查看原文
其他

万字解剖赢彻科技智卡量产开发思路,商业化落地前的关键一跃

圆周智行 圆周智行 2023-01-04
前不久,赢彻科技发布了国内首个《自动驾驶卡车量产白皮书》(以下简称白皮书),内容详实,记录了赢彻科技3年来在自动驾驶卡车领域的量产开发经验,行业面临的问题以及解决方案。核心内容主要包括4个章节:分别是用户需求,量产经验,安全验证,以及未来展望。

根据赢彻的说法,发布白皮书的目的旨在与行业共同探讨自动驾驶卡车的量产经验。这样的格局值得钦佩。当然,赢彻也不乏自己的小心思,希望以此给外界“秀肌肉”,传达其在自动驾驶卡车领域取得的成绩。

那么,赢彻科技在自动驾驶卡车领域的表现到底如何?

透过白皮书,我们能看到赢彻科技在自动驾驶卡车的全貌。以此为指引,本文按照白皮书的目录顺序系统性梳理赢彻科技在自动驾驶卡车量产各个环节的思考。


一 用户需求与技术挑战

本章开篇,赢彻先阐述了卡车自动驾驶的必要性,市场规模、运力、成本等,网上的数据一箩筐,在此就不赘述。

如何展开卡车自动驾驶的工作?

根据赢彻计算,以重卡全生命周期成本管理来看。油耗和人力占据了总成本的50%,路桥费用无法改变,占据总成本30%。所以自动驾驶卡车的核心工作就围绕去人工,降油耗展开。


赢彻在白皮书报告中指出,要实现重卡自动驾驶并不轻松,其对车辆的感知距离和精度、系统响应速度以及车辆控制的精准性都提出了更高要求。

比如在制动距离方面。重卡在 100km/h 车速下的制动距离通常超过 100 米,而乘用车同等情况下的制动距离只有40米,这就对重卡自动驾驶系统的感知距离,以及端到端的响应速度提出了更高的要求。

赢彻认为,卡车的自动驾驶必须要进行前装量产。原因有3几点:首先是过法规;自动驾驶需要系统性设计,包括底盘系统、动力总成、车身系统、人机交互系统、网联系统等,只有前装的正向研发才能满足要求;零部件需要跟整车一起经过严苛测试,才能满足可靠性与耐久性要求。

这和乘用车的思路如出一辙,此前百度创始人李彦宏也表示,乘用车自动驾驶的前提条件也是前装量产。

以此为基准,再结合此前的经验,赢彻总结了自动驾驶卡车量产的8大标准。包括安全至上、正向前装、车规标准、规模生产、可靠耐久、维护简易、交互友好、成本最优。涵盖了整车量产前中后期各个环节。

赢彻表示,其在2019年就已经启动了L3级自动驾驶卡车的量产工作,总体思路还是和东风与一汽合作。

赢彻自研的部分包括算法、软件、自动驾驶域控制器 ADCU和线控底盘接口。与主机厂共同完成的部分包括整车集成、线控底盘、电子电气架构、网络安全、人机交互和功能安全等。

赢彻表示,3年来与合作伙伴的创造了多个业内首创,包括卡车自动驾驶算法、全自研自动驾驶系统软件、自动驾驶卡车域控制器、整车OTA电子电气架构、全冗余线控底盘、车规级硬件套装认证、多模态全冗余人机交互系统、商用车全方位网络安全设计方案。

目前业内干线物流行业的商业模式主要为4类:技术解决方案、自动驾驶技术服务、技术+车队+运输服务、造车+技术+车队+运输服务。

第一种是纯粹的自动驾驶技术服务商,向主机厂提供自动驾驶软硬件套件,以及后续的升级服务。代表企业是智加科技;

第二种是与主机厂共同开发自动驾驶卡车,然后租给物流企业。代表企业是宏景智驾;

第三种是自动驾驶企业与主机厂共同开发自动驾驶车辆,然后自动驾驶公司负责车辆的软件和管理工作,为物流企业提供运输服务;

第四种是在第三种的基础上增加了造车业务,代表企业是图森未来,Hydron等。

赢彻科技属于第三种,以此向上反推,它的模式必然是和主机厂一起共创,这样的模式优点是切入到利润更大的物流运输环节;车辆所有权属于自动驾驶公司,更容易获取数据,迭代算法。缺点是重资产,进度慢,难快速打开市场,形成规模。

不少业内人士认为,自动驾驶卡车和自动驾驶乘用车不同,如果从产品属性的终极形态来看,前者是生产工具,后者更接近电子产品。故而,自动驾驶卡车的量产必须要做到软硬件的充分融合,自动驾驶软件公司必须要渗透到整车开发全流程阶段。与主机厂绑定合作甚至自己造车会是将来自动驾驶卡车软件公司的主旋律。

二 量产方法论

1 自动驾驶卡车的量产方法论概述

赢彻经过3年打磨,总结了一套自动驾驶卡车量产开发体系。包括需求定义、系统开发、流程与工具。相关功能如下:

需求定义:首次提出了针对自动驾驶卡车使用场景的正向功能定义方法,融合了功能安全和信息安全的标准与规范,并配套完整的指标体系和测试方案。

系统开发:覆盖自动驾驶卡车在车端和云端的全部构成,包括自动驾驶、电子电气、线控底盘、人机交互、网络安全、云基础设施和数据闭环。

流程与工具:融合汽车产业的 V 模型开发模式与软件行业的敏捷开发模式,将高阶自动驾驶开发过程融入卡车整车开发的全流程。这也符合了赢彻之前强调的前装量产逻辑。

2 需求定义

需求定义涵盖的部分主要是功能定义和功能安全,网络安全和指标体系几个部分。

赢彻科技认为,符合前装量产标准的功能定义非常难,一方面产业处于发展早期,另一方面功能定义处于产品开发的源头,很难被直接定义。

赢彻的思路是往复循环,逐步深入。逻辑思路非常清晰,先进行功能设定,逐步细化,然后在实践中验证,根据验证结果重新调整功能定义,直到整个流程跑通。


在自动驾驶的核心要素定义方面,赢彻设计了3个方面,分别是运行设计域ODD,即自动驾驶功能所要应对外部环境;动态驾驶任务 DDT,即自动驾驶关键的驾驶行为表现;Fallback,即自动驾驶应对自身能力边界或者系统异常时的人机交互。

核心要素定义出来之后,对其进行专项研究,即对各项功能进行深入解剖,逐个细化。可以理解成先有树干再开枝散叶。

最后是冲突融合,各个功能设计出来出来,在实践中验证彼此是否冲突,对相关功能进行进一步融合,该删除的删除,该强化的强化。

基于以上思路,赢彻设计出了一套自动驾驶功能清单:


功能设计出来之后,接下来就是安全验证,包括功能安全与预期功能安全。一般情况下,随着对产业的理解加深,大厂在国标之外都有自己的安全验证标准。但由于自动驾行业刚起步,嬴彻主要根据 ISO 26262 进行功能安全开发,根据 ISO 21448 进行预期功能安全(SOTIF)开发。

功能安全主要针对电子电气系统,着重解决两类问题:系统性失效、随机硬件失效;预期功能安全主要为了解决两类问题:功能 / 性能不足、可预见的安全员误用。

针对以上问题,嬴彻科技的应对策略是:开展10000 种以上场景的危害分析和安全评估;提出18条整车级别的安全目标。

整个逻辑顺序和乘用车的产品功能开发思路差不多,先设计功能大框架,逐步细化,再设定安全验证标准,最后实践验证可行性。

不同之处在于,安全验证方案细节会因为产业成熟度不同有区别。理论上乘用车的发展更成熟,验证标准也更加规范。

网络安全方面,赢彻依照国家法律和国际标准,总结了一套安全标准,包括车端安全、汽车外部通信链路安全、数据安全、车联网云端安全。并对此进行正向逆向的安全测试工作。

关于自动驾驶卡车的指标评价系统,在满足系统性、体验一致性和可量化性的大原则下,赢彻将指标整体分为以下几大类:安全类、运营类、功能类、质量类、算法类。赢彻表示,在此指引下,其已经建立了超过50个车辆性能指标和超过 100 个算法性能指标。

3 系统开发

3.1 自动驾驶卡车系统概述

赢彻认为,自动驾驶技术量产落地,横跨车辆工程、半导体、系统软件、人工智能以及云计算等多个领域。正因如此,赢彻采取的是全栈自研的思路,涉及自动驾驶域控制器、系统软件层、电子电气架构、线控底盘、人机交互系统、传感器套装多个领域。


和乘用车领域差不多,全栈自研也是商用车自动驾驶企业的一致共识。它的优势在于降本增效,并且让系统更加流程,但需要企业持续投入,前期的开发成本以及后期的维护成本都很重,并且全栈自研的见效周期也非常慢。

3.2 自动驾驶系统

在感知层面,赢彻认为,感知有几个比较明确的特点,更远的感知距离、更高的横向精度、后向感知、传感器布局等。其中比较突出的问题是,SoC 架构、算力瓶颈和传感器选型。

商用车与乘用车不同之处在于,前者需要360°全方位感知,赢彻的传感器布局方案如下:

赢彻认为,感知系统里,需要重点关注成本-安全-效率的三角平衡关系。这一点在乘用车里同样奏效。

在定位方面,赢彻认为,自动驾驶定位系统需要重点考虑四个方面的要求:泛化力、性价比、安全性和针对性。

然而,由于空间小、震动大、驾驶室与底盘非刚性连接等情况,自动驾驶卡车的定位相对乘用车更加复杂。

嬴彻表示,其通过算法设计,所研发的基于多传感器融合的高精定位算法系统,对关键指标进行了重点优化:横向定位精度 <7cm 以及航向角精度 <0.3 度,很好地支持隧道(包括长隧道、连续隧道等)、匝道、夜间等不同工况。


定位需要软硬件加持。现阶段,定位在硬件层面面临两个巨大的挑战:传感器的探测距离有限,以及商用车的不规则性。这迫使企业只能从软件方面入手去做更多的“修正”工作。即便赢彻在软件方面取得了一些成绩,但我们依然认为,定位其实硬件的影响作用更大,短期内仍然是全行业面临的问题。

在规划控制层面,赢彻总结,市场主要存在以下几种矛盾:精准建模与一车一调的矛盾,精确控制与耐久性、经济性的矛盾,规划控制分层和融合的矛盾。

针对以上问题,赢彻采取的是规划控制的一体化架构,而此前业内均采取的是预测、决策、规划和控制分步进行的思路。

节油方面。赢彻采取的是化整为零的思路,比如在车速上,让车辆工作在最佳巡航速度;刹车上,尽可能减少刹车带来的能量损耗;油门上,尽可能稳定地控制油门。


和传统车企节油的思路有诸多相通性。

系统软件方面。赢彻认为,自动驾驶卡车量产对可靠性、性能、安全性以及研发效率提出了严苛要求。系统软件介于算法和计算平台之间,承上启下,是满足上述要求的关键。

为此,赢彻对软件进行了分层设计。自下而上分别是:操作系统、运行库、编程框架、安全管理服务。

在域控制器(ADCU)方面,赢彻采取的是自研域控制器方案,它有几点创新:首先,在域控制器设计层面充分保证整体自动驾驶系统的可靠性、高可用性和功能安全;其次,嬴彻科技形成了一套性能评价标准;最后,嬴彻ADCU的硬件架构充分考虑了高算力的延展性。


自动驾驶套件标准方面。

为了实现自动驾驶,车辆需要大量的自动驾驶传感器套件,包括控制器 ADCU、长距及补盲MEMS激光雷达、毫米波雷达、摄像头、舱内监控摄像头、多功能集成天线、网关、智能通讯终端等。

由于行业刚起步,规范与通用标准尚不完善,嬴彻科技参考商用车行业的通用国标 GB/T 28046,并且借鉴乘用车行业经验,自主制定了自动驾驶商用车的零部件测试企业标准。

这对于产业后期的发展至关重要,由于没有统一标准,企业在零部件选择上也是各自为政,使得整个行业协同性非常差,效率较低,存在一定的资源浪费。

3.3 云基础设施

和乘用车一样,随着数据量增加,自动驾驶卡车上云也是必经之路。赢彻表示,其在云端打造了“三横两纵”的基于云原生的技术栈,其中三横指云端存储层、基础服务层、核心业务层;两纵指车(云)端可视化平台 Over watch、车(云)端工具集 Chariot 。


赢彻还搭建了自动驾驶数据湖,进行数据一体化处理。以及调度平台、场景管理平台、仿真平台、算法训练平台 MLOps、标注平台、数据可视化平台等,用于全方位支持自动驾驶数据的管理工作。

这一点,和乘用车的发展路径完全一致。搭建自动驾驶数据处理系统也是所有自动驾驶公司的一致共识。

3.4 数据闭环

赢彻认为,自动驾驶数据闭环在“缺陷发现、方案验证和持续迭代”三个方面存在较大的挑战。

嬴彻科技在构建数据闭环时特别考虑从数据源头进行独特设计,研发了基于增强影子模式的车云一体数采框架,大幅提升了车端自动驾驶系统的缺陷检测、方案 验证和高价值数据甄别的效率,提高了场景数据获取的及时性,降低了云传输与存储的成本。

赢彻介绍,其在2021年底将增强影子模式投入使用,并且取得了不错的效果。

3.5 线控底盘

赢彻认为,自动驾驶卡车线控底盘的难点主要在于,如何保证线控底盘系统安全;如何实现 L3 级人机共驾;如何保证线控执行器与自动驾驶系统预期性能的一致性。

为此,赢彻制定了一套线控底盘的开发流程,安全保障设计,以及指标评价体系设计。赢彻表示,它自研了行业首创的全冗余线控底盘系统。

3.6 电子电气架构

赢彻认为,卡车的EEA架构发展路径和乘用车差不多。其第一代电子电气架构基于传统重卡改造而来。

嬴彻介绍,目前其已着手研究第二代 EEA⸺星云架构(中央计算 + 区域控制星形连接架构),力图解决商用车电子电气架构“安全、实时性、带宽瓶颈以及成本”等方面痛点。主要包括硬件架构升级、软件架构升级、通信架构升级、迭代体验升级等几个方面。更多是在此前基础上升级。

3.7 网络安全

嬴彻按照ISO/ SAE-21434开发方法论,搭建了信息安全开发体系,构建了涵盖产品定义、研发设计和生产运营的全生命周期闭环的信息安全方案。计划于2022 年内获得商用车行业首个《ISO/SAE21434道路车辆-信息安全工程》管理体系认证 。

它包含量产级信息安全需求和安全方案、信息安全测试验证、产业合作伙伴联防联控等多个领域。

3.8 人机交互系统

与乘用车的人机交互系统更注重体验不同,商用车的人机交互系统更多是出于安全的考虑。赢彻梳理的人机交互系统开发难点和设计原则如下:


基于此,赢彻开发了多模态全冗余的人机交互系统,其优势主要体现在,多种方式获取安全员关键信;多维度交互;不同场景下分阶段的交互策略。

不仅如此,赢彻还设立了人机交互评价指标。包括安全员激活自动驾驶系统的平均时长;百公里疲劳次数;接管绩效等多个维度。

4 流程与工具

嬴彻科技通过实践,构建了基于V模型理念的研发流程体系,包含整车正向开发流程、生产准备流程、测试验证流程和自动驾驶软件敏捷开发流程。


在整车正向开发流程上,赢彻的思路是,将汽车开发与软件开发流程融合。


商用车自动驾驶更注重工程落地能力,软件开发必须渗透到整车设计的各个环节,才能更好地保证量产安全。

生产准备方面。赢彻认为,生产准备在整车量产开发项目中贯穿始终。其最终影响项目的成本、周期以及商品质量目标的达成。意义重大。

赢彻表示,自动驾驶重卡整车量产项目并不需要新建整车产线,只需对OEM已有产线进行升级与改造;

这对应了当下自动驾驶车辆是传统车型做功能增量的逻辑。但也有业内人士表示,随着产业结构和技术升级,新的EEA架构可能需要开辟全新的产线,比如无车头的自动驾驶卡车出现。

此外,工艺环节关键质量特性的管控也是自动驾驶量产的重要前提,直接影响到量产车辆制造质量,并进一步影响自动驾驶系统的安全、舒适性和稳定性。

嬴彻表示,与主机厂的合作让其逐步完成了全栈自研车规级产品的稳定交付,实现了与整车制造的融合及 工艺定制化升级,建立了稳定的规模化量产交付能力。

测试验证方面。自动驾驶车辆在进入测试之前,需要进行测试验证。难点主要包括,海量测试场景的覆盖;深度学习算法的验证;功能安全和环境耐久带来的严苛测试要求。

嬴彻科技基于V模型与敏捷开发流程开发了智能重卡量产测试验证体系,包括基于云平台的自动驾驶场景库和 5 个具体的测试实施步骤。对需求与交付物做到了“可追溯”、“可解释”、“可评估”。

赢彻对自动驾驶软件敏捷开发流程设计做了针对性处理。包括需求定义与设计、测试与验证、敏捷迭代闭环。而其主要用于开发缺陷修复、对确定性需求的性能持续优化、对不明确需求定义的持续迭代。

三 安全方法论与实践

在自动驾驶卡车量产开发过程中,赢彻制定了一系列的安全标准,以及后续的开发实践验证。其中,安全开发准则包括流程安全、整车安全、核心系统安全。

流程安全方面,包括功能安全流程、预期功能安全流程、网络安全流程、支持性流程。

此外,赢彻还从整车安全角度系统规划了车辆安全,其中核心的系统安全包括自动驾驶系统、线控底盘、电子电气架构、网络安全,人机交互系统。

赢彻表示,其已经针对以上所有部分都进行了实践验证。并且取得了不错的效果。

这一阶段主要是对此前设定的流程安全方案进行系统的安全性验证。涉及到整车制造软硬件的各个环节。

在自动驾驶卡车量产实践中,赢彻发现了一些系统性问题,比如如何保证ODD 内极端场景的覆盖;深度学习模型的不可解释性和不可预测性;自动驾驶操作系 统的功能安全合规。赢彻呼吁,全行业共同关注,克服这些问题。

按照赢彻的理解,实践中还有很多需要攻克的问题,市场还有不断完善的空间。

四 无人驾驶展望

最后,赢彻表示,其已经实现了L3能力级别智能重卡的量产落地。为了进一步实现 L4 级别的自动驾驶重卡量产落地,还需实现三个跨越:更好的ODD覆盖率,应对各类突发的动态场景;MPD(每次人工接管的行驶里程间隔)上若干数量级的提升;更强的Fallback控制能力。

其实总结起来就一点,就是更多的实测数据。在L3的基础上,打磨出更流畅的系统,提升车辆的安全性能与运行效率。

赢彻表示,其在2021年12月,就已经成功完成了L4 级方案验证。L4 级验证方案大量复用当前 L3 能力级别智能重卡量产车型,感知规控都是在此前的基础上升级。

赢彻还提到,其已经在封闭高速公路上实现了完全无人驾驶的测试验证。整个行 程完全自主,没有任何人为干预。

这意味,赢彻在软件上已经具备了快人一步的基础。

赢彻预计到 2025 年左右,激光雷达、毫米波雷达等传感器的有效检测距离都将提升至 300 米,ADCU 算力可达2000TOPS 以上。

赢彻认为,冗余及硬件领域将不会成为 L4 技术路线上的瓶颈。主要的挑战将集中在软件算法层面,需克服如下三方面的技术障碍:获得监督学习所需的人工标注数据;基于规则的建模和决策系统无法应对复杂交通场景;传统自动驾驶系统架构遭遇瓶颈。

基于此,赢彻设想了一种全新的自动驾驶架构,该架构可以拆除自动驾驶系统子模块之间人为设计的边界,并将其替换为端到端的深度神经网络。


它的优势是无监督性。它不需要手动标记数据,只需要来自真实场景的数据。这些数据由自动驾驶或手动驾驶车辆捕获。驾驶环境的基本表示,以及所有交通参与者的交互影响,都是从数据中隐式学习的,而不是由经验丰富的开发人员手工制作的。因此,它的扩展性可以拥抱现实世界驾驶中的极端复杂性。

简单点说,它是一个化被动为主动地工作方式转变,效率更高。并且数据源也更加丰富。

但赢彻同时表示,要达到这一目标,也面临训练难度,安全保障,样本资料等诸多困难,需要很多年的积累迭代。

最后,赢彻给出了一个预期,预计到2025年,嬴彻科技的端到端系统将开始在车队上得到验证。届时自动驾驶能力将快速增长,迈向全无人驾驶。

按照赢彻的思路自动驾驶卡车量产,短期有硬件方面的限制,后期发展应该更多聚焦于软件层面。

赢彻科技作为自动驾驶卡车领域的先头玩家,非常前瞻性的考虑到了整个行业的发展进程。在3年实践中总结了一套全面详实的自动驾驶量产开发框架,给整个行业提供了一份可见的参考标准,这样的眼界和格局值得点赞。但必须指出的是,受限于样本量,以及各种硬件限制,相关标准的很多细节仍处于不断打磨状态,远没有做到尽善尽美。

要实现自动驾驶卡车的商业化,量产是必须跨越的一个前提条件,如今赢彻科技已经率先跑出了第一棒,接下来还需要全行业共同发力,接下这根接力棒。

推荐阅读:

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存