博世底盤豐浩：打造安全互聯的自動駕駛
[汽車之家 新聞] 8月19日，由中國汽車工業協會主辦，汽車之家承辦的第一屆“全球汽車產業創新大會”在北京國家會議中心隆重召開。博世底盤控制系統中國區市場與戰略發展總監豐浩發表演講，以下為演講實錄：
首先上臺之前先跟大家講一個故事，剛才車評人也說到我們是汽車零部件的廠商，是核心技術零部件的合作伙伴。我先講一個自己作為用戶對自動駕駛的理解，這個故事來源于我前天早晨打車上班，掏出手機打了一個滴滴，滴滴花了有20分鐘的時間接我，上了車之后就發生了一段非常有意思的對話，司機不停的抱怨客服，為什么派單分這么遠？不停的抱怨，開始打客服的電話。我作為一個用戶坐在后面，一方面為司機有點打抱不平，你想司機花了20分鐘時間來接我，可能這個時間能接好幾個單子。另一方面也為滴滴打抱不平，其實人家派單也沒有錯，這個司機非常的開心。我在后面作為用戶挺擔心的，一方面他在開車打電話，我挺擔心他撞到前面的車。我掏出手機給滴滴的朋友發了一個微信，因為我記得這位朋友給我講過一個事情，作為滴滴出行移動服務商他們最擔心的問題是乘客抱怨司機、司機抱怨客服。抱怨來抱怨去，這樣的問題怎么解決呢？接下來就要談到我們用自動駕駛可以很好的解決這個問題。在談自動駕駛之前也可以看到自動駕駛根本不是說想做自動駕駛，它很多的痛點來源于出行過程中用戶的一些痛點。
比如說我們現在做的L2級的自動駕駛，它雖然不是完全的自動駕駛，但可以解決我們在高速路上的疲勞駕駛問題，現在L2級的自動駕駛可以提高20秒，讓你把手拿看可以做簡單的事情，你可以做簡單的化妝，當然我們不鼓勵這樣做。自動駕駛來做這樣的技術最終目標還是去實現真正的零傷亡、零事故愿景，現在國家在積極的談車路協同概念，都是為了更好的去解決整個交通出行的效率，當你解決了交通出行的效率，就解決了每天早晨上班最頭疼的問題堵車，通過對交通信號的控制和算法的優化，可以改善交通流的現象，對于節能減排有很大的幫助，最后還可以解決群體性的問題。
當我沒有能力駕駛，年齡偏大，或者是非駕駛的群體，也可以解決他出行的問題。你不再是自己開車了，叫一個自動駕駛出租車，他可以幫助你把點A帶到點B。從自動駕駛初衷來講，可以解決非常多的社會問題。從今年開始包括去年我看了很多行業的論壇和展會，大家都在講自動駕駛退潮，我并不想用退潮這兩個字，因為自動駕駛并沒有退潮，我們的技術還是在發展的。而是大家意識到自動駕駛沒有我們想象的那么簡單，它可能是汽車工業發展到現在以來面臨的前所未有巨大挑戰，這也是為什么很多車廠和科技公司，其實自動駕駛解決方案是有的，但是在量產時間上一步一步往后推遲的。為什么說自動駕駛是汽車工業革命所面臨的挑戰呢？自動駕駛不是講的簡單感知、決策、執行就可以完成的。感知、決策、執行僅僅是自動駕駛在技術層面上實現這個功能的第一步，同樣在自動駕駛里面還有如何將這個車釋放以及驗證到路上，我的法規支不支持，我們講的功能安全跟網絡安全都是自動駕駛所面臨的挑戰。為什么這些挑戰不是阻礙自動駕駛前進？而是自動駕駛過程中必須要解決的一個問題呢，必須要回到一個問題：安全。
這個安全不僅僅代表車輛安全，而是所有在路上的交通參與者的安全，不僅是車輛司機的安全，同樣關乎著路上行人的安全。不可能說一個自動駕駛出租車讓自動駕駛運行起來了，讓它隨意的去撞人，所以安全顯得尤為重要。在自動駕駛定義過程中，我們在L3的自動駕駛上是一個分水嶺，從三級的自動駕駛開始，人就可以開始不用管自動駕駛的功能，它是由系統負責的，需要保證自動駕駛在人沒有做接管能力的情況下，它是能夠安全可靠的將車運行以及停下來。這里我想舉一個不是汽車行業，但是在整個工業行業比較經典的案例。大家都知道Case從技術角度，就是因為飛機在看俯仰角的時候，沒有額外冗余的傳感器做額外的判斷，同時在系統設計上駕駛員又不能同時的監管，在設計上出現了沒有冗余的狀況，造成了這樣的事故如果不做安全措施的話，它還會有第三起第四起。這也就意味著在整個自動駕駛功能鏈設計上需要有非常多的冗余，可以看到縱向不同等級的自動駕駛對于冗余在不同層面的要求不一樣，比如說決策層面。在L2級，這個決策雖然是系統做的，但是人隨時有權利把系統調整，我想要中斷這個系統，想要去接管它隨時都可以去接管。但是L3級系統就去負責了，當系統負責不了的時候，還會要求人去接管。
在責任上L2級的系統，無論是自動駕駛模式還是人工駕駛模式，責任永遠是人，因為人需要做監管。但是L3如果自動駕駛模式上出了問題，這個責任不是駕駛員的責任，是系統的責任。同樣在系統出現不能處理的情況下，L2跟L3的要求完全不一樣，L2可能給你一個嚴格的警告，人必須要接管。但是在L3內，要求系統短暫還有能力去處理這個失效的模式，我們把它叫失效操控。但是在L4、L5更高等級，或者是完全自動駕駛下，系統在你人不進行干預情況下，也必須有能力去處理這些緊急的情況，我們把它叫做失效操控，這個時候就需要在各個層面都有一定程度的冗余和備份，才能夠去滿足這個要求。
有了冗余備份，才能夠保證自動駕駛的系統是隨時、安全以及可靠的。在這個里面，我想給大家介紹一下，我們作為一個關鍵技術的合作伙伴，我們用什么樣的方法來解決這個問題呢？比如說我們舉一個最簡單的例子，在感知層面，無論從單一的傳感器在算法層面上，比如說外面的展臺展示的下一代的攝像頭，不僅僅是識別人的外型判斷，在很多逆光、強光情況下，通過引入人工智能的算法，通過判斷像素的語義和光的強度變化，對語義場景進行額外的檢測，保證檢測也是冗余的。同時在感知層面應用了毫米波雷達、攝像頭、激光雷達以及近距離的環式傳感器多種既互補又冗余的解決方案解決它的可靠性問題，大家不要嫌這個多，我也看到行業內的解決方案用單一傳感器做的，但是作為博世安全角度來講，我們認為不同類別的傳感器，它之間的互相冗余可以給我們帶來更安全、可靠的自動駕駛。
另外，定位問題。你現在在一條120公里時速的高速公路上，你的車輛突然發生了定位錯誤，告訴你在旁邊的匝道上，這個車輛會突然剎車，反過來會突然加速，這個非常危險。進入到隧道，收不到定位的信號，這個也非常的危險。自動駕駛對于定位的要求是時效性、可靠性、安全性、隨時可以進行定位，這也要求我們不能以單一的定位去做，相對于傳統的RTK方法，是用兩種不同基于信息的增強定位，以及配置傳感器所做的特種定位所做的互補，這樣子在保證很多特殊場景下，比如說隧道內也可以實現一個互補的定位，執行器就不說了，目前已經有量產的方案，包括自動的冗余跟轉向的冗余。
在自動駕駛釋放到道路的過程中，我也要保證它的安全。這是汽車行業常用的，左邊設計之初要從它所面臨的場景拆解成需求，通過需求來設計到規范當中，同時在右邊通過各種不同的測試保證這些是安全的，那就回歸到講的兩個問題：
第一，怎么樣保證測試是足夠的，那就是功能安全要解決的問題，傳統的汽車安全功能測試可能通過幾個法規測試就可以了。自動駕駛的測試所要求的強度遠遠不夠，所以要通過額外的仿真，在道路真正到之前，還需要軟件模擬的方式保證算法可靠。
第二，怎么樣解決需求設計是合理的，就是剛才所講的飛機案例，在博世整個設計體系中運用了預期功能安全設計理念，來保證從第一步開始就是符合自動駕駛場景要求的，這樣子才能有一個非常完整的驗證流程，將我的系統可靠、安全的釋放到道路上去。
我們也可以看到，從自動駕駛所適配的場景不同，所配備的系統復雜程度也不一樣。比如說L2級的自動駕駛現在市場上有多個車型量產，需要6個傳感器可以實現在單人車道內的自動駕駛，如果我需要變道，需要提高速度，需要15個傳感器，甚至到L4，現在跟戴姆勒公司做面向量產的自動駕駛出租車，它可以判斷城市里面更多的交通參與者，自行車、電瓶車，甚至是解決識別紅綠燈的問題，它所涵蓋的場景非常復雜，所需要的傳感器可能需要40個以上，這樣的系統也是非常復雜的。
所以，這有一個定律20/80，我們將大部分的事情放在20%上，剛才講的這些解決了前面80%的問題，實現這個功能讓車上路跑起來非常Easy，但是最后的20%，怎么樣保證這輛車跑起來非常安全，這是汽車全行業所面臨的一個問題。
我們其實在這個里面有非常多的探索，我給大家分享一點我們的見解。在我們的路線圖上可以看到，從2014年開始中國市場推出第一個L1級全駕駛輔助系統功能之后，到今年年底在市場推出接近40個L2級的自動駕駛項目。L3級更高等級從目前博世的實踐來看，并沒有一個非常樂觀的預期，我們認為至少2021年以后才會有相應的落地項目。L4級雖然跟戴姆勒在美國有試運營項目落地，真正大規模的認為時間點還要更晚一些，這也就是我所講的，前面80%很好實現，最后落地的20%需要更長的時間和更大的工程去努力。
相反我們認為有一些場景可以更快的實現自動駕駛，比如說泊車的場景，因為它的場景相對比較簡單，我們在處理場景過程中也會相應的去降低系統復雜程度，剛才講到了自動駕駛，我在這兒說的有點悲觀有點難，是不是說自動駕駛就遙遙無期了呢？我們博世也在思考一個問題，有一些場景是不是在中國有不同的模式和不同的角度去思考，比如說我們花了很大精力去研發自動駕駛的高精度傳感器，很多場景對自動駕駛有很大的挑戰。比如說常見的鬼探頭、轉彎的場景，我們把場景放在路上，除了智慧的車還有智慧的路，從另外一個角度監測這些目標，是否給我們駕駛員有不同的視角呢。我的老家是天津，天津是全國最多不同種類的紅綠燈，沒有一個統一的紅綠燈標準，怎么樣去識別它呢？反過來想想如果這個紅綠燈自己能開口，告訴你我是0和1，回歸到最簡單的數字問題上是不是可以很好解決。
比如說講的定位問題，上高速公路的時候，中國高速公路都有收費站，它也可以告訴車輛0跟1的問題，這樣子可不可以通過網聯方法解決很多的應用場景呢，這也就帶給我們去思考將智慧的路引入到自動駕駛場景里面，將邊緣計算引入到自動駕駛場景里來，將云引入到自動駕駛場景里來，是不是可以很好的去解決目前在自動駕駛上碰到的系統太復雜、成本太高、算力不夠的問題，當然前提是目前還不能過多的依賴于基礎設施，基礎設施可以擴展我們的場景，車輛還需要以一個安全的設計為主。在這里我講的這些是我們的思考，其實我們腳下已經在行動了。在博世目前的場景里就有這樣基于智慧基礎設施的項目，我們把它叫做全自動代客泊車，有基于單車功能的泊車路徑，我們也在思考短暫時間內人機共駕是長期的過程，不可能要求所有車上都配有復雜的傳感器，我可以對智慧停車場的改造，來實現L4級的自動泊車場景。這個里面不僅僅是停車，還可以解決很多的應用場景，比如說移動出行公司它的取車還車，整車廠的朋友們車輛從你的產線到停車庫都可以通過自動代客泊車基礎設施的支持，來讓車自動停到停車場里去。
大家可以看到在泊車過程中，如果有相應的行人和車輛出來的話，可以通過布置在停車場里的傳感器對行車路上進行監控，來控制車輛的加減速度。最后，總結一句，其實自動駕駛并不遙遠，通過我剛才所講的，通過單車的智能和車與路的協同，我們希望能夠將一個安全的自動駕駛帶給我們的社會，來解決未來出行的痛點，我今天的分享就到這里，謝謝大家！（編譯/汽車之家 馬艾駿）
加載中
好評理由：
差評理由：