8月4日-8月5日，由車云網和佐思產研聯合舉辦、佐智汽車特別支持的2016自動駕駛汽車開發及測試技術研討會在上海虹橋賓館順利舉行。
隨著自動駕駛從概念熱議進入產品孵化階段，國內企業開始對自動駕駛汽車關鍵部件和系統開發測試給予關注。車云TECH-IN會展品牌聯合佐思產研舉辦了本次專業活動，旨在能促進行業對先鋒話題的交流。
本次研討會上，來自政府機關、主機廠、零部件供應商、高校、創業公司在內的300位參會代表，圍繞“面向自動駕駛，聚焦開發測試”的主題，探討了自動駕駛整車、傳感器、軟件開發和測試技術發展趨勢。
金鑫，中華人民共和國工業與信息化部安全生產司副司長
今年7月20號，國務院副總理馬凱在全國安全生產電視電話會議上，明確指出要加快先進技術裝備的推廣應用。認真研究提高大客車、危化品運輸車制造的安全技術標準和研發防碰撞等新技術。
自動駕駛汽車發生安全事故之后，責任該如何歸屬？ADAS是先進輔助駕駛系統，車的安全責任在駕駛員。無人駕駛汽車出廠時就告訴駕駛者不用駕駛。前裝無人駕駛，應當由汽車廠承擔責任。后裝無人駕駛，由改裝者或車主承擔。
國家正在組建中國安全產業發展投資基金，汽車安全子基金也在積極組建中，通過支援智能汽車技術的方式，推動產業前進。
顧劍民，沃爾沃汽車中國區研發總監
避撞系統的工作機理非常簡單，探測-評估決策-干預（警告或者自動剎車）。
探測功能已取得巨大飛躍。多傳感器融合算法如何應對惡劣天氣和道路狀況，依然是個挑戰。傳感器融合后，需要更先進的威脅評估算法，同時考慮多個對象。復雜算法會增加計算量，從以前的單目標到現在多目標多威脅的評估，以至無法保證實時性，有必要進行適當簡化。
干預階段必須首先深層次地了解哪些是駕駛員感受到的具有強相關性的威脅，才能提高決策的相關可信度。除非是駕駛員近乎無法解決的沖突將要發生，否則車輛不應自主動作。
張人杰，QNX大中華區總經理
自動駕駛軟件是汽車軟件架構的演變，不是從1到N，而是從0到1。
在車載設備形態里面，有很多的分離的電子器件。自動駕駛演變的過程當中，電子器件可能逐漸會變成兩到三種，某個一級供應商可能會供應所有的整套車載電子設備。這樣可以減少車載電子設備間的通訊，降低開銷。怎樣把認證成本、開發成本、調試成本通過集成化的硬件來降低，是行業要研究的方向。
自動駕駛下汽車電子設備的形態不是簡單分離的多電子器件集合，而是一體化的硬件架構。未來還會未來演化，會在一個統一的硬件平臺之下，使用虛擬化的架構進行不同的功能域（domain）管理，進行不同的安全等級的控制。
沈海寅，智車優行CEO
智車優行有一條新的路徑，叫自主駕駛。
自動駕駛的核心，就是通過掌握大數據、云計算、深度學習、自主學習的基礎能力，使汽車不需要改變硬件的結構的基礎上，實現升級和迭代。自動駕駛本身一定是深度學習的引擎，會對人類駕駛習慣模仿學習。
智車優行與李德義毅院士合作推出駕駛腦，認知層面使用了兩套深度學習算法。一套就像下圍棋時的棋面判斷，是否對我有利。還有一套是當前局勢該如何下子。兩者匹配形成決策和認知系統。
奇點汽車想通過硬件先行，軟件逐步迭代的方式，使自動駕駛功能在量產車中實時落地，每個月或者每個季度都有新的功能可以迭代，實現一條完全不同于現在傳統車企ADAS迭代的方式，也不同于谷歌或者百度直接L4的思路。
吳甘沙，馭勢科技（北京）有限公司CEO
從駕駛輔助到輔助駕駛，是第一次躍遷。從輔助駕駛到高度自動駕駛到無人駕駛，是第二次躍遷。
感知部分需要更好的算法，基于深度學習，感知可以識別更多復雜場景。攝像頭、毫米波雷達傳感器還有更多空間可挖。馭勢可用攝像頭裝置眾包采集的方式，構建實時同步的地圖和定位系統。基于交通標志牌和地面標示的特征匹配，做短距離、局部區域十厘米精度的定位，獲得的小體積地圖可以存在云端，實時更新。
認知環節需要更好的認知算法。能夠做相對比較準確的語意的分割，比如路面、車、樹、天空。電線桿等等。
傳統自動駕駛，由視頻輸入，通過深度學習，建立試驗模型，分析道路上的各種目標，然后規劃路徑。規劃路徑會變成轉動方向盤、踩下油門或者剎車控制的命令。端到端的深度學習做得非常好之后，可以從視頻直接推出控制命令。
深度學習要解決數據來源的問題。可以通過眾包方式，由上千人的網絡標注信息，可以像從谷歌街景的數據庫把一些道路圖畫扒出來，也可以從賽車游戲場景里搜集數據，預先標定一些車道線等元素，然后用算法測試比較。
對于軟件的安全性、可靠性很難界定。使用數學推演得知，自動駕駛汽車要跑一百億英里左右，才能夠證明你比人開得安全。但是沒有一家主機車廠，能實際跑一百億英里。可以通過模擬和仿真，測試算法。
路川，英偉達機器學習解決方案架構師
深度學習不是一個新概念。之前之所以沒有發展起來，是因為沒有很強的計算性能單元去做處理，同時也缺少足夠大的數據量。互聯網大數據時代，兩項前提條件已經具備。
目前神經網絡層數越來越多，越來越深，普通的CPU或計算性能處理單元，很難去做深度學習的訓練。必須要有強大的GPU性能來搭配訓練。
除了硬件之外，英偉達自動駕駛車整個軟件的平臺叫DRIVEWORKS，由PILOTNET與DETECTNET一起構成DETECTNET可以對道路上的行人和車輛進行識別，產品中包含了神經網絡，用戶只要準備一個訓練集，就可以調用神經網絡來做訓練，讓算法具有自動識別的能力。PILOTNET是用來取代傳統控制算法的深度神經網絡，可以部署在車上學習人類駕駛行為，根據人的駕駛行為做一些修正，是一個不斷進化的過程。此外DRIVEWORKS還包括了傳感器矯正、傳感器融合、3D重構、特征提取、高準確度目標識別、激光雷達點云處理、高精度定位、高精度地圖、360環視、路徑規劃和可視化等算法庫和模塊。
趙展，廣聯賽訊總經理
電子的智能化帶來一些簡單的功能服務。增加聲控、路況、導航等等功能，是入口型業務，不能稱之為真正可以掙錢的地方。
互聯網思維邏輯里面，往往把高頻剛需做到低成本甚至免費。用戶要通過設備流進來，每天使用，產生數據，才能跟用戶建立清晰的管道。把通道建立起來，數據建立起來，很多商業環境就可以搭建起來。
但如果只是一個數據一個數據的孤鏈，滿足顧客簡單的娛樂需要，這些只能稱之為高頻，不能稱之為剛需。如何把數據再利用，加速智能數據的前端的聯網，使數據變現實現，才能真正產生價值。
同樣一類數據可以服務于四個五個同類或不同類的公司。數據不能有效支撐一個服務的話，難以形成閉環。比如，單純提供數據給保險公司，對方不會認為有多大的價值，如果你聯合保險公司設計一個險種，實現風險共管共擔，包括實現保費增加的銷售，保險公司就非常樂意接受。
高振海，吉林大學
ACC概念是在傳統定速巡航基礎上，利用雷達視覺等主動探索與前方車輛的相對關系，包括位置、角度、速度，并根據駕駛員和一些設計好的車間隙，控制油門、制動，使得本車保持安全的車間距，在必要時要求人類監管。
現在國內和國際上3-4類的ACC標準，實際上只是僅僅滿足了基本技術門檻，達不到汽車廠商自己設計調控，形成自身DNA的能力。在ACC控制上，要考慮安全前提兼顧舒適性和駕駛習性。防止加速、減速頻繁的切換引起主觀不適。全世界車企通過基礎門檻后，都想形成個性化的控制能力。
德國寶馬設計ACC時，進行了復雜的匹配。從關聯系統到系統集成、各種優化、系統驗證，開發了1-5級參數。但是目前中國車企僅僅開放了A級七八個參數。這七八個參數遠遠不能調校一個車企自身的DNA控制。
國內企業要攜手打造一個中國自己的智能駕駛系統的產業鏈，包括傳感器，或者是激光雷達、毫米波雷達，單目雙目視覺，智慧大腦，以及控制器。
周彥武，北京佐思信息咨詢有限責任公司研究總監
無人車或者是自動駕駛車還沒有量產車。大多企業都是從現有量產的車中找一輛純電或者混電車來改裝，因為混動和純電車最大的好處，在于有一套線控剎車系統。
做好線控剎車需要很長時間的技術積累，并且依賴大量剎車數據。做剎車系統測試的關鍵，在于要有賽場。國內因為投入時間和資金成本巨大，不愿在此投入。
這對于國內研究自動駕駛的廠家來說，幾乎是致命。傳感器、控制系統做得再好，最終都要執行器與前面的環節通訊。目前在線控剎車系統方面，基本繞不開博世。對方不放開接口或者只放開很少的接口，就會完全受制于人。而博世自己有一套完整的系統，肯定會優先推介。
劇學銘，Ibeo LiDAR-歐百拓CEO
2010年Ibeo和法國的Tier1法雷奧合作，開發面向未來量產車使用的激光雷達。預計明年年初，和法雷奧合作的Scala將走向量產市場，首先可能會在奧迪上推出，裝在A8前臉位置。
不久前，德國Tier1采埃孚收購了Ibeo40%的股份，主要助力于Ibeo對新的固態激光雷達的研發。未來Ibeo可能會從單一的激光雷達軟硬件供應商，進階為對ADAS整個功能的開發。
明年Scala進入量產后，Lux系列不會淘汰。未來ADAS、自動駕駛測試，需要一款精度更高、系統更穩定的成熟方案，Lux可能會更多參與到測評系統，從現在的感知功能轉為測評功能。
常規無人駕駛和自動駕駛研發的過程測評，以攝象頭為例，需要對攝像頭收集到的信息，進行大量的線下人工標定，工作量非常巨大，人為標定可能出現錯誤，時間成本很高，存在很多弊端。今年德國某一個OEM，在收集到的數據人工標定上的預算是25000萬歐元，是非常龐大的數字。
隨著ADAS和自動駕駛研發需求的增大，市面上需要一套更高效、更低成本、更精準的測評系統。Ibeo是激光雷達商，激光雷達最大的優點就是精確度，而且Ibeo有自己的算法，做了一套Reference System。與人工標定相比更準確、節省時間，標定后測試場景還原也更為完整。
翁煒，Velodyne LiDAR亞洲區市場總監
傳統汽車行業處在生死存亡的階段，互聯網的切入讓他們感到危機，決定組建聯盟對抗互聯網行業。同時車企發現一步一步通過ADAS進階到全自動駕駛的實現速度太慢，所以必須現在開始從全自動開始著手。
低線數激光雷達收集的數據量不足以減輕后臺GPU的運算，導致GPU存在散熱困難。為了有效使用在汽車行業，需要探測距離達到200米測距，為整車做出反應贏得時間。
無人駕駛有很重要的AI部分，人乘坐汽車要覺得舒適，需要車要學習人類的駕車習慣，要通過計算機一點點學習訓練。車廠在測試訓練時間上沒有Google的優勢，因此選擇數量替代時間。與Velodyne合作主要車廠從2017年下半年開始到2018年上半年，每家車廠使用600到1000臺車，通過這樣大規模測試收集AI信息。
未來2020年Velodyne的車用Puck3.0會固化四個部件。產品可以通過軟件調整激光束的通道數量和發射角度，同時會固化馬達鏡片以及反射裝置。產品會做成128線，中間陣列可以做到最多9乘9行，在不旋轉的情況下，覆蓋60度到120度的探測范圍。
福特在CES上說過，Velodyne2020年款車用Lidar產品價值單價降至500美金以內，2025年承諾產品單價200美金以內。目前情況是，如果明年拿到一百萬訂單，Velodyne便可以給到五百美金的單價。
湯勁松，Quanergy亞洲分公司負責人、中國公司總經理
激光雷達現在目標主要是性能提升和成本控制。其中成本控制應該是業界專注傳感、感知設備公司共同關注的問題。不解決成本高昂的問題，量產化無從實現。成本的降低并不能依靠犧牲性能，僅僅靠改進現有的技術無法達到，需要走一個突破性的新技術途徑，而固態激光雷達是一個最好的技術方向。
激光雷達需要配合車輛環境測試，例如防磁、振動、防水等。有時候實驗室指標都很好，但在實際到車上使用時，情況非常不同。比如溫度，達到了設定值，但最后發現實驗環境跟實際環境不一樣。這就需要我們做大量的針對量產化的、產品的可靠性的測試工作。
|
