Mogelijk pad van ADAS naar driverless

Het 8e China International New Energy Vehicle-forum organiseerde . CST Sanjiao auto Xiaojun nodigt je uit om eerst na te denken:

ten eerste, wanneer komt de driverless in de auto-industrie?

Ten tweede, voor welke uitdagingen staan ​​we vanaf nu nog;

Ten derde, wat is het realistische pad van realisatie zonder bestuurder?
Rationele kijk op de ontwikkeling van autowetenschap en -technologie
Op dit moment is de hele industrie behoorlijk opgewonden, omdat de vier moderniseringen van onze auto-industrie "elektrificatie, intelligentie, intelligent netwerken en delen" inderdaad de wederopbouw van de hele industrie bevorderen. Als auto-industrie heeft het een geschiedenis van meer dan 120 jaar sinds Mercedes Benz de eerste auto uitvond in 1886.
Van de jaren zeventig tot 1970 was de ontwikkelingssnelheid van de hele auto-industrie echter relatief traag. Ik weet niet of jullie allemaal naar Stuttgart zijn gekomen om aan het museum deel te nemen. De auto's die Mercedes Benz in de jaren '2000 en '1970 ontwierp, verschillen niet veel van die in 1980. Zelfs op het gebied van kernprestaties, vermogensprestaties en voertuigarchitectuur zijn er geen essentiële verschillen. In de periode van dertig of veertig jaar is de auto-industrie geleidelijk verbeterd. Na 2000 heeft de auto-industrie een nieuwe ontwikkelingsfase doorgemaakt en heeft de hele industrie een baanbrekende innovatie in technologie en industriële wederopbouw ingeluid.
We moeten ook een heel rationele kijk op ontwikkeling hebben, of het nu gaat om de ontwikkeling van elektrificatie, inclusief de ontwikkeling van intelligentie en netwerken waar we het vandaag over hebben. We moeten de trend van toekomstige ontwikkeling en zelfs het ritme van toekomstige ontwikkeling begrijpen vanuit het perspectief van technologie en industrie, zodat alle deelnemers beter kunnen voldoen aan de basiswet van de ontwikkeling van deze industrie in termen van technologie en de voorbereiding van ons bedrijf model. Dit is de belangrijkste inhoud die ik mijn gedachten deel en hoop vandaag met u te bespreken.
Wanneer komt de zelfrijdende auto-industrie?
Om op het onderwerp van vandaag te komen, allereerst: wanneer komen auto's zonder bestuurder?

Ik hoorde ook de voorspelling van president Li over het chauffeurloze schema. Ik ben het zeer eens met het oordeel van president Li. Op dit moment zijn er eigenlijk twee kampen voor de aanbieders van oplossingen zonder bestuurder. Een daarvan is de traditionele voertuigondernemingen zoals Mercedes Benz, met inbegrip van de toonaangevende ondernemingen zoals Mercedes Benz, BMW, Audi en zelfs Ford en GM. Een ander kamp is het technologiebedrijf Apollo in China.
Op dit moment heeft elke onderneming zijn oplossingen op de markt gebracht en ook het niveau is anders. De traditionele voertuigondernemingen zijn meer wat we L2 of L2 noemen. Natuurlijk is de volwassenheid van technologie anders. De meeste mensen in technologiebedrijven streven naar oplossingen boven L3 of L4, maar ze zijn meer in het ontwikkelingsproces van een schemaverificatie.
Elke onderneming heeft in principe de landingstijd van hun zelfrijdende schema aangekondigd. Is er een verschil tussen de landing van autofabrieken en die van technologiebedrijven? Je ziet dat de meeste ondernemingen vóór 4 en 2020 zelfrijdende regelingen boven L2021 lanceren. Naar mijn eigen oordeel is dit ook een heel bijzonder moment.

Waarom denk je dat? Laten we naar de gegevens kijken. Deze ondernemingen die deze programma's zonder bestuurder hebben gelanceerd, praten meer over programma's op L4-niveau. Dit is het geval dat we ze hebben geselecteerd om de wegtest in Californië te doen. Omdat de Californische wegtest één voordeel heeft, hebben zowel de testkilometers als de snelheid een leidend niveau. We hebben gekozen voor de testkilometerstand in 2017, dat is ongeveer 350000 mijl. Het totale aantal kilometers dat door andere ondernemingen is ontworpen, is nog relatief klein. Waymo's testkilometers zijn 352545, met 63 onderbrekingen en 18 onderbrekingen per 100000 mijl.
Binnen dit bereik ligt ongeveer 100000 mijl. Als het huidige rijschema door ons wordt gebruikt, zijn er 18 onderbrekingen in deze levenscyclus. Uiteraard leidt de onderbreking niet noodzakelijk tot ernstige verkeersongevallen. Het kan de opschorting van het systeem of andere potentiële risico's zijn. Onze testdrivers onderbreken actief het driverless systeem.
We maakten een referentie: functionele veiligheid. Onze definitie van tijd is veiligheid. Als we het omzetten in kilometers rijden, gaan we ervan uit dat bij een snelheid van 40 mijl per uur, waarvoor we moeten onderbreken op het niveau van 0.00004 per 100000 mijl. Ik denk dat het naar mij omgerekende resultaat ook relatief acceptabel is. Het betekent dat er voor elke 40000 voertuigen een onderbrekingsongeval is. Dit is wanneer je in de toekomst je leven aan een machine geeft. Dit is acceptabel. Ons niveau en ons werkelijke vermogen om veilig rijden te bereiken, hebben nog steeds belangrijke factoren, waaronder hardwarestoringen en het waargenomen gedrag van andere voertuigen.
Concluderend kunnen we een bestuurderloos schema en proefschema maken, maar er is nog een lange weg te gaan om echt te voldoen aan de eisen van ons voertuigregelgevingsniveau, betrouwbaar en veilig rijden.
Welke uitdagingen moeten we overwinnen om autorijden zonder bestuurder te realiseren?
Wat zijn de specifieke uitdagingen van onbemand rijden op dit moment?

Ten eerste is onze maturiteit op het gebied van hardware relatief hoog, maar er zijn nog enkele uitdagingen, waaronder de betrouwbaarheid van een enkele sensor, inclusief laser, radar en camerakop. Ze hebben allemaal bepaalde beperkingen in specifieke scènes. We zijn verplicht om een ​​multi-sensor combinatieschema te maken, maar in feite zijn er door analyse nog steeds verschillende geschillen en routes voor de bestuurderloze schema's van verschillende ondernemingen, die nog meer verificatie nodig hebben om tot de optimale oplossing te komen.
Daarnaast de besluitvormingskoppeling, de berekening op high performance gebied, inclusief enige ontwikkeling en toepassing van de controller. Natuurlijk, hoewel er geen grootschalige massaproductie van actuatoren is, vinden we het in dit opzicht moeilijker. Met inbegrip van de perceptielink, ons algoritme, de nauwkeurigheid van computervisie, inclusief de methode van datafusie met meerdere sensoren, inclusief de toepassing van landmeetkunde en mapping en realtime update, hebben we nog steeds veel uitdagingen en moet er nog veel werk worden verzet in deze velden. Diepgaand leren en rolkoppeling optimaliseren we heel snel, maar op het gebied van neuraal netwerk en machine learning hebben we nog veel virtuele verificatie nodig om de nauwkeurigheid van ons algoritme continu te verbeteren.
Onze hardware heeft een goede basis, maar er is nog veel werk aan de winkel. Onze software-uitdaging is nog steeds erg groot. Hier zijn verschillende typische systeemschema's zonder bestuurder, waaronder waymo, cruise en Audi.

Cruise Ik definieer het als een technologiebedrijf, en meer zullen hoge-precisie lidar kiezen als een van de kernhardware van perceptie. Als aanvulling op de uiterst nauwkeurige laserradar vertrouwen onze ondernemingen meer op de uiterst nauwkeurige laserradar. Verschillende ondernemingen hebben verschillende uitgangspunten en paden, die ik later verder zal bespreken.

Een belangrijke vraag, lidar en computervisie, welke route is geschikter voor de uiteindelijke oplossing van onbemand rijden in de toekomst? Als we naar lidar kijken, zijn de voordelen ervan overduidelijk. Het presteert goed op het gebied van detectieafstand, detectienauwkeurigheid en verschillende industrieën en mijnen. De eerste kosteneis is relatief hoog, maar we zien de recente ontwikkeling van de lidar-industrie, inclusief de opkomst van solid-state lidar, en de kosten zullen binnenkort worden geëlimineerd.
De kosten van computervisie zijn relatief laag, maar de scènes, zoals het passeren door tunnels en duisternis, vertonen grote gebreken in dit soort scènes. Daarnaast is computervisie afhankelijk van de snelheid van onze algoritmen en processors, wat ook een nadeel is.
Naar mijn persoonlijke oordeel zal ik niet zeggen dat de ene route of welke route in de toekomst een andere route moet verslaan. Ik bedoel dat lidar en computervisie zeker de beste fusie zullen vinden, omdat lidar zelf verschillende routekeuzes heeft en uiteindelijk de beste routekeuze zal vinden. Deze routekeuze is de belangrijkste overweging.
Bedek eerst alle waargenomen scènes.
Ten tweede heeft het een goede betrouwbaarheid, inclusief de redundantie van hardware en software.
Ten derde zijn de kosten acceptabel. Deze industrie is nog steeds een fase van verkenning en het vinden van een meer evenwichtige fase.

Nu doen veel ondernemingen aan driverless systeemonderzoek en -ontwikkeling, waarbij ze vaak voorbijgaan aan de rol van de zogenaamde internettechnologie op het gebied van driverless. Waarom besteden we meer aandacht aan de intelligentie van fietsen? Allereerst is het relatief eenvoudig op te lossen, maar vanuit het perspectief van de hele samenleving en het hele transportsysteem moeten we in de toekomst eerst de auto in de hele samenleving of het transportsysteem plaatsen, omdat de auto zelf ook moet worden geïntegreerd met andere vervoermiddelen.
Ten tweede moeten we er rekening mee houden dat de infrastructuur enige hulp kan bieden aan autorijden zonder bestuurder en geassisteerd rijden. Met de ontwikkeling van internetverbindingstechnologie zijn er veel toepassingsscenario's in de informatie-interactie met chauffeurs. Met de ontwikkeling van technologie kan de daadwerkelijke internetverbinding echter ook veel rollen spelen. Door de ontwikkeling van v2x kan de nauwkeurigheid van onze waarneming sterk worden verbeterd en kan onze veiligheid worden verbeterd door de wederzijdse waarneming. Tegelijkertijd verlaagt het ook de technische kosten van het realiseren van effectieve waarneming. In de echte driverless-fase kan IOT ook een zeer belangrijke rol spelen bij besluitvorming en controle-interactie. Het voertuig en de infrastructuur kunnen de nauwkeurigheid van het algoritme verbeteren door de interactie van besluitvorming, en kunnen ook onze rekenkundige vereisten voor hardware verminderen.

Een andere uitdaging is ook de richting van onze discussie. De nieuwe generatie elektronische en elektrische architectuur voor auto's, van gedistribueerde ECU-besturingseenheid tot onze auto-architectuur met bus als kern, is momenteel ons belangrijkste architectuurschema. In de volgende stap, met de intelligente netwerkverbinding, kan de huidige architectuur echter niet voldoen aan de behoeften van toekomstige ontwikkeling. Deze behoeften hebben allereerst de ontwikkeling van de bustechnologie zelf, inclusief Ethernet-technologie, omdat we momenteel zien dat grootschalige datatransmissie grote beperkingen heeft. Op dit moment moeten onze nieuwe transmissiemedia erin worden geïntroduceerd.
Daarnaast hebben we het concept van domeincontroller en in de toekomst zelfs het concept van centrale verwerkingseenheid en centrale verwerkingseenheid. Domeinprocessor heeft veel verschillende domeinen, zoals carrosseriedomein, aandrijflijndomein, infotainmentdomein, enz. Elk systeem heeft een domeincontroller. Enerzijds heeft het ook de functie van informatieverwerking en co-koeling van beslissingen. De domeincontroller heeft rekenkracht. Door deze mogelijkheid bestaat het risico van technische impact op het hele elektronische en elektrische systeem. Ten tweede voldoet het aan de behoeften van een groot aantal gedistribueerde rekenkracht in de toekomst in het stadium van intelligent netwerken, wat de ontwikkeling van auto-elektronica en elektriciteit als een geheel voertuig zou moeten zijn. Hoe zich in de toekomst aan te passen aan de ontwikkeling van intelligente netwerktechnologie, stelt nieuwe uitdagingen.
Ons bedrijf heeft veel werk op dit gebied gedaan en doet ook onderzoek op dit gebied.

Een andere factor is de kostenfactor. Laten we een voorbeeld nemen van radar van onbemand rijden. De kosten van radar zijn niet hetzelfde product (het kan verkeerd zijn), maar het heeft ook een bepaalde verklarende betekenis. In feite zal het optionele lidar-schema op de markt, van een zeer hoog stadium, van de lidar die door waymo in 2012 werd gebruikt tot de solid-state lidar die in de productie wordt gebruikt, de lidar-prijs aanzienlijk verlagen en de kosten aanzienlijk verlagen. Kosten zijn momenteel een belangrijke factor, maar deze factor zal binnenkort worden overwonnen.

Samenvattend, in de tweede fase, de belangrijkste uitdagingen die we moeten overwinnen om onbemand rijden te realiseren:
1. Hardware is in principe relatief volwassen, maar de hardwarecombinatie van perceptieproces en de meest redelijke architectuur moet nog verder worden onderzocht. Voor rekenkracht is de ontwikkeling van hoge rekenkracht en energiezuinige processors ook een ander innovatiegebied dat momenteel moet worden uitgevoerd. Netwerktechnologie heeft nog veel werk te doen voor onze infrastructuurgerelateerde hardwareoplossingen.
2. Er is een grotere kloof op het gebied van software, vooral in de koppeling van verdiepend leren, waarvoor een grote hoeveelheid gegevens nodig is voor bijscholing, en er is een grote kloof in de mogelijkheid, functie en veiligheidsredundantie van software .
3. Testverificatie, we kunnen niet alleen vertrouwen op de daadwerkelijke test op de weg, de eerste keer is lang en de tweede kosten zijn hoog. De grootste zwakte van testen op de weg is dat het het probleem van extreme scenario's niet kan oplossen. Het is vaak mogelijk om beter beheersbare scènes te voorspellen, maar het belangrijkste voor ons om diepgaand te leren, is om de scènes op te lossen die we op gewone tijden niet kunnen verwachten. Integendeel, deze scenario's kunnen niet worden opgelost door de daadwerkelijke test op de weg. Op dit moment moeten we meer vertrouwen op andere trainingsmethoden, waaronder virtueel testen en simulatiemagazijntesten, wat een belangrijke factor is om de mate van ons software-algoritme te versnellen.
4. De kosten van deze industrie zijn de wet van 20 en 80. We doen veel werk om de functies te realiseren die we nodig hebben. Technisch gezien heeft het slechts 20% R&D-investeringen nodig. Hoewel we 20% van de technische barrières moeten overwinnen, moeten we niet te optimistisch zijn. Vanuit het perspectief van de technologische industrie zijn er 80% of zelfs meer investeringen nodig om 20% van de technologie te overwinnen. Ik ben niet zo optimistisch over wanneer driverless volwassen zal worden. Qua schaal is dat in ieder geval na 2030.
Wat is het realistische pad van realisatie zonder bestuurder?

Voor het echte L4-niveau-experiment moeten we het concept van geografische omheining overwegen. Als we het hebben over automatisch rijden, kunnen we het concept van geografische omheining niet negeren. Het echte onbemande rijden in de hele scene zal over tien jaar eindelijk gerealiseerd zijn. We moeten niet wachten tot dit proces in de laatste fase rijpt. Geef een scène een nieuwe vorm, laten we een scène toepassen, zodat onze consumenten eerder en sneller kunnen profiteren van ons geavanceerde, bestuurderloze en automatische rijschema, zodat we het in bepaalde scènes kunnen gebruiken, inclusief of het kan worden gebruikt in overbelaste omstandigheden en speciale scènes die zojuist zijn geïntroduceerd door president Li.

Verschillende kampen gebruiken verschillende manieren om ons ultieme doel van driverless te bereiken. Traditionele OEM's houden nog steeds rekening met het probleem van massaproductie van voertuigen. Het is vaak onze L2 als kern van ons huidige werk, zodat meer hulprijfuncties en conditionele bestuurderloze functies in massaproductie op onze voertuigen kunnen worden toegepast. Als technologiebedrijf richt het zich meer op L4-standaard en hoger.
Hier zou ik een suggestie willen doen aan een onderneming die deelneemt aan de hele driverloze industrie, of het nu gaat om hardware- of softwareoplossingen, inclusief systeemintegratie. Voor echt bestuurderloze ondernemingen boven L4-niveau, zoals sommige toonaangevende ondernemingen, of het nu Waymo, Baidu of Apollo is, kan over tien of vijftien jaar platformontwikkeling in dit stadium worden gedaan, of het nu gaat om softwareplatform, hardwareplatform, inclusief algoritmeplatform. Omdat het tijd heeft om technische investeringen op lange termijn te doen, heeft het ook het vermogen om de hele industrie te leiden om langzaam naar zijn platform te verzamelen.

Hoewel ik dit als ondernemer niet wil toegeven, is het vakgebied van auto driverless het model om onze mobiele telefoon oplossing te realiseren, en ik denk dat het nog steeds heel goed mogelijk is. Google, als aanbieder van Android-systemen en onze mobiele-telefoonondernemingen als applicatiesoftware en hardware, is een relatief meer haalbare oplossing met lagere industriële investeringen, en deze oplossing heeft meer kans van slagen, dus we hebben bedrijfsplatforms zoals Google en Baidu nodig, maar dit platform is commercieel. Vanaf nu tot de commercialisering van technologisch onderzoek en ontwikkeling, het is een lang proces.
Als klein en middelgroot technologiebedrijf heb je niet zoveel tijd als je hardwareproducten en softwareoplossingen maakt. Uw R&D richt zich meer op modularisering en reductie

Als u uw eigen vermoeidheidsmonitorsysteem producten, merken of software wilt ontwikkelen; aarzel dan niet om contact op te nemen [e-mail beveiligd] , we zullen je niet teleurstellen.