833
堅持做有價值的技術(shù)，堅持實踐出真知。近日，嬴徹科技在首屆科技日上分享了其自量產(chǎn)以來的全棧自動駕駛技術(shù)總結(jié)和未來展望，并以此為基礎，重磅發(fā)布《自動駕駛卡車量產(chǎn)白皮書》，向全行業(yè)共享過往三年里自動駕駛卡車量產(chǎn)的經(jīng)驗。
商用車自動駕駛?cè)缁鹑巛保鴱乜萍家褜崿F(xiàn)規(guī)?；慨a(chǎn)
和乘用車相比，商用車高等級自動駕駛的進展更加迅速。一方面是因為商用車，尤其是干線物流重卡這類的車型身處的高速公路場景相對封閉，各類突發(fā)狀況相對市區(qū)道路來說會小很多；另外一方面，在商用車領(lǐng)域部署高等級自動駕駛，可以帶來比較明顯的經(jīng)濟效益：無論是在油價高企的當下最大程度降低整車油耗，還是利用L3級別的自動駕駛尋求駕駛員的二減一，或者L4級別的無人化，亦或L5級別完全取消駕駛艙等，都可以為商用車運營企業(yè)節(jié)省一筆可觀的人力資本支出。
在此背景下，嬴徹科技積極聯(lián)手國內(nèi)商用車企業(yè)，實現(xiàn)軒轅系統(tǒng)1.0的量產(chǎn)落地；同時，嬴徹全棧自研技術(shù)邁入2.0階段。目前完成了：
2021年底量產(chǎn)搭載嬴徹軒轅自動駕駛系統(tǒng)的智能重卡
截止2022年8月底，完成超600萬公里的實際商業(yè)運營里程
在核心技術(shù)上取得多項突破，并已積累超過170萬個場景片段
啟動軒轅系統(tǒng)3.0預研，提出全新的自動駕駛架構(gòu)的設想
核心技術(shù)全棧自研拓寬自動駕駛技術(shù)邊界
仔細看完嬴徹科技日的分享，筆者認為這三項自動駕駛關(guān)鍵技術(shù)尤其值得拿出來聊一聊：
第一、規(guī)控一體的 PNC 架構(gòu)
面向量產(chǎn)的卡車自動駕駛規(guī)控算法是一個顯著的難點，難在兩個方面，一個是針對卡車特性的難，重卡載重波動大（空/滿載重分別為16噸和49噸），車頭和車掛是二截式的柔性連接，對車速和姿態(tài)的控制提出了極限挑戰(zhàn)；和實驗室產(chǎn)品不同，可量產(chǎn)和有真正使用價值的自動駕駛技術(shù)，還疊加了要同時滿足安全、精準、舒適、耐久、經(jīng)濟這5大商業(yè)運營的要求。
而要兼顧這5大要求，需要能夠同時協(xié)調(diào)精準建模與一車一調(diào)、精準控制與耐久經(jīng)濟、規(guī)劃控制分層與融合之間這三大矛盾。比如，與乘用車不同，由于卡車之間的參數(shù)范圍差異較大，因此靜態(tài)車輛模型無法針對大規(guī)模的量產(chǎn)卡車進行逐一適配。再比如追求車輛控制的精確，必然會對執(zhí)行機構(gòu)進行頻繁動作，傷害了耐久性，意味著更快的零部件更換頻率，導致增加成本。對此，嬴徹做了比較大的創(chuàng)新，提出規(guī)控一體化的PNC架構(gòu)，可以實現(xiàn)預測、決策、規(guī)劃和控制的緊耦合，從系統(tǒng)總體角度做優(yōu)化，在苛刻的運營要求中找到了最優(yōu)解。
在這個架構(gòu)中，包含了兩個重要的模塊：基于行為學習的規(guī)劃和模型預測控制。基于行為學習的規(guī)劃讓車開得更加像一個老司機。比如一個比較難的場景就是高速匯入?；趥鹘y(tǒng)的規(guī)則的方法，就會類似新手司機，在匯入時機，通常會保守匯入，甚至錯過匯入機會。而基于學習的方法，就類似熟練司機，能更好處理與他車交互，甚至選擇加速變道插入，具有更高效的通行效率。
在控制方面，嬴徹大膽地摒棄了傳統(tǒng)的軌跡追蹤算法，而是利用模型預測控制動態(tài)和在線估計當前的車輛動態(tài)，以實現(xiàn)平穩(wěn)的控制，從而平衡精度，舒適性和燃油經(jīng)濟性的多個因素。
第二、節(jié)油算法
重卡日耗油300噸，30倍于轎車。油耗成本，在整體TCO成本中占比高達30%，是物流企業(yè)關(guān)注的最重要指標之一。嬴徹的節(jié)油算法已實現(xiàn)在實際運營中比金牌司機平均節(jié)油2-5%，逼近7%的節(jié)油上限。
嬴徹認為節(jié)油算法的核心目標要同時滿足三點：車速，讓車輛工作在最佳巡航速度；剎車，盡可能減少剎車帶來的能量損耗；油門，盡可能穩(wěn)定的油門控制。傳統(tǒng)的節(jié)油算法聚焦于分鐘級和亞秒級的優(yōu)化。嬴徹建立了對節(jié)油算法的系統(tǒng)性方法論，在更全的不同時間尺度上，從亞秒級、秒級、分鐘級、小時級對油耗進行全面優(yōu)化。
嬴徹特別在小時級的車云協(xié)同全局速度規(guī)劃算法上取得突破。根據(jù)研究發(fā)現(xiàn)，平均車速對油耗影響較大，應使車輛在盡可能精確完成時效的情況下，降低平均車速。因此，嬴徹在云端建立以關(guān)鍵途徑點為節(jié)點的GNN（Graph Neural Network），利用歷史經(jīng)驗數(shù)據(jù)和即時交通數(shù)據(jù)，實現(xiàn)對油耗最優(yōu)的速度推薦。
值得注意的是，嬴徹還特別提到了對節(jié)油極限的探索。
油耗水平可通過發(fā)動機燃油消耗率圖BSFC（Brake-Specific Fuel Consumption）的分布進行表示。理想狀態(tài)下，發(fā)動機始終工作在最佳狀態(tài)，即BSFC 圖等高線中心。上圖顯示了兩個司機的油耗分布圖，越靠近中間的部分，油耗越小。這里可以明顯看出金牌司機的油耗分布已經(jīng)高度集中于最佳油耗區(qū)域附近。而節(jié)油的極限就是所有的工況點都集中在圖中那個最小的區(qū)域。經(jīng)嬴徹測算，與金牌司機相比節(jié)油的上限為7%左右。這個分析對行業(yè)一直熱議的節(jié)油指標給出一個參考的標準，說能節(jié)油多少要看是和誰在比較。
第三、增強影子模式
所謂影子模式的核心在于在有人駕駛狀態(tài)下，系統(tǒng)包括傳感器仍然運行但是不進行控制，用來跑算法模型、對其進行驗證。算法在“影子”中持續(xù)做模擬決策，并且把決策與駕駛員的行為進行對比， 對算法進行持續(xù)修正和優(yōu)化。
隨著L3級別自動駕駛技術(shù)的量產(chǎn)以及運營投放節(jié)奏加速，嬴徹開始積累越來越多的數(shù)據(jù)資產(chǎn)。這使嬴徹能夠建立行業(yè)首個自動駕駛卡車數(shù)據(jù)閉環(huán)體系，將數(shù)據(jù)資產(chǎn)轉(zhuǎn)化為技術(shù)優(yōu)勢。
但光有數(shù)據(jù)閉環(huán)還不夠。自動駕駛重卡的大規(guī)模量產(chǎn)，對自動駕駛系統(tǒng)的可靠性和迭代速度提出了苛刻要求，進而要求數(shù)據(jù)閉環(huán)能夠在缺陷發(fā)現(xiàn)、方案驗證和持續(xù)迭代三個方面發(fā)揮顯著作用。為了能夠更好的實現(xiàn)數(shù)據(jù)閉環(huán)，嬴徹打造了增強影子模式。
傳統(tǒng)的影子模式只比較人類駕駛與自動駕駛。嬴徹的增強影子模式實際上運行了兩套單獨的算法來驅(qū)動實際卡車和虛擬卡車。通過挖掘?qū)嶋H卡車和虛擬卡車之間的行為或性能差異可以Trigger數(shù)據(jù)記錄。
它的獨特優(yōu)勢在于：第一提供了長時間行為的采集，比如油耗相關(guān)行為的采集和評估能力；第二是實現(xiàn)了實時的A/B test, 實現(xiàn)了高效算法迭代；第三降低了數(shù)據(jù)的采集成本，提升了數(shù)據(jù)的采集的精準度。而這些關(guān)鍵能力都是高階自動駕駛大規(guī)模量產(chǎn)的必經(jīng)之路。
50余家產(chǎn)業(yè)鏈自動駕駛量產(chǎn)方法論《自動駕駛卡車量產(chǎn)白皮書》
作為行業(yè)先行者，在過去的三年里，嬴徹攜手多達50余家商用車產(chǎn)業(yè)鏈伙伴協(xié)作創(chuàng)新?？偨Y(jié)過往三年量產(chǎn)背后的的技術(shù)和經(jīng)驗，嬴徹編寫《自動駕駛卡車量產(chǎn)白皮書》并在科技日上發(fā)布。
可以說，這份白皮書，不僅是嬴徹自己的經(jīng)驗總結(jié)，更是嬴徹在推動自動駕駛量產(chǎn)過程中的50多家產(chǎn)業(yè)鏈合作伙伴的共同實踐經(jīng)驗總結(jié)。筆者因工作關(guān)系，讀過不少自動駕駛技術(shù)研報和白皮書，客觀的說，對于自動駕駛落地和發(fā)展的理解，科技公司永遠是最深刻和最敏銳的。而這份篇幅100頁近6萬字、融合了大量技術(shù)創(chuàng)新細節(jié)和產(chǎn)業(yè)實踐的白皮書，必將推動行業(yè)共享共創(chuàng)自動駕駛車輛量產(chǎn)方法論的趨勢，也將最大程度地消除量產(chǎn)經(jīng)驗碎片化對從業(yè)者的困擾。
提煉來說，嬴徹科技《自動駕駛卡車量產(chǎn)白皮書》可以用5個“一”來概況，其中主要包括量產(chǎn)8大原則、7大量產(chǎn)系統(tǒng)方案、1套完整量產(chǎn)開發(fā)流程、1套衡量指標體系。
1、嬴徹的5個“一”
一套針對自動駕駛卡車使用場景的系統(tǒng)性正向功能定義方法。
一套完整的自動駕駛卡車量產(chǎn)開發(fā)體系與全棧自研的核心技術(shù)。
一個以“正向開發(fā)、兼顧敏捷”為原則的自動駕駛卡車研發(fā)流程體系。將汽車行業(yè)的V模型開發(fā)流程與軟件行業(yè)的敏捷開發(fā)模式進行了創(chuàng)新性融合。
一個貫穿研發(fā)到量產(chǎn)全周期，涵蓋整車到核心系統(tǒng)，跨越嬴徹科技全組織，并協(xié)同多個量產(chǎn)伙伴的自動駕駛安全開發(fā)體系。
一個具備自我演進能力的全新無人駕駛技術(shù)路線。
2、量產(chǎn)八大原則
和單純的產(chǎn)品研發(fā)不同，一旦相關(guān)技術(shù)進入到量產(chǎn)環(huán)節(jié)，其所需要關(guān)注的問題就會越來越多。實驗室產(chǎn)品，可能更多需要考慮的僅僅是性能，但是到了量產(chǎn)環(huán)節(jié)，哪怕任何細小的環(huán)節(jié)出現(xiàn)問題，都有可能影響到最終產(chǎn)品的可靠性和商業(yè)化部署。為此，嬴徹總結(jié)了安全至上、正向前裝、車規(guī)標準、可靠耐久、交互友好、規(guī)模生產(chǎn)、維護簡易、成本最優(yōu)的八大原則。
3、核心系統(tǒng)的7+7
白皮書中列舉了嬴徹核心系統(tǒng)7+7。即7大量產(chǎn)核心系統(tǒng)以及在自動駕駛系統(tǒng)中又分為7個子模塊。
7大量產(chǎn)核心系統(tǒng)，分別是：自動駕駛、電子電氣、線控底盤、人機交互、網(wǎng)絡安全、云基礎設施以及數(shù)據(jù)閉環(huán)。7個自動駕駛系統(tǒng)的子模塊：感知、定位、規(guī)劃控制、節(jié)油、系統(tǒng)軟件、自動駕駛域控制器和硬件套裝。
如果說過去的全棧僅指自動駕駛系統(tǒng)里面的算法、軟件、硬件，到了一個真正要量產(chǎn)的車，這只是七大子系統(tǒng)之一。根據(jù)嬴徹三年多來的量產(chǎn)經(jīng)驗，只有掌握并實現(xiàn)這7大核心系統(tǒng)的量產(chǎn)技術(shù)，才能真正實現(xiàn)自動駕駛系統(tǒng)的量產(chǎn)。
關(guān)于新能源
此外嬴徹也認為：“嬴徹一直關(guān)注新能源發(fā)展的動向，也是未來趨勢。但是在商用車干線物流領(lǐng)域，目前能讓用戶用得上的自動駕駛更多還是圍繞柴油車開展，新能源重卡的續(xù)航等性能，當下在干線物流場景下應用相對受限”。通常，一輛重卡實現(xiàn)200公里的純電續(xù)航里程，往往需要攜帶3噸左右的電池；400公里就需要6噸的電池。如此重的電池，必然影響物流車的載貨性能和經(jīng)濟性；并且換電基礎設施也不匹配，根本無法滿足商業(yè)運營對時效的要求。
嬴徹表示，“嬴徹在三年前啟動這個項目的時候，我們判斷可以為用戶提供價值的就是一輛燃油車。自動駕駛系統(tǒng)在不論燃油車上，或是新能源上，有很高的繼承性。”在這樣的情況下，自動駕駛技術(shù)公司還是需要將關(guān)注重點放在自動駕駛技術(shù)本身上。
筆者認為，正是基于“自動駕駛技術(shù)公司還是要回歸技術(shù)本身”的出發(fā)點，在科技日活動上，嬴徹科技還啟動了“嬴徹-清華AIR杯”自動駕駛技術(shù)挑戰(zhàn)賽。“嬴徹-清華AIR杯”聚焦決策規(guī)劃算法，是國內(nèi)同時覆蓋干線物流和城市道路雙賽道的大賽。大賽將邀請全球自動駕駛愛好者一起來解決真實世界中的技術(shù)難題，在量產(chǎn)約束條件下挑戰(zhàn)算法極限。匯聚全球頂尖智慧，確保自身在算法層面的持續(xù)領(lǐng)先，也是嬴徹科技推動自動駕駛技術(shù)產(chǎn)業(yè)化落地之外核心競爭力之一。
