自动驾驶专家会议纪要 20220421
posted on 21 Apr 2022 under category 工程技术
专家：惠尔智能CEO
几级自动驾驶定义是不准确的，特斯拉其实更多是L2,它有一些功能是L2,有些是L3,有些是L4。看驾驶员有多少参与度，从L4开始，驾驶员就几乎不在接管L2和L3是责任主体做了分割。也没有L2.5这个东西，特斯拉自己弄出来的。
特斯拉视觉方案非常强大，不需要高精地图原因是神经网络里面加了时序矩阵，行驶的时候，因为没有高精地图，屏幕上斑马线或者各种道路线会抖动，但是这条路一旦走过，就会生成地图，不需要提前跑一遍。
Waymo的方案，多传感器融合的方案。有的是前融合，有的是后融合，前后之分是看再神经网络前面还是后面进行融合。传感器经过神经网络之后再融合，会导致很多corner case，比如一个公交车和一个古天乐，摄像头看到的是公交车边上有一个人，激光雷达只看到了一个方块，会出现匹配上的不准确。前融合是一个更好的方案，waymo用的就是这个方案。
谷歌的这套东西很笨重，商业模式不同导致方案不同。
特斯拉重点是卖车，自动驾驶产品只是若干产品中的一条线，卖车就得成本很低，所以特斯拉的方案就是大几千人民帀的BOM硬件成本。FSD的成本是6-7万人民帀。
但是百度、小马、文远、waymo的方案，都是改装车、自研软件。硬件是加载在车上另一套系统，参与出租车运营，是提供服务的，消费者不需要考虑车成本，A-B点安全高效到了就行，需要大量传感器，增加冗余，还需要高精地图加持。
另外一类方案，提供成套产品+运营，图森就是这种方案。比如图森拿到了FEDEX的订单，在德州一年的operating cost需要5亿美金，图森通过自动驾驶只需要4.5亿美金，这样的差价就是图森的赚的钱，是通过自动驾驶省下的钱。不是waymo,百度出租车这种类似门票的收入，5块钱、10块钱这样。
05-07年的时候，美国自动驾驶挑战赛，卡耐基梅隆和MIT这两个团队的车都很丑，前面上面都一坨一坨的。那个时候没有车规级的硬件，那个时代是硬件决定软件能走多远，waymo的方案逐渐成熟，硬件成熟、软件突破、地图加持。
目前大家的方案是正向开发，乘用车上做路测，自己造一个电动底盘，方向盘取消，做一个L5的车。跟中国大部分自动驾驶公司不一样，中国自动驾驶公司是买车进行改装。
自动驾驶软件栈有6个模块：1）融合模块，就是激光雷达，毫米波雷达，摄像头，组合导航在前端有融合，收集数据，给出2）感知结果，其次基于高精地图，组合导航，GPS定位，有一个融合3）定位，感知和定位是最重要的两个模块。定位需要高精地图加持，也是重要模块，可以外包给图商；4）Planning and control，如何做规划和控制，影响到车辆的体验。比如遇到行人了，有的车调的很舒适，有的车就直接踩刹车，所以体验不好；5）仿真，如何在服务器上大量模拟日常路测的环境，一天可以模拟几十万公里的路径；6）线控底盘，可以外包给主机厂，让主机厂把一个具备线控底盘的车直接提供。燃油车和电动 车没有谁更适合自动驾驶，要看线控。五菱宏光EV，4-5万，里面大部分的转向助力、刹车都是机械的，即使是EV，但是不适合做自动驾驶。奔驰的S600，虽然是油车，但是底盘的零件都是精度很高的线控，所以适合做自动驾驶。
硬件：如果是多融合方案，需要有毫米波雷达、激光雷达、强大的计算单元、鲁棒性很高的组合导航。相机、天线等融合单元，也叫融合盒子，收集传感器的 signal做预处理。
激光雷达，主流的、能上车规有4种。传统的机械雷达被淘汰了，一个是尺寸不合适，还有一个是robustness，就是鲁棒性不够高，出错率很高。4个里面，棱镜式是大疆用的，flash是禾赛用的，MEMS是速腾的M1，以色列的innoviz在用。
MEMS的问题就是需要拼接，每个点云产生的图像需要拼接，所以会产生缝隙，有Blu的地方。而且因为有振镜，有振动的地方，过车规 的时候可能会有问题，可能会跟车辆发生共振。
flash雷达是最容易过车规，但是问题就是850纳米的光源的光和太阳光会产生背景噪音问题，距离相对较近。这个可以通过后续的芯片SOC方式，或者数字信号放大器去解决的，原理上没问题。
OPA的雷达到现在也没有量产。
车载摄像头是很大的领域，是除了激光雷达以外，单车用最多的，特斯拉用了8个，小鹏和理想都是12个。车规级别的 摄像头分为3部分，镜头总成、感光元件和信号处理器。信号处理器这个里面有三个巨头，安森美，OV（被韦尔收购了），索尼。安森美本来是最大的，但是OV已经做的很大了，它收购了信号处理器领域里面排名4-8的所有公司。
镜头里面就是舜宇是龙头。
无论是用那个感光元件和信号处理器，要看算法，是根据算法来的。看多远，精度多高，不是一个通用产品，是一个定制化产品。L2的时候很多公司推出相机总成，直接装到车上就行，但是L2以上，就需要对车的内参外参进行调试，总成就不行了，得针对每一个车进行设计。
毫米波雷达解决的问题是得到障碍物的速度和位置信息。毫米波雷达发射频率越高，解析度越高现在都是77G赫兹，将来可能还有更高的79G赫兹，取决于国家是否开放波段。
激光雷达智能分辨物体的长宽高和位置，毫米波雷达是分辨物体的相对位置和相对速度，摄像头看到的是彩色的世界，所以这三个传感器看到了7个维度融合在一起，能得到一个障碍物的速度、位置、ID信息。多传感器融合的优点就是这个。
特斯拉算力上不是最高的，只有100多T，没用激光雷达，没用毫米波雷达，摄像头数量也不是最多的，只有8个，小鹏都12个。蔚来算力有1000多T，4个orin芯片，一个激光雷达，5个毫米波雷达。蔚来这个方案是大力出奇迹。神经网络训练是一个很庞大的项目，匹配的不好，即使算力很高，真正的有效算力也不是很高，不是绝对的算力。越多的传感器会导致绝对的感知优势，传感器越多，冗余度高，报错率也高，匹配失误率也高，这个是考验每一个自动驾驶团队水平的地方。国内大部分公司都是堆硬件，起到多好的效果需要打问号。
A: tsla的神经网络和其他公司不一样，hydro网络。主干网络是相同的，50个障碍物的主干网络合并了，头出来，所以这个就是为什么叫hydro的原因，九头蛇。
激光雷达给的是长宽高，位置信息。tsla用了BEV layer，birds eye view layer，摄像头在收集周围信息的时候，这一帧照片，tsla就已经在这个空间上打上了一个戳，鸟瞰图拍扁了，丢到神经网络里面训练，所以每一个camera有一个自带的位置信息。比如长20米的卡车，在tsla model3的前面，侧面和后面都可以看到，传统的方法没办法将这个车合起来的，这个时候就需要激光雷达的感知。但是tsla用了BEV layer之后，把这个长的车丢到神经网络之后，就可以把这个车准确的合成起来。之前不能生成一个矢量的空间，是因为没有做这个BEV layer，没办法把全图扣出来。这样就不需要激光雷达了，也不需要高精地图 了。
特斯拉这个方法节省了算力，前提是设计了一个非常优秀的神经网络，至少领先其他公司5年以上，andrew karpathy, 2018提出hydro net的时候，产业是不相信能做出来的，过了4年了，做出来了，效果还很不错。其他公司也是有路径依赖的，就是在做多传感器融合的路径，不可能回到纯视觉的方案了。
A:现在只是100t,下一代产品肯定不会到1000t，因为算力大，功耗也高，会做平衡，到底要为自动驾驶消耗多少瓦的电力，不会弄一个超高算力出来。但是它一定会在北美实现L3、L4，而不是在中国大陆。
是基于视觉神经网络的训练方式，需要环境比较单一统一，unify。从旧金山到纽约，美国的大部分路况都是很相似的，单一的模型就可以实现自动驾驶的部署。中国，从深圳到上海到北京到东北，车道线、路牌都不一样，复杂程度太高了，这种场景做很多训练的话，这个模型会非常庞大，就会需要很多算力。所以tsla可以实现L3、L4，但前提是这个环境要单一和统一。
A：欧洲国家很分散，不会有一套完整的系统适应全欧洲，会在部分地区开放。如果FSD是订阅的商业模式，应该是在某个地理位置内，可以实现自动驾驶，而不是满大街都能实现FSD。这个也可能会用在中国，小鹏也会用这个定价。
小鹏的方案很重，需要图商提供高精地图，高德，这个成本很高，而且中国基建的变化也很快，图商压力也很大。所以不会说小鹏的NGP解决方案，全国范围内都可以跑，不是的，不同的软件包，比如大湾区，江浙沪等等这些地方有自动驾驶包，可以订阅这个包。如果车开到其他地方，也需要额外付费，其实只能更新 特定的包。
特斯拉的问题是如果开放全中国或者全欧洲，会给模型带来很大挑战，小鹏不是，小鹏的问题是如果开放了全中国的NGP，成本会非常高。一个算力吃不了，一个成本太高，Tsla欧洲如果要做，就是分不同的国家去开放。
A:小鹏是对自动驾驶最用心的，挖了tsla的人，自研团队的数量和质量都不错，蔚来的自动驾驶团队人员稳定性比较差。理想是外包给tier 1, tier 2做自动驾驶，这个效果最差。
In-house 的团队蔚来和小鹏都有，这个也要分，有些in-house是full stack，有些是只做感知，把地图等等能力外包。蔚来很多都是外包，小鹏的团队可以是全栈的概念。
为什么三家都要上激光雷达，因为他们在视觉，或者视觉+高精地图这个方案做出来的体验就是非常差，不是技术本身问题，是中国的路况、交通参与者太复杂，视觉的方案走不通，所以要上激光雷达。
这个目前的软件架构，上了激光雷达，算力达不到，所以要提高算力，这个是一连串的。不是说蔚来一定要把这个算力弄的这么高，用orin的芯片，而是因为视觉的神经网络带来了问题，得切换到具备激光雷达能力的神经网络，这个网络很吃算力，还需要一个更精确的能适应激光雷达的高精地图，整个的成本就上去了，这是一个不得不的情况。
A:技术路径依赖，一个神经网络的建立，训练和部署，是一个很漫长的过程。虽然有很多开源的神经网络，大家都可以去训练，但是这个是实验室的产品，一个实用的产品，需要足够的冗余和鲁棒性。
神经网络的切换不会特别频繁，2-3年会升级一次。一旦锁定了一个路径，之后就是对这个模型进行训练，但是选择路径的时候考虑的不够周全，或者硬件的发展跟我们想的不一样。
4年前我们采用多传感器的方案的时候，基于的前提是激光雷达是复合摩尔定律的，但是激光雷达并没有按照我们的预期发展，即使用寿命得到了增长、价格降低、性能满足要求。
激光雷达的价格基本过去4年是横着的，现在卖的雷达，和早期我在百度工作时候的雷达，几乎没有太大差别，价格有降低，但是不是从60万到6万的降低，而是20万到8-9万的降低。激光雷达不是按照我们预期的想法来的，我们当时想的是，这个东西会便宜，我们能用的起，所以弄了一个冗余度高的神经网络。但是现在发现用了这个方案的公司，在硬件上面的投入是巨额的，这个方案落不了地。
反而是选了轻量的视觉方案，或者视觉+毫米波雷达方案的公司，率先把产品投入到了市场。有的是运气成分，有的就是团队没想清楚。
如果就是一条路走到黑，里程是有用的。如果中间频繁切换算法和硬件配置，里程数的用处不大。只能提供一些处理corner case方法论上的改良，并不是说100万英里比50万英里要好。
A：L4如果做商业化有问题的，可以降低到L3，卖给主机厂。深圳有家做自动驾驶的公司，说把激光雷达的自动驾驶方案做到了1万美金以内，这个主机厂会买单。但是目前的公司都是20-30万人民币，这个主机厂不会买单的。固态激光雷达+摄像头+英伟达芯片，整体成本降到1万美金以内后，市场格局会打开。
百度没做到，百度是在中国做自动驾驶最早的公司，不是因为早就能怎么样，早可能会因为路径依赖问题，不能把产品很好的投入市场。
A：L4的责任在主机厂和车辆本身。
tsla的FDS在美国有beta版本，给7-8万美国人用，FSD在用的时候，上面有一行字，说这个责任是在驾驶员本身。但是L4，责任就在主机厂了。我们做到绝对的安全，中国的路况是不现实的，美国的交通参与者和路况都是很理想。
一个L4的方案，大部分不是针对终端消费者的，是滴滴这种去运行车队的时候，省掉了一个司机的成本。L4运行的环境需要ODD, operation design domain的商业附加值很高。中国的地方，商业附加值越高，场景越复杂，比如上海陆家嘴、北京国贸，这些是技术上很难实现的L4的场景，但是美国的富人都在郊区，不在downtown。中国downtown从地图的角度和交通参与者的角度都过分复杂。
A: 中国做robotaxi，拿了投资人的钱做了慈善事业。
A: L2是直接跟主机厂打交道，对价格很敏感，但是性能不敏感，有些供应商能做到1000-2000元，但是如果做好，需要1-2万。
但是上汽，广汽这些在选择供应商的时候，不会上来就选1-2万的这个供应商，即使技术很好。他们会选1000-2000的供应商，然后挤牙膏式的去做市场的promotion，主机厂的目的是卖车，不是卖自动驾驶。所以行业里面有一些二把刀公司，有很多订单。但是技术做的很好的公司，因为贵，所以没有订单。
自动驾驶领域，只要不是很严重的路径依赖的情况下，大部分公司的技术差距可以在2-3年内完全拉平。比如我们从百度阿波罗出来，我们每一个人的公司都在1-2年内跟阿波罗一样了，甚至文远和小马可以超过阿波罗。这个行业的技术不是在于神经网络，而是这个人有没有对技术有很深的理解，有了理解之后，这个人可以迅速找到需要的人才，把这个模型部署、训练、找传感器供应商、上车。
我们招的人，没有自动驾驶的，就没有这个专业。我们招的人，都是语音识别，图像识别的，这些人是背景都是跟神经网络相关的。一个team leader知道自动驾驶的全栈技术之后，可以找到 一群在语音识别，或者图像识别的人，改出一个比百度神经网络更好的模型，这个可能性是极高的。任何一个公司找到方法论，2-3年就可以拉平。
国内头部的自动驾驶公司，小马，里面的人跳出来又做了4家公司。小米进来，很快就会把这个gap拉平。给小米做代工的公司很厉害，也是我们百度的同事出来开的公 司，小米钱够了，就可以买到一个很酷炫的产品。再比如给点补贴等，就可以拿到市场。小米的产品24年问世，我觉得会跟小鹏拉平的。
A:英伟达也可以做自动驾驶，甚至会比特斯拉做的不差。但是芯片厂的目的不是做自动驾驶，是卖芯片。英伟达drive，是给了行业一个很全套的framework，从感知到控制，到高精地图，去填空就行了。
比如用Orin平台的时候，英伟达已经提供所有传感器的参考设计，按照这个方法去摆放，会提供一个vendor list。这也是为啥国内的主机厂都用英伟达，英伟达从芯片组，到软件架构到硬件参考设计全给大家。
华为的技术路线，我也不知道华为是卖芯片，还是卖solution，还是卖车，这三件事情，是相斥的。如果卖车，这个设计不会给 其他主机厂。如果卖solution，那芯片的配套不会免费给大家。如果卖芯片，就是另外一回事。如果卖芯片就可以用英伟达这个策略，买我的芯片，所有的硬件 驱动和软件架构我都弄好了，买就完了。
A：我们公司也做了高精地图，但是我们不能卖，因为我们没有资质，得找一个图商挂靠。一年200-1000万。这些有甲级资质的公司，如果有些道路不能采集，那大家都是一样的。有高精地图能力和没有这个能力，技术是不在一个水平上，我们可以基于高精地图进行一些算法上的调试。先自身有这个能力，一部分的采集可以挂靠事业单位，但是城市有些地方是敏感地带，所以就不能去采集了。而且目前业内没办法抛弃高精地图的方案。
A：V2X车路协同是一个伪需求，自动驾驶的终局就是单车智能。
一公里的改造费用6个亿人民帀，这个钱政府可以出，但是做了这条路，不能要求主机厂去装OBU，—个2000-3000块钱，这个商业模式上走不通。为了所谓的车路协同，增加每个车的成本2000-3000。
政府的基建，要做这个路，车路协同的设备，做完了就完了，但是没人跟。杭州到上海的这个路具备了初级的车路协同的能力，市场上没有反馈。自动驾驶的终局就是单车智能，对网络要求都不高，不要甩锅。5G、北斗都没有那么重要，还是得把技术做上去。单车智能是一个产品的终局。
A:对。目前L4的方案，除了车之外的硬件投入，至少20万人民帀，还是在不考虑高精地图的情况下，这个消费者没办法接受。滴滴，百度可以接受，比如如果 一套设备20-30万，我一个专车司机一年10万，如果可以用3-5年，就可以回本，这个是这么算的。责任的话，如果有交通事故，就是滴滴的，不会再参与者身上。