作者： JEFF VANWASHENOVA CEVA 汽車市場部總監(jiān)

如果您最近購買或乘坐了新車，您可能會同意，過去在駕駛自動化方面最先進的東西（最高 SAE 2 級）現(xiàn)在已經(jīng)很普通了。我們不再對看到或至少聽到盲點檢測和車道偏離警告、車道居中、緊急制動和自適應巡航控制等駕駛員輔助功能感到驚訝。

美國交通部 (DoT) 在其聯(lián)邦自動車輛政策中使用 J3016 的六個道路機動車輛自動化級別。（圖片：SAE 國際）

現(xiàn)在我們期待真正的自主，以 3 到 5 級（見圖）為代表，部分免提一直到完全免提控制。曾經(jīng)純粹的科幻小說現(xiàn)在看起來更容易觸及。大型汽車制造商（知道如何擴大規(guī)模）擁有積極的計劃和合作伙伴關系。概念驗證汽車已在匹茲堡、舊金山、鳳凰城和其他城市部署。Waymo在鳳凰城推出的自動駕駛出租車服務更進一步，搶占第一商業(yè)市場份額，同時還旨在收回開發(fā)成本。

挑戰(zhàn)3 到 5 級引入了新的挑戰(zhàn)，并非所有挑戰(zhàn)都是技術性的。公眾接受可能是最重要的因素，在當今的氣候下不能被視為理所當然，在當今的氣候下，技術對某些人來說可能更像是威脅而不是好處。Waymo經(jīng)歷了其中一些威脅，盡管事件有限，有些是明顯的行為異常值。但我們是一個善變的人，因此 Waymo 和其他人必須像管理技術一樣謹慎地管理社會接受度和不可避免的媒體危機。

自然，技術挑戰(zhàn)也會增加。需要更多傳感器——光學、雷達、激光雷達等——以及傳感器融合。期望在 SAE 標準的上層需要 20 多個傳感器并不是不合理的。

3 級獨有的挑戰(zhàn)是安全地管理自動駕駛和（人類）駕駛員控制之間的切換。駕駛員監(jiān)控在這里是一個重要因素——你醒著嗎，你知道汽車想讓你接管嗎，你是否向前看？這些檢查已經(jīng)可以通過駕駛員注視檢測/跟蹤、監(jiān)控駕駛員頭部的運動，或者更準確地說，瞳孔中心檢測來實現(xiàn)。這兩種方法都需要在車內(nèi)進行物體識別和跟蹤。

成本也是一個挑戰(zhàn)。我們今天看到的自動駕駛汽車并不便宜。去年，Delphi Automotive（現(xiàn)為 Aptiv PLC）的 CEO 估計自動駕駛硬件/軟件堆棧的成本在 70,000 至 150,000 美元之間。這還不包括汽車本身的成本（他認為到 2025 年，這可能會降至 5,000 美元左右）。一個原因是一些昂貴的傳感器技術。僅激光雷達是自動駕駛系統(tǒng)中的關鍵組件，目前依賴于機械系統(tǒng)旋轉(zhuǎn)激光器。

在過去的一年里，一些最好的系統(tǒng)已經(jīng)降價了。例如，Velodyne LiDAR將其 VLP-16 Puck 的價格降低了一半，從大約 8,000 美元降至 4,000 美元。該公司還推出了具有 128 個激光通道的超高分辨率VLS-128，用于高級實時 3D 視覺。

消除機械支撐的固態(tài)技術進步應該會進一步降低成本——有些人預計成本會低至 100 美元。至少在今天，LiDAR 在 4/5 級中發(fā)揮著重要作用，這表明這些級別可能會在一段時間內(nèi)僅限于商業(yè)/公共交通應用，在這些應用中，更高的成本可能會更有效地抵消。再說一次，基于相控陣或 MEM 鏡面的解決方案可能會比我們想象的更快出現(xiàn)。Quanergy 的 S3 固態(tài) LiDAR目前售價在幾百到幾百美元之間，具體取決于數(shù)量，但該公司預計，隨著集成度的提高，價格將降至 100 美元以下。

此外，RoboSense 最近宣布其新的 RS-IPLS 智能感知 LiDAR 系統(tǒng)將 MEMS 固態(tài) LiDAR 技術與基于 AI 的深度學習算法相結(jié)合，其成本僅為 200 美元的傳統(tǒng) LiDAR 系統(tǒng)成本的一小部分。

另一個成本驅(qū)動因素是傳感背后的智能。當今廣泛使用的解決方案依賴于每臺設備運行近 1,300 美元的平臺。如果您只需要一個，這已經(jīng)是總預算 5,000 美元中的一小部分，但似乎還不夠。

為了管理關鍵功能的響應時間并避免在將原始數(shù)據(jù)從許多傳感器發(fā)送到中央人工智能 (AI) 處理器時出現(xiàn)網(wǎng)絡擁塞，必須在傳感器附近管理某種程度的智能。當您考慮可能需要 20 個傳感器時，必須將 AI 硬件定價降低一個數(shù)量級以上，這不可避免地推動 OEM 和一級供應商采用 ASIC 設計。

另一個挑戰(zhàn)是安全性和可靠性。接地要求符合 ISO 26262；但是，該標準不了解諸如駕駛員失控、非確定性、習得行為以及其他 3 到 5 級的常規(guī)行為。正在這些領域開展工作。

從業(yè)者提出的“行駛數(shù)百萬英里”聲明雖然是必要的，但似乎還遠遠不足以證明可靠運行。當基礎 AI 技術不確定時，多少行駛里程就足夠了？一個普遍接受的解決方案是在多個系統(tǒng)之間或在給定系統(tǒng)本身內(nèi)使用交叉檢查。在相機模塊中，可以將基于 AI 的物體識別與更傳統(tǒng)的計算機視覺算法進行比較，以確保正確操作。通過多類物體識別（相機、雷達、激光雷達）之間的傳感器融合，同樣的方法也可以在不同的傳感器模塊上實現(xiàn)。除了這些安全措施外，冗余將在安全保障中發(fā)揮關鍵作用。

我的網(wǎng)在這一切？爭取市場份額仍然是一個強大的因素，可能會比今天看起來更快地推動技術/成本/安全的進步。但通往成功的最可靠途徑可能是在個人車輛中逐步引入 3 級功能，并在商用車輛（如無人駕駛巴士、食品配送車，可能還有最后一英里的出租車）中更有限/有節(jié)制地引入 4/5 級功能。不管這種情況如何發(fā)展，傳感器、傳感器背后的 AI 組件和集中式 AI 子系統(tǒng)顯然將有巨大的機會來實現(xiàn)無人駕駛的承諾。

審核編輯 黃昊宇