芯耀
2206
作者 | 章漣漪
今年下半年，圖森未來會發(fā)布一個“數(shù)據(jù)集”，至少是百小時級別的、干凈的。
如何做負責(zé)任的自動駕駛。
7月27日，首屆AI DAY上，自動駕駛卡車公司圖森未來主要就講了這一件事。
在圖森未來CTO王乃巖看來，過去3至4年里，輔助駕駛系統(tǒng)在乘用車領(lǐng)域飛速發(fā)展，功能不斷增加，但依然是L2級輔助駕駛產(chǎn)品，無法突破至L3，乃至L4級自動駕駛。
“這其中很大原因在于，L3和L4從功能上來說可能并不比L2更復(fù)雜，但可靠性上是質(zhì)的飛躍，因此輔助駕駛產(chǎn)品開發(fā)方法論，不適用于L3級及以上產(chǎn)品”。王乃巖表示，圖森未來基于更高階自動駕駛設(shè)計了一整套全冗余架構(gòu)。
那么，圖森未來自動駕駛系統(tǒng)方案具體如何設(shè)計？從技術(shù)研發(fā)到大規(guī)模量產(chǎn)落地還需要多久？
01、從車輛到算法，全冗余架構(gòu)解讀
全冗余，這是圖森未來L4級自動駕駛系統(tǒng)的最大特點之一。
根據(jù)王乃巖介紹，圖森未來設(shè)計了一套全冗余的架構(gòu)，包括了最底層車輛，到上層系統(tǒng)、傳感器，以及最上層算法模塊。
車輛方面，圖森未來使用車輛配備了冗余的轉(zhuǎn)向系統(tǒng)和制動系統(tǒng)，來保證出現(xiàn)單路失效狀況時，車輛仍然能夠在其控制之下。
實現(xiàn)方式是，在系統(tǒng)設(shè)計層面，圖森未來設(shè)定了兩套完全獨立的系統(tǒng)，即主系統(tǒng)和備系統(tǒng)。其中主系統(tǒng)L4駕駛的“主力”，使用的是高算力平臺和全套傳感器，可以實現(xiàn)完整的L4駕駛的功能。
與此同時，圖森未來還配置了與之完全獨立的備系統(tǒng)，其使用了低算力，但可靠性很高的車規(guī)級芯片和比較有限的傳感器。備系統(tǒng)只需要完成在主系統(tǒng)失效時候的降級功能。
兩套系統(tǒng)都實現(xiàn)了完全獨立的供電，可減少因為供電導(dǎo)致供電故障的可能，進一步提升了系統(tǒng)的可靠性。
在系統(tǒng)運行模式方面，除了正常的L4級別自動駕駛外，圖森未來還設(shè)計了兩種最小風(fēng)險狀態(tài)，分別是車輛側(cè)后方感知及轉(zhuǎn)向系統(tǒng)可用時，可以實現(xiàn)應(yīng)急車道靠邊停車；在一些非常極端情況下，比如說徹底失去了后向和側(cè)向感知時，設(shè)計了相應(yīng)的在當(dāng)前車道安全剎停等待救援模式。
傳感器冗余方面，圖森未來設(shè)計原則是使用全波段的電磁波感知，使用了相機、激光雷達和毫米波雷達三種傳感器，基于他們不同的特點和優(yōu)劣勢，圖森未來設(shè)計了一套使用全類型傳感器、高可靠冗余方案。
算法冗余是圖森未來非常關(guān)注的領(lǐng)域。王乃巖稱，算法設(shè)計中最關(guān)鍵的點是如何處理失效問題。圖森未來在設(shè)計算法架構(gòu)時最核心的思想是：假設(shè)沒有一個傳感器是永遠可靠的，沒有一個算法不會犯錯。
基于這樣的一個想法，圖森未來車上運行的算法分成了兩大類：Data-Driven算法和Principle-Based算法。前者為數(shù)據(jù)驅(qū)動算法，它的原理是使用大模型驅(qū)動AI算法，來實現(xiàn)像物體識別、車輛識別，以及包括動態(tài)道路的環(huán)境感知等；后者的特點是能夠?qū)栴}和過程進行精確建模。
王乃巖展開介紹稱，算法架構(gòu)設(shè)計的第一個模塊是感知模塊，這是冗余設(shè)計最困難的模塊，因為在該模塊中，圖森未來大量使用了數(shù)據(jù)驅(qū)動算法。
基于此，圖森未來在感知模塊實現(xiàn)了三重冗余。一方面，其把三種感知方法分為兩大類：基于識別的物體感知和基于場景的障礙物感知。由于兩者原理不同、假設(shè)不同，這就意味著圖森未來已經(jīng)實現(xiàn)了一套冗余。
與此同時，在基于識別的物體感知中，又使用了兩套完全獨立的系統(tǒng)去分別使用激光雷達和相機在第一階段生成候選框和候選物體，這兩套傳感器及算法都是完全獨立的。
在基于場景的障礙物感知方面，使用的也是層次化或者說漏斗式設(shè)計方案，去逐層提高識別準(zhǔn)確率，其中最底層，圖森未來基于激光雷達幾何性很強的特征，去初篩所有可能存在的通用障礙物，在此之上使用高精度地圖和相機，去實現(xiàn)準(zhǔn)確率的逐步提升，以滿足下游規(guī)控算法需求。
這兩套系統(tǒng)一起提升了整個感知模塊的冗余程度。
除了冗余挑戰(zhàn)之外，卡車場景還有一個天然的挑戰(zhàn)：遠距離感知。由于卡車的載重、車身長度等因素，導(dǎo)致其相比于乘用車需要更長的緊急剎停距離和完整變道距離，這對算法的性能和可靠性都提出了很大的挑戰(zhàn)。王乃巖稱，根據(jù)其經(jīng)驗，卡車的車道感知距離最好是400米至500米，乃至更遠距離。
02、從感知到產(chǎn)品，實踐經(jīng)驗分享
在王乃巖演講過程中，不斷有圖森未來技術(shù)專家基于實踐，針對感知模塊、定位模塊、預(yù)測規(guī)劃和控制、端到端仿真、數(shù)據(jù)自動標(biāo)注和產(chǎn)品六個方面進行了分享。
感知模塊方面，正如前面所言，圖森未來L4級自動駕駛方案需要做到感知算法的冗余，這要求視覺能夠獨立感知周圍環(huán)境。以3D目標(biāo)檢測為例，其所要做的是，通過環(huán)視攝像頭來獲取物體在3D空間下的大小位置和姿態(tài)信息。
目前主流3D目標(biāo)檢測的方式是BEV方法。但如果直接應(yīng)用到場景中，會遇到兩個問題：一是長距離感知需要構(gòu)建長距離BEV空間，這會消耗大量的計算和空間資源；二是算法設(shè)計沒有考慮到相機之間互補冗余，如果出現(xiàn)漏檢，會造成整個系統(tǒng)消失。
針對上述兩大問題，圖森未來給出的方法是：基于物體多視覺的3D檢測框架，在環(huán)視鏡頭輸入后，會對每個相機進行2D檢測，并融合各視角信息，最終形成3D檢測結(jié)果。在實現(xiàn)相對魯棒的同時，也能保證算法內(nèi)部的冗余。
定位模塊方面，作為無人駕駛汽車模塊中非常重要部分，它對于可靠性的要求比感知模塊更高。畢竟如果在300米范圍內(nèi)漏檢了一輛車，可能不會立即導(dǎo)致事故，但如果定位算法偏差超過半米可能直接沖出車道，碰撞障礙物。
因此，在定位算法里，對于精度和魯棒性的要求遠高于其他模塊。基于此，圖森未來選擇了多傳感器融合方案，包括相機、激光雷達和組合導(dǎo)航。
預(yù)測規(guī)劃和控制模塊方面，圖森未來稱，由于卡車不是單體結(jié)構(gòu)，而是由兩部分組成，會導(dǎo)致出現(xiàn)非常復(fù)雜的動力學(xué)和運動學(xué)模型；同時，因重量和尺寸原因，卡車只有非常有限的加減速性能。
為應(yīng)對上述挑戰(zhàn)，業(yè)界流行做法是，將對其他車輛預(yù)測、自車決策、自車控制，以及自車軌跡橫向和縱向規(guī)劃五個部分分別取優(yōu)化，這樣的好處是整個系統(tǒng)比較可控，且每個模塊可以獨立完成自己目標(biāo)，但劣勢是分塊的系統(tǒng)難以去實現(xiàn)統(tǒng)一優(yōu)化目標(biāo)服務(wù)于一輛車。
業(yè)界第二代的做法是實現(xiàn)橫縱聯(lián)合規(guī)劃，即把整個橫向規(guī)劃和縱向規(guī)劃耦合在一起，變成同樣一個模塊。而圖森的做法是“一步到位”，實現(xiàn)五個部分的聯(lián)合優(yōu)化，實現(xiàn)預(yù)測為決策服務(wù)。
端到端仿真模塊，常見的仿真是做規(guī)控的仿真，在規(guī)控仿真中只運行規(guī)控模塊和底層車輛模型，它對于低級別自動駕駛系統(tǒng)可行，但圖森未來的感知系統(tǒng)及規(guī)控系統(tǒng)間有非常復(fù)雜的耦合關(guān)系，簡單的仿真測試不足以滿足。
為此，圖森未來在仿真測試中采用到了端到端的仿真測試框架，將整個算法系統(tǒng)作為黑盒進行測試，實現(xiàn)更高級別的集成測試，也是HIL測試的基礎(chǔ)。
仿真測試系統(tǒng)是怎么構(gòu)成的呢？首先，它是一個離線閉環(huán)系統(tǒng)，目的是測試我們整套算法系統(tǒng)，同時也支持多場景測試，包括真實場景導(dǎo)入仿真場景庫后測試和人工編輯長尾問題測試。
在工程上，端到端仿真系統(tǒng)架構(gòu)主要分為兩部分：有仿真引擎及仿真底層物理世界引擎和車輛動力學(xué)模型構(gòu)成的仿真系統(tǒng)；另一部分是由運行整套算法自駕的域控，以及一些虛擬車輛控制單元組成的測試環(huán)境。兩套系統(tǒng)通過傳感器的輸出，以及一些看的消息進行通訊?？梢酝ㄟ^回放路測場景和虛擬引擎渲染方案實現(xiàn)，但兩者都存有一些弊端。
為此，圖森未來采用了神經(jīng)渲染的方法。即，基于錄采數(shù)據(jù)重建3D場景，并在相機中渲染出來，而對于路上遇到的各種交通參與物，只需要傳感器掃到他們，再離線通過一套處理將其加入仿真場景庫。
據(jù)介紹，圖森未來循環(huán)運行所有的離線仿真場景只需要不到30分鐘，每小時運行成本小于10元。
此外，數(shù)據(jù)自動標(biāo)注模塊，圖森未來的核心思想是在一個序列里面，一旦檢測到一幀會使用跟蹤算法，把整個序列上的物體關(guān)于它的點源全部找到，然后堆疊起來，以保證比較高的效率；產(chǎn)品模塊，圖森未來的主要工作是用戶研究和需求挖掘、需求定義、需求驗收和ODD定義。
03、實現(xiàn)自動駕駛數(shù)據(jù)很重要，下半年會分享數(shù)據(jù)集
在詳細介紹完技術(shù)情況后，圖森未來還組織了一場圓桌論壇，去談?wù)搹南薅▍^(qū)域自動駕駛到全場景L5級別自動駕駛需要多久。
上海人工智能實驗室青年科學(xué)家李弘揚指出，作為學(xué)術(shù)界，“如何實現(xiàn)L4、L5級自動駕駛”是他們非常關(guān)心的問題。其中，大模型是非常重要的技術(shù)。
至于“什么是大模型”，李弘揚也坦言，怎么定義其實大家都沒有想得很清楚。但可以換個方式思考，大模型應(yīng)該是什么樣子。在他看來，它應(yīng)該是個感知、決策相關(guān)的，追求自動駕駛穩(wěn)定、安全、可靠的。從這個角度思考，大模型至少需要有預(yù)測環(huán)節(jié)的能力，這背后需要海量數(shù)據(jù)的支持。
“每家車企都在說自己有海量數(shù)據(jù)，但這其實和我們關(guān)系不大，我們要的是公開演講，需要能夠爬到的數(shù)據(jù)”。李弘揚稱，但如果沒有海量、高質(zhì)量的數(shù)據(jù)，無法實現(xiàn)大模型。這意味著，想要實現(xiàn)L4、L5級自動駕駛，需要先建立擁有海量數(shù)據(jù)的自動駕駛大模型。
對于李弘揚的觀點，復(fù)旦大學(xué)工廠與應(yīng)用技術(shù)研究院青年研究員丁文超部分認同。他也認為，自動駕駛實現(xiàn)需要海量數(shù)據(jù)。但車企并非不愿意開放數(shù)據(jù)，而是不知道怎么處理。所以，如何把數(shù)據(jù)規(guī)整出來，比如時間戳標(biāo)定同步，是當(dāng)下需要解決的問題，這也是制約真正的自動駕駛大模型建立、實現(xiàn)的因素。
“關(guān)于數(shù)據(jù)，主機廠一直希望能夠得到咱們的訴求，或者說一起合作去做一些事情。”福田汽車智能駕駛研究中心副主任金大鵬也表示，愿意支持學(xué)界、自動駕駛公司去做更多數(shù)據(jù)的工作?！?strong>我們有大量的需求和數(shù)據(jù)，能夠給到學(xué)術(shù)界和自動駕駛公司使用，以持續(xù)迭代?！?/p>
同時，他也就主機廠的需求進行了探討。他指出，這些年主機廠也有了思想轉(zhuǎn)換，大家更多的不去想L3、L4、L5的問題，而是思考如何滿足客戶的需求，當(dāng)然是在符合法規(guī)的前提下。比如，用戶需要降低長距離行駛疲勞、降低司機成本。作為主機廠就會優(yōu)先考慮怎么解決這些訴求，而不是局限在級別定義里。
對于上述嘉賓們提到的問題，王乃巖深表認同。他認為，數(shù)據(jù)問題確實是當(dāng)下非常大的挑戰(zhàn)，特別是在數(shù)據(jù)清洗這一塊，不止學(xué)術(shù)界，企業(yè)內(nèi)部也面臨這樣的問題。
不過，在活動最后，王乃巖放出彩蛋表示，今年下半年，圖森未來計劃發(fā)布一個“數(shù)據(jù)集”，可能沒有上千小時那么大，但是至少是百小時級別的，并且很干凈，會是完整環(huán)視的、多視覺的，包括商用車、甚至乘用車，給學(xué)術(shù)界使用。
此次AI DAY，是圖森未來宣布業(yè)務(wù)優(yōu)化后首次對外正式活動。今年5月中旬，圖森未來宣布業(yè)務(wù)重組計劃，會減少美國業(yè)務(wù)，進一步擴招中國團隊；6月28日圖森未來再發(fā)公告，稱正在探索美國業(yè)務(wù)的戰(zhàn)略替代方案，包括可能出售美國業(yè)務(wù)，并更加重視亞太地區(qū)和全球其他主要市場。
一直以來，圖森未來被認為是自動駕駛卡車領(lǐng)域的“技術(shù)”擔(dān)當(dāng)，此前因為內(nèi)外部問題，一度陷入“混亂”。此次在上海舉辦AI DAY，為再次對外表達回歸技術(shù)、回歸中國的決心。
下載ECAD模型
