官方微信
【原创】博世丰浩:自动驾驶进入2.0阶段,从功能实现到大规模、车规级量产
博世| 自动驾驶| 传感器 文章来源自:高工智能汽车
2019-10-25 09:20:37 阅读:4060
摘要博世底盘控制系统中国区市场与战略发展总监丰浩表示,到目前为止,自动驾驶相关功能的规模化量产才进行了第一个阶段,即低等级ADAS功能的量产应用开始出现。
自动驾驶功能的规模化量产应用是什么样的?



在《2019(苏州吴中)汽车关键部件新生态产业峰会》上,博世底盘控制系统中国区市场与战略发展总监丰浩表示,到目前为止,自动驾驶相关功能的规模化量产才进行了第一个阶段,即低等级ADAS功能的量产应用开始出现。


这些功能相对比较简单,通过单一的传感器或者数据融合就能够实现,且随着法规、NCAP的推动在市场上会逐渐变多。


接下来会进入2.0阶段,当功能成熟之后,如何达到大规模、车规级量产的部署?


自动驾驶量产特征


L1-L3的自动驾驶功能落地商业场景更多的是乘用车,面向结构化道路推出的辅助驾驶功能和部分自动驾驶功能。

这些功能的应用场景相对比较局限,但在路上的可以大大缓解驾驶员的驾驶疲劳,辅助完成一些简单的驾驶任务。当然最重要的是给整车带来的成本增加在合理可控的范围内。


如果要处理复杂的城市道路场景,势必要增加很多的传感器,系统结构也很复杂、成本也会成倍数上升。这不是普通消费者能承受得起的,如果要应用,就要降低使用成本。


降低成本的方式并不是降低相关软硬件技术的要求,而是通过商业化车队的运营,单次里程的优化降低使用成本,可以大大的降低自动驾驶车辆因复杂程度带来的成本。从场景来看,共享出行是一个较好的应用场景。


博世和戴姆勒也在做自动驾驶出租车(Robotaxi),在北美计划2020年做小范围的试运营,这个过程并不是一帆风顺,有非常多的挑战。

比如环境感知中,多传感器的融合是必要的,也是未来发展的趋势。但仅仅依靠单车智能的感知,要增加非常多的传感器,同时高性能的传感器研发带来的投入非常巨大,这些都会制约最终的技术量产应用。


在中国智能网联的环境下,通过增加智慧的路、智慧的网,增加基础设施的智慧程度,来降低单车智能的传感器,或许这会成为变向实现该功能的一种方式。


定位问题也很关键,国外厂商在中国要解决卫星出现偏差收不到信号的问题,同时未来可能还要考虑适配北斗的问题。系统的决策、算力,包括对于整车未来架构的影响,解决方案有很多,但业内对于安全可靠性的评判还存疑。


安全不可妥协

博世的理念是,安全是量产保证的首要条件。


2.0阶段,相关的自动驾驶功能能够通过相关的法规认证,安全的释放到量产车中,在实际使用中不会出现系统宕机等非人为因素造成的问题。

在自动驾驶商业化落地的途径上,博世多年来一直在坚持这样的一个理念。


L2自动驾驶功能同L3的区别就在于系统的责任,由人作为主体已经转变到了车辆作为主体。为了满足这样一个变化,很多的关键零部件上需要冗余。

冗余是指在系统失效的时候需要备份的系统,让车辆能自主的应对意外状况,达到安全目标,比如安全停车或安全的引导。


从应用场景的要求到系统级的要求,需要在关键的零部件上有冗余,比如执行器的冗余,传感器的冗余甚至整个架构的冗余,转向系统跟执行系统我们都有成熟的量产的解决方案,这是冗余需要考虑到的。


除了硬件上的冗余,内部的算法上,不同的场景来做语义的理解,进行内部的冗余。地图解决方案有绝对定位跟相对定位两种解决方案。


L3以上自动驾驶系统复杂度增加,给车辆带来的成本的增加,这是场景所需要处理的交通目标越来越多带来的。那么如何验证系统的可靠性?


这里要提到一个在汽车行业非常关键的V-MODEL,V-MODEL代表的从汽车的需求出发,如何将需求通过安全的验证、需求管理,来达到车规级产品的要求。

在这里面为了满足每一辆汽车安全可靠的目标,要有两个非常关键的安全,第一个叫做功能安全。


功能安全在汽车行业被熟知,解决的是偶发性事件的问题。由于没有足够的测试,出现了在测试次数之外的一些偏差。


产品开发需要足够多的验证、足够安全,比如传统做AEB的开发,在测试场景经过多少公里就可以满足测试要求。

自动驾驶非常复杂,随着层级增加,验证其合理有效性变的困难。需要用新型的方法尝试,比如通过仿真将算法在仿真环境下进行有效的验证,再释放到道路上。


自动驾驶的验证过程中有一个重要的问题,需求、场景是否合理?


工程师按照需求开发出来的算法合理与否,功能安全解决不了,需要预期功能安全来去解决。

目前在博世整个自动驾驶开发中,在预期功能安全跟功能安全的流程上,所有的产品都经过了预期功能安全跟功能安全相应的适配以及开发流程的验证。

这能够保证在整个面向量产的过程中,可以把自动驾驶功能真正的达到车规级的要求。


当然,从技术可行,到功能成熟,乃至最后的大规模量产,还需要去克服更多的问题和挑战。 真正去做量产化的验证上面,还需要有很长的路去探索。
此文章有价值
手机扫一扫,分享给朋友
返回顶部