期待“跨越L3”的自動駕駛和未來已至的“車雲協同”
圖片來源@視覺中國
文丨腦極體
自動駕駛正在進入大規模應用的前夜,然而智能汽車在L3級別規模化商用的道路上出現一定的遲滯。
今年初,奧迪就曝出“取消L3級自動駕駛研發項目”的計劃。儘管奧迪特意強調 “團隊只是轉向了L2和L4級自動駕駛技術的研發”。但是這項在2017年7月奧迪A8第四代搭載的L3自動駕駛系統,等於終於在耗時5年,耗資數億美元之後,泯然眾人,無法交付給用户使用。
隨着L3自動駕駛技術陷入“人車接管時機”悖論的問題以及相關法律法規遲遲未能出台,眾多的車企都在積極謀求從L2級直接向L4級超高度自動駕駛技術轉型。
而眾多車企的單車智能為主的自動駕駛技術就顯得力不從心。自動駕駛從單車智能向車車、車人、車路協同等多端智能方向的轉變就十分必要了。
眾所周知,自動駕駛技術的發展已經分化出兩大陣營:一種是以汽車製造商為代表的ADAS和單車智能技術陣營;另一種是以互聯網企業為代表的人工智能和智能網聯化技術陣營,直接依靠智能計算及網絡通信實現對汽車的控制。
前者以通用、沃爾沃、特斯拉以及汽車零部件廠商為代表,主要從現有的駕駛輔助安全技術出發,配合感知和控制決策,側重於對行駛環境的精確感知,逐步實現智能化自動駕駛技術。
而後者以Waymo、百度Apollo等為代表側重於高精度定位的引導,配合多種傳感器、GPS等傳感器,側重高精地圖的構建和感知數據的配合,利用AI算法直接實現L4級別及以上的完全自動駕駛。
當單車智能陣營要跨越自動駕駛的“悖論”鴻溝,而智能網聯陣營也面臨大規模整車落地商用,兩大陣營在2020年的時間節點,正式交匯在了同一競爭點上。而以互聯網企業代表的第二陣營都早已紛紛制定了自己的車路協同的發展計劃。
自動駕駛、車聯網、車路協同、LTE-V2X、5G-V2X等相關技術正在以一種同步加速的方式迸發,而人、車、路、網的互聯互通,都離不開雲計算技術的支持。
在當前各家的技術詞典中,車雲協同的概念越來越多被提及。
在無論是早已出現的自動駕駛、車聯網技術,還是最近兩年正在推進的“車路協同”技術,都離不開雲計算的支持,也早已有着“車雲協同”技術的部分應用。
因此,車雲協同,這一內涵極其豐富的概念,同時也是一個不斷深化的技術演進過程。
那麼弄清楚“車雲協同”在當前智能汽車領域的技術應用邊界,探討車雲協同在自動駕駛、車聯網、車路協同等技術領域中發揮的作用和與這些技術的區別,我們才可能真正理解 “車雲協同”技術,以及下一步車雲協同可能拓展的場景和方向。
雲端算力:自動駕駛技術正在雲端生長自動駕駛技術是一個涉及軟硬件高度集成、高度複雜信息處理代替人類操作的綜合系統,主要由感知、決策和執行三大子系統組成,涉及環境感知、決策規劃、控制執行、V2X 通信等關鍵技術。
而以深度學習為代表的當代 AI 技術,基於在機器視覺(MV)、自然語言處理(NLP)等領域的成功應用,被引入到自動駕駛技術的環境感知、決策規劃和控制執行的系統研究當中。
眾所周知,自動駕駛技術技術的成熟嚴重依賴實時可靠的算力支持以及大規模數據訓練,基於單車智能的自動駕駛存在着數據積累不夠、強計算能力欠缺、任務自適應能力差AI算法優化適配困難等問題。因此,除了完成在車載終端上的AI深度集成,還需要構建一套基於車雲協同的一體化智能駕駛系統。
首先,AI算法應用是自動駕駛雲端系統的核心。車載嵌入式智能硬件平台因計算、存儲能力有限,無法滿足 AI 模型的訓練需求。自動駕駛雲平台 AI 算法應用技術,利用虛擬化技術及網絡技術整合大規模可擴展的計算、存儲、數據、應用等分佈式計算資源完成 AI 模型算法的學習訓練,能實現在雲端訓練 AI 模型,通過車雲協同技術將其部署到嵌入式平台,使 AI 算法在車端自動駕駛系統上得到深度應用。
其次,雲端數據存儲滿足自動駕駛的數據訓練要求。
雲端系統不僅能夠存儲海量的傳感器的實時採集數據,還可以存儲採集歷史數據,同時藉助雲計算完成這些海量數據的存儲、傳輸、分析處理,基於 AI 集成應用算法的智能駕駛控制模型,為車輛決策提供可靠、高效的協同控制方案。
再次,雲端大數據的建構技術實現多場景、多車型以及個性化駕駛下的AI數據處理和信息服務的複雜處理,掌握自動駕駛數據的分佈、異構、時變、海量的數據特徵,藉助車雲協同的有效傳遞,推動多車、多場景的自動駕駛數據管控方案。
基於雲計算服務,車雲協同為自動駕駛的AI算法模型訓練、大數據存儲處理以及數據應用提供了基礎性的保障。
這也正是因為最早發力AI算法研究和大規模無人駕駛數據採集和訓練,互聯網(同時也是雲計算)巨頭們才能夠在自動駕駛,特別是L4級別的無人駕駛領域保持巨大的領先優勢。
自動駕駛技術本身既是手段也是目標,最終將實現的全新的人車關係,實現生產力的重大提升。而車雲協同技術,正是成為構建雲端和車端智能系統聯接的可靠解決方案,為自動駕駛技術的發展,提供充沛的雲端算法和算力支持。
技術的匯聚:車聯網在雲端日臻成熟車聯網,即車載終端的智能網聯繫統平台,藉助當前主流的LTE-V2X以及新一代5G-V2X信息通信技術,實現車輛之間(V2V)、車與路之間(V2R)、車與行人(V2P)以及車與雲端(V2N)之間等的全面聯接和信息互通。
車聯網技術本身已經提出多年。從最早的車載導航系統,發展到現在以ADAS(高級輔助駕駛系統)技術為主的輔助駕駛。而車聯網的實現離不開信息通信技術、大數據及雲計算的支持。
藉助移動信息通信技術,車輛將實現與雲端、車輛端、路端的聯網,車輛運行的大量數據可以實時傳輸到雲端,同時,基於雲端的數據分析,又可以實時傳輸實時高精導航、路況信息、車位數據等信息給到車載系統。除了對車輛數據的實時傳輸和處理,雲端技術還能更好的滿足車輛的智能化體驗。比如精準地圖導航、手機遠程遙控、智能安防、智能娛樂以及語音交互系統。
當前,智能化和網聯化正在進一步融合,車聯網將日益成為實現自動駕駛的關鍵技術支撐,同時也成為駕駛者享受智能座艙體驗的重要手段。對於用户而言,自動駕駛的實現可以讓駕駛員從單一、枯燥的駕駛中解放出來,而智能座艙的實現將使得駕駛者可以實現更多的智能功能體驗。
其中,最能增強用户車內體驗的功能就是基於自然語言的人車交互,包括語音控制導航、通話、搜索以及車內設備等。而成熟的語音識別技術依賴於強大的語料庫及運算能力。因此,車載語音技術的發展就得依賴於網絡和雲端數據處理,因為車載終端的存儲能力和運算能力都無法解決好非固定命令的語音識別技術,而必須要採用基於服務端技術的“雲識別”技術。
我們其實可以注意到,隨着通信技術、AI、雲計算的發展,推動着車聯網的持續演進過程中,新功能、新場景的不斷生髮,其中車載的智能座艙服務體驗不斷升級,而自動駕駛技術更是成為車聯網下一步發展的核心目標。而車路協同又是車輛網技術中,能夠加速自動駕駛實現的關鍵。
智慧的車和聰明的路:車路協同在雲端交匯目前從國家政策以及業界共識來看,自動駕駛技術要想真正提前到來,車路協同正是實現自動駕駛的主要甚至是唯一的路徑。這意味着不僅僅讓單車擁有智能,更重要的是讓道路以及相關基礎設施也能夠“聰明”起來。
車路協同系統三個核心組成部分:智能車載系統(車端)、智能路側系統(路側端+雲端)和通信平台。這意味着,車輛的智能化、道路的智能化以及二者之間的網聯化,形成一個三維架構,可以極大地提升自動駕駛的能力,甚至可以在車載端佈設成本較低的感應設備,就可以讓車輛具備一定的自動駕駛能力,大大降低了自動駕駛汽車的技術、成本門檻。
道路的智能化,不僅僅意味着把原本安裝在車上的感應器設備鋪設到道路側,更重要的是實現車載端的海量數據的實時處理、路側端的路況信息收集及邊緣計算以及車與車、車與路之間的實時信息傳輸。
智能汽車的車載OS系統,可以滿足海量高併發數據的實時計算處理,保證任務調度效率,滿足車輛在低時延、高可靠的執行操作。而車路協同就要求車輛之間不僅僅是同一品牌或車型的通信連接,而是所有車型都可以進行互聯。因此,車路協同對於車載OS系統的配適和兼容性有着巨大的要求。
同時,車路協同也要求來自不同車輛之間的單車傳感數據的融合,而不同來源的數據特徵差異極大。這就要求車載OS在數據級、特徵級和決策級進行多級信息融合,實現更高層次的綜合決策。這就要求一個具有高可靠性、高兼容性、高層次信息融合的統一OS系統,而這一系統的實現和應用則需要得到來自雲端的支持。
而另一方面,道路側的智能化改造也離不開雲端的支持。
如果是傳統的中心架構式的雲計算平台,路側數據如果上傳到跨區域中心雲平台,然後再由雲端將運算結果下放到路側設備,遠距離傳輸可能會導致數據傳輸延遲。那麼,在路側就近部署邊緣雲計算設備成為更為可行的解決方案。中心雲平台通過高速通信網絡,管理路側邊緣雲,實現中心雲、邊緣雲在資源、安全、應用、服務上的多項協同。
以上我們看到,車車、車路協同也都需要在雲端(邊緣側)進行數據的融合與互聯互通,才能真正實現“智能化”與“網聯化”。
漸進而成:車雲協同的下一步無論是汽車生產廠商,還是強勢入局自動駕駛、車聯網領域的互聯網IT廠商,雲計算都成為無法繞開的技術能力,儘管可能每家企業對於車雲協同這一技術方案有着不同的定義和邊界理解,但是我們依然可以在各家的技術解決方案中看到大量雲端技術的應用。
比如在自動駕駛領域,如最早佈局智能駕駛技術和大規模數據測試訓練的百度,正在通過智能雲服務的方式,將自動駕駛技術開放出來,成為這一領域基礎的雲服務商。基於車雲協同技術,將進一步為廣大車企的自動駕駛汽車的研發,提供更好的自動駕駛AI模型、測試數據的存儲分析以及仿真測試的服務。
在車聯網以及車路協同上面,雲端計算能力和數據處理的增強,不僅可以更好地滿足車載服務功能的智能化體驗,也同時能夠大幅提升車輛對於自動駕駛中數據傳輸的安全性的要求,比如,完成對車輛內部的實時安全性能的監控和判斷、車輛之間的緊急情況的預判和處理,以及對於車輛數據傳輸的加密和防護。
未來,具有自動駕駛、車聯網、以及車路協同等集成解決方案的雲服務廠商,將會成為這場駕駛革命的主要玩家,成為“車雲協同”技術生態的最主要的倡導者。
當然,對於C端大眾用户而言,車雲協同看起來更加充滿隔閡。其實,車雲協同更多將是從車載網聯繫統提供更為豐富的智能體驗。
比如在車聯網上面。車載的語音交互體驗和娛樂服務體驗,是用户的真正剛需,可以是目前車雲協同繼續深耕的領域。通過對車載語音系統的智能化改造和雲端的算力支持,提升包括車載設備的語音控制、車內乘客狀態的機器視覺檢測、手勢交互等多模態的人車交互,不斷提升智能座艙體驗。
而在用户的自動駕駛體驗上面,漸進式的自動駕駛技術同樣得到來自車雲協同技術的支持。比如,現在逐步實現的遠程呼車、自動泊車、變道提醒等輔助自動駕駛功能,都是在現有特定場景下依賴車雲協同技術,保證自動駕駛功能的安全應用。
無論是自動駕駛,還是車聯網以及車路協同,都將是一項長期持續發展的目標。而車聯網、車路協同,同時又是自動駕駛技術實現的一種技術手段,自動駕駛需要在相應技術逐漸成熟的過程中漸進式推進。而5G通信技術、雲計算、人工智能技術的發展,就成為這些技術得以穩定發展的基礎。
車雲協同,變成為這些技術目標實現的交匯點。車雲協同技術,將始終作為一種整體性的解決方案,幫助以上目標更好地實現。