一文讀懂無人駕駛

摘要：今天花了一天時(shí)間讀了楊寬老師、陸盛贊老師的《一文讀懂無人駕駛》，對(duì)無人駕駛重要發(fā)展路徑、關(guān)鍵部件和核心技術(shù)、應(yīng)用場(chǎng)景，商業(yè)多元模式，以及未來挑戰(zhàn)和機(jī)遇都用通俗易懂的文字記錄下來，完整的掌握自動(dòng)駕駛項(xiàng)目的所有環(huán)節(jié)，書本是2022年2月出版的，強(qiáng)烈建議大家買一本回來讀一下，這里分享一下讀書筆記和摘要給大家。

一、無人駕駛的孕育

無人駕駛需要眼睛來認(rèn)清路況和感知周圍環(huán)境。攝像頭、毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)四種傳感器，被稱為無人駕駛的眼睛。

• 攝像頭

  唯一可以獲取物體顏色、對(duì)比度 等細(xì)節(jié)圖像信息設(shè)備，在識(shí)別物體方面具有明顯優(yōu)勢(shì)。

• 激光雷達(dá)（100000GHZ 發(fā)射激光束）

  距離最遠(yuǎn)和分辨率最高，但是在雨雪霧霾沙塵暴等天氣受遮擋后無法使用，成本高，需要高算力芯片支撐。

• 毫米波雷達(dá)（30GHZ-300GHZ,主要采用振蕩器，產(chǎn)生一個(gè)頻率隨時(shí)間逐漸增加的信號(hào)）

  穿透能力強(qiáng)，分辨率高，能適應(yīng)雨雪霧霾沙塵暴等天氣，但是無法進(jìn)行圖像顏色識(shí)別，無法成像，需要攝像頭進(jìn)行互補(bǔ)使用。

• 超聲波雷達(dá)（20000GHZ 通過超聲波發(fā)射裝置發(fā)射超聲波）

  頻率低，消耗能量低，測(cè)距方法簡(jiǎn)單，成本低。探測(cè)范圍在0.1米~3米時(shí)間精度高，因此非常適合用于泊車。但是傳輸速度很容易受天氣影響，超聲波散射角大，方向差，在測(cè)量遠(yuǎn)距離目標(biāo)時(shí)精度很差。

• 標(biāo)準(zhǔn)體系建設(shè)

  智能網(wǎng)聯(lián)汽車是一項(xiàng)系統(tǒng)工程，涉及到智能網(wǎng)聯(lián)汽車、信息通信、電子產(chǎn)品與服務(wù)、智能交通、車輛智能管理五大部分。智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系包括基礎(chǔ)、通用規(guī)范、產(chǎn)品與技術(shù)應(yīng)用、相關(guān)標(biāo)準(zhǔn)四大部分。

  汽車智能化分成五個(gè)等級(jí)：駕駛輔助（DA），部分自動(dòng)駕駛（PA），有條件自動(dòng)駕駛（CA），高度自動(dòng)駕駛（HA）,完全自動(dòng)駕駛（FA）

  汽車網(wǎng)聯(lián)分成三個(gè)等級(jí)：網(wǎng)聯(lián)輔助信息交互，網(wǎng)聯(lián)協(xié)同感知、網(wǎng)聯(lián)協(xié)同決策與控制

• 機(jī)器學(xué)習(xí)(machine learning)

  不同機(jī)器學(xué)習(xí)的分類，對(duì)數(shù)學(xué)方法構(gòu)建模型訓(xùn)練的算法各不一樣，一般機(jī)器學(xué)習(xí)可以分成四大類：

  監(jiān)督學(xué)習(xí)：讓機(jī)器做選擇題，同時(shí)提供答案，機(jī)器努力訓(xùn)練模型，希望預(yù)測(cè)的答案與標(biāo)準(zhǔn)答案一致

  無監(jiān)督學(xué)習(xí)：讓機(jī)器做選擇題，但不提供答案，機(jī)器努力分析題目的關(guān)系，對(duì)題目分類，機(jī)器不知道標(biāo)準(zhǔn)答案，但是認(rèn)為每一類題答案相同

  強(qiáng)化學(xué)習(xí)：讓機(jī)器做選擇題，但是不提供答案，會(huì)有第三方老師判定是否正確，對(duì)的越多，獎(jiǎng)勵(lì)越多；機(jī)器努力訓(xùn)練模型，希望答案能獲得更多獎(jiǎng)勵(lì)（達(dá)到目標(biāo)的正向反饋）

  遷移學(xué)習(xí)：把機(jī)器已經(jīng)訓(xùn)練好的模型遷移到新模型來幫助訓(xùn)練。

• 深度學(xué)習(xí)（deep learning）

  深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，主要優(yōu)勢(shì)在于特征提取，自動(dòng)學(xué)習(xí)提取特征，減少人為涉及特征造成的不完備性。深度學(xué)習(xí)的基礎(chǔ)感知機(jī)（percetron）類似一個(gè)神經(jīng)元，有樹突和軸突，樹突負(fù)責(zé)數(shù)據(jù)輸入，軸突負(fù)責(zé)根據(jù)輸入是否超過一定的閾值決定是否傳遞興奮。簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)的邏輯結(jié)構(gòu)分成輸入層（負(fù)責(zé)接收信號(hào)）、隱藏層（負(fù)責(zé)對(duì)數(shù)據(jù)進(jìn)行處理）和輸出層（負(fù)責(zé)處理結(jié)果整合）。若干個(gè)節(jié)點(diǎn)組成一個(gè)層、若干層組成一個(gè)網(wǎng)絡(luò)，組成神經(jīng)網(wǎng)絡(luò)。

  機(jī)器學(xué)習(xí)擅長(zhǎng)分析維度比較低、層次比較少的任務(wù)，深度學(xué)習(xí)擅長(zhǎng)分析維度比較高、多層次的數(shù)據(jù)比如圖像、語音等。

  業(yè)界流傳:數(shù)據(jù)和特征決定機(jī)器學(xué)習(xí)的上限，而模型和算法只是逼近這個(gè)上限而已。

二、無人駕駛的成長(zhǎng)

• 谷歌無人駕駛

  2009年成立無人駕駛團(tuán)隊(duì)，第一代就是在傳統(tǒng)汽車基礎(chǔ)上，增加功能設(shè)定，能在簡(jiǎn)單路況下進(jìn)行自主操作；第二代專注軟件和算法，加強(qiáng)了復(fù)雜路況環(huán)境的感知能力，能主動(dòng)對(duì)障礙物進(jìn)行評(píng)估和主動(dòng)調(diào)整。第三代取名螢火蟲firefiy 無方向盤、無剎車、無油門、純電動(dòng)，加入可穿戴智能設(shè)計(jì)芯片實(shí)現(xiàn)手勢(shì)和人工干預(yù)。

• 無人駕駛分級(jí)

  美國主要車企直接跳過L3級(jí)別進(jìn)入L4級(jí)別無人駕駛，因?yàn)長(zhǎng)3級(jí)別自動(dòng)駕駛是由汽車控制，需要人工頻繁切換接管，存在人機(jī)責(zé)任明確劃分的問題，與其耗費(fèi)大量精力投入過渡階段，不如直接研發(fā)不會(huì)頻繁交接的L4/L5級(jí)別。L3級(jí)別情況下，出現(xiàn)事故與駕駛員仍然有關(guān)。

• 無人駕駛汽車過渡ADAS

  ADAS 即使高級(jí)駕駛輔助系統(tǒng)，覆蓋L1/L2級(jí)別功能，目前已經(jīng)實(shí)現(xiàn)量產(chǎn)和商業(yè)落地，是輔助駕駛走向自動(dòng)駕駛的基礎(chǔ)。原理就是通過傳感器手機(jī)車內(nèi)外的環(huán)境信息，對(duì)收集到的數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)對(duì)駕駛員、車輛、環(huán)境的檢測(cè)、辨識(shí)、追蹤，同時(shí)通過警告或者主動(dòng)控制等方式輔助駕駛員執(zhí)行駕駛?cè)蝿?wù)。所以ADAS系統(tǒng)包含了“傳感器--控制器--執(zhí)行器”三大部分。

  輔助控制中英文對(duì)照表

  AEB 自動(dòng)緊急制動(dòng)

  EBA 緊急制動(dòng)輔助

  AES 自動(dòng)緊急專項(xiàng)

  ESA 緊急專項(xiàng)輔助

  ISLC 智能限速控制

  LKA 車道保持輔助

  LCC 車道居中控制

  LDP 車道偏離抑制

  IPA 智能泊車輔助

  ACC 自適應(yīng)巡航控制

  FSRA 全速自適應(yīng)巡航控制

  TJA 交通擁堵輔助

  AMAP 加速踏板防誤踩

  ADB 自適應(yīng)遠(yuǎn)光燈

  AFS 自適應(yīng)前照明

• 無人駕駛大腦--人工智能

  人工智能理論框架---三大主義

• 符號(hào)主義（專家主義)

  人工智能之父，約翰.麥卡錫發(fā)明表處理語言LISP使計(jì)算機(jī)不僅可以處理數(shù)據(jù)，還可以處理符號(hào)。符號(hào)主義的核心思想：人工智能源于數(shù)理邏輯，智能的本質(zhì)就是符號(hào)的操作和運(yùn)算，物理符號(hào)系統(tǒng)如果具有輸入、輸出、存儲(chǔ)、復(fù)制、建立結(jié)構(gòu)和條件性遷移六種功能就是智能系統(tǒng)。符號(hào)主義特別適用于自動(dòng)推導(dǎo)、定理證明、機(jī)器博弈、自然語言處理等問題。

  符號(hào)主義因無法處理不確定事物和常識(shí)問題，后面專家系統(tǒng)之父，費(fèi)根鮑姆提出知識(shí)工程，設(shè)計(jì)基于專家知識(shí)的系統(tǒng)，機(jī)器使用系統(tǒng)中的知識(shí)進(jìn)行推理解決問題。知識(shí)工程提出使人工智能從理論走向應(yīng)用。

• 連接主義（神經(jīng)網(wǎng)絡(luò)）

  知識(shí)工程無法處理交互和拓展問題，且只適合建立窄域?qū)＜蚁到y(tǒng)，無法推廣到大規(guī)模復(fù)雜系統(tǒng)。連接主義核心思想：思維的基元是神經(jīng)元而不是符號(hào)，思維的過程是神經(jīng)元的連接活動(dòng)過程，反對(duì)符號(hào)主義關(guān)于物理系統(tǒng)的假設(shè)。

• 行為主義(智能主體)

  行為主義核心：智能主體取決于感知和行為，取決于對(duì)外界復(fù)雜環(huán)境的自適應(yīng)，智能主體不需要知識(shí)、表示、推理，智能主體可以像人類一樣進(jìn)化，分階段發(fā)展和增強(qiáng)。

• 賦能無人駕駛

  算力+算法+大數(shù)據(jù)+場(chǎng)景是推動(dòng)人工智能技術(shù)進(jìn)步和產(chǎn)業(yè)發(fā)展的四大要素。算力為人工智能提供了計(jì)算支撐，算法是實(shí)現(xiàn)人工智能的根本途徑，大數(shù)據(jù)是人工智能的基礎(chǔ)，或者說是“石油”，只有應(yīng)用場(chǎng)景進(jìn)行輸出，才能發(fā)揮人工智能的價(jià)值。

  芯片類型	優(yōu)點(diǎn)	缺點(diǎn)
  CPU	擅長(zhǎng)處理邏輯控制、串行運(yùn)算、技術(shù)成熟、協(xié)調(diào)能力強(qiáng)	不擅長(zhǎng)復(fù)雜算法運(yùn)算和處理并行操作，算力較低
  GPU	可支撐大量并行計(jì)算，算力較高	功耗高、AI算力低于FPGA
  FPGA	算力較高、靈活性高	AI算力低于ASIC，開發(fā)難度大，價(jià)格昂貴
  ASIC(TPU/NPU)	針對(duì)特殊性需求實(shí)現(xiàn)，體積小、重量輕、功耗低，性能高	靈活性差，前期投入大

  無人駕駛汽車主要使用SOC芯片，集成了CPU\GPU\DSP（數(shù)字信號(hào)處理器）\NPU（神經(jīng)網(wǎng)絡(luò)處理器）等各類型芯片，加上外設(shè)接口，存儲(chǔ)單元等。

  CPU負(fù)責(zé)計(jì)算和整體協(xié)調(diào)，可用于定位、路徑規(guī)劃、自動(dòng)避障、控制等

  GPU用于目標(biāo)識(shí)別和深度學(xué)習(xí)任務(wù)

  DSP用于圖片處理和特征提取

  FPGA用于傳感器融合、目標(biāo)跟蹤、路況預(yù)測(cè)等

  NPU負(fù)責(zé)和人工智能深度學(xué)習(xí)計(jì)算相關(guān)的部分。

  TPU 張量處理器，本質(zhì)上是基于神經(jīng)網(wǎng)絡(luò)處理的專用ASIC(專用集成電路)

  目前由代表性的SOC芯片主要用于智能駕駛、智能座艙、中央網(wǎng)關(guān)（實(shí)現(xiàn)車內(nèi)互聯(lián)互通）三個(gè)領(lǐng)域。

• 算法在無人駕駛汽車的應(yīng)用

  無人駕駛汽車包含感知、定位、預(yù)測(cè)、規(guī)劃、導(dǎo)航、控制六個(gè)模塊。

  感知模塊（perception）主要包括物體檢測(cè)識(shí)別和交通信號(hào)燈檢測(cè)識(shí)別兩個(gè)部分。物體檢測(cè)識(shí)別，即輸入攝像頭圖像數(shù)據(jù)（卷積神經(jīng)網(wǎng)絡(luò) CNN算法）、激光雷達(dá)的點(diǎn)云數(shù)據(jù)（卷積神經(jīng)網(wǎng)絡(luò) CNN算法）、毫米波雷達(dá)數(shù)據(jù)（噪點(diǎn)去除、檢測(cè)結(jié)果構(gòu)建和ROI過濾）、輸出三種傳感器融合之后的物體具體信息，位置、形狀、類別、速度、朝向等。交通信號(hào)燈檢測(cè)識(shí)別基于卷積神經(jīng)網(wǎng)絡(luò) CNN算法輸出單張信號(hào)燈狀態(tài)，再通過時(shí)序?yàn)V波矯正算法確認(rèn)信號(hào)燈的最終狀態(tài)。為保證數(shù)據(jù)準(zhǔn)確性會(huì)經(jīng)歷預(yù)處理、融合、后處理再確認(rèn)的過程。

  定位模塊（localization）核心是融合架構(gòu)，包含慣性導(dǎo)航解算（將激光雷達(dá)點(diǎn)云定位輸出、GNSS導(dǎo)航定位輸出、IMU導(dǎo)航輸出進(jìn)行坐標(biāo)轉(zhuǎn)換統(tǒng)一）和卡爾曼濾波（誤差修正）兩種算法，主要目的是將定位模塊中各架構(gòu)的數(shù)據(jù)進(jìn)行融合處理。

  預(yù)測(cè)模塊（prediction）從感知模塊和定位模塊得到自身物體識(shí)別信息、定位信息、環(huán)境信息、交通信息，最終輸出具有概率的物體運(yùn)動(dòng)預(yù)測(cè)軌跡。先對(duì)物體分類，針對(duì)不同分類，采用不同預(yù)測(cè)算法處理。

  規(guī)劃模塊（planning）某個(gè)時(shí)刻汽車位置的軌跡，本質(zhì)上是一個(gè)時(shí)間到位置的函數(shù)。apollo采用先確認(rèn)路徑再計(jì)算速度分配的策略，將問題轉(zhuǎn)化成路徑規(guī)劃（分段加加速度優(yōu)化算法）和速度規(guī)劃（啟發(fā)式速度規(guī)劃和分段加加速度算法）。

  導(dǎo)航模塊（routing）起點(diǎn)到終點(diǎn)的最優(yōu)路徑，關(guān)注整體規(guī)劃，不需要考慮當(dāng)前路況障礙物等，采用Dijkstra算法和A*算法。

  控制模塊（control）根據(jù)規(guī)劃模塊生成軌跡，計(jì)算無人車加速、減速、轉(zhuǎn)向，實(shí)現(xiàn)汽車最終控制。主要包括縱向控制（速度，PID控制和MPC模型預(yù)測(cè)控制）和橫向控制（轉(zhuǎn)向，LQR線性二次調(diào)節(jié)器和MPC模型預(yù)測(cè)控制）兩類。

• 不同芯片優(yōu)缺點(diǎn)比對(duì)

• 大數(shù)據(jù)

  大數(shù)據(jù)產(chǎn)業(yè)包括采集和整合、數(shù)據(jù)處理和存儲(chǔ)、數(shù)據(jù)分析和挖掘、數(shù)據(jù)應(yīng)用和消費(fèi)四大主要環(huán)節(jié)。

  核心流程：通過技術(shù)手段從互聯(lián)網(wǎng)、終端、物聯(lián)網(wǎng)等采集數(shù)據(jù)，然后把數(shù)據(jù)按照一定的規(guī)模進(jìn)行處理并存儲(chǔ)，再按需求調(diào)用數(shù)據(jù)，通過人工智能算法進(jìn)行分析和挖掘，將數(shù)據(jù)轉(zhuǎn)化成有價(jià)值的信息或產(chǎn)品，為不同領(lǐng)域的決策支持、效率提升、產(chǎn)品創(chuàng)新提供依據(jù)。

• 無人駕駛數(shù)據(jù)標(biāo)注

  數(shù)據(jù)標(biāo)注：對(duì)傳感器感知到的原始數(shù)據(jù)進(jìn)行框選、提取、分類等一系列處理，轉(zhuǎn)化成可識(shí)別的專業(yè)數(shù)據(jù)。經(jīng)過標(biāo)注的數(shù)據(jù)才能被使用，主要包含下面八個(gè)類別：

  3D點(diǎn)云（框選雷達(dá)圖中所有可移動(dòng)物體）、Trace ID（對(duì)障礙物標(biāo)注ID進(jìn)行追蹤）、freespace(對(duì)可行駛區(qū)域進(jìn)行標(biāo)注、邊界線切割、道路語義分割)、人體、車輛、車道線、交通標(biāo)志、人臉（駕駛員狀態(tài)）。

• 無人駕駛應(yīng)用場(chǎng)景

  封閉場(chǎng)景物流或者通勤：已經(jīng)具備商業(yè)應(yīng)用基本條件

  無人配送：小批量生產(chǎn)和測(cè)試

  干線物流：與人類司機(jī)協(xié)作

  無人環(huán)衛(wèi)：技術(shù)相對(duì)成熟，已經(jīng)逐步落地

  無人泊車：滲透率逐步提高

  無人公交：探索階段

  robotaxi:逐步走向民眾

三、無人駕駛的爆發(fā)

5G技術(shù)發(fā)展，讓汽車與外界的聯(lián)網(wǎng)成為可能，進(jìn)一步推動(dòng)車聯(lián)網(wǎng)的商業(yè)落地，也讓無人駕駛分化出“單車智能”和”車路協(xié)同“兩條路線。

蒙特卡洛樹搜索算法：從初始節(jié)點(diǎn)出發(fā)，假設(shè)對(duì)手每一步都使用最優(yōu)策略，每次選擇對(duì)方值最優(yōu)的一個(gè)節(jié)點(diǎn)，向下搜索，直到找到一個(gè)未完全展開的節(jié)點(diǎn)。在該節(jié)點(diǎn)的子節(jié)點(diǎn)中，選取一個(gè)未被訪問過的數(shù)據(jù)，用來進(jìn)行模擬，將模擬結(jié)果反向轉(zhuǎn)播到初始節(jié)點(diǎn)，更新節(jié)點(diǎn)統(tǒng)計(jì)信息，當(dāng)搜索結(jié)束時(shí)，根據(jù)收集的統(tǒng)計(jì)信息來決定下一步走么走，最佳的移動(dòng)通常是訪問節(jié)點(diǎn)次數(shù)最多的那個(gè)節(jié)點(diǎn)。

• 5G與無人駕駛

  采用5G作為通信方式，如果加上邊緣計(jì)算，可以實(shí)現(xiàn)1MS的時(shí)延，可靠性可以做到99.9999%，特別適合遠(yuǎn)程駕駛、自動(dòng)泊車、高密度自動(dòng)編隊(duì)等場(chǎng)景。車聯(lián)網(wǎng)通信主要由V2V車與車、V2P車與人、V2I車與基礎(chǔ)設(shè)施、V2N車與網(wǎng)絡(luò)（汽車通過移動(dòng)網(wǎng)絡(luò)鏈接到云服務(wù)器）四類通信組成，最早采用美國直接短距離通信（DSRC），我國提出的基于5G的蜂窩車聯(lián)網(wǎng)C-V2X，逐步成為G5通信標(biāo)準(zhǔn)。

  車載終端:（OBU on board unit）汽車與外界互聯(lián)單元，一般作為獨(dú)立組件裝載到汽車中，ETC也是 OBU的一種。

  基礎(chǔ)設(shè)施終端：（RSU road side unit）通過對(duì)道路交通信息進(jìn)行感知，并將相關(guān)信息對(duì)覆蓋范圍內(nèi)的OBU進(jìn)行廣播，使汽車能即使掌握路端信息，擴(kuò)展感知范圍。

  車聯(lián)網(wǎng)管控平臺(tái)普遍采用"中心云+邊緣云"的網(wǎng)狀結(jié)構(gòu)，通過路端部署具備計(jì)算、存儲(chǔ)、通信能力的MEC邊緣云方式，將云計(jì)算平臺(tái)部分中心云遷移到移動(dòng)接入網(wǎng)邊緣，就近對(duì)RSU和OBU采集的交通實(shí)時(shí)信息進(jìn)行快速分析計(jì)算，對(duì)各類時(shí)延敏感的應(yīng)用場(chǎng)景提供支撐。

  車聯(lián)網(wǎng)架構(gòu)分成四層，包括中心云（承擔(dān)管控平臺(tái)角色，應(yīng)對(duì)時(shí)延不敏感場(chǎng)景）；移動(dòng)核心網(wǎng)（保證各層的5G通信）；路測(cè)端元RSU、5G基站、交通信號(hào)和監(jiān)控設(shè)備等基礎(chǔ)設(shè)施；車網(wǎng)人設(shè)施。

• 單車智能與車路協(xié)同

  目前全球主要由兩條技術(shù)路線，一是依靠激光雷達(dá)和高精度地圖的谷歌派、二是以視覺感知和影子模式為代表的特斯拉派。

  車路協(xié)同具體由兩種實(shí)現(xiàn)方式：一、在路側(cè)安裝攝像頭、毫米波雷達(dá)、激光雷達(dá)等感知設(shè)備，減少車端裝配傳感器，降低車載成本。二、在路側(cè)安裝邊緣計(jì)算設(shè)備，結(jié)合云平臺(tái)，通過邊緣計(jì)算，降低汽車算力和功耗要求，降低車載成本。

• 高精度地圖

  高精度地圖作用貫穿無人駕駛汽車定位、感知、決策三個(gè)環(huán)節(jié)，總結(jié)起來就是，我在哪里，我前方有什么、我該怎么走，三個(gè)基礎(chǔ)又重要的問題。

  高精度地圖主要有兩種制作方式：一集中制圖或者專業(yè)測(cè)繪，目前百度、高德、谷歌、四維圖新采用的制作地圖方式。二眾包制圖，即通過合作的方式，靠大量汽車上的攝像頭、激光雷達(dá)、車內(nèi)芯片等設(shè)備實(shí)時(shí)采集道路數(shù)據(jù)并上傳云端，通過大數(shù)據(jù)處理、深度學(xué)習(xí)等技術(shù)，完成高精度地圖和合成和實(shí)時(shí)更新。

  GNSS系統(tǒng)、車載IMU和傳感器加上高精度地圖這三大系統(tǒng)相互融合，基本能覆蓋無人駕駛汽車所有定位場(chǎng)景。

• 集中式架構(gòu)

  傳統(tǒng)汽車供應(yīng)鏈中，不同ECU來自不同的供應(yīng)商，有著不同的嵌入式軟件和底層代碼，兼容性和擴(kuò)展性差，每增加新功能都需要增加一套ECU和通信系統(tǒng)，帶來資源的浪費(fèi)。所以汽車架構(gòu)由分布式向集中式發(fā)展，其核心思想是讓一個(gè)控制器同時(shí)兼具多種ECU功能，這種控制器稱為域控制器（DCU）。

  本質(zhì)上DCU就是一片SOC級(jí)別的芯片。主要包含三大類，一用于環(huán)境感知和信息融合、需要適應(yīng)深度學(xué)習(xí)算法超大算力需求，一般采用GPU或者TPU，承擔(dān)大規(guī)模浮點(diǎn)數(shù)并行計(jì)算，包括攝像頭、激光雷達(dá)等識(shí)別、融合、分類；二主要負(fù)責(zé)邏輯運(yùn)算和決策控制，處理高精度浮點(diǎn)數(shù)串行計(jì)算，類似CPU；三主要負(fù)責(zé)功能安全、冗余監(jiān)控、車輛控制，不要求高算力，但是必須保證高可靠性，一般采用MCU。

• 軟件定義汽車

  軟件定義汽車時(shí)代,汽車生態(tài)發(fā)生多個(gè)方面的變化，并對(duì)汽車行業(yè)產(chǎn)生長(zhǎng)遠(yuǎn)和深刻的影響，這一改變的根本原因就是汽車電子電氣結(jié)構(gòu)的軟件地位的大幅提升。

  一、商業(yè)模式：從單純賣車改變成賣車和服務(wù)。

  二、 產(chǎn)品定義：汽車不同的客戶需求可以通過軟件來實(shí)現(xiàn)和精確滿足，汽車定義從關(guān)注性能（動(dòng)力、設(shè)計(jì)、功耗）轉(zhuǎn)變成以客戶為中心的乘駕體驗(yàn)（自動(dòng)駕駛、互動(dòng)、聯(lián)網(wǎng)）

  三、 研發(fā)流程：汽車的研發(fā)從“以硬件集成開發(fā)為主，軟硬件集成開發(fā)”，轉(zhuǎn)變成”軟件和硬件解耦，單獨(dú)開發(fā)“流程；

  四、人才結(jié)構(gòu)：從傳統(tǒng)“以硬件工程師為主”的人才解雇轉(zhuǎn)變成“懂汽車軟件”的人才結(jié)構(gòu)

  五、供給關(guān)系：從“主機(jī)廠/一級(jí)供應(yīng)商/二級(jí)供應(yīng)商的線性關(guān)系”到“主機(jī)廠/供應(yīng)商的網(wǎng)狀關(guān)系”的改變，軟件供應(yīng)商會(huì)深度參與到整車的開發(fā)的前期流程。

• 智能座艙的新風(fēng)口

  無人駕駛汽車關(guān)注的是車與環(huán)境及車與交通的關(guān)系，而智能座艙更多探討的是人與車的關(guān)系，即人與車的深度交互和深度理解。智能座艙包括交互和服務(wù)兩大內(nèi)容：一、交互。實(shí)現(xiàn)擬人多模態(tài)交互，幫用戶解決一些問題，緩解焦慮、管理用戶健康。二、服務(wù)。基于場(chǎng)景驅(qū)動(dòng)，提供社交娛樂、住宿、行程規(guī)劃、停車補(bǔ)能、個(gè)性化精準(zhǔn)營銷等。核心是基于搜集到的動(dòng)靜態(tài)數(shù)據(jù)，形成用戶畫像，理解和判斷出用戶處于的場(chǎng)景，基于場(chǎng)景主動(dòng)提供服務(wù)推薦。

• 車載操作系統(tǒng)

  目前QNX（黑莓旗下的嵌入式系統(tǒng)，目前商用類的unix實(shí)時(shí)操作系統(tǒng)，但是非開源，兼容性差、開發(fā)難度大）、Linux（開源產(chǎn)品、但是生態(tài)不完善）和Android（生態(tài)完整但是安全性、穩(wěn)定性差）是全球主要的三大車載底層操作系統(tǒng)。

  OTA：遠(yuǎn)程無線升級(jí)技術(shù)，實(shí)現(xiàn)汽車操作系統(tǒng)升級(jí)。雖然技術(shù)成熟但是目前并沒有普及，主要因?yàn)槿筇魬?zhàn)，一、安全。需要從軟件包制作、發(fā)布、下載、分發(fā)、刷寫等環(huán)節(jié)從云、管（網(wǎng)絡(luò)）、車端來保障整個(gè)系統(tǒng)的安全。二、魯棒性。需要考慮外界干擾因素導(dǎo)致刷寫異常中斷，防止汽車變磚頭。一般采用邊備份邊運(yùn)行模式，如果升級(jí)過程發(fā)生錯(cuò)誤，域控制器會(huì)自動(dòng)回滾到上一版本（應(yīng)該是快照技術(shù)）三、速度。主要由下載和刷寫速度共同決定。

• 線控底盤技術(shù)

  線控地盤主要由五大系統(tǒng)，分別為線控轉(zhuǎn)向、線控制動(dòng)、線控?fù)Q擋、線控油門、線控懸掛系統(tǒng)。目前線控轉(zhuǎn)向和線控制動(dòng)還沒有成熟技術(shù)方案。

  
  

四、無人駕駛的商業(yè)應(yīng)用

• 無人駕駛對(duì)企業(yè)產(chǎn)生的變革

  無人駕駛猶如一股不可阻擋的外力，倒逼汽車行業(yè)的傳統(tǒng)玩家進(jìn)行更深入，更徹底的變革。

• 對(duì)于技術(shù)能力儲(chǔ)備的思考：從硬件到軟件的轉(zhuǎn)變。

• 對(duì)于核心競(jìng)爭(zhēng)力的思考：從核心發(fā)動(dòng)機(jī)技術(shù)到生態(tài)圈的共贏

• 對(duì)于產(chǎn)品和服務(wù)轉(zhuǎn)變的思考：從傳統(tǒng)汽車銷售往出行服務(wù)的轉(zhuǎn)變

• 無人駕駛的商業(yè)模式

  商業(yè)模式若要為企業(yè)創(chuàng)造收入,必須要包含合作伙伴、主要業(yè)務(wù)、核心資源、價(jià)值主張、客戶關(guān)系、渠道通路、客戶細(xì)分、成本結(jié)構(gòu)、收入來源。其中最重要的就是價(jià)值主張，無人駕駛行業(yè)模式要成立，必須要找到自己獨(dú)特的核心價(jià)值，并讓消費(fèi)者在使用中感受到價(jià)值的傳遞，提高效用值和滿意度。

  無人駕駛具有強(qiáng)本地化屬性，因?yàn)榈貓D采集屬于國家核心資源，車輛算法更需要于本地道路交通，駕駛習(xí)慣吻合；人工智能依賴大數(shù)據(jù)的積累與市場(chǎng)耕耘。

  無人駕駛痛點(diǎn)。一、昂貴的研發(fā)費(fèi)用和成本；二、未被消費(fèi)者感知的服務(wù)價(jià)值和效用值。成本主要來自研發(fā)成本、車輛設(shè)備成本、運(yùn)營成本。營收端主要受制于技術(shù)發(fā)展、配套設(shè)施、政策法規(guī)等因素。

  無人駕駛盈利可以參考這個(gè)理念：消費(fèi)者的支付意愿與感知到的價(jià)值或者效用直接掛鉤。成本端，行業(yè)玩家可以采用合作共贏、搭建生態(tài)或者眾包模式進(jìn)一步壓縮成本。隨著無人駕駛大規(guī)模落地使用，會(huì)形成一定的規(guī)模效應(yīng)，反作用與研發(fā)、采購、生產(chǎn)成本，降低平均單位成本。營收端，通過無人駕駛為消費(fèi)者帶來前所未有的差異化體驗(yàn)，比如針對(duì)個(gè)人出行消費(fèi)者提供更舒適、更安全體驗(yàn)，針對(duì)商務(wù)人士提供更準(zhǔn)時(shí)、更便捷或者車內(nèi)辦公體驗(yàn)，針對(duì)家庭消費(fèi)者提供生活場(chǎng)景體驗(yàn)。

  
  

五、無人駕駛的挑戰(zhàn)和未來

無人駕駛落地需要考慮駕駛安全問題、道德倫理問題、車險(xiǎn)與定責(zé)問題，行業(yè)重塑產(chǎn)業(yè)鏈問題。實(shí)現(xiàn)無人駕駛不僅可以解放雙手，提升效率，同時(shí)提供城市治理方面的新思路，合理避免交通擁堵和停車難題，提升出行效率。無人駕駛挑戰(zhàn)包括：

• 無人駕駛?cè)塑嚢踩?/span>

• 無人駕駛隱私和數(shù)據(jù)安全；

• 無人駕駛事故定則（法律盲區(qū)，事故責(zé)任主體是無人駕駛系統(tǒng)開發(fā)商？傳感器制造商？安全員？）

  想要全面推廣無人駕駛，明確的法律法規(guī)以及責(zé)任認(rèn)定是前提，這需要立法機(jī)構(gòu)、交通部門、主機(jī)廠商、汽車硬件供應(yīng)商、汽車保險(xiǎn)公司通力合作，實(shí)現(xiàn)無人駕駛安全落地。

• 無人駕駛重塑車險(xiǎn)行業(yè)

  數(shù)據(jù)和定責(zé)問題需要解決。數(shù)據(jù)可用性問題，保險(xiǎn)公司需要明確獲取數(shù)據(jù)方式和能否獲取數(shù)據(jù)；數(shù)據(jù)完備性問題，數(shù)據(jù)不規(guī)范，數(shù)據(jù)共通性差是通用問題。責(zé)任歸屬方變化；應(yīng)對(duì)B端客戶保險(xiǎn)產(chǎn)品。

• 無人駕駛倫理問題

  人類無法解決的問題交給機(jī)器,機(jī)器也不能做出此類殘酷的抉擇，我們只能盡量避免此類情況的發(fā)生。目前廠商的解決方案:

1. 通過機(jī)器大數(shù)據(jù)被動(dòng)學(xué)習(xí),學(xué)習(xí)人類的決策過程，但是如何教育機(jī)器人選擇，變成另一個(gè)難題。

2. 購買汽車的時(shí)候，把自己的倫理答案輸入到機(jī)器的初始設(shè)置里面，目前看來可行度較高，但是會(huì)帶來新問題，如果司機(jī)選擇任何情況下優(yōu)先自保，為了躲避1%導(dǎo)致死機(jī)死亡的緊急狀況，選擇沖向100%導(dǎo)致10名行人死亡的路線，司機(jī)是否應(yīng)該為自己的選擇承擔(dān)額外的刑事責(zé)任？

• 無人駕駛商業(yè)模式的界定

  未來無人駕駛的實(shí)現(xiàn),存在三種鏈接方式:車和人、車和車、車和城市（智慧城市）。

  ?

參考書籍：

《一文讀懂無人駕駛》 楊寬 陸盛贊 著