Mogelijk pad van ADAS naar bestuurderloos
Het 8e China International New Energy Vehicle-forum was gastheer van. CST Sanjiao auto Xiaojun nodigt u uit om eerst na te denken:
Ten eerste: wanneer zal er sprake zijn van een bestuurderloze auto-industrie?
Ten tweede, met welke uitdagingen worden we vanaf nu nog steeds geconfronteerd;
Ten derde: wat is het realistische pad naar 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, intelligente 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 in 1886 de eerste auto uitvond.
Van de jaren zeventig tot 2000 was de ontwikkelingssnelheid van de hele auto-industrie echter relatief traag. Ik weet niet of jullie hier allemaal naar Stuttgart zijn gekomen om aan het museum deel te nemen. De auto's die Mercedes Benz in de jaren zeventig en tachtig ontwierp, verschillen niet veel van die uit 2000. Zelfs als het gaat om kernprestaties, vermogensprestaties en voertuigarchitectuur zijn er geen essentiële verschillen. In de periode van dertig tot veertig jaar is de auto-industrie geleidelijk verbeterd. Na 2000 heeft de auto-industrie een nieuwe ontwikkelingsfase doorgemaakt, en de hele industrie heeft een baanbrekende innovatie op het gebied van technologie en industriële wederopbouw ingeluid.
We moeten ook een zeer rationele kijk op ontwikkeling hebben, of het nu gaat om de ontwikkeling van elektrificatie, inclusief de ontwikkeling van intelligentie en netwerken waar we vandaag over praten. 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 onze zakelijke activiteiten. model. Dit is de belangrijkste inhoud waarover ik mijn gedachten deel en die ik vandaag met u hoop te bespreken.
Wanneer komt de zelfrijdende auto-industrie?
Om op het onderwerp van vandaag te komen: wanneer komen er zelfrijdende auto's?
Ik hoorde ook de voorspelling van president Li over het schema zonder bestuurder. Ik ben het zeer eens met het oordeel van president Li. Momenteel zijn er eigenlijk twee kampen voor de aanbieders van zelfrijdende oplossingen. Eén daarvan zijn de traditionele autobedrijven zoals Mercedes Benz, inclusief de toonaangevende bedrijven zoals Mercedes Benz, BMW, Audi en zelfs Ford en GM. Een ander kamp is het technologiebedrijf Apollo in China.
Momenteel heeft elke onderneming zijn oplossingen op de markt gebracht, en ook het niveau is verschillend. De traditionele voertuigbedrijven zijn meer wat wij 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 bevinden zich meer in het ontwikkelingsproces van een of andere schemaverificatie.
Elke onderneming heeft in principe de landingstijd van hun programma zonder bestuurder aangekondigd. Is er enig verschil tussen de landing van autofabrieken en die van technologiebedrijven? Je kunt zien dat de meeste bedrijven vóór 2020 en 2021 programma's zonder bestuurder lanceren boven L4. Naar mijn mening is dit ook een heel bijzonder tijdstip.
Waarom denk je dat? Laten we naar de gegevens kijken. Deze bedrijven 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 proefrit in Californië te doen. Omdat de wegtest in Californië één voordeel heeft, zijn zowel de testkilometers als de snelheid van een toonaangevend niveau. Wij hebben de testkilometerstand van 2017 geselecteerd, dat is ongeveer 350.000 mijl. Het totale aantal kilometers ontworpen door andere bedrijven is nog steeds relatief klein. Waymo's testkilometerstand is 352545, met 63 onderbrekingen en 18 onderbrekingen per 100.000 mijl.
Ongeveer 100.000 mijl ligt binnen dit bereik. Als het huidige rijschema door ons wordt gebruikt, zijn er 18 onderbrekingen in deze levenscyclus. Uiteraard leidt de onderbreking niet noodzakelijkerwijs tot ernstige verkeersongevallen. Het kan de opschorting van het systeem zijn of andere potentiële risico's. Onze testchauffeurs onderbreken actief het zelfrijdende systeem.
We hebben een referentie gemaakt: functionele veiligheid. Onze definitie van tijd is veiligheid. Als we het omzetten in gereden kilometers, gaan we ervan uit dat dit gebeurt bij een snelheid van 40 mijl per uur, wat betekent dat we moeten onderbreken op een niveau van 0,00004 per 100.000 mijl. Ik denk dat het naar mij omgerekende resultaat ook relatief acceptabel is. Dit betekent dat er op elke 40.000 voertuigen een onderbrekingsongeval plaatsvindt. Dit is wanneer je in de toekomst je leven aan een machine geeft. Dit is acceptabel. Ons niveau en werkelijke vermogen om veilig te rijden zijn nog steeds van grote factoren afhankelijk, waaronder hardwarestoringen en het waargenomen gedrag van andere voertuigen.
Concluderend kunnen we een programma zonder bestuurder en een proefproject maken, maar er is nog een lange weg te gaan om echt te voldoen aan de eisen van ons voertuigreguleringsniveau, betrouwbaar en veilig rijden.
Welke uitdagingen moeten we overwinnen om autonoom rijden mogelijk te maken?
Wat zijn momenteel de specifieke uitdagingen van onbemand rijden?
In de eerste plaats is onze volwassenheid qua 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 combinatieschema met meerdere sensoren te maken, maar in feite zijn er door analyse nog steeds verschillende geschillen en routes voor de zelfrijdende schema's van verschillende bedrijven, die nog steeds meer verificatie nodig hebben om de optimale oplossing te bereiken.
Daarnaast is er de besluitvormingslink, de berekening op het gebied van hoge prestaties, inclusief enige ontwikkeling en toepassing van de controller. Hoewel er geen sprake is van grootschalige massaproductie van actuatoren, vinden wij het in dit opzicht natuurlijk moeilijker. Inclusief de perceptielink, ons algoritme, de nauwkeurigheid van computervisie, inclusief de methode van multi-sensor datafusie, inclusief de toepassing van landmeetkunde en mapping en real-time update, hebben we nog steeds veel uitdagingen en moet er nog veel werk worden verzet deze velden. Op het gebied van diepgaand leren en rolkoppeling optimaliseren we heel snel, maar op het gebied van neuraal netwerk en machinaal leren hebben we nog steeds veel virtuele verificatie nodig om de nauwkeurigheid van ons algoritme voortdurend 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 mensen zullen uiterst nauwkeurige lidar kiezen als een van de belangrijkste hardware 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 meer geschikt voor de eindoplossing van onbemand rijden in de toekomst? Als je naar lidar kijkt, zijn de voordelen ervan heel duidelijk. Het presteert goed op het gebied van detectieafstand, detectienauwkeurigheid en verschillende industrieën en mijnen. De eerste kostenvereiste 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 ervan, 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 computer vision 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.
Bestrijk 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 bevindt zich nog steeds in een fase van verkenning en het vinden van een meer evenwichtige fase.
Nu doen veel bedrijven onderzoek en ontwikkeling naar systemen zonder bestuurder, waarbij zij vaak de rol negeren van de zogenaamde internettechnologie op het gebied van bestuurderloos systeem. Waarom besteden we meer aandacht aan de intelligentie van fietsen? In de eerste plaats 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 hele transportsysteem plaatsen, omdat de auto zelf ook moet worden aangepakt. geïntegreerd met andere transportmiddelen.
Ten tweede moeten we er rekening mee houden dat de infrastructuur enige hulp kan bieden bij autonoom en begeleid rijden. Met de ontwikkeling van de internetverbindingstechnologie zijn er veel toepassingsscenario's in de informatie-interactie met chauffeurs. Met de ontwikkeling van de technologie kan de daadwerkelijke internetverbinding echter ook een grote rol spelen. Door de ontwikkeling van v2x kan de nauwkeurigheid van onze perceptie aanzienlijk worden verbeterd en kan onze veiligheid worden verbeterd door de wederzijdse perceptie. Tegelijkertijd vermindert het ook de technische kosten van het realiseren van effectieve perceptie. In de echte fase zonder bestuurder kan IoT ook een zeer belangrijke rol spelen bij de besluitvorming en besturingsinteractie. Het voertuig en de infrastructuur kunnen de nauwkeurigheid van het algoritme verbeteren door de interactie van besluitvorming, en kunnen ook onze rekenvereisten voor hardware verminderen.
Een andere uitdaging is ook de richting van onze discussie. Het nieuwe generatie elektronische en elektrische architectuurschema voor de auto-industrie, van gedistribueerde ECU-regeleenheid 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 ontwikkelingen. Hiervoor is in de eerste plaats de ontwikkeling van de bustechnologie zelf nodig, inclusief de Ethernet-technologie, omdat we momenteel zien dat grootschalige datatransmissie grote beperkingen kent. Op dit moment zouden onze nieuwe transmissiemedia daarin moeten worden geïntroduceerd.
Daarnaast hebben we het concept van domeincontroller, en zelfs het concept van centrale verwerkingseenheid en centrale verwerkingseenheid in de toekomst. Domeinprocessor heeft veel verschillende domeinen, zoals voertuigcarrosseriedomein, aandrijflijndomein, infotainmentdomein, enz. Elk systeem heeft een domeincontroller. Enerzijds heeft het ook de functie van informatieverwerking en besluitvormingskoeling. De domeincontroller beschikt over rekenkracht. Door deze mogelijkheid bestaat het risico van technische impact op het hele elektronische en elektrische systeem. Ten tweede komt het tegemoet aan de behoeften van een groot aantal gedistribueerde rekenkracht in de toekomst in de fase van intelligente netwerken, wat de ontwikkeling van auto-elektronica en elektriciteit als geheel voertuig zou moeten zijn. Hoe we ons in de toekomst kunnen aanpassen aan de ontwikkeling van intelligente netwerktechnologie brengt nieuwe uitdagingen met zich mee.
Ons bedrijf heeft veel werk op dit gebied verricht 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, vanaf een zeer hoog niveau, van de lidar die door Waymo in 2012 werd gebruikt tot de solid-state lidar die bij 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.
Om in de tweede fase de belangrijkste uitdagingen samen te vatten 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. Op het gebied van rekenkracht is de ontwikkeling van processors met een hoog rekenvermogen en processors met een laag vermogen ook een ander innovatiegebied dat momenteel moet worden gerealiseerd. Netwerktechnologie heeft nog veel werk te doen voor onze infrastructuurgerelateerde hardwareoplossingen.
2. Er is een grotere kloof op het gebied van software, vooral op het gebied van diepgaand leren, waarvoor een grote hoeveelheid gegevens nodig is voor verdere training, en er is een grote kloof in de mogelijkheid, functie en veiligheid van redundantie van software .
3. Testverificatie, we kunnen niet alleen vertrouwen op de daadwerkelijke test op de weg, de eerste keer duurt lang en de tweede keer is hoog. De grootste zwakte van tests 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 dat we diep moeten leren, is het oplossen van de scènes die we in gewone tijden niet kunnen verwachten. Integendeel, deze scenario’s kunnen niet worden opgelost via de daadwerkelijke proefrit. 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. Vanuit technisch oogpunt heeft het alleen 20% R&D-investeringen nodig. Hoewel we nog 20% aan technische barrières moeten overwinnen, moeten we niet te optimistisch zijn. Vanuit het perspectief van de technologische industrie zijn er 80%-investeringen of zelfs hogere investeringen nodig om de 20%-technologie te overwinnen. Ik ben niet zo optimistisch over wanneer de auto zonder bestuurder volwassen zal worden. Qua omvang zal dat in ieder geval na 2030 zijn.
Wat is het realistische pad naar realisatie zonder bestuurder?
Voor het echte L4-niveau-experiment moeten we het concept van geografische afrastering overwegen. Als we het hebben over automatisch rijden, kunnen we het concept van geografische afbakening niet negeren. Het echte onbemande rijden in de hele scene zal over tien jaar eindelijk gerealiseerd zijn. We moeten niet wachten tot dit proces zich in de laatste fase heeft ontwikkeld. Geef een scène opnieuw vorm, laten we een scène toepassen, zodat ons geavanceerde, zelfrijdende en automatische rijschema onze consumenten eerder en sneller ten goede kan komen, zodat we het in bepaalde scènes kunnen gebruiken, inclusief de vraag of het kan worden gebruikt in drukke omstandigheden en speciale scènes die zojuist zijn geïntroduceerd door president Li.
Verschillende kampen hanteren verschillende manieren om ons ultieme doel van autonoom rijden te bereiken. Traditionele OEM's houden zich nog steeds bezig met het probleem van de massaproductie van voertuigen. Het is vaak onze L2 als de kern van ons huidige werk, zodat meer aanvullende rijfuncties en voorwaardelijke, zelfrijdende functies kunnen worden toegepast in massaproductie op onze voertuigen. Als technologiebedrijf richt het zich meer op de L4-standaard en hoger.
Hier zou ik een suggestie willen doen aan een onderneming die deelneemt aan de hele driverless-industrie, of het nu gaat om hardware- of softwareoplossingen, inclusief systeemintegratie. Voor werkelijk bestuurderloze ondernemingen boven L4-niveau, zoals sommige toonaangevende ondernemingen, of het nu gaat om Waymo, Baidu of Apollo, kan over tien of vijftien jaar in dit stadium ontwikkeling op platformniveau plaatsvinden, of het nu gaat om een softwareplatform, een hardwareplatform of een algoritmeplatform. Omdat het tijd heeft om technische investeringen op de lange termijn te doen, heeft het ook het vermogen om de hele industrie ertoe te brengen zich langzaam naar zijn platform te verzamelen.
Hoewel ik dit als ondernemer niet wil toegeven, is het vakgebied van de autonoom rijdende auto het model om onze mobiele telefoonoplossing te realiseren, en ik denk dat dit nog steeds heel goed mogelijk is. Google, als leverancier van Android-systemen en onze mobiele telefoonbedrijven 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 nodig zoals Google en Baidu. maar dit platform is commercieel. Vanaf nu is de commercialisering van technologisch onderzoek en ontwikkeling een lang proces.
Als je als klein en middelgroot technologiebedrijf hardwareproducten en softwareoplossingen maakt, heb je niet zoveel tijd. Jouw R&D richt zich meer op modularisering en reductie
Als u uw eigen producten, merken of software voor vermoeidheidsmonitoringsystemen wilt ontwikkelen; aarzel dan niet om contact op te nemen [email protected] We zullen je niet teleurstellen.