欢迎光临枣庄汽车资讯网

热门搜索:
当前位置: 汽车资讯>设计

中国工程院院士李骏要实现自动驾驶传统汽车

2018-09-18 03:07:11 作者: 0人读过 | 我要赞

中国工程院院士李骏:要实现自动驾驶,传统汽车研发的方式需要变革

“美国公布的指南很清楚,每年美国有2.5万人死于交通事故,95%是由于驾驶者的操作不当召开的,现在急需一个机器人来开车。”日前,新能源汽车国家大数据联盟主办的2017年会在京举办,中国工程院院士、中国汽车工程学会理事长李骏在发言中提出。

中国工程院院士、中国汽车工程学会理事长李骏

而且在李骏看来,无人驾驶汽车成为大趋势的前提下,传统汽车研发的方式需要变革。

“原来是生物人在驾驶汽车,智能汽车是需要机器人驾驶。”李骏说,“生物人是通过生物人自己的眼睛、大脑、手脚的并行进行操控,这是一个完整数据化的过程。”但是对于一个机器人来说,这套数据化系统却难以适用。

此外,传统汽车研发过程的数字化也不够。传统汽车的研发系统需要变革,原来的系统考虑的最重要就是相关交通场景,而现在这些交通场景必须要进行数字化。

“对于自动驾驶车来说,需要机器识别,这个机器的识别是随机性的,跟人脑的聪明不一样。”李骏说,“对于机器来说,它也不像几岁的孩子,发挥是随机的,所以它以无边界限制的产品为验证假设。这个挑战是核心问题,所以ICV(智能联汽车)必须具备学习的能力。”

以下是李骏院士演讲全文,略经钛媒体:非常高兴能够受到新能源大数据联盟的支持。

我们看到,作为ICV(Intelligent Connected Vehicle,智能联汽车)来说,传统汽车研发的方式需要变革了,原来的研发不完全适用,需要变,这是为什么?

第一,原来是生物人在驾驶,ICV是需要机器人驾驶。生物人是通过生物人自己的眼睛、大脑、手脚的并行进行操控,这是一个完整数据的过程,只是这个完整的数据过程只在生物个体上出现。现在是需要一个机器人,这个机器人的完整数据怎么流通?而且,又该如何证明这个机器驾驶的安全性?

美国公布的指南很清楚,目前每年美国有2.5万人死于交通事故,95%是由于驾驶者的操作不当造成的。因此,现在急需一个机器人来开车。所以非常重要的是解决机器人的驾驶,解决安全系统。

不过,传统的汽车测试方法是测试人的驾驶,现在该用什么方法来测试机器?现在国际上没有,我们也在构思去做一套系统。难题在于,百万公里以上的数据稍有改变就需要从头测试,所以传统的测试方法无法适用,ICV的研发需要新的标准。

第二,自动驾驶汽车的研发按照目前国际上比较公认美国交通运输部(Unite State Department of Transportation)的指南,有四个重大的内容,是现在没有的:

1,在机器驾驶过程中的动态驾驶任务,过去我们没有设计人的驾驶参与;

2,在什么样的条件下,这个车可以进入无人驾驶状态

中国工程院院士李骏要实现自动驾驶传统汽车

,例如你这个车在什么天气可以进入无人驾驶;

3,你进入无人驾驶状态(DDT)之后,在整个无人驾驶行驶的过程中,如何判断已经超出了无人驾驶的模式,从而退出,或者是进入动态驾驶任务(DDTF)支援模式。

4,动态驾驶任务(DDTF)的应急措施,其实就是系统已经判别了需要让司机接管过去,但如果没有司机接管,那当感知和判断系统(OEDR)发现了以后,就需要降低驾驶能力的车速等等。

以上这些都需要新的流程。由此来看就很明显了,传统汽车的研发系统需要变革,原来的系统考虑的最重要的就是人相关的交通场景,那现在交通场景必须要变成数据、数字来使用,因为是机器在驾驶,所以要通过定义机器的交通场景进入到开发流程中。

第四,传统汽车的研发流程和实验系统需要变革。无论从概念设施到概念平台,到概念的验证,到软件的开发,所有的这些都需要数据进来,同时要有不同的认证,要把交通分成模块化,进行驾驶评估,所以新的供需链就产生了。

最后一个变革就是技术平台的变革。最近我们在紧锣密鼓的组建雄安智慧城市、智能服务,就是数据要推送过去。你需要把城市、交通都整成智能的,不能都只是车上是智能的,这个车的范围太窄。所以我们要建新的交通层、车辆层、系统层、组建层。

下面讲一下(车辆)数据的需求。

首先我们要用新的指南,现在还没有形成标准,形成指南最好的是美国交通运输部15条,它要求每一个汽车厂商,你设计的产品必须要收集数据。

也就是说,你设计的这个智能汽车且要说明你在什么样的范围、光线的程度下、如何进入无人驾驶状态,如果你不能进入无人驾驶状态(DDT),还是人在开,就要对美国交通运输部发布出来,车辆的感知和判断系统(OEDR)都要进行评审,这样才能使得客户感到是买了一辆安全的自动驾驶汽车。

这样的话,对于每一个任务的数据都要有明确的规定,比如说对于DDT(无人驾驶状态)数据的需求。而且对于这样一个数据的需求,在开发过程中如何进行开发任务的确定,使得开发任务中对于这些数据整个定制在无人驾驶器上是明确的。

对于设计运行范围(ODD),就是判断你是否可以进入到自动驾驶,那么它也有非常明确的数据需求,而且要建立这个数据库,从需求侧到供给侧。你的数据库有多大,体现在无人驾驶的时候才具有多大的能力,多高的水平。

车辆的感知和判断系统(OEDR)更加重要,OEDR相当于车辆的监管,监管的程度越细腻、越可信、越可靠,那你这个无人驾驶的汽车才越让人放心,所以对监管的数据如何形成感知的数据库。然后怎么进行监测,这个非常重要,而且对于感知和判断的设计数据需求是非常大的。

最后一个,如果车辆的感知和判断系统不行,面对冰、雪、雾等复杂情况,就要选择降低功能。而且降低功能之后,还需要得到应急测试的验证,不能说降低功能了还撞上了。

所以,我们总结起来是这样的,传统汽车的开发是以有边界的范围来做,因为在传统车上有一个人,人可以判断,他不需要让这个车做什么处理。

但是对于自动驾驶的车来说,需要机器识别,这个机器的识别是随机性的,跟人脑的聪明不一样。对于机器来说,它也不像几岁的孩子,发挥是随机的,所以它以无边界限制的产品为验证假设。这个挑战是核心问题,所以ICV(智能联汽车)必须具备学习的能力。

其次,我们需要四个数据平台。第一个是场景数据平台,像DDT(无人驾驶状态)的、ODD(设计运行范围)的;第二是动态地理环境数据平台,ITS路边设备数据、精准地图的数据等等,这个是非常大的数据;第三个是行车的数据平台,就是驾驶员的健康情况、乘员的健康情况等等;第四个是用户数据的平台,用户的数据。虽然它代表了数据整个数据络。

为了达到以上的架构要建立什么东西?就是要建立ICV研发的持续学习的预测系统,建立这样一个持续学习的预测系统,需要把虚拟和物理融合在一起,所以需要包括复杂传统、传感、预测模型,以及数据趋势的预测环境。

本文相关的其他文章