上海映驰科技CTO段勃勃:智能驾驶安全软件平台探索

时间:2020-07-27

来源:盖世汽车

0

导语:7月22日—23日,“2020首届软件定义汽车高峰论坛”正式举办。本次论坛主要探讨软件定义汽车领域最新的创新理念、技术趋势、现实挑战等热点话题,共谋行业未来发展之道。下面是上海映驰科技CTO段勃勃在本次论坛上的发言:

7月22日—23日,“2020首届软件定义汽车高峰论坛”正式举办。本次论坛主要探讨软件定义汽车领域最新的创新理念、技术趋势、现实挑战等热点话题,共谋行业未来发展之道。下面是上海映驰科技CTO段勃勃在本次论坛上的发言:

 

上海映驰科技CTO段勃勃:智能驾驶安全软件平台探索

上海映驰科技CTO 段勃勃

很感谢还能有这么多的人在听,我也尽量希望能够满足大家,因为坦白讲主持方找我的时候也很突然,我说压轴演讲很难讲,我准备了那么多的梗和段子,前面都被人讲过了,到我这里可能就没有什么可讲的,因为我之前也碰到最后一个讲,经常要把自己的稿讲来改去,我这次终于把稿子定稿了,到了下午还是很措手不及,很多东西也有人讲类似的观点,但是我后来想了想这也是一件好事情,我的稿刚好能够把这两天我们所有人的演讲有一个很好的梳理。

首先,我先介绍一下我们的公司。我们这两天的演讲我们是唯一一家创业公司,而且是一家年轻公司,今天早上我很早就到了,我做了一张表,把每家公司都留了一个位置,后面我就只留了我们公司,因为我在听的过程当中,我发现西门子、博世都在变化,以前是传统的Tier1,现在是软件公司,还有做基础软件的,所以整个跨界非常厉害,所以我们只放我们公司。

我们看到演讲的嘉宾有做主机厂、IC、OS、Tier1和基础软件的,我们映驰公司主要是做基础软件里面的自动驾驶方向,我们还把自己定义为软件Tier1,我们在报名的时候他们说你们是谁呢?我只能之选一个Tier1,但是我是一个软件的Tier1,在传统体系面也不存在,所以我就把自己放到那里,但是这件事怎么讲,我就慢慢讲起,因为这是一个软件定义汽车的年代,什么出来都是很正常的。

第一件事情,刚才大家讲软件定义汽车,这件事我在过去跟一家产投在讨论的过程当中他们写了一百多页的PPT,启发了我,我真的去调查了一下,软件定义什么这个东西是怎么出现的,论文里面查到的是1998年,那个是软件定义无线电,无线电设施装好了以后可以通过软件调整它的行为,下一次是软件定义网络,网络布置好了,通过软件它的整个行为也会发生变化,再下一次就是在16年百度的王进提到了百度定义汽车的概念,当然他说的是无人驾驶,后来我去查有没有精确的定义,我找了几家,但是我认为这家定义相对中肯,什么加定义呢?昨天我们吃饭的时候讨论了挺多,谁也说服不了谁,就像上我的大脑决定了我是我,还是我的身体决定了我是我,这件事很难讲,但是定义这件事有一个描述是说,如果这个车的主要功能是由软件来做的,这是软件定义汽车,但是这个词先放在这里,我们姑且不轮,但是它描述的行为就是如果一个车的行为都是由软件来决定的,那这个时候我们知道软件的地位是很重要的。

这是一张大家都讲的图,我找了几张过去的图,右下角的大家认识吗?如果是我这个年代的人可能会认识,这个车有什么特点呢?这使我想起了我的老板,他在13年跟宝马CTO聊的时候,他说现在的车不一样了,过去买车大家说三缸、12缸,但后来他说他儿子买车不管这些,你的车能不能把iPhone、iPad接上?接上就买,不接上就不卖。

他的价值观不一样了,未来的年轻人会买什么车?我想不好,但是我看腾讯的后浪一直在拍,我心里也在想这是什么样的呢?但是我从手机开始看,过去的手机大哥大,2万块钱,那个时候也就挣100块钱的工资,那个时候多牛,但是它的功能就是打电话。现在我们的手机里面如果买一个裸机我也不知道拿它干什么,但是我装一个导航软件它是一个导航机,装一个聊天软件就是聊天机,装什么是什么,我们家里的电脑更是这个样子,我装了什么就是什么,不装也不是什么,其实就是很多行为在统一的硬件平台上面。

那我们再讲讲特斯拉,我们发现它触动了一件关键的事情,它改变了驾驶,我们说你的座舱软件很多,但是突然发现某一天我们的驾驶是由软件来决定的时候,我们发现车由软件来定义的,这一天发生了根本性的变化,那这个时候我们发现车里面所有的东西都是软件。昨天我们吃饭还在讨论,那硬件呢?因为我之前有幸参加了一个讨论,软件定义汽车是不是超预期?我想投资的人关注超预期,但是软件在汽车里面的重要性他们不纠结,那我们讨论的结论是什么呢?我个人认为,硬件决定了这件事的上限,但是软件决定了你的表现,如果你没有一个好的硬件平台,比如说你的车,之前有朋友跟我聊,他说我体验了特斯拉,也体验了一家汽油车,我感觉特斯拉棒极了,因为油车控制总是不那么顺,但是特斯拉的控制爽极了。

我突然发现你硬件放在那软件再努力可能也没有什么办法,所以说你要有好的传感器,特斯拉升级先要升传感器,在上面不断更新软件,硬件不是不重要,还是非常重要,但是硬件到现在为止,电动车很容易一致化,因为大家的供应商差不多,那你的差异只能是软件,这是我们看到的,但是软件的创意依然很无限,里面的功能确实不一样,特斯拉有很多的功能,我相信在未来还会做出一些自己的差异,这是我对这件事的认识。

说到自动驾驶还要从安全开始,就在昨天早上我在开车来这里的过程当中,我前面有一辆出租车迅速躲避,我只能跟着他躲,其实前面是一个桶,但是出租车司机没有看到,我可能就压过去了,以后这样的场景会层出不穷,但还是那件事,我还是从安全讲起,刚才腾讯的小哥一直在说安全,因为我是自诩为做安全的软件和算法,所以这件事我要好好讲一讲。

特斯拉不提一下是不对的,我还是要从它开始讲,我之前都是在自动驾驶的论坛,很多场景我分析过,我们最近再更新一下,16年我们刚才看到地平线的同事来分享了一下16年的事故,2020年又发生了一起事故,这两起事故发生了什么?什么变了?什么又没变?

我认认真真做了一个调查,我们发现对于我们的特斯拉来说有很多的传感器,但是我们说它的正前方只有三个传感器,第一是2米以内的超声,这是博世提供的,还有前雷达、前相机,前相机是3颗,那16年是怎么出的事情呢?当时发生了这件事之后他们再也不用EyeQ了,他们用自己的算法。当时有一辆白色的大车横到路上,特斯拉那辆车撞了上去,但是我们知道当时发生了什么呢?当时EyeQ3是不认识车的侧面的,因为那个年代的算法计算机视觉只认识车的屁股,车头的效果都要差一点,第二件事雷达从车身的下面可以穿过去,雷达同时检测到两个目标,一个是车,另一个是远处的不知道什么东西,可能是一个桥,但是对于融合系统来说视觉认为前面没有东西,雷达认为前面有两个东西,但是一个近、一个远,我假定是一个桥,于是就冲了过去,但这是我一家之言。

我们再说2020年,一辆车躺到了地上,这是发生了什么呢?因为我们用了深度学习我们用了车的正面、侧面,但是我们从来没有认识过四脚朝天的车,因为这种样本没有,我自己也没有收集过这样的样本,我也不知道这种东西该怎么办?那雷达呢?我们做雷达有一个问题,静止的目标不输出的所以这个时候雷达和视觉又同时失效了,又撞了上去。

所以我们的算法从机器视觉到深度学习,依然有我们不认识的样本,我相信这种问题未来肯定还有,但是我们发现两个传感器在设计上就有解决不了的地方,所以我们认为它是L2+,这也是一种错误使用,因为你当成自动驾驶来使用,但从我一个技术工程师的角度,我会告诉大家发生事故是一定的,只是不知道哪一天、什么时候、以什么姿态。

这张图在过去那些年都讲烂了,但是我还要讲,我们现在2.5、2.9到3或者到4究竟差什么?就差在是谁在监控,就是这个眼能不能离开,这个眼离开3和4差不多的,但这是我们最难的一道槛,我们现在根本没有找到北所以我们是无限接近3,当然我们不知道宝马在明年那辆最接近3的车是什么样子,或者最接近4的我们还要拭目以待。

这里还有一个挑战是什么?就是有限场景会发现我们2、3、4,因为人类的场景不可预知,我们永远不知道是否有一个车躺在那里,所以我们现在有什么挑战呢?第一是感知,还有就是工程,你的技术到了一定可以做一辆可靠的车吗?所以我们把它称为挑战。

这张图是我自己做的,我来总结对算法需求的变化,在第一个年代ADAS,做报警,车道偏离报警,当时我们的算法比较好做,因为他只要报警,当你出现问题的时候报一下警就可以,如果没有报警也没有什么事,因为车子是驾驶员自己看着的,我没报警你也不一定能发现得了,所以那个时候做算法工程师挺快乐的,你只要有很低的误识别率就可以。但是你要是有错误的识别这是不可原谅的,因为你经常吓唬驾驶员,正常开着有一个报警,你感觉这个车不能要了,所以那个时候可以把识别率降低一点,不要99,95也可以,但是你不要老报警,你不报警也没事儿,但是错误报警这件事是一个事故。

后来我们有了LKA、AEB,在你危险的时候帮你来一下,坦白告诉大家它的策略和报警是一样的,坦白讲AEB这种事情三五年也发生不了一次,漏一次你也发现不了,因为这个几率很小,但是整个控制策略还是一样,我们把误识别要控制的低,识别率可以低一点,你一旦错误的警告以后用户的体验很差,但是由于发生几率也比较低,而且也还算可以接受,因为大不了错误帮你刹一下车。因为我原来有一个同事,刹一下车脑袋就撞到玻璃上了,所以他对这个功能深恶痛绝,所以就是少错,少作用也可以的。这是过去两个系统的特点。

到了L2,HWA的时候发生了什么呢?整个检测要一直工作,如果你一旦不工作,马上会被发现,所以你的策略就变得很难了,就是说你的识别率要高,误识别也要低,因为你一直在工作,这个时候如果是比如我们说你错误检到了一个目标,我的车明明前面什么也没有,我非要刹个车,你会感觉挺不爽的,但是不爽之后重新激活还可以继续走,但是漏了这个事驾驶员就要自己看着了,特斯拉出现的事故就是这种,就是因为前面有东西你没有看着,这件事默认是驾驶员的。

还有一种L3的HWP,这个时候我们发现驾驶员只做失效处理,你不需要做什么东西,它只是失效了你处理一下就可以,也不需要监控,但是这个对整个车的系统要求特别高,因为一直工作,它产生的错误后果就是比较危险的,所以现在我们认为低的漏识别,低的错误还要加一些诊断,因为你失效了你要知道,如果你不知道怎么能做一个失效处理呢?

所以自动感知要有功能、性能、可用性、可靠、可实现这些东西,就像刚刚腾讯小哥攻击大家说大家的信息安全准备的太少了,其实搞汽车的人现在功能性能还没有做完,信息安全还在后面,功能安全还没有做完,现在谈信息安全这件事大家没有顾得过来,但是我觉得功能性差不多了,后面也会有这些东西。所以我大概总结了5个方面,最后的那个是指计算能力,上面是可靠性,这个时候我们会用到很多诊断安全机制,可用性有很多的传感器融合东西,功能性能这个更多的是算法。

我们刚才讲了功能安全,功能安全要求的失效率是10的负8次方,什么意思呢?10的8次方个小时里只能出一次。我们算了一下,一辈子可能轮不到一次,但是这种东西对于我们工程师怎么做呢?我们来探索一下。

第一件事我们来讲AI,在我们做工程师的心目当中,相机认错两条线这是很常见的事情,我们把它对准天空有灯管它也会认为是车道线,只是你的车从来不会对天看而已,这是我们早就知道的故事,因为你的车就应该这么装,对于没有看过的场景我们是不管的,因为有太多场景要做,可能之后某一阶段会用增强训练、对抗网络来增强一下。

我们过去做视觉,视觉的能力我自己从业的经历已经经历了好几轮,刚开始用知识的方法,后来用机器学习,后来到深度学习,自己的知识都迭代了两三代,有幸的话我自己一直用最新的技术,但是我也感受到整个识别能力真的是很强。怎么强呢?过去我们认为有很多不同角度和视野复杂的东西,识别能力真的是很强,比任何一个技术都要解决得更好,但是什么呢?第一这是端到端,端到端最大的问题你也不知道它在现实场景中会输出什么,你控制不了这件事情,所以很强大又很脆弱,这件事怎么来做呢?所有做AI算法的人在做的事情,就像昨天我们看的视频,明明是花花绿绿的东西为什么是下雨了?这件事你解释不了。

那现在我们的是怎么样的?刚才很多人讲闭环,那带来的问题是呢?你见过的它就认识,当然还不一定,第二是你没见过的基本上也不认识,这个就是我们面临的问题,总有我们没有看过的场景,对于L3的安全性怎么保障呢?这是一直以来的问题。我自己现在有一个方向在做什么研究呢?AI可不可信,特斯拉那个车是你信了它然后撞了上去,如果你不信它,因为特斯拉以前也做过,如果每个桥都停一下,就会高速上每开10公里一个桥停一下,我估计这个用户体验也很差,用户也不会用这样的功能,所以这个事怎么可信呢?他总结了4点,我觉得以后要加上第5点就是要防备黑客的攻击。

第一点是什么?不同肤色不同高矮的人,样本要公平。第二点是要安全可靠,在不同场景下要做得非常好。第三点是要做到可解释,这是最难的,他输出的这个结果你要知道为什么,而且还有办法来处理,这是我们做AI或者神经网络端到端的人特别难做的事情。第四点是整件事的可追踪,从算法到样本到整个环节都知道它,这样可能是向可信的AI前进一步,比如说我们做语音识别错了就错了,再说一遍,但是自动驾驶会撞上去,没有机会的,所以怎么把这件事做得可靠呢?

我们现在做了可能用两种不同的算法来做互相校验,甚至用两种不同的传感器来校验,安全性在这样提升,就是用刚才的方法,但这个就是我们可以做的工程方法。

我们讲了那么多的算法,还要讲计算和通讯,刚才地平线的老兄也讲了,我再絮叨一遍。我们从一个软件公司选芯片怎么选?第一件事情计算产生智能,我们以前叫人工智能,但是这些年都叫计算智能,为什么呢?过去人工智能是来研究人思维的机理,我们来做这样的计算,但是现在的智能只是一种拟合,我们只需要拿矩阵计算完,结果和人的结果一样就可以了,所以它是计算智能。计算智能其实很粗暴,所以需要计算能力特别高,为什么呢?因为你强行的。

第二个是能力要够,刚才大家讲多少T。

第三件事是你的成本要可以,现在自动驾驶落地的一个问题是传感器、芯片都贵,因为那个东西真的很贵。最后一个是要安全的芯片,一个芯片刚才大家没有提,英伟达是第一个把功能安全做到C的,我们说还有一些专门做MCU的人早做到D了,对,但是我说的是高性能这一块,现在最高的就是C,D没有一个人做到。

我再讲一下,这是原来我读博士论文做的东西,刚才讲那么多的计算能力,但是也要分着讲,上午沈博士讲他的计算能力需求分成三行,不是一个计算量,对的,因为我们整个计算不是一样的,我们的计算分三种:逻辑、数据、计算密集型,它用的芯片不一样,这就决定了我们现在芯片类是很多核,不再是一个核,是三个核,可能有的ARM就准备做逻辑密集型,有的DSP专门做计算密集型,所以说现在每个芯片很复杂,因为它要处理很多事情。

我们看特斯拉、英伟达,我们总结的特点是,现在一个芯片是一个混合的多核,有CPU、GPU,而且他们做成一个SOC的形式,50、100T的能力,他们还在芯片里面放一个高速的内存,这个很重要也很贵。最后一个是功能安全,功能安全从系统到芯片都要承担它自己的责任,

这个是指各种软件的优化模式,一个系统有五六个核,而且还是异构的时候,大家都不知道怎么做、怎么配合、怎么调度,相信做过的人肯定不想总在做,因为那个真的很难,就像不同国家的人非要在一起做配合,这个挑战最大的是软件工程师,现在软件工程师的要求和以前不一样的,你在做PC这些是高性能,嵌入式高性能计算不一样,核心是异构。

还有我这里稍微讲一下,现在芯片的形式也很多样,我把现在的芯片分成三类,一类是MCU,主要是做安全控制,还有MPU,我们做融合落地规划,还有一个AI的芯片做感知。但是现在各家车厂讲的不一样,比如说像瑞萨他们还做功能安全D的一个MCU,但是有些会做集成,比如说英伟达,把MPU和AI会合成一个SOC,当然我们还看到另一家我不方便说名字,它把MPU和MCU又合成了一个芯片,所以整个世界很混乱,我现在感觉整个软件也很难写,但是多种多样性。

另一个是为了可靠性现在存在的多个传感器,也许还有比这个多的,但是我们和现在相比发现多了立体相机、红外、激光,他们认为L3有这些东西,这是一家之言,但是我们根据场景的不同可以选择不同的传感器,但是我们也可以看到很谨慎,因为到了L4也还是29个,到了L5也许是更多一点,也许不是那么准,但是趋势告诉大家,感知从L3开始就很难了。

这里再讲一个小变化,像过去我们做信息融合,比如说像1V5R这样的系统,我们用一个MCU可能就可以做完,为什么呢?计算在传感器里面,我们融合用六核的MCU可能就可以做完,但现在不能只拿目标级别,你要从特征开始做融合,传递的信息就会更多,现在整个趋势融合不在MCU里,而是要放到A盒里来做,所以现在我们知道ARM A盒要强一下,所以现在的AI芯片它的MCU会弱一点。那未来会不会有更好的呢?有,但现在这是它存在的必要性。

讲完了计算,最后讲软件开发,我讲这张图是从我自己的经历出发,我大概在5年前开始做环视系统,那个时候坦白讲也不是自动驾驶,也不是辅助驾驶,后来开始做泊车,做泊车的时候我们就开始做融合,当时车厂面临的问题是,一个环视控制器可能大概假定800块钱,一个超声波的控制器假定100块钱,车厂说你合成一个吧,就省100块钱,所以这个时候就这么地融合了,现在面临的问题是什么?高速和低速也要融合,计算资源和接口都是可以重用的,就是一笔经济账,就很踏实。

我们看L0到L2的时候那么多功能,L3以后功能变少了,到那边3个功能全结束,功能变少了、变复杂的,传感器都合在一起,但是所有的软件放在一起了,很复杂。这张是麦肯锡的图,麦肯锡讲得很对,软件开发过程是什么呢?第一都是先发布后升级,我自己了一个记忆泊车系统比传说中的小鹏还要早一点,但是我们是用9个月先把硬件释放,先把环视放出去,用另外9个月把这个泊车功能释放出来,车厂的领导都很有压力,要求再提前3个月,坦白讲真的做不出来,所以说这件事情就变成了这样的一个迭代。

但是我们看到的趋势是什么呢?几亿行代码几千个工程师,而且这些软硬件都要一起来做平行的开发,所以我们软硬件分离,硬件先放出去,软件慢慢来。第二是用OTA缩短上市时间,第三是现在有一个集成的平台,一会我再讲为什么。第四是现在有很多的中间件出来了,为什么?谁能够把几亿行从头写呢?不能的,要用现有成熟的,这个经济账很容易。

再讲一下角色的变化,很多人都讲了车过去是集成,Tier1拥有的是创新,博世是最大的创新集成者,博世有功能大家就用,没有就不用,比如说谁用了一个芯片,那你和宝马恭喜用的是同款,你们的功能是一样的,宝马也不比我的小车好一点,大家的功能是一样的,过去的同质化很厉害。现在车厂拥有创新,或者说拥有创新的车厂可能会活得更好,没有创新的车厂可能就是工厂,我们也说得很现实,是的。没有创新的工厂就是工厂,有创新是一家不同的公司。

我们在新的模式下是差异驱动的,现在我们会形成多种类型的供应商,有控制器和传感器,在过去的项目里面已经是这样了,它会有多个包,这个就是我们软件时代的开始,而且我们发现车厂的软件能力现在变得很强,因为这个从收到猎头的电话就知道,如果大家被骚扰过就知道,现在软件很需要。

软件怎么做到安全呢?这是现在我们的体系,第一个是功能安全,它分成系统级软件和硬件,它把整车分解到零部件,分解到软件,软件怎么做呢?有一套体系,还有预期功能安全,图上是三个证,今天还要把信息安全加进去,你做一件事情现在要有4个需求加进去,所以说工作量增加了很多,我们的效率很低,但这是为了做可靠。

接下来再讲开源软件,这是躲不开的问题,谁用开源软件呢?用开源软件你可以很好地站在它的肩膀上,因为你一上来就获得了一大批的代码。但我的问题是当你需要改的时候怎么办,你要到社区去跪求,大神给我更新一下,我自己做项目,我的SLAM软件模块可能行数不多,用其他的开源拿来用,然后到量产我发现,不对,它这是研究用的,不是用来做产品用的,我十几个工程师用了两年把它重写了一遍,可以做量产,后来宝马也是重写了一遍,用了3年。一个简单的库,为什么呢?你维护不了,用开源软件可以,你要能维护。

比如说用Linux你要养几个工程师来维护它,你维护不了,这件事用起来风险就在那里,所以这是商用和非商用软件的区别,这件事其实是要取舍的,特斯拉6百多个软件工程师,还不含外包的,或者说每家车厂不一样。还有你的IP,开源软件有很多的版权问题,也不是随便用的,你用完了以后也要开源的。

后面讲两个具体的问题,很多人问我,你做的软件和座舱软件有什么不一样?我说坦白讲这个不好讲,为什么不好讲呢?因为我做过座舱,做了5年,还做了15年的自动驾驶,软件我自己也是这么过来的,那些人都可以安安全全地来写软件,那自动驾驶的软件究竟难在哪里?我举两个例子我自己亲身经历的。

第一个例子很简单,附近某一家车厂,它要两个功能,我是功能1,另一个人是功能2,我们把某一个硬件资源各用了40%,我们每人1秒钟能够处理20帧,当我把两个人放在一起的时候,我们想1+1等于2,但实际上我们看到的是CPU80%,每人10帧,那这样的话以后还敢找五六个公司一起开发程序吗?你开发在一起那是爆炸,后面的问题就是你改改,我为什么要改?我跑得好好的,你看这个硬件上面只跑我的时候就是这么跑,另一个人也不改,这种问题很难做,这是真实的问题,这是并行开发碰到的确定性问题,确性不只这个,还有很多的例子。但是我举最好讲的例子,我称之为1+1等于2。

第二个问题,你的软件出问题了怎么办?写软件谁能出问题?争取少出问题,那出问题了怎么办?每个软件有一个影子,可能两个不同的控制器,控制器两个不同的芯片,一个芯片不同的核,一个核里可能还有两个不同的模块要校验,这个世界上既然没有完美的人,只能两个人互相补偿和校验,当两个人不一样的时候我们就发现问题了,所以时候我们有安全的monitor在监视着你有没有出问题。那还有什么问题呢?我要把它重启恢复出来,所以这是两个例子,这样的东西讲可以讲两个月,但是我也讲不完,我之讲两点,只要大家知道这件事情就好了。

最后讲讲我们公司是做什么的,智能驾驶域控制器的安全软件平台,首先一定是智能驾驶域控制器,为什么不谈自动驾驶?因为以前沈博士讲过一句话,我一直还记着,他在华为的时候是说攀登高峰,沿途捡金蛋。所以是智能驾驶域控制器,另外一个是安全软件平台,是一个软件平台,但是我着重安全属性,如果不强调安全性不需要来找我,如果你需要安全性,这件事就找对人了。

我们做什么呢?我们赋能,从软件到自动驾驶整个业务我们给你梳理出来。我们也定义为软件Tier1,我们希望服务车厂,我们也会服务Tier1,为什么呢?因为现在车厂把整个游戏规则变化了,你不想跟车厂合作也是很难的。我们希望我们的价值是可以加速落地,过去18个月的项目我们希望9个月就做完。还有就是开发效率,在我们这里有工具链、库来进行减少,当然这个库不一定是我的,也许是第三方的,把这件事用起来。还有就是降低成本,人少了、时间少了成本自然就低这是价值。

那我们究竟做什么呢?大家看中间蓝的部分,尤其是像一把梳子的那个是我们做的,我们认为现在的硬件包括3个部分,MCU、MPU、AI core,后面是ECU,首先我也是一个控制器,所以一定有MCU,过去我们看AUTOSAR已经完美地做好了这件事情。但是自动驾驶的差异在哪里?它真的和其他所有的控制器一样吗?过去两天有人在讲他们要用到三个不同的领域,但是我觉得还有一点差异性,这个差异性我们来补足,我们希望做第三家,这个就是做的自动驾驶,然后我们还做了一点应用,为什么做应用呢?卖裸的操作系统是很难的,我们需要用应用来向用户证明这一点它真的需要,这样车厂可以聚焦做应用,我认为车厂提供给大家的差异真的就是你的应用,你提供什么功能给大家,而不在于那棵树都是你种的,你做一个很漂亮的梳子把它卖掉就好了,何必关心这个树是不是你种的呢?过去我们国内某些车厂真的是刚刚开始的,这也是一条体系,所有的车厂不能一概而论,你如果想快速地出成绩,利用现在的资源是最好的。

下一页我稍微讲一下,我想从封装、调度、公共库、服务和工具都不一样,你很难相信自动驾驶和座舱大家用一样的工具链,也许有一部分是一样的,有一部分一定不一样,这是差异,它存在的。那我们长什么样子呢?像一个操作系统一样,这张图有应用、系统用公共库这些,都是很标准的。

究竟提供哪些服务呢?第一个是全栈服务,不是说都做,比如说平台适配优化,操作系统也可以是Linux或者TI、瑞萨都可以,总要有一些差异和优化的东西解决掉。第二个是基础服务,我可以用AUTOSAR,但是我们发现自动驾驶有些服务没有。第三是自动驾驶专用的服务,这样的东西也要做出来,还要跨计算平台,不同芯片上都要有,包括在PC上工具链都要打通,第三个是整个开发生命周期,从概念阶段、上车集成阶段到维护都要覆盖得住,不一定是我自己开发的,但是这个体系都要有。

后面我们的核心技术产品是什么呢?三块。一个是高安全度软件,确定性调度、安全代码、安全机制,还有高带宽实时可靠通信,确定性通信,还有高效可信赖AI计算包括高效部署、可解释、算法可靠性。这是我们智能驾驶的域控制器软件平台还有智能驾驶应用,刚才讲了这么多大家说你吹牛吗?不吹牛,我们真的有量产的项目在跑,名字就不讲了,我们后来为了验证这个,我们做了一个应用,来展示整个成果,因为我们系统在这里,这个应用是我过去一直想做而没有做的,因为我自己做泊车有五六年,国内坦白讲还是不错的,但是有些应用一直没有开发,为什么呢?我自己也不是太有底,但是现在终于把它给做出来了,也是给大家看一下这个软件平台还不错。

这是我们公司的车,大家看看能不能什么样的功能,注意车里没有人,这是今天上午拍的,因为我在研究发现了我就想,做一个什么功能可以让同事们掏钱投点资呢?我们一致选择了这个功能,因为立体车库泊车真的很讨厌,那个车位真的很窄,太难停进去了,这个我们是做了一个RPA,人在外面,你只要按一个按钮,我们人负责监控就好了,我们认为这是真正的痛点,通过解决痛点来带来价值,价值需要一个安全的算法和软件。也许我做的还不是特别完美,但是我们启示一点,未来自动驾驶的应用要求真的很高,需要一个好的软件平台。

这是今天我的所有,谢谢大家!

低速无人驾驶产业综合服务平台版权与免责声明:

凡本网注明[来源:低速无人驾驶产业综合服务平台]的所有文字、图片、音视和视频文件,版权均为低速无人驾驶产业综合服务平台独家所有。如需转载请与0755-85260609联系。任何媒体、网站或个人转载使用时须注明来源“低速无人驾驶产业综合服务平台”,违反者本网将追究其法律责任。

本网转载并注明其他来源的稿件,均来自互联网或业内投稿人士,版权属于原版权人。转载请保留稿件来源及作者,禁止擅自篡改,违者自负版权法律责任。

如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。

关注低速无人驾驶产业联盟公众号获取更多资讯

最新新闻