2017年10月27日,由清華大學蘇州研究院指導,清新汽車、清研車聯(lián)聯(lián)合主辦的“自動駕駛快速產(chǎn)業(yè)化的密碼”主題沙龍在蘇州舉辦。清華大學蘇州汽車研究院院長成波圍繞“中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)發(fā)展機遇”為主題做了發(fā)言。
會上,智能網(wǎng)聯(lián)汽車是選擇漸進式發(fā)展還是跨越式發(fā)展?成波表示,傳統(tǒng)車企和互聯(lián)網(wǎng)企業(yè)對此各自選擇了不同的發(fā)展路徑。而針對現(xiàn)有企業(yè)爭論,L3階段到底要不要?他表示:“原來主機廠都是堅持要循序漸進,沃爾沃前段時間發(fā)布說跨過L3,從L2直接到L4。不過我感覺這個很難跨過去,從L2到L4這個鴻溝還是非常大?!绷硗猓€透露我國正在組建國家級智能網(wǎng)聯(lián)汽車創(chuàng)新發(fā)展平臺。
以下為成波院長演講實錄:
清華大學蘇州汽車研究院院長 成波
將智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)技術發(fā)展的聲量放大
今天我們是第一次以沙龍的形式一塊兒來分享一些話題。因為我們在智能網(wǎng)聯(lián)汽車研究上做了很多年,國內、國際上也是做了一些前瞻性技術研究,包括場景方面也有一些建樹。不過感覺這些東西還是需要大家聯(lián)合起來做,不管是做技術,包括做產(chǎn)業(yè)等,還是需要大家一塊參與。我們實際上跟汽車工程學會有一次大型的年會,不過感覺一年一次年度會議還不夠,所以我們有一個設想,希望能夠通過這種沙龍比較寬松、比較靈活的方式,包括技術的研究人員,包括教育的人才,包括投資者各方一塊兒來探討,這是智輪行沙龍成立的一個基本初衷。
智輪行沙龍以全國巡回的方式,組織月度技術專題沙龍。期間,還將發(fā)布行業(yè)研究報告,由清華大學蘇州汽車研究院通過研究并與清新汽車團隊完成。另外,通過行業(yè)熱點事件討論,搭建圍繞汽車、交通、互聯(lián)網(wǎng)、通信等多領域的交流平臺。在此,清華大學蘇州汽車研究院也聘用清新汽車總編劉雄為產(chǎn)業(yè)研究總監(jiān),加快與研究院內部產(chǎn)業(yè)研究團隊深度互動,通過清新汽車的媒體優(yōu)勢,將智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)技術發(fā)展的聲量放大,促進產(chǎn)業(yè)正向發(fā)展。
關于智能網(wǎng)聯(lián)汽車概念介紹
今天我們討論這個話題,屬于智能網(wǎng)聯(lián)汽車。
原來我們說智能汽車,更多的還是自動駕駛,它是通過車載的傳感器來感知、決策然后控制。網(wǎng)聯(lián)的定義里面不需要智能,你只要聯(lián)網(wǎng)就可以了,兩個合起來就是智能網(wǎng)聯(lián)汽車,這是一個概念的出處。
美國的SAE汽車工程學會對智能化的程度做了一個定義,從L1到L5。第一級是單功能的預測,前面有障礙,來幫助你緊急剎車,或者幫助你打方向盤規(guī)避,或者給你預警。第二級是集成,第三級一部分實現(xiàn)車輛自動駕駛,第四級是一般的結構化道路上都可以不需要人來駕駛。
去年的技術路線圖里面,把它這個定義分成三級,一等就是通過網(wǎng)聯(lián)對汽車駕駛進行輔助,比如提供信息,說前面彎路的時候人看不見,來提供信息。第二是對它進行感知,第三是決策與控制,這個就構成了我們對智能網(wǎng)聯(lián)的一些基本概念。
還有一些概念,一個是大家知道的智能汽車,智能交通,還有車聯(lián)網(wǎng),智能網(wǎng)聯(lián)汽車就是在中間,它們都相關,又有各自比較精準的定義。
智能網(wǎng)聯(lián)汽車發(fā)展需要跨界融合
另一個就是智能汽車它是跨界融合的,光有汽車行業(yè)做不好智能網(wǎng)聯(lián)汽車,另外汽車沒有交通的環(huán)境,做得再好也沒用。智能網(wǎng)聯(lián)汽車車輛本身需要感知、決策、控制,要能自主導航,要能跟人進行交互,這是它本身的功能。不過它產(chǎn)業(yè)本身和生態(tài)環(huán)境都需要大家的融合,這里面有定位、地圖,有V2X,車和車要進行聯(lián)絡,車和人要進行聯(lián)絡,車和基礎設施要進行聯(lián)絡,還有信息通訊、汽車共享服務、大數(shù)據(jù),當然還有其他的一些,構成整個產(chǎn)業(yè)的生態(tài)。
另外,一旦出行就有事故,就有責任,無人駕駛的車撞人了怎么辦?誰來承擔責任?無人駕駛的車能不能上路,這個路權誰來定義?尤其是現(xiàn)在不成熟的產(chǎn)品,誰敢把它放到路上去?所以這里面有法律的問題,有規(guī)范的問題,標準的問題,保險的問題,還有道德的問題。
什么道德問題?大家可能都聽說無人駕駛車是由工程師編程序控制的,這個程序遇到危險以后是選擇撞誰?是撞墻還是撞人?對于乘車人和外面的人,這個設計是利他還是利己?這里面就涉及到一個道德問題。
通過看這個整個生態(tài)更詳細的圖譜,發(fā)現(xiàn)涉及到上游的軟硬件問題,處理器、儲存器,還有駕駛的硬件、軟件、商業(yè)應用,包括技術的解決方案,也包括傳統(tǒng)整車制造,整個生態(tài)中,我們的汽車制造企業(yè)只占那么一角。
現(xiàn)在做預期,在這里面未來盈利最大的可能是移動服務的提供商,在整個價值鏈里面可能是占位最高的。還有平臺的服務商和終端軟件的設備。而對于其他的硬件,在這里面不占優(yōu)勢。
漸進式發(fā)展VS跨越式發(fā)展? 傳統(tǒng)車企與互聯(lián)網(wǎng)企業(yè)選擇各不同
對于智能網(wǎng)聯(lián)汽車到底應該怎么去發(fā)展?這一直是有爭論,或者大家在選擇一些不同的方向與路徑,也是必然的,因為都在探索。智能網(wǎng)聯(lián)汽車未來是一個什么畫像,實際上現(xiàn)在也沒畫太清楚,剛剛說分五級、分六級,這也都是我們一個理想的狀態(tài)。
從現(xiàn)在參與到整個行業(yè)里面的,一個是傳統(tǒng)的汽車廠,包括它的零部件供應商。還有一些新興的互聯(lián)網(wǎng)、ICT還有一些服務的企業(yè)。在發(fā)展的時候有兩種不同的路徑,對于傳統(tǒng)的主機廠肯定是漸進式的,因為它轉型的包袱太重,他不可能把現(xiàn)在所有的車都扔掉,一步跨到無人駕駛,這是不可能的。另外它的一些供應商必須一塊兒走,一個是商業(yè)上的利益共享機制,另外一個主機廠的核心技術不在零部件供應商手上。
另外互聯(lián)網(wǎng)企業(yè),選擇的則是直接從高度的自動駕駛這兒來做,因為制造不是他的強項。所以這是兩個不同的路徑。
L3級恐很難跨越
我們說多少級,實際上現(xiàn)在認真弄下來,不需要分那么多級,高度自動駕駛和完全自動駕駛可以做成一個等級,1和2實際上也可以做成一個等級,3也許是一個過渡,實際上分3級就夠了。因為到第3級以后,前面1級、2級駕駛員是100%的責任,無論用不用駕駛輔助系統(tǒng),出了事故責任都是人的。到了3,車的控制權可以發(fā)生轉移,我這個指令或者說系統(tǒng)要求,系統(tǒng)可以接管汽車的駕駛。也就是說在這段時間發(fā)生的事故,可能這個責任要重新劃分。
另外對系統(tǒng)技術的要求,更多的是它的可靠性問題,F(xiàn)ail safe就是系統(tǒng)出故障了要保證它安全,首先要把車停下來,靠邊停下或者緊急剎車。到車輛責任完全由系統(tǒng)來控制,這段時間,這個時空他是完全負責的。在這個時候出現(xiàn)故障以后,車還得人駕駛,還得行駛,行駛速度可能下來。飛機現(xiàn)在到空中都是無人駕駛,它一定要求系統(tǒng)是多套的,這個對于整個系統(tǒng)的可靠性提出了遠遠超出我們現(xiàn)在想象的要求。
現(xiàn)在也有企業(yè)在爭論,L3階段要不要?原來主機廠都是堅持要循序漸進,沃爾沃前段時間發(fā)布說L3他們跨過去了,從L2直接到L4,是有這些說法。不過我感覺這個很難跨過去,從2到4這個鴻溝是非常大。
“單車智能 ”與“網(wǎng)聯(lián)智能”兩種技術路線的博弈
對于智能網(wǎng)聯(lián)汽車,怎么個造法?也是有不同的路線。特斯拉現(xiàn)在的智能化水平實際上是2的水平,它現(xiàn)在基本不依賴基礎設施,更多的是用它車載的傳感器來實現(xiàn)自動駕駛。Google一開始就是依托于高精度地圖,它到一個城市就要用三維的激光雷達把所有的模型造好,這個車實際上是跑在數(shù)字地圖上,它才能夠對照并進行精準定位,來對車進行控制?,F(xiàn)在普遍接受的是谷歌這種多一些,歐洲、北美都在大量的采用道路數(shù)據(jù)。像特斯拉做這種可能也有它的理由,真要等著基礎設施完善,車不知道什么時候才能上路,需要在有限的條件下首先讓車能跑起來,這還是兩條不同的技術路線選擇。
新的平臺技術現(xiàn)下比較單薄
我們現(xiàn)在說智能網(wǎng)聯(lián)汽車是一個顛覆性產(chǎn)品,所謂的顛覆不光是從使用,實際上我們在整車的架構方面,一些核心技術上,也出現(xiàn)了一些新的需要突破,這里列了十個,我們說傳統(tǒng)車上沒有的,作為支撐現(xiàn)在智能網(wǎng)聯(lián)汽車平臺性的技術,不是單一的技術。感知、決策,電子電器架構原來是有的,不過在智能駕駛情況下,電子電器架構要重新定義。還有車載的終端,現(xiàn)在我們都是單向的,只是播放信息,以后它是雙向交互,以后語音的交互,還有一些視覺的交互,它會有很多,包括信息的交互。
還有車載的計算平臺,現(xiàn)在我們都是用微型的計算ECU來,未來在車載需要大量進行數(shù)據(jù)的處理,進行判斷,所以這個計算平臺一定要有。高精度的地圖、大數(shù)據(jù)、云控,還有信息安全、人工智能,這些都是未來不可或缺的。而這里面現(xiàn)在的積累從全球來講,還是比較單薄的。
人工智能至關重要
在這里面提到人工智能,之所以智能汽車這么快發(fā)展,尤其最近開始加速,人工智能在這里面發(fā)揮了比較大的作用。從人工智能來講,目前我們能看得到有些出色表現(xiàn)的,比如AlphaGo把冠軍棋手全打敗了,它在計算上,在局部游戲這方面做到極致。到下一步感知智能,一個是聽,一個是看,現(xiàn)在從數(shù)據(jù)上來講、性能上來講都超過或者趕上人,而且未來肯定會比人更強。認知這塊它就要理解,現(xiàn)在在車用上還沒有,在一些醫(yī)療上有用。第二輪人工智能爆發(fā)的時候是60年代時候,也是醫(yī)療專家系統(tǒng),它的識別精度就比人要高得多。
除了在感知這塊,在行為決策、直接控制這塊它也能發(fā)揮作用。不過目前來講,還是在感知這塊現(xiàn)在有比較明確的一些結果。而對于增強學習和遷移學習這塊,現(xiàn)在英偉達做樣車在進行嘗試,它在高速公路上跑了10公里,還是處于特別初級的階段。
我們回過頭簡單說一下自動駕駛,它基本的任務我們認為一個是環(huán)境感知,一個是駕駛的決策,一個是車輛的控制,車輛控制這塊實際上傳統(tǒng)的車里面基本上已經(jīng)解決了。一個是感知,一個是決策,這是需要新增的。感知這里面它有環(huán)境的識別,有情景的理解,決策就有行為決策還有路徑規(guī)劃,這是細分來講。
在這里面做這個事情也有兩類方法,一類是我們說傳統(tǒng)的,它是基于規(guī)則的,把一些復雜的道路環(huán)境識別把它分成一個一個獨立的問題,然后一個一個去解決,這是我們解決復雜問題的一個基本邏輯。就是把這個復雜問題給它分解、簡單化。不過我記得幾十年前就有提出來,復雜的問題并不一定要通過這種結果的方式去解決,不過那時候他提的理論實用性不強。現(xiàn)在我們說端到端的進行機器深度學習,它可能沒有嚴密的邏輯或者說數(shù)學邏輯,所謂端到端就是我有一個輸入圖象,我既可以識別這個道路上的這些障礙物,同時我還可以直接延伸到來產(chǎn)生我操作的一些指令,這就是端到端。
這里兩種方法它各有優(yōu)劣,我們說現(xiàn)在端到端這塊的識別,精度確實非常高,不過它有一些致命的弱點,一個是它的可解釋性太差,就是這個黑匣子,這個結果到底是合理不合理?說不清楚,為什么是這個結果,它也說不清楚,是因為什么產(chǎn)生,產(chǎn)生的理由、依據(jù)也搞不明白。這個最大的問題就是對于我們汽車制造商,出了問題以后我要迅速的把這個問題找到而且要替換它。如果我們整個控制系統(tǒng)以后是學習的,說出了問題了,這個故障你怎么去找?那是沒法找的,所以這個可解釋性就成了未來品質追溯的一個重大的難關。
另外還帶來一個問題,以后是在線學習,說我車賣你的時候是一個樣,你每天開的那個地方,你常年開上海這個街道和常年開蘇州街道學出來的結果就不一樣,你在北京練出來的車,到紐約不一定跑的好。美國車肯定訓練完了到中國寸步難行,類似這些東西帶來很大的不確定性。
它的好處就是對于算法,對于復雜度非常高,人不用寫代碼了,你有個基本的架構我來進行一些適應性的訓練,這個是受到大家追捧的。
這是說到環(huán)境感知,我們再分解一下,跟大家再科普的專業(yè)一點,環(huán)境感知實際上可以分成三個層次,一個層次是識別,路上有車還是有人、有樹。第二個是情景的理解,有這些東西了,它是一個什么東西,前面那個車是在我正前方還是要右轉,還是要掉頭,這個情景的理解需要。第三個對于其他物體的預測,行人也好,車輛也好,只有這個問題解決了,我們說感知感覺,知是感知,知覺,認知。然后這些解決了以后才是決策,才是控制,才到車輛?,F(xiàn)在我們大部分工作在這塊。
這是信息獲取,現(xiàn)在百度通過一些競賽,說信號燈識別準確率已經(jīng)達到3個9,行人檢測已經(jīng)超過95%了,還有其他的一些指標,包括車輛識別可能精度也是非常高,這個比我們傳統(tǒng)做環(huán)境識別的算法都要高得多,未來他們在挑戰(zhàn)行人的識別率也要達到幾個9。
語義理解,這是情景理解力的一部分,因為車是在路上跑的,哪些地方是我能跑的,一個是在路上,另外一個是沒有障礙物,現(xiàn)在沒有,將來我到的時候也沒有,這是預測。還有邊上站的一些人他的行為要進行預測,通過不同顏色來進行區(qū)分,再進行聚集以后它可以把這個區(qū)域輪廓畫出來,為決策提供非常便利的條件。這些通過深度學習都可以解決。
對于行為決策更難一些,這是傳統(tǒng)的,這是美國SAE弄的一個分層的結構,每一個實際上還要細分,所以這個東西要解決還是挺難的。
端到端這個時間不長,1989年還是在校園里,后面的也是最近幾年,隨著人工智能的一些算法提升以后?,F(xiàn)在就是英偉達在做實車的測試,其他的到控制端的還少。
現(xiàn)已啟動建立國家級智能汽車創(chuàng)新發(fā)展平臺
簡單介紹一下未來我們存在的一些機會,因為我們剛剛說的一些技術路線的選擇,因為一個產(chǎn)品要推出社會,尤其要和人發(fā)生交互,它整個生態(tài)鏈包括社會體系必須具備。各個國家的政府高度重視,而且都是把它列為國家戰(zhàn)略,國外對于一個產(chǎn)品它很難都列為國家戰(zhàn)略,從上個世紀九十年代開始,圍繞著交通,把智能交通和智能汽車,持續(xù)這二三十年一直在做,美國、德國、日本基本上都是按一個節(jié)奏在走。東京2020冬奧會就要推出自動駕駛服務車輛,我們國家現(xiàn)在定的目標是在2022的冬季奧運會也會有自動駕駛車輛。
中國現(xiàn)在提出目標了,L3以下的到2020年裝車率是50%,這個是非常高的,能不能實現(xiàn)這個真是不好說,現(xiàn)在也就3年了。2025到80%,2030是新車標配,而且汽車聯(lián)網(wǎng)要100%,這還是可以預期的,我們先不管說實現(xiàn)路徑怎么樣,作為一個國家,尤其中國政府是說話算數(shù)的,所以大家有的是機會。
目前我感覺機遇還是有的,圍繞現(xiàn)在定義的概念,自動駕駛沒有大規(guī)模的應用,這塊留給了我們一定的時間。第二個,現(xiàn)在的發(fā)展都是國家引領,產(chǎn)業(yè)協(xié)同這么一個國家戰(zhàn)略,凡是說抱團打群架的,中國一定是強的,因為政府的號召力強,政府還有錢,所以這塊只要方向不錯,我們說核心技術可以等一等再攻破,就跟高鐵一樣,我先把路給你跑上,把車給你跑起來。后面還有一些,一個是我們汽車市場多,任何車廠都可以到我們這兒來賣。第二個我們場景復雜,場景復雜有一個什么好處?我這兒訓練的車到別的地方都不能跑。你像歐洲、美國訓練出來的到中國跑不了。第三個,我們現(xiàn)在做統(tǒng)一的平臺,尤其信息安全這是未來一個名正言順的壁壘,所有的車到中國跑必須入網(wǎng),數(shù)據(jù)必須交出來,必須按我們的規(guī)矩來,所以這些我感覺是有機會的。另外中國現(xiàn)在的智慧城市還是下一步經(jīng)濟發(fā)展的重點。
最新的一個動態(tài),現(xiàn)在發(fā)改委正在發(fā)力,工信部在技術創(chuàng)新這塊推動比較大,發(fā)改委現(xiàn)在是要在產(chǎn)業(yè)這方面,現(xiàn)在已經(jīng)在啟動要建立國家級的智能汽車創(chuàng)新發(fā)展平臺。
另外車廠也在動起來,這個我感覺是有機會的。
未來將是服務來引領創(chuàng)新
有幾個趨勢,跟大家分享、討論,一個是駕駛逐步的去人化,從上個世紀我們說智能汽車、智能交通,就是通過智能化讓人少參與汽車的駕駛,或者不參與汽車的駕駛。因為汽車發(fā)生事故,10%是車本身的故障產(chǎn)生的,歐美這些車可能5%都不到,道路環(huán)境大概30%,有的地方可能多一點。人的原因是90%,所以讓人盡可能的少開車或者不開車,這是解決交通安全事故的重點,現(xiàn)在一年交通事故傷亡120萬到130萬,這個是巨大的。
另外提高效率,只要不是人開車,就沒有脾氣,車就會按統(tǒng)一的路徑來走。低成本。
第二個肯定是逐步走向共享,中國這么大的人口基數(shù),我們按照國外的人均汽車擁有量那絕對是走不通的,出行的需要又是一個剛需,所以通過共享,現(xiàn)在共享在國內推動的還是比較快。所以共享以后,品牌的價值會降低,客戶是買服務不是買品牌,另外出行因為方便了,大家出行也沒有任何顧慮,估計短途的、長途的都會增加。
第三個,移到服務,我們都認為這里面有它轉型的障礙,在現(xiàn)有的土壤上要成長出一批新的主機廠來替代。未來應該是由服務來引領創(chuàng)新,而不是技術來驅動創(chuàng)新。電動汽車可能會找到它更好的發(fā)展機會。
掃一掃在手機上閱讀本文章