제8회 중국국제신에너지자동차포럼이 개최되었습니다. CST Sanjiao 자동차 Xiaojun은 먼저 생각하도록 초대합니다.
첫째, 자동차 산업의 무인운전은 언제 도래할 것인가?
둘째, 앞으로도 우리는 어떤 도전에 직면하게 될까요?
셋째, 무인운전 실현의 현실적인 길은 무엇인가?
자동차과학기술발전에 대한 합리적 견해
현재 우리 자동차 산업의 4대 현대화인 '전동화, 지능화, 지능형 네트워킹, 공유'가 실제로 전체 산업의 재구축을 촉진하고 있기 때문에 업계 전체가 매우 흥분하고 있습니다. 자동차 산업으로는 1886년 메르세데스 벤츠가 최초의 자동차를 발명한 이후 120년이 넘는 역사를 갖고 있다.
그러나 1970년대부터 2000년대까지 자동차 산업 전체의 발전 속도는 상대적으로 느렸다. 여기 계신 여러분 모두가 박물관에 참여하기 위해 슈투트가르트에 오셨는지 모르겠습니다. 1970~1980년대 메르세데스 벤츠가 디자인한 자동차들은 2000년대의 자동차들과 크게 다르지 않다. 핵심 성능, 동력 성능, 차량 아키텍처 측면에서도 본질적인 차이는 없다. 30, 40년 동안 자동차 산업은 점차적으로 개선되었습니다. 2000년 이후 자동차 산업은 새로운 발전 단계를 밟아 산업 전체가 기술 혁신과 산업 재건에서 획기적인 혁신을 가져왔습니다.
오늘 우리가 논의하고 있는 지능과 네트워킹의 발전을 포함하여, 전기화의 발전인지 아닌지에 대해서도 매우 합리적인 관점을 취해야 합니다. 우리는 기술과 산업의 관점에서 미래 발전 추세와 미래 발전의 리듬까지 파악하여 모든 참가자가 기술 및 비즈니스 준비 측면에서 이 산업 발전의 기본 법칙을 더 잘 준수할 수 있도록 해야 합니다. 모델. 이것이 제가 오늘 여러분과 함께 논의하고 싶은 생각을 공유하고 희망하는 주요 내용입니다.
무인자동차 산업은 언제 도래할까?
오늘의 주제로 넘어가면, 우선 무인자동차는 언제쯤 등장할까요?
무인운전 일정에 대한 리 대표의 예측도 들었다. 나는 리 회장의 판단에 매우 동의한다. 현재 실제로 무인 솔루션 제공업체에는 두 개의 캠프가 있습니다. 하나는 Mercedes Benz, BMW, Audi, 심지어 Ford 및 GM과 같은 선도적인 기업을 포함하여 Mercedes Benz와 같은 전통적인 자동차 기업입니다. 또 다른 진영은 중국의 기술 회사인 Apollo입니다.
현재 모든 기업은 솔루션을 시장에 내놓고 있으며 그 수준도 다릅니다. 전통적인 자동차 기업은 L2 또는 L2라고 부르는 것이 더 많습니다. 물론 기술의 성숙도는 다릅니다. 기술 회사의 대부분의 사람들은 L3 또는 L4 이상의 솔루션을 목표로 하지만 일부 계획 검증의 개발 프로세스에 더 가깝습니다.
각 기업은 기본적으로 무인 계획의 착륙 시간을 발표했습니다. 자동차 공장 상륙과 기술 기업 상륙에 차이가 있나요? 대부분의 기업이 2020년과 2021년 이전에 L4 이상의 무인 계획을 시작한다는 것을 알 수 있습니다. 내 판단으로는 이것은 또한 매우 특별한 시점입니다.
왜 그렇게 생각하시나요? 데이터를 살펴보겠습니다. 이러한 무인 프로그램을 시작한 기업은 L4 수준 프로그램에 대해 더 많이 이야기합니다. 캘리포니아에서 도로 테스트를 하기 위해 선택한 사례입니다. 캘리포니아 도로주행 시험은 장점이 하나 있기 때문에 주행거리와 속도 모두 앞선 수준이다. 2017년 테스트 마일리지는 약 350,000마일 정도를 선택했습니다. 다른 기업이 설계한 총 마일리지는 여전히 상대적으로 작습니다. Waymo의 테스트 마일리지는 352545이며, 100,000마일당 중단 횟수는 63회, 중단 횟수는 18회입니다.
약 100,000마일이 이 범위 내에 있습니다. 현재 운전 방식을 사용한다면 이 수명 주기에는 18번의 중단이 발생합니다. 물론, 중단이 반드시 심각한 교통사고로 이어지는 것은 아닙니다. 시스템이 정지되거나 기타 잠재적인 위험이 있을 수 있습니다. 우리의 테스트 드라이버는 무인 시스템을 적극적으로 중단합니다.
우리는 기능적 안전성을 참고했습니다. 시간에 대한 우리의 정의는 보안입니다. 이를 주행 마일리지로 환산하면 시속 40마일의 속도로 주행할 경우 100,000마일당 0.00004 수준으로 중단해야 한다고 가정합니다. 나에게 환산된 결과도 비교적 받아들일 수 있을 것 같다. 차량 4만대마다 중단사고가 발생한다는 뜻이다. 이것은 미래의 기계에 당신의 생명을 바칠 때입니다. 이는 허용됩니다. 안전 운전을 달성하기 위한 우리의 수준과 실제 능력에는 하드웨어 고장 및 다른 차량의 인식된 동작을 포함하여 여전히 큰 요인이 있습니다.
결론적으로, 우리는 무인 계획과 시범 계획을 만들 수 있지만, 우리의 차량 규제 수준, 안정적이고 안전한 운전의 요구 사항을 진정으로 충족시키기 위해서는 아직 갈 길이 멀습니다.
무인 운전을 달성하기 위해 우리가 극복해야 할 과제는 무엇입니까?
현재 무인 운전의 구체적인 과제는 무엇입니까?
우선, 하드웨어 측면에서는 성숙도가 상대적으로 높지만 레이저, 레이더, 카메라 헤드를 포함한 단일 센서의 신뢰성을 포함하여 여전히 몇 가지 과제가 있습니다. 그들은 모두 특정 장면에서 특정한 제한을 가지고 있습니다. 우리는 다중 센서 조합 방식을 만들어야 하지만 실제로 분석을 통해 다양한 기업의 무인 방식에 대해서는 여전히 다양한 논쟁과 경로가 있으며 최적의 솔루션을 달성하기 위해서는 여전히 더 많은 검증이 필요합니다.
또한 의사 결정 링크, 컨트롤러의 일부 개발 및 적용을 포함하여 고성능 분야의 계산도 수행됩니다. 물론, 비록 액츄에이터의 대규모 양산은 없지만, 그런 점에서 우리는 더 어렵다고 생각합니다. 인식 링크, 알고리즘, 컴퓨터 비전의 정확성, 다중 센서 데이터 융합 방법, 측량 및 매핑 적용, 실시간 업데이트를 포함하여 우리는 여전히 많은 과제를 안고 있으며 많은 작업을 수행해야 합니다. 이 필드. 심층 학습과 역할 연결에서는 매우 빠르게 최적화하지만 신경망 및 기계 학습 분야에서는 알고리즘의 정확성을 지속적으로 향상시키기 위해 여전히 많은 가상 검증이 필요합니다.
우리 하드웨어는 탄탄한 기반을 갖추고 있지만 해야 할 일이 많습니다. 우리의 소프트웨어 과제는 여전히 매우 큽니다. Waymo, Cruise 및 Audi를 포함한 몇 가지 일반적인 무인 시스템 구성표는 다음과 같습니다.
크루즈 저는 이를 기술 회사로 정의하며, 더 많은 사람들이 인식의 핵심 하드웨어 중 하나로 고정밀 라이더를 선택할 것입니다. 고정밀 레이저 레이더에 대한 보완책으로 우리 기업은 고정밀 레이저 레이더에 더 많이 의존하고 있습니다. 기업마다 출발점과 경로가 다르며 이에 대해서는 나중에 자세히 설명하겠습니다.
중요한 질문인 LiDAR와 컴퓨터 비전, 미래 무인 운전의 최종 솔루션에는 어떤 경로가 더 적합한가? 실제로 LiDAR를 살펴보면 그 장점은 매우 분명합니다. 감지 거리, 감지 정확도, 다양한 산업 및 광산 측면에서 우수한 성능을 발휘합니다. 첫 번째 비용 요구 사항은 상대적으로 높지만 최근 솔리드 스테이트 LiDAR의 출현을 포함한 LiDAR 산업의 발전을 볼 수 있으며 비용은 곧 제거될 것입니다.
컴퓨터 비전의 비용은 상대적으로 낮지만, 터널을 통과하는 장면, 어둠을 통과하는 장면 등은 이런 장면에서 큰 결점이 있습니다. 또한, 컴퓨터 비전은 알고리즘과 프로세서의 속도에 따라 달라지는데, 이는 단점이기도 합니다.
내 개인적인 판단으로는 앞으로 한 경로나 어떤 경로가 다른 경로를 패배시켜야 한다고 말하지 않을 것입니다. 내 말은 LiDAR와 컴퓨터 비전이 확실히 최상의 융합을 찾을 것이라는 의미입니다. 왜냐하면 LiDAR 자체에는 서로 다른 경로 선택이 있고 최종적으로 최상의 경로 선택을 찾기 때문입니다. 이 경로 선택은 가장 중요한 고려 사항입니다.
첫째, 인지된 모든 장면을 다룹니다.
둘째, 하드웨어와 소프트웨어의 이중화 등 신뢰성이 좋다.
셋째, 비용이 수용 가능합니다. 이 산업은 아직 탐색 단계이며 보다 균형 잡힌 단계를 찾는 단계입니다.
이제 많은 기업이 무인 시스템 연구 및 개발을 수행하고 있으며 종종 무인 분야에서 소위 인터넷 기술의 역할을 무시합니다. 왜 우리는 자전거의 지능에 더 주목하는가? 우선 상대적으로 해결하기는 쉽지만, 사회 전체와 교통체계 전체의 관점에서 볼 때, 미래의 사회 전체나 교통체계 전체에 자동차를 먼저 투입해야 한다. 다른 교통수단과 통합됩니다.
둘째, 인프라가 무인 운전 및 보조 운전에 어느 정도 도움을 줄 수 있다는 점을 고려해야 합니다. 인터넷 연결 기술의 발전으로 인해 운전자와의 정보 상호 작용에는 많은 응용 시나리오가 있습니다. 그러나 기술의 발전에 따라 실제 인터넷 연결도 많은 역할을 할 수 있습니다. v2x의 개발을 통해 우리의 인식의 정확성이 크게 향상될 수 있으며, 상호 인식을 통해 보안이 향상될 수 있으며, 동시에 효과적인 인식을 구현하는 데 드는 기술 비용도 절감됩니다. 실제 무인운전 단계에서 IOT는 의사결정 및 제어 상호작용에서도 매우 중요한 역할을 할 수 있습니다. 차량과 인프라는 의사결정의 상호작용을 통해 알고리즘의 정확성을 향상시킬 수 있으며 하드웨어에 대한 컴퓨팅 요구 사항을 줄일 수도 있습니다.
또 다른 과제는 논의의 방향이기도 합니다. 분산 ECU 제어 장치부터 버스를 핵심으로 하는 자동차 아키텍처에 이르기까지 차세대 자동차 전자 및 전기 아키텍처 체계가 현재 당사의 주요 아키텍처 체계입니다. 그러나 다음 단계인 지능형 네트워크 연결을 통해 현재 아키텍처는 향후 개발 요구를 충족할 수 없습니다. 이러한 요구 사항은 무엇보다도 이더넷 기술을 포함한 버스 기술 자체의 개발이 필요합니다. 현재 대규모 데이터 전송에는 큰 한계가 있음을 알고 있기 때문입니다. 이때 우리의 새로운 전송매체가 도입되어야 한다.
또한 도메인 컨트롤러라는 개념도 있고, 앞으로는 중앙처리장치와 중앙처리장치라는 개념도 있습니다. 도메인 프로세서에는 차체 도메인, 파워트레인 도메인, 인포테인먼트 도메인 등과 같은 다양한 도메인이 있습니다. 각 시스템에는 도메인 컨트롤러가 있습니다. 한편으로는 정보 처리 및 의사 결정 냉각 기능도 있습니다. 도메인 컨트롤러에는 컴퓨팅 능력이 있습니다. 이 기능으로 인해 전체 전자 및 전기 시스템에 기술적 영향을 미칠 위험이 있습니다. 둘째, 자동차 전자장치와 전기를 차량 전체로 발전시켜야 하는 지능형 네트워킹 단계에서 미래의 수많은 분산 컴퓨팅 성능 요구를 충족합니다. 미래의 지능형 네트워킹 기술 발전에 어떻게 적응할 것인가는 새로운 과제를 제시합니다.
우리 회사는 이 분야에서 많은 일을 해왔고, 이 분야에 대한 연구도 진행하고 있습니다.
또 다른 요소는 비용 요소입니다. 무인운전의 레이더를 예로 들어보자. 레이더의 가격은 동일한 제품이 아니지만(틀릴 수도 있음) 일정한 설명적 의미를 갖기도 합니다. 실제로 2012년 waymo가 사용하는 LiDAR부터 생산에 사용되는 Solid-State LiDAR에 이르기까지 매우 높은 단계의 시장에서 선택적인 LiDAR 방식을 사용하면 LiDAR 가격이 크게 낮아지고 비용도 크게 절감될 것입니다. 현재는 비용이 주요 요인이지만 이 요인은 곧 극복될 것입니다.
두 번째 단계에서는 무인 운전을 실현하기 위해 극복해야 할 주요 과제를 요약하면 다음과 같습니다.
1. 하드웨어는 기본적으로 상대적으로 성숙하지만 인식 프로세스와 가장 합리적인 아키텍처의 하드웨어 조합은 여전히 더 탐구되어야 합니다. 컴퓨팅 파워에 있어서는 고성능 컴퓨팅 파워와 저전력 프로세서의 개발도 현재 이뤄져야 할 또 하나의 혁신 분야이다. 네트워킹 기술은 인프라 관련 하드웨어 솔루션을 위해 아직 해야 할 일이 많습니다.
2. 소프트웨어 분야에서는 격차가 더 크며, 특히 심층 학습의 연계에서는 추가 교육을 위해 많은 양의 데이터가 필요하며, 소프트웨어의 가능성, 기능 및 안전성에 있어서 격차가 큽니다. .
3. 테스트 검증, 실제 도로 테스트에만 의존할 수 없으며 첫 번째 시간이 길고 두 번째 비용이 높습니다. 도로 테스트의 가장 큰 약점은 극단적인 시나리오의 문제를 해결할 수 없다는 것이다. 더 제어 가능한 장면을 예측하는 것이 가능한 경우가 많지만, 우리가 깊이 학습하는 데 가장 중요한 것은 평소에는 기대할 수 없는 장면을 해결하는 것입니다. 반대로, 이러한 시나리오는 실제 도로주행 테스트를 통해서는 해결될 수 없습니다. 현재 우리는 소프트웨어 알고리즘 수준을 가속화하는 중요한 요소인 가상 테스트 및 시뮬레이션 창고 테스트를 포함한 다른 교육 방법에 더 의존해야 합니다.
4. 이 산업의 비용은 20과 80의 법칙입니다. 우리는 필요한 기능을 구현하기 위해 많은 노력을 합니다. 기술적인 관점에서 보면 20% R&D 투자만 필요합니다. 20%에는 극복해야 할 기술적 장벽이 있지만 너무 낙관해서는 안 됩니다. 기술 산업의 관점에서 기술의 20%를 극복하려면 80% 이상의 투자가 필요합니다. 나는 무인자동차가 언제 성숙해질 것인지에 대해 그다지 낙관적이지 않습니다. 규모로 따지면 적어도 2030년 이후가 될 것이다.
무인운전 실현의 현실적인 길은 무엇인가?
실제 L4 수준 실험에서는 지리적 울타리 개념을 고려해야 합니다. 자동운전에 관해 이야기할 때 지리적 울타리라는 개념을 무시할 수 없습니다. 10년 만에 모든 장면에서 실제 무인운전이 실현된다. 우리는 이 과정이 최종 단계에서 성숙해질 때까지 기다려서는 안 됩니다. 장면을 재구성하고 장면을 적용하여 고급 무인 및 자동 운전 방식이 소비자에게 더 빠르고 빠르게 혜택을 줄 수 있도록 하고, 혼잡한 상황에서 사용할 수 있는지 여부와 방금 소개한 특별한 장면에서 사용할 수 있는지 여부를 포함하여 특정 장면에서 사용할 수 있도록 합시다. 리 회장의 말이다.
다양한 캠프에서는 무인 운전이라는 궁극적인 목표를 달성하기 위해 다양한 방법을 사용합니다. 기존 OEM은 여전히 차량 대량 생산 문제를 고려하고 있습니다. L2를 현재 작업의 핵심으로 삼는 경우가 많아 더 많은 보조 주행 기능과 조건부 무인 기능을 차량 대량 생산에 적용할 수 있습니다. 기술 회사로서 L4 표준 이상에 더 중점을 둡니다.
여기서는 시스템 통합을 포함한 하드웨어 솔루션이든, 소프트웨어 솔루션이든 자율주행 산업 전반에 참여하는 기업에 한 가지 제안을 드리고 싶습니다. L4 수준 이상의 진정한 무인 기업의 경우 waymo, baidu 또는 Apollo와 같은 일부 선도 기업과 같이 10년 또는 15년 내에 소프트웨어 플랫폼, 하드웨어 플랫폼, 알고리즘 플랫폼 등 플랫폼 수준 개발이 이 단계에서 완료될 수 있습니다. 장기적인 기술 투자를 할 시간이 있기 때문에 업계 전체가 천천히 플랫폼을 향해 모여들도록 이끄는 능력도 갖추고 있다.
사업가로서 이를 인정하고 싶지는 않지만, 자율주행차 분야는 우리의 휴대폰 솔루션을 실현할 수 있는 모델이고, 여전히 가능성이 매우 높다고 생각합니다. Android 시스템 제공업체인 Google과 애플리케이션 소프트웨어 및 하드웨어로서의 휴대전화 기업은 산업 투자가 적고 상대적으로 실행 가능한 솔루션이며 이 솔루션이 성공할 가능성이 높기 때문에 Google 및 Baidu와 같은 엔터프라이즈 플랫폼이 필요합니다. 하지만 이 플랫폼은 상용화되기까지 기술 연구개발의 상용화까지는 긴 과정입니다.
중소 기술 회사로서 하드웨어 제품과 소프트웨어 솔루션을 만들 때 시간이 그리 많지 않습니다. 귀하의 R&D는 모듈화 및 축소에 더 중점을 두고 있습니다.
자체 피로 모니터 시스템 제품, 브랜드 또는 소프트웨어를 개발하려면 주저하지 말고 문의해 주세요. [email protected] 실망시키지 않겠습니다.
