在這個快速發展的智能汽車時代，中國OEM和歐美OEM還有一些差距，兩者對功能定義的能力也有所不同。

但即使是歐美大型OEM也在摸索自動駕駛相關技術，對我們來說，OEM應該關注更多的功能設計、安全設計，這意味著我們肩負更重的責任，同時我們也希望未來更美好。

2018年11月29日，在高工智能汽車開發者大會深圳站上，廣汽研究院智能駕駛技術部負責人郭繼舜就《量產背景下的無人駕駛研發之路》發表了主題演講，以下為內容實錄的整理。

廣汽研究院成立于2006年，是廣汽集團技術管理部門和研發體系樞紐，主要負責新產品、新技術的規劃研發。目前，廣汽研究院主要分布在中國廣州（化龍總院、五山基地）、廣汽（硅谷）研發中心、廣汽（底特律）研發中心、廣汽（洛杉磯）前瞻設計中心這五個地方。其中我們的人工智能和相關自動駕駛技術都是在硅谷和廣州這兩個地方完成的。

在加盟廣汽研究院之前，我主要參與了自動駕駛相關算法工作，那時候我覺得我足夠懂車，但真正到了廣汽研究院之后我才發現，還差得很遠。開發自動駕駛車輛是一個非常大且嚴謹的工程，汽車之所以被稱為工業界的明珠，是因為有非常多的工作要做，不僅僅是算法這么簡單。

在布局未來方面，廣汽研究院有一個 “2510”技術創新戰略，就是2年、5年和10年計劃，每一年我們都會進行校正，結合實際情況進行修正。目前2年、5年和10年內，我們主要集中在電動化和智聯化方面，最終我們希望把智能座艙和自動駕駛整合到同一個ECU中。

現在，量產交付才是自動駕駛最大的難題。

（在此，《高工智能汽車》有必要再提一下量產的定義。現在的大部分自動駕駛測試車，更像是傳統意義上的概念車，是用來試探市場和展示自身實力的，不需要考慮成本、工藝難度等方面的問題；量產則意味著已經可以大量生產推向市場銷售，制造成本一定要有競爭力，并通過了全部的測試驗證。）

量產L3我們究竟面臨哪些難題？

這里借用李開復老師一個觀點：‘我們在面向量產時會發現，擺在我們面前的就是一片剛剛收割過的蘿卜田，全是坑。’

第一、感知不夠準、OEM不接受99.99%。

大家都在討論一個問題，到底什么才是自動駕駛最難的技術？有人說是高精地圖，有人說是整個結構化系統，最后大家一致認為是感知。現在我們面臨一個問題，怎樣的感知系統才能做到量產？

對于OEM，我們并不能接受99.99%，因為這意味量產10萬臺車，風險會呈幾何數增長，所以小數點后面要有很多9，感知層面我們使用了激光雷達，毫米波雷達，整個車身裝滿了攝像頭，我們依然沒有辦法把精度提高到特別高，我們希望通過一種更好的方式整體提升功能安全的要求。

第二、我們不會在決策算法里使用任何端到端技術，也就是所謂的深度學習。

深度學習很好用，幾乎改變了整個人工智能領域的發展，但在自動駕駛里面，我們僅僅希望在感知的某一些部分使用比較短的端到端，原因在于深度學習沒有可解釋性，這是我們要去解決的問題。

第三、需要高算力芯片，自動駕駛對芯片的要求極高，算力>=30Tops。

第三、功能安全。

在我們現在定下的目標‘2020年第一季度實現L3量產’的時候，我們需要在每上一個新功能，每一塊硬件首先要解決功能安全問題。所以我們不是沒有芯片，而是沒有合格的芯片，基于對生命安全考慮負責的態度，選擇一款合格的量產芯片，我們有非常非常嚴苛的要求。

第四、高精地圖。我們為了讓L3級車型在高速公路上能夠獲得自定位，我們想到了高精度地圖。問題在于當我想做一個高精地圖盒子的時候，如果需要整個系統達到ASIL-D級別，這個盒子的硬件一定要達到ASIL-B級才可以。

但目前為止，全世界沒有一家公司能做到，我們不想妥協，但只能等待，現在我們一邊做一邊想有沒有辦法解決這種功能安全問題。

第五、足夠快速穩定的線控制動系統，我們不能接受沒有冗余的控制器。

前兩天還在跟李開復老師討論一個問題，他認為我們要從L4開始，L3是業界想出來的偽需求，我說我當然希望從L4開始，也許我們的算法可以，但是依然沒有辦法拿到足夠好的執行器去支撐L4。

這主要是因為L1、L2非常簡單，在這個階段，車輛駕駛的責任是由駕駛員來承擔的，但從L3開始，它的難點就在于人工智能要為這個駕駛的結果負責了，對于線控制動的精度、響應、冗余都有不同的要求。

其次，什么樣才是好的L3？

ADAS級別大家都非常了解，在功能上我有一個非常直觀的說法，L3如果想要量產我們需要實現3個重要的功能：高速公路的自動跟車（HWC）、高速公路0-120KM/H范圍內自動變道超車（HWP）、自動泊車（APA）。

未來L3一定要有HWP，因為我只有高速公路自動跟車功能的L3是一個閹割版的L3。就是系統可以關注前方路況，如果前面遇到了慢車，本車可以自動超車，這才是真正L3改變駕駛習慣的應用，所以我認為HWP一定是L3中必要的。

我們量產原則是什么？

第一、在自動駕駛核心器件上，我們一定不會使用任何未達到車規的產品。

第二、我們不會用ROS進行開發。現在很多初創公司用ROS開發，但是ROS安全性能是不達標的，即使好用，我們也決定不走這個捷徑，我們從底層構建我們的傳感器網絡。

第三、不完成足夠的行駛里程積累，不覆蓋所有可能的場景測試、一定不能推向量產。這是為了保證產品的一致性和穩定性。這個里程可以包括虛擬環境里的里程數，其實廣汽在測試某一個L2功能的時候，它的里程都要求差不多20—30萬公里起步，要測好幾個月。

基于此，目前我們定義了3900多個場景，60000多的邏輯策略，2000多頁域控制器設計文檔和20000多測試用例，但這只是很小的一部分。

第四、充分的安全冗余，整車安全級別達到ASIL D；

第五、不使用太長的端到端技術；

第六、為了保證產品的一致性和穩定性，所有上位機的解決方案都不會被接受。

可以看到，我們現在使用的是工控機，之后肯定會把它變成一個嵌入式結構，我們希望也是達到車規級別，所有的傳感器都能過車規。

冗余、冗余、冗余

L3級自動駕駛車型我們一定要在系統級別讓人工智能能夠對L3級以上的自動駕駛負責，所以，我們也希望針對自動駕駛行業可以有一些新的線控制動產品出現，我們需要這樣的一個物理結構，加入兩個一模一樣的EPS，保證有一個熱備份的冗余。

芯片，成為自動駕駛最大瓶頸。自動駕駛要求有高算力、實時性強、低功耗、高可靠性的自動駕駛芯片。

其中主要原因是，我們有大量的感知工作要做，我們發現芯片的算力不能一直把它維持到占用率非常高的級別，這樣非常容易宕機，所以我們希望這個算力強大到有富余。

在我們思考這么久之后，我們覺得想要系統性的解決功能安全問題，感知、算力問題，也許通過V2X是一個不錯的選擇。

采用V2X可以極大的減少我們有可能感知到的非結構化信息，我希望車輛不需要感知人、感知車、感知路，給我結構化的數據就好，所以我們可以通過V2X在云端讀取結構化信息。

1、可以實現超視距感知；

2、高精度感知（交通參與者準確定位、參與體的意圖、參與體的精確速度、自車的精確信息可上傳云端）；降低感知成本；

3、超視距感知可以節省昂貴的傳感器成本，減少對大數據的梳理需求，減少域控制器算力要求；

4、節能，提前獲取交通信息（擁堵，紅綠燈等交通信息），實現能源分配的最優控制及決策規劃，實現碳排放及燃油消耗降低30%；

我們現在看到的V2X應用場景，主要有超視距感知和高精地圖感知。而未來，5G將成為自動駕駛的主要通信手段。5G為什么在自動駕駛是必要的？

第一、5G形成了端到端的生態系統，增強了移動寬帶，峰值速率可達到20Gb/s,支持更低延時小于10ms；

第二、基于5G的V2X在覆蓋距離、網絡延遲方面都要優于DSRC；

第三、5G技術在這幾年實現了重大突破，并陸續開展了實車應用和環境測試，可快速實現商業化。

最后就是充分的冗余，然后是少接管或者人性化的接管。冗余，我們為了保證ECU、域控制器本身是足夠安全的，這個里面涉及到很多電氣化的結構。

最后，量產還需要黑匣子，德國已經出臺法律明確規定，配有自動駕駛系統的汽車內將安裝類似“黑匣子”的裝置，記錄系統運作，要求介入和人工駕駛等不同階段的具體情況，以明確交通事故的主要責任。

從L3開始，自動駕駛要由人工智能對此負責，這意味著我們必須可回溯，發生了車禍要知道是什么導致的問題，所以黑匣子是必須的。我們現在初步的要求是把前30秒、后10秒存起來，包括所有傳感器信息。

L3過渡到L4

我們認為實現L4，高精地圖、Lidar一定是必要的。L3也要使用Lidar，很多廠商說L3我們可以用攝像頭和毫米波雷達，但是問題當你考慮到傳感器冗余的時候肯定不夠，很難過功能安全的要求，所以Lidar哪怕作為一個冗余性的傳感器，它都是必要的，而高精地圖一定是必要的。

在全面實現L4以前，L4功能里最先能體驗到的一個量產功能就是最后一公里這個非常典型的場景，我們可以把它叫做L3.5，同時，未來L3、L4也可能長期共存。

我認為這是基于兩個商業模式不太一樣。L3我們更希望把車賣給私人消費者，解決你在高速公路上的疲勞問題。

但L4由于它本身成本太高，即使為了實現功能可以減掉一些傳感器，也沒人敢做，因為我們為了保證功能必須要有傳感器的冗余，那我們怎么做呢？

可以把它賣給B方，做運營，他們有很好的場景應用，可以通過提高使用效率的方式來獲得足夠好的收益，這會是L4級別自動駕駛實現的商業運營的價值。

我們預計到2025中國L3級自動駕駛車型達到12%，屆100%的高端車型都將配備L3級自動駕駛系統，而國內消費者更能容易接受自動駕駛，這有利于商業化。

我們調研了全球10個國家共1000位消費者，其中，中國消費者接受自動駕駛汽車的比例達到75%，并且對自動駕駛抱有高希望，這個遠遠超過歐美和日本，原因在哪里？

比如我們的移動支付遠遠超過了歐美和日本，他們太習慣使用信用卡了，從信用卡到移動支付這個差距沒有太大，但是從現金到移動支付的差異就很大，因為我們沒有一個中間的過渡。

我在美國一個讀書的朋友跟我講，他說他非常討厭自動駕駛，我問他為什么？他說沒有駕駛的樂趣。也就是說當你有一個根深蒂固的思維，你需要有更多說服力的東西才能改變這個思維，在中國來說這樣的阻力相對小一點。