应用

技术

物联网世界 >> 物联网新闻 >> 物联网热点新闻
企业注册个人注册登录

期待“跨越L3”的自动驾驶和未来已至的“车云协同”

2020-07-15 08:45 脑极体
关键词:L3自动驾驶

导读:自动驾驶正在进入大规模应用的前夜,然而智能汽车在L3级别规模化商用的道路上出现一定的迟滞。

自动驾驶正在进入大规模应用的前夜,然而智能汽车在L3级别规模化商用的道路上出现一定的迟滞。

今年初,奥迪就曝出“取消L3级自动驾驶研发项目”的计划。尽管奥迪特意强调 “团队只是转向了L2和L4级自动驾驶技术的研发”。但是这项在2017年7月奥迪A8第四代搭载的L3自动驾驶系统,等于终于在耗时5年,耗资数亿美元之后,泯然众人,无法交付给用户使用。

随着L3自动驾驶技术陷入“人车接管时机”悖论的问题以及相关法律法规迟迟未能出台,众多的车企都在积极谋求从L2级直接向L4级超高度自动驾驶技术转型。

而众多车企的单车智能为主的自动驾驶技术就显得力不从心。自动驾驶从单车智能向车车、车人、车路协同等多端智能方向的转变就十分必要了。

众所周知,自动驾驶技术的发展已经分化出两大阵营:一种是以汽车制造商为代表的ADAS和单车智能技术阵营;另一种是以互联网企业为代表的人工智能和智能网联化技术阵营,直接依靠智能计算及网络通信实现对汽车的控制。

前者以通用、沃尔沃、特斯拉以及汽车零部件厂商为代表,主要从现有的驾驶辅助安全技术出发,配合感知和控制决策,侧重于对行驶环境的精确感知,逐步实现智能化自动驾驶技术。

而后者以Waymo、百度Apollo等为代表侧重于高精度定位的引导,配合多种传感器、GPS等传感器,侧重高精地图的构建和感知数据的配合,利用AI算法直接实现L4级别及以上的完全自动驾驶。

当单车智能阵营要跨越自动驾驶的“悖论”鸿沟,而智能网联阵营也面临大规模整车落地商用,两大阵营在2020年的时间节点,正式交汇在了同一竞争点上。而以互联网企业代表的第二阵营都早已纷纷制定了自己的车路协同的发展计划。

自动驾驶、车联网、车路协同、LTE-V2X、5G-V2X等相关技术正在以一种同步加速的方式迸发,而人、车、路、网的互联互通,都离不开云计算技术的支持。

在当前各家的技术词典中,车云协同的概念越来越多被提及。

在无论是早已出现的自动驾驶、车联网技术,还是最近两年正在推进的“车路协同”技术,都离不开云计算的支持,也早已有着“车云协同”技术的部分应用。

因此,车云协同,这一内涵极其丰富的概念,同时也是一个不断深化的技术演进过程。

那么弄清楚“车云协同”在当前智能汽车领域的技术应用边界,探讨车云协同在自动驾驶、车联网、车路协同等技术领域中发挥的作用和与这些技术的区别,我们才可能真正理解 “车云协同”技术,以及下一步车云协同可能拓展的场景和方向。

云端算力:自动驾驶技术正在云端生长

自动驾驶技术是一个涉及软硬件高度集成、高度复杂信息处理代替人类操作的综合系统,主要由感知、决策和执行三大子系统组成,涉及环境感知、决策规划、控制执行、V2X 通信等关键技术。

而以深度学习为代表的当代 AI 技术,基于在机器视觉(MV)、自然语言处理(NLP)等领域的成功应用,被引入到自动驾驶技术的环境感知、决策规划和控制执行的系统研究当中。

众所周知,自动驾驶技术技术的成熟严重依赖实时可靠的算力支持以及大规模数据训练,基于单车智能的自动驾驶存在着数据积累不够、强计算能力欠缺、任务自适应能力差AI算法优化适配困难等问题。因此,除了完成在车载终端上的AI深度集成,还需要构建一套基于车云协同的一体化智能驾驶系统。

首先,AI算法应用是自动驾驶云端系统的核心。车载嵌入式智能硬件平台因计算、存储能力有限,无法满足 AI 模型的训练需求。自动驾驶云平台 AI 算法应用技术,利用虚拟化技术及网络技术整合大规模可扩展的计算、存储、数据、应用等分布式计算资源完成 AI 模型算法的学习训练,能实现在云端训练 AI 模型,通过车云协同技术将其部署到嵌入式平台,使 AI 算法在车端自动驾驶系统上得到深度应用。

其次,云端数据存储满足自动驾驶的数据训练要求。

云端系统不仅能够存储海量的传感器的实时采集数据,还可以存储采集历史数据,同时借助云计算完成这些海量数据的存储、传输、分析处理,基于 AI 集成应用算法的智能驾驶控制模型,为车辆决策提供可靠、高效的协同控制方案。

再次,云端大数据的建构技术实现多场景、多车型以及个性化驾驶下的AI数据处理和信息服务的复杂处理,掌握自动驾驶数据的分布、异构、时变、海量的数据特征,借助车云协同的有效传递,推动多车、多场景的自动驾驶数据管控方案。

基于云计算服务,车云协同为自动驾驶的AI算法模型训练、大数据存储处理以及数据应用提供了基础性的保障。

这也正是因为最早发力AI算法研究和大规模无人驾驶数据采集和训练,互联网(同时也是云计算)巨头们才能够在自动驾驶,特别是L4级别的无人驾驶领域保持巨大的领先优势。

自动驾驶技术本身既是手段也是目标,最终将实现的全新的人车关系,实现生产力的重大提升。而车云协同技术,正是成为构建云端和车端智能系统联接的可靠解决方案,为自动驾驶技术的发展,提供充沛的云端算法和算力支持。

技术的汇聚:车联网在云端日臻成熟

车联网,即车载终端的智能网联系统平台,借助当前主流的LTE-V2X以及新一代5G-V2X信息通信技术,实现车辆之间(V2V)、车与路之间(V2R)、车与行人(V2P)以及车与云端(V2N)之间等的全面联接和信息互通。

车联网技术本身已经提出多年。从最早的车载导航系统,发展到现在以ADAS(高级辅助驾驶系统)技术为主的辅助驾驶。而车联网的实现离不开信息通信技术、大数据及云计算的支持。

借助移动信息通信技术,车辆将实现与云端、车辆端、路端的联网,车辆运行的大量数据可以实时传输到云端,同时,基于云端的数据分析,又可以实时传输实时高精导航、路况信息、车位数据等信息给到车载系统。除了对车辆数据的实时传输和处理,云端技术还能更好的满足车辆的智能化体验。比如精准地图导航、手机远程遥控、智能安防、智能娱乐以及语音交互系统。

当前,智能化和网联化正在进一步融合,车联网将日益成为实现自动驾驶的关键技术支撑,同时也成为驾驶者享受智能座舱体验的重要手段。对于用户而言,自动驾驶的实现可以让驾驶员从单一、枯燥的驾驶中解放出来,而智能座舱的实现将使得驾驶者可以实现更多的智能功能体验。

其中,最能增强用户车内体验的功能就是基于自然语言的人车交互,包括语音控制导航、通话、搜索以及车内设备等。而成熟的语音识别技术依赖于强大的语料库及运算能力。因此,车载语音技术的发展就得依赖于网络和云端数据处理,因为车载终端的存储能力和运算能力都无法解决好非固定命令的语音识别技术,而必须要采用基于服务端技术的“云识别”技术。

我们其实可以注意到,随着通信技术、AI、云计算的发展,推动着车联网的持续演进过程中,新功能、新场景的不断生发,其中车载的智能座舱服务体验不断升级,而自动驾驶技术更是成为车联网下一步发展的核心目标。而车路协同又是车辆网技术中,能够加速自动驾驶实现的关键。

智慧的车和聪明的路:车路协同在云端交汇

目前从国家政策以及业界共识来看,自动驾驶技术要想真正提前到来,车路协同正是实现自动驾驶的主要甚至是唯一的路径。这意味着不仅仅让单车拥有智能,更重要的是让道路以及相关基础设施也能够“聪明”起来。

车路协同系统三个核心组成部分:智能车载系统(车端)、智能路侧系统(路侧端+云端)和通信平台。这意味着,车辆的智能化、道路的智能化以及二者之间的网联化,形成一个三维架构,可以极大地提升自动驾驶的能力,甚至可以在车载端布设成本较低的感应设备,就可以让车辆具备一定的自动驾驶能力,大大降低了自动驾驶汽车的技术、成本门槛。

道路的智能化,不仅仅意味着把原本安装在车上的感应器设备铺设到道路侧,更重要的是实现车载端的海量数据的实时处理、路侧端的路况信息收集及边缘计算以及车与车、车与路之间的实时信息传输。

智能汽车的车载OS系统,可以满足海量高并发数据的实时计算处理,保证任务调度效率,满足车辆在低时延、高可靠的执行操作。而车路协同就要求车辆之间不仅仅是同一品牌或车型的通信连接,而是所有车型都可以进行互联。因此,车路协同对于车载OS系统的配适和兼容性有着巨大的要求。

同时,车路协同也要求来自不同车辆之间的单车传感数据的融合,而不同来源的数据特征差异极大。这就要求车载OS在数据级、特征级和决策级进行多级信息融合,实现更高层次的综合决策。这就要求一个具有高可靠性、高兼容性、高层次信息融合的统一OS系统,而这一系统的实现和应用则需要得到来自云端的支持。

而另一方面,道路侧的智能化改造也离不开云端的支持。

如果是传统的中心架构式的云计算平台,路侧数据如果上传到跨区域中心云平台,然后再由云端将运算结果下放到路侧设备,远距离传输可能会导致数据传输延迟。那么,在路侧就近部署边缘云计算设备成为更为可行的解决方案。中心云平台通过高速通信网络,管理路侧边缘云,实现中心云、边缘云在资源、安全、应用、服务上的多项协同。

以上我们看到,车车、车路协同也都需要在云端(边缘侧)进行数据的融合与互联互通,才能真正实现“智能化”与“网联化”。

渐进而成:车云协同的下一步

无论是汽车生产厂商,还是强势入局自动驾驶、车联网领域的互联网IT厂商,云计算都成为无法绕开的技术能力,尽管可能每家企业对于车云协同这一技术方案有着不同的定义和边界理解,但是我们依然可以在各家的技术解决方案中看到大量云端技术的应用。

比如在自动驾驶领域,如最早布局智能驾驶技术和大规模数据测试训练的百度,正在通过智能云服务的方式,将自动驾驶技术开放出来,成为这一领域基础的云服务商。基于车云协同技术,将进一步为广大车企的自动驾驶汽车的研发,提供更好的自动驾驶AI模型、测试数据的存储分析以及仿真测试的服务。

在车联网以及车路协同上面,云端计算能力和数据处理的增强,不仅可以更好地满足车载服务功能的智能化体验,也同时能够大幅提升车辆对于自动驾驶中数据传输的安全性的要求,比如,完成对车辆内部的实时安全性能的监控和判断、车辆之间的紧急情况的预判和处理,以及对于车辆数据传输的加密和防护。

未来,具有自动驾驶、车联网、以及车路协同等集成解决方案的云服务厂商,将会成为这场驾驶革命的主要玩家,成为“车云协同”技术生态的最主要的倡导者。

当然,对于C端大众用户而言,车云协同看起来更加充满隔阂。其实,车云协同更多将是从车载网联系统提供更为丰富的智能体验。

比如在车联网上面。车载的语音交互体验和娱乐服务体验,是用户的真正刚需,可以是目前车云协同继续深耕的领域。通过对车载语音系统的智能化改造和云端的算力支持,提升包括车载设备的语音控制、车内乘客状态的机器视觉检测、手势交互等多模态的人车交互,不断提升智能座舱体验。

而在用户的自动驾驶体验上面,渐进式的自动驾驶技术同样得到来自车云协同技术的支持。比如,现在逐步实现的远程呼车、自动泊车、变道提醒等辅助自动驾驶功能,都是在现有特定场景下依赖车云协同技术,保证自动驾驶功能的安全应用。

无论是自动驾驶,还是车联网以及车路协同,都将是一项长期持续发展的目标。而车联网、车路协同,同时又是自动驾驶技术实现的一种技术手段,自动驾驶需要在相应技术逐渐成熟的过程中渐进式推进。而5G通信技术、云计算、人工智能技术的发展,就成为这些技术得以稳定发展的基础。

车云协同,变成为这些技术目标实现的交汇点。车云协同技术,将始终作为一种整体性的解决方案,帮助以上目标更好地实现。