben wir noch viele Herausforderungen und es muss noch viel Arbeit geleistet werden diese Felder. Im Bereich Tiefenlernen und Rollenverknüpfung optimieren wir sehr schnell, aber im Bereich des neuronalen Netzes und des maschinellen Lernens benötigen wir noch viel virtuelle Verifikation, 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 immer noch sehr groß. Hier sind einige typische fahrerlose Systemschemata, darunter Waymo, Cruise und Audi.

Cruise Ich definiere es als Technologieunternehmen, und mehr werden sich für hochpräzises Lidar als eine der Kernhardware der Wahrnehmung entscheiden. Als Ergänzung zum hochpräzisen Laserradar setzen unsere Unternehmen verstärkt auf das hochpräzise Laserradar. Unterschiedliche Unternehmen haben unterschiedliche Ausgangspunkte und Wege, auf die ich später noch eingehen werde.

Eine wichtige Frage, Lidar und Computer Vision, welche Route eignet sich besser für die Endlösung des unbemannten Fahrens in der Zukunft? In der Tat, wenn man sich Lidar ansieht, sind seine Vorteile sehr offensichtlich. Es bietet eine gute Leistung in Bezug auf Erkennungsentfernung, Erkennungsgenauigkeit und verschiedene Branchen und Minen. Die erste Kostenanforderung ist relativ hoch, aber wir sehen die jüngste Entwicklung der Lidar-Industrie, einschließlich des Aufkommens von Solid-State-Lidar, und die Kosten werden bald eliminiert.
Die Kosten für Computer Vision sind relativ niedrig, aber seine Szenen, wie das Durchqueren von Tunneln und Dunkelheit, haben große Mängel in dieser Art von Szene. Außerdem hängt Computer Vision von der Geschwindigkeit unserer Algorithmen und Prozessoren ab, was ebenfalls ein Nachteil ist.
In meiner persönlichen Einschätzung 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, weil Lidar selbst unterschiedliche Routenwahlen hat und schließlich die beste Routenwahl findet. Diese Routenwahl ist die wichtigste Überlegung.
Decken Sie zuerst alle wahrgenommenen Szenen ab.
Zweitens hat es eine gute Zuverlässigkeit, einschließlich der Redundanz von Hardware und Software.
Drittens sind die Kosten akzeptabel. Diese Branche befindet sich immer noch in einer Phase der Erforschung und der Suche nach einer ausgewogeneren Phase.

Heutzutage betreiben viele Unternehmen Forschung und Entwicklung für fahrerlose Systeme und ignorieren dabei oft die Rolle der sogenannten Internet-Technologie auf dem Gebiet der fahrerlosen Systeme. Warum achten wir mehr auf die Intelligenz von Fahrrädern? Zunächst einmal ist es relativ einfach zu lösen, aber aus der Perspektive der gesamten Gesellschaft und des gesamten Verkehrssystems müssen wir das Auto in Zukunft zuerst in die gesamte Gesellschaft oder das gesamte Verkehrssystem stellen, weil das Auto selbst auch sein muss mit anderen Verkehrsmitteln integriert.
Zweitens sollten wir berücksichtigen, dass die Infrastruktur das fahrerlose und assistierte Fahren unterstützen kann. Mit der Entwicklung der Internetverbindungstechnologie gibt es viele Anwendungsszenarien in der 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 stark verbessert und unsere Sicherheit durch die gegenseitige Wahrnehmung verbessert werden. Gleichzeitig reduziert es auch den technischen Aufwand zur Realisierung einer effektiven Wahrnehmung. In der realen fahrerlosen Phase kann IOT auch eine sehr wichtige Rolle bei der Entscheidungsfindung und Steuerung der Interaktion spielen. Das Fahrzeug und die Infrastruktur können die Genauigkeit des Algorithmus durch die Interaktion der Entscheidungsfindung verbessern und auch unsere Rechenanforderungen für Hardware reduzieren.

Eine weitere Herausforderung ist auch die Richtung unserer Diskussion. Die neue Generation von elektronischen und elektrischen Architekturschemata für Automobile, von der verteilten ECU-Steuereinheit bis zu unserer Automobilarchitektur mit Bus als Kern, ist derzeit unser Hauptarchitekturschema. Im nächsten Schritt, mit der intelligenten Netzanbindung, kann die aktuelle Architektur jedoch nicht den Anforderungen der zukünftigen Entwicklung gerecht werden. Dazu bedarf es zunächst der Entwicklung der Bustechnologie selbst, einschließlich der Ethernet-Technologie, da wir derzeit sehen, dass die großflächige Datenübertragung großen Einschränkungen unterliegt. Zu diesem Zeitpunkt sollten unsere neuen Übertragungsmedien darin eingeführt werden.
Darüber hinaus haben wir das Konzept des Domänencontrollers und in Zukunft sogar das Konzept der zentralen Verarbeitungseinheit und der zentralen Verarbeitungseinheit. Der Domänenprozessor hat viele verschiedene Domänen, wie z. B. die Fahrzeugkarosseriedomäne, die Antriebsstrangdomäne, die Infotainmentdomäne usw. Jedes System hat einen Domänencontroller. Einerseits hat es auch die Funktion der Informationsverarbeitung und Entscheidungskühlung. Der Domänencontroller verfügt über Rechenleistung. Durch diese Fähigkeit besteht die Gefahr technischer Auswirkungen auf das gesamte elektronische und elektrische System. Zweitens erfüllt es die Anforderungen einer großen Anzahl verteilter Rechenleistung in der Zukunft in der Phase der intelligenten Vernetzung, die die Entwicklung der Automobilelektronik und -elektrik als Gesamtfahrzeug sein sollte. Die Anpassung an die Entwicklung intelligenter Netzwerktechnologie in der Zukunft stellt uns vor neue Herausforderungen.
Unser Unternehmen hat viel auf diesem Gebiet gearbeitet und forscht auch auf diesem Gebiet.

Ein weiterer Faktor ist der Kostenfaktor. Nehmen wir als Beispiel Radar aus dem unbemannten Fahren. Die Kosten für Radar sind nicht dasselbe Produkt (es kann falsch sein), aber es hat auch eine gewisse erklärende Bedeutung. Tatsächlich wird das optionale Lidar-System auf dem Markt von einem sehr hohen Niveau, von dem von Waymo im Jahr 2012 verwendeten Lidar bis zum in der Produktion verwendeten Solid-State-Lidar, den Lidar-Preis stark senken und die Kosten stark reduzieren. Die Kosten sind derzeit ein wichtiger Faktor, aber dieser Faktor wird bald überwunden sein.

Fassen wir in der zweiten Phase die wichtigsten Herausforderungen zusammen, die wir bewältigen müssen, um unbemanntes Fahren zu realisieren:
1. Hardware ist grundsätzlich relativ ausgereift, aber die Hardware-Kombination aus Perzeptionsprozess und sinnvollster Architektur muss noch weiter erforscht werden. Auch bei der Rechenleistung ist die Entwicklung von High-Rechenleistung und Low-Power-Prozessoren ein weiteres Innovationsfeld, das derzeit bearbeitet werden muss. Die Netzwerktechnologie hat noch viel zu tun für unsere infrastrukturbezogenen Hardwarelösungen.
2. Eine größere Lücke klafft im Bereich Software, insbesondere bei der Verknüpfung von Vertiefungslernen, die eine große Datenmenge zur Weiterbildung erfordert, und eine große Lücke bei der Möglichkeit, Funktion und Sicherheitsredundanz von Software .
3. Testüberprüfung, wir können uns nicht nur auf den tatsächlichen Straßentest verlassen, das erste Mal ist lang und die zweiten Kosten sind hoch. Die größte Schwäche des Straßentests ist, dass er das Problem der Extremszenarien nicht lösen kann. Es ist oft möglich, besser kontrollierbare Szenen vorherzusagen, aber das Wichtigste für uns, tiefgreifend zu lernen, ist, die Szenen zu lösen, die wir zu normalen Zeiten 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 Simulationslagertests, die ein wichtiger Faktor sind, um den Grad unseres Softwarealgorithmus zu beschleunigen.
4. Die Kosten dieser Industrie sind das Gesetz von 20 und 80. Wir leisten viel Arbeit, um die Funktionen zu realisieren, die wir benötigen. Aus technischer Sicht benötigt es nur 20 % F&E-Investitionen. Obwohl wir 20 % der technischen Hindernisse zu überwinden haben, sollten wir nicht zu optimistisch sein. Aus Sicht der Technologiebranche sind 80 % oder sogar noch höhere Investitionen erforderlich, um 20 % der Technologie zu überwinden. Ich bin nicht so optimistisch, wann fahrerlos ausgereift sein wird. Vom Umfang her mindestens nach 2030.
Was ist der realistische Weg der fahrerlosen Realisierung?

Für das echte L4-Level-Experiment sollten wir das Konzept des geografischen Zauns in Betracht ziehen. Wenn wir über automatisches Fahren sprechen, können wir das Konzept des geografischen Zauns nicht ignorieren. Das echte unbemannte Fahren in der gesamten Szene wird in zehn Jahren endgültig realisiert sein. Wir dürfen nicht warten, bis dieser Prozess in der Endphase ausgereift ist. Gestalten Sie eine Szene neu, lassen Sie uns eine Szene anwenden, damit unser fortschrittliches fahrerloses und automatisches Fahrschema unseren Kunden früher und schneller zugute kommt, damit wir es in bestimmten Szenen verwenden können, einschließlich der Frage, ob es unter Staubedingungen und gerade eingeführten speziellen Szenen verwendet werden kann von Präsident Li.

Verschiedene Lager gehen unterschiedliche Wege, um unser ultimatives Ziel des fahrerlosen Fahrens zu erreichen. Traditionelle OEMs betrachten immer noch das Problem der Massenproduktion von Fahrzeugen. Es ist oft unser L2 als Kern unserer aktuellen Arbeit, damit mehr Hilfsfahrfunktionen und bedingte fahrerlose Funktionen in der Massenproduktion auf unseren Fahrzeugen angewendet werden können. Als Technologieunternehmen konzentriert es sich mehr auf den L4-Standard und höher.
Hier möchte ich einem Unternehmen, das in der gesamten fahrerlosen Industrie tätig ist, einen Vorschlag machen, sei es bei Hardware- oder Softwarelösungen, einschließlich Systemintegration. Für wirklich fahrerlose Unternehmen über L4-Niveau, wie einige führende Unternehmen, ob waymo, baidu oder Apollo, in zehn oder fünfzehn Jahren, kann die Entwicklung auf Plattformebene in dieser Phase erfolgen, sei es Softwareplattform, Hardwareplattform, einschließlich Algorithmusplattform. Da es Zeit hat, langfristige technische Investitionen zu tätigen, hat es auch die Fähigkeit, die gesamte Branche dazu zu bringen, sich langsam auf seine Plattform zu versammeln.

Auch wenn ich das als Unternehmer nicht eingestehen möchte, ist der Bereich der fahrerlosen Autos das Modell, um unsere Handylösung zu realisieren, und ich denke, es ist immer noch sehr gut möglich. Google als Anbieter von Android-Systemen und unseren Mobiltelefonunternehmen als Anwendungssoftware und -hardware ist eine relativ praktikablere Lösung mit geringeren industriellen Investitionen, und diese Lösung ist wahrscheinlicher erfolgreich, also brauchen wir Unternehmensplattformen wie Google und Baidu, Aber diese Plattform ist kommerziell. Von nun an bis zur Kommerzialisierung der Technologieforschung und -entwicklung ist es ein langer Prozess.
Als kleines und mittelständisches Technologieunternehmen haben Sie bei der Herstellung von Hardwareprodukten und Softwarelösungen nicht so viel Zeit. Ihre F&E konzentriert sich mehr auf Modularisierung und Reduktion

Wenn Sie Ihre eigenen Produkte, Marken oder Software für Ermüdungsmonitorsysteme entwickeln möchten; Bitte zögern Sie nicht, Kontakt aufzunehmen [E-Mail geschützt] Wir werden dich nicht im Stich lassen.