作者簡(jiǎn)介 

鐘娟 ，復(fù)睿微電子自動(dòng)駕駛算法專(zhuān)家，畢業(yè)于中國(guó)科學(xué)院，曾就職于清華大學(xué)聯(lián)合研究所，先后擔(dān)任資深算法專(zhuān)家、系統(tǒng)架構(gòu)專(zhuān)家，長(zhǎng)期從事圖像算法和人工智能領(lǐng)域科學(xué)研究工作。

自動(dòng)駕駛，是一個(gè)根植于人類(lèi)內(nèi)心深處的夢(mèng)想，在人工智能大浪潮的推動(dòng)下，自動(dòng)駕駛逐漸從科幻電影的場(chǎng)景中走向了真實(shí)世界。自動(dòng)駕駛的初衷是為人類(lèi)提供一種快速、精準(zhǔn)、安全的出行方式。然而，當(dāng)前的自動(dòng)駕駛技術(shù)遠(yuǎn)沒(méi)有想象中那么美好，自動(dòng)駕駛事故屢見(jiàn)不鮮。

今年6月初，美國(guó)高速公路安全管理局（NHTSA）發(fā)布了一份特斯拉自動(dòng)駕駛事故調(diào)查報(bào)告。報(bào)告主要有以下幾個(gè)關(guān)鍵點(diǎn)：

• 發(fā)生事故的車(chē)輛為L(zhǎng)2級(jí)別
• 自動(dòng)駕駛系統(tǒng)在撞擊前不到1s中止了車(chē)輛控制
• 自動(dòng)駕駛開(kāi)啟情況下，撞上了高速上的靜止車(chē)輛

特斯拉的Autopilot是一套高級(jí)駕駛輔助系統(tǒng)（ADAS），處于國(guó)際汽車(chē)工程師學(xué)會(huì)（SAE）提出自動(dòng)駕駛等級(jí)中的L2，距離完全自動(dòng)駕駛L4+級(jí)仍有距離。L2是一個(gè)非封閉完整的自動(dòng)駕駛功能，這種級(jí)別的自動(dòng)駕駛車(chē)輛要求駕駛員保持對(duì)環(huán)境的監(jiān)測(cè)，隨時(shí)能夠接管車(chē)輛，這中間存在模糊的責(zé)權(quán)劃分。如果把責(zé)任都交給自動(dòng)駕駛程序，受到能力的限制，當(dāng)遇到特殊情況，比如前車(chē)突然剎車(chē)或者出現(xiàn)交通事故時(shí)，L2級(jí)別輔助駕駛包含的AEB自動(dòng)緊急剎車(chē)系統(tǒng)應(yīng)對(duì)方向相對(duì)有限，大多數(shù)車(chē)型的AEB唯一能做的就是緊急制動(dòng)。在高速運(yùn)行的情況下，這種機(jī)制不可避免地會(huì)與其他車(chē)輛或障礙物發(fā)生碰撞。

NHTSA的調(diào)查報(bào)告中表明，特斯拉自動(dòng)駕駛在大多數(shù)碰撞事故發(fā)生前啟動(dòng)了向前碰撞警告（FCW），隨后的自動(dòng)緊急制動(dòng)（AEB）在大約一半的碰撞事故中起了作用。但在碰撞事故中，平均來(lái)說(shuō)，Autopilot在實(shí)際撞擊前1秒內(nèi)中止對(duì)車(chē)輛的控制，沒(méi)有給駕駛員足夠的響應(yīng)時(shí)間。調(diào)查報(bào)告還表明司機(jī)在大約8秒內(nèi)注意到了前方事故（一般人眼能看清250~270米外物體的輪廓），在事故發(fā)生前的2-5秒內(nèi)，沒(méi)有司機(jī)采取規(guī)避措施，司機(jī)的手都放在方向盤(pán)上，大多數(shù)司機(jī)都遵守了特斯拉自動(dòng)駕駛的相關(guān)規(guī)定。對(duì)于這種情況的發(fā)生，我們認(rèn)為可能有以下兩方面的原因：一是純視覺(jué)方案的感知能力不足，二是決策部分存在安全相關(guān)的缺陷。從1秒內(nèi)這個(gè)時(shí)間點(diǎn)來(lái)看，更像是感知能力的問(wèn)題，視覺(jué)感知系統(tǒng)沒(méi)有及時(shí)地識(shí)別出危險(xiǎn)場(chǎng)景（靜止物體），搭載了毫米波雷達(dá)的自動(dòng)駕駛系統(tǒng)在離障礙物較遠(yuǎn)時(shí)選擇過(guò)濾掉靜止物體，當(dāng)距離足夠近時(shí)，系統(tǒng)認(rèn)可了毫米波雷達(dá)的探測(cè)結(jié)果，發(fā)現(xiàn)障礙物并退出自動(dòng)駕駛，把車(chē)輛控制權(quán)交給駕駛員，但為時(shí)已晚。

道路上的靜止物體是自動(dòng)駕駛技術(shù)升級(jí)路上的一大障礙，NHTSA的調(diào)查報(bào)告指出特斯拉11起事故多發(fā)生在夜間，所撞車(chē)輛包括停靠在路邊的警車(chē)、巡邏車(chē)、消防車(chē)以及側(cè)翻的事故車(chē)，基本都屬于已有交通事故后的二次碰撞。這些事故的發(fā)生一方面體現(xiàn)了感知模型對(duì)于Corner case（長(zhǎng)尾問(wèn)題）泛化性不足，另一方面也暴露了目前的純視覺(jué)自動(dòng)駕駛方案感知冗余度不夠的問(wèn)題。自動(dòng)駕駛需要多傳感器融合技術(shù)，多傳感器融合是對(duì)來(lái)自不同信息源的感官數(shù)據(jù)進(jìn)行集成的過(guò)程。它是自動(dòng)駕駛、物聯(lián)網(wǎng)、機(jī)器人等自主感知系統(tǒng)的組成部分。利用不同傳感器獲取的互補(bǔ)信息，融合有助于降低狀態(tài)估計(jì)的不確定性，做出更全面、更準(zhǔn)確的預(yù)測(cè)。

2022年6月7日，特斯拉向FCC聯(lián)邦通訊委員會(huì)提交了毫米波雷達(dá)的相關(guān)材料。這意味著，特斯拉實(shí)際上沒(méi)有放棄毫米波雷達(dá)，一直在做這方面的研究。這次特斯拉選擇的是一款自研的4D毫米波雷達(dá)，毫米波雷達(dá)在測(cè)距測(cè)速方面遠(yuǎn)高于視覺(jué)系統(tǒng)，可靠性更高。除此之外，激光雷達(dá)由于其探測(cè)距離遠(yuǎn)、抗干擾能力強(qiáng)、能準(zhǔn)確獲取物體的三維信息，也被很多自動(dòng)駕駛廠(chǎng)家采用。國(guó)內(nèi)車(chē)廠(chǎng)有將4顆128線(xiàn)激光雷達(dá)搭載在自動(dòng)駕駛車(chē)上，配上2顆4D毫米波雷達(dá)、7個(gè)8M攝像頭以及12顆超聲波雷達(dá)，把智能硬件直接拉到天花板，對(duì)芯片的算力也提出了更高的要求。硬件的升級(jí)能在某種程度上提升一定的性能，雷達(dá)與攝像頭的結(jié)合可以提高一些靜態(tài)障礙物的識(shí)別精度，但光有硬件的升級(jí)并不能解決感知的問(wèn)題，算法的升級(jí)也勢(shì)在必行。

目前ADS算法正在從多傳感器決策層后融合向特征級(jí)前融合轉(zhuǎn)化。決策層后融合算法中各個(gè)傳感器分別做感知任務(wù)，分別得到各自的感知結(jié)果后做融合。這種單兵作戰(zhàn)的方式，算法相對(duì)靈活，數(shù)據(jù)處理簡(jiǎn)單明了，但各傳感器相互獨(dú)立，缺乏必要的聯(lián)系，決策過(guò)程中還要做取舍和判斷，容錯(cuò)性較差。特征級(jí)前融合是指用不同的方法提取各傳感器的特征，然后在BEV（鳥(niǎo)瞰圖）的視角下做特征融合，繼而在BEV特征圖上完成感知任務(wù)。特征級(jí)前融合網(wǎng)絡(luò)有效地將各類(lèi)傳感器的特征融合在一起，可以實(shí)現(xiàn)端到端的三維檢測(cè)，省去了復(fù)雜的特征匹配過(guò)程。有研究結(jié)果表明，采用前融合的方式，雷達(dá)能有效地提升純視覺(jué)方案的性能，譬如能檢測(cè)到更遠(yuǎn)距離的車(chē)輛、更好地檢測(cè)小物體、更有效的檢測(cè)被相機(jī)截?cái)嗟拇笪矬w，同時(shí)降低誤檢率。特征級(jí)前融合采用CNN、RNN、Transformer、GNN多網(wǎng)絡(luò)結(jié)構(gòu)的組合，算法的復(fù)雜度也大幅提升，對(duì)硬件的算子和算力都提出了新的挑戰(zhàn)。

自動(dòng)駕駛主要分為三部分：環(huán)境感知、決策規(guī)劃、控制執(zhí)行。早些年，受芯片算力的限制，自動(dòng)駕駛需要在模型的輕量化和精度上做平衡，無(wú)法達(dá)到高精度的感知，繼而無(wú)法做更合理的規(guī)劃控制。自動(dòng)駕駛安全事故的原因中，環(huán)境的感知系統(tǒng)失效是主要問(wèn)題。近年來(lái)，大算力芯片發(fā)展迅猛，芯片算力也從幾個(gè)TOPS增加到了幾百甚至上千TOPS，芯片算子除了傳統(tǒng)的卷積網(wǎng)絡(luò)以外也開(kāi)始考慮稀疏矩陣、矢量計(jì)算以及片內(nèi)存儲(chǔ)的設(shè)計(jì)。有了算力的支持，感知算法可以選擇更大的骨干網(wǎng)絡(luò)來(lái)提取特征、采用浮點(diǎn)計(jì)算替代定點(diǎn)、復(fù)合神經(jīng)網(wǎng)絡(luò)組合設(shè)計(jì)也更自由，這些都能提高感知的精度，繼而提高自動(dòng)駕駛的性能。目前出現(xiàn)事故的所謂 “自動(dòng)駕駛”往往是L2級(jí)別的車(chē)輛，還屬于半自動(dòng)的輔助駕駛。自動(dòng)駕駛性能需要進(jìn)一步提升至L3或L4甚至是L5，L4級(jí)別自動(dòng)駕駛的算力需求已經(jīng)突破1000 TOPS，L5級(jí)別的算力估計(jì)在2000 TOPS以上。

“正入萬(wàn)山圈子里，一山放過(guò)一山攔”，沒(méi)有人愿意看到交通事故的發(fā)生，在自動(dòng)駕駛的道路上我們會(huì)碰到各種各樣的難題，任何一次技術(shù)的革新都并非一帆風(fēng)順。大算力芯片是自動(dòng)駕駛的第一生產(chǎn)力，是自動(dòng)駕駛通往L3、L4以及L5級(jí)別的基石。

關(guān)于復(fù)睿微電子

復(fù)睿微電子是世界500強(qiáng)企業(yè)復(fù)星集團(tuán)出資設(shè)立的高新技術(shù)企業(yè)。復(fù)睿微電子植根于創(chuàng)新驅(qū)動(dòng)的文化，通過(guò)技術(shù)創(chuàng)新改變?nèi)藗兊纳睢⒐ぷ鳌W(xué)習(xí)和娛樂(lè)方式。

公司成立于2022年1月，目標(biāo)成為世界領(lǐng)先的智能出行時(shí)代的大算力方案提供商，致力于為汽車(chē)電子、人工智能、通用計(jì)算等領(lǐng)域提供以高性能芯片為基礎(chǔ)的解決方案。

目前主要從事汽車(chē)智能座艙、ADS/ADAS芯片研發(fā)，以領(lǐng)先的芯片設(shè)計(jì)能力和人工智能算法，通過(guò)底層技術(shù)賦能，推動(dòng)汽車(chē)產(chǎn)業(yè)的創(chuàng)新發(fā)展，提升人們的出行體驗(yàn)。在智能出行的時(shí)代，芯片是汽車(chē)的大腦。復(fù)星智能出行集團(tuán)已經(jīng)構(gòu)建了完善的智能出行生態(tài)，復(fù)睿微是整個(gè)生態(tài)的通用大算力和人工智能大算力的基礎(chǔ)平臺(tái)。復(fù)睿微以提升客戶(hù)體驗(yàn)為使命，在后摩爾定律時(shí)代持續(xù)通過(guò)先進(jìn)封裝、先進(jìn)制程和解決方案提升算力，與合作伙伴共同面對(duì)汽車(chē)智能化的新時(shí)代。