法雷奧中國區CTO顧劍民：從ADAS到自動駕駛之路
2020年6月22日-23日，由南京經濟技術開發區與蓋世汽車聯合主辦的“2020第三屆全球自動駕駛論壇”隆重召開。本次論壇重點圍繞與自動駕駛規模化商用有關的核心技術、法律法規、技術評測、商業模式等話題展開探討，下面是法雷奧中國區CTO顧劍民博士在本次論壇上的發言：
法雷奧中國區CTO 顧劍民
感謝蓋世汽車周總的邀請，非常高興有這個機會跟在座的各位領導、專家、同行來分享，這個題目也是很大，《從ADAS到自動駕駛之路》。我個人認為，主動安全是被動安全智能的延伸，如果進一步的話，ADAS就是跟我們一般講的駕駛輔助系統，是主動安全的一個智能的延伸。
是不是自動駕駛是ADAS的一個智能延伸呢？從某種意義上來説是，但是自動駕駛不僅僅是一個技術的問題。今天上午兩位發言嘉賓都講到，還牽涉到場景、商業模式的落地，除此以外，還有包括法規、基礎建設、保險，跟自動駕駛都非常相關，所以我們今天談的不僅僅是技術的問題。
因為我是代表法雷奧來做發言，我相信在座的很多對法雷奧比較瞭解，法雷奧是總部在法國巴黎的一家汽車零部件集成供應商，我們在全球是排前十位的，法雷奧在中國也有很多的佈局，一共擁有35家工廠、12個研發中心，在南京就有一家工廠和一個研發中心。
在產品線來講，可以説在座的各位如果你是有駕駛汽車的話，這個車上肯定有法雷奧的產品或者零部件。我們有四大事業部，其中一個事業部的主打產品就是今天我們要講到的自動駕駛駕駛輔助，在產品系裏面有感知系統，就是通常講的傳感器、激光雷達，人工智能先進的人機交互，還有車聯網提供給大家，幫助大家打造一個滿足大家出行的需求，這是我們公司在自動駕駛方面的一個簡單的介紹。
如果我們再看，今天我們的題目是什麼？從ADAS到自動駕駛，所以我開門見山把這一頁放在這兒，這一頁PPT，其實我在去年已經用過，到今天我幾乎一字不改，因為這個觀點沒有改變。
第一句話，怎麼來做自動駕駛，怎麼幫助自動駕駛商業化落地，首先是什麼？進入一個市場最好的方法是什麼？從小做起，就是從簡單、低成本的自動駕駛技術入手。這裏講的是技術，從簡單的低成本技術入手。
接下來是什麼？目的是用於吸引足夠多的願意付費的用户，因為我們大家知道，如果自動駕駛是什麼？展示、測試，沒問題，大家都會歡迎，但是你還沒法商業落地，商業落地的基本條件是什麼？需要有人付費，天上不會掉餡餅，總是需要有人付費，不是你付費，就是我們的整車廠來付費。
具體怎麼做呢？我下面列了幾個場景也好或者商業落地的方式也好，首先從自動泊車或代客泊車開始，因為大家知道泊車相對低速，而且場景比較可控，在一個半封閉停車場或者停車庫裏面。還有從低速的自動駕駛開始做起，這裏列的是40公里時速，其實這個時速已經很高了。一般來講，在公路道路上的車輛可能不止40公里。在低速的情況下，首先可以什麼？它可以對於感知系統、決策系統的壓力挑戰相對小一些。
這就是從簡單的技術開始做起。
還有什麼？從特定的場景和特定用途開始，自動駕駛有很多場景，如果不跑開場景來講自動駕駛是沒有意義的。舉個極端的例子，如果你在一個測試場地，直徑300米，裏面沒有任何車輛，沒有任何障礙物，不要説L4，L5都可以做到。但是換一個場景，非常擁堵的情況下，L3都做不到。
關鍵是要去掉安全駕駛員，我們今天很多的展示測試車輛，自動駕駛在路上必須有安全員，這也是我們目前的規定，法規所制約的。
但是大家想一想，如果有安全員的話，我們通常講L4的車輛，還是在L3的基礎上，這個方面如果我們不能夠突破，我們的技術還是在L3這個技術層面，從本質上講。
當然，今天另外一個討論的點，其實真正的自動駕駛不要糾結於到底是L2、L3或者L4，我們今天看到的是來看場景，怎麼突破商業化落地，找到一個商業化模式，這才是最重要的。
最後，就是送貨的需求，可能比運客更實際。當然並不是説貨物從安全的角度來講，可能比客人關注程度要低一點，這並不是唯一的原因。大家如果看到過去這幾個月，特別是疫情爆發比較嚴重的時候，我們在武漢、北京這些城市都會看到什麼？有一些無人的物流車來運送醫療設備、醫療物資，可以避免人和人的接觸，特別是去一些疫情比較嚴重的地方。這也是我們可以看到無人物流車在這個情況下面，它可能比送人送客更有需求的場景的需求。
這是一個原因。
我在這裏拋磚引玉，拋出這幾點。
接下來請允許我花一點時間結合法雷奧的產品，來和大家詳細敍述一下我們怎麼找到場景落地，找到商業化落地的一個最終的目標。
剛才講到了，自動泊車是一個比較容易實現的場景，通常講到自動泊車，泊車輔助是什麼？駕駛員需要在車內根據系統的提示，來完成自動泊車或者泊車輔助。但是一旦把駕駛員移到車內，讓我們的客户能夠選擇在車內或車外泊車的話，就是遙控泊車。
法雷奧在2016年推出遙控泊車這個功能，也已經量產了，大家可以看一下。用遙控鑰匙，萬一發生一些緊急情況，需要停止泊車的話，可以一鍵停止。
接下來可以更近一步，我們可以想像，如果我們在地下車庫口，我們可以用遙控停車讓車輛自動泊車，跟剛才遙控泊車的技術是大同小異，但是區別在於一個是可能車輛需要行進的路程或者尋找車位的範圍更大一點；第二個區別在於，我們這裏講的就是代客泊車，需要廠端的支持。從業界來講，有兩個潮流或者兩種方法，一種代客泊車是完全靠車端的傳感器來完成，另外一種是需要廠端和車端來協同完成代客泊車。
如果靠一個車端的傳感器，在一個非常擁擠的地下車庫裏面，可能需要花很長的時間才能找到泊車位，同時有可能引起泊車的擁擠。所以如果在廠端和車端相結合，廠端上面加上一些傳感器、激光雷達，來幫助我們更快更有效地找到泊車位。
這裏也有一個視頻，這是法雷奧和Cisco合作的一個系統，在這個過程當中，可以避讓行人，完成泊車，會發送信號給我們的客户，等到我們的用户需要用車的時候可以提前預約，從自動的到下車的點來迎接我們的用户，這是代客泊車的概念。法雷奧認為車端和廠端相結合是完成代客泊車比較有效更現實的一個方案。
另外一個自動泊車的應用場景，非常意外，是什麼？充電。大家可能一開始沒想到為什麼充電和自動泊車相關？這是因為目前跟自動駕駛一樣，電動化也是非常大的一個趨勢，大家可以看到越來越多的插電式混合動力車輛和純電動車輛，這些車輛無一例外都需要充電，可能插電式混合動力充電不需要那麼頻繁。
我們對德國用户調研發現，有三分之二的用户認為如果能完成自動充電或者無線充電，他們更願意選擇或者使用純電動車。我覺得原因可能是什麼？因為我差不多開了兩年時間一輛插電式混合動力，大家發現充電槍通常比較髒，有的時候還會掉在地上，下雨的時候你也不願意撿那個濕淋淋的充電槍，你會更願意有人幫助你完成自動充電或者無線充電。法雷奧的一個概念，我們能夠打造通過高精度的自動泊車來完成自動、無線充電，或者用機械手幫助你有線充電。這個誤差的範圍，精度必須提高到10釐米以內，即使是充電，大家不要以為到充電樁或者充電板附近就可以完成充電，需要有一個精度。只要用户完成一次泊車，下一次可以自動回到這個泊車的位置，這裏還有一個自動避讓。
這是自動泊車完成充電，需要一個比較高的精度，剛才説到10釐米以內。
但是大家想想除了泊車之外，如果真正的自動駕駛需要什麼？除了感知功能以外，還有一個最重要的就是定位。感知只是感知周圍的環境，就像我們的眼睛一樣。但是如果你都不知道自己現在在哪裏，你怎麼來真正做到自動駕駛呢？一般來講，自動駕駛，我們可以想到的定位的方法就是用GPS信號，但是GPS，即使是在天氣比較好的情況下，我們的GPS能做到的是米級的精度，差不多是在2—3米左右的誤差。用於導航，GPS沒有問題，你只要知道自己在哪條路上就行了。但是2—3米的誤差幾乎是一條車道的寬度，也就是説你不知道自己到底是在哪條車道上。在輔助道或者高架上面，導航沒法告訴你。而且我們的車道線，如果雙向雙車道的情況下，很有可能一條車道線的誤差就變成逆行了，或者你在路口的時候導航卻不知道你在路口，告訴你的時候讓你轉彎的時候已經太晚了。所以對導航來講，可能人加上自己的感知，觀察周圍的環境，還可以接受米級的精度。但是自動駕駛沒法接受，我們需要提高到釐米級，這就提出一個很大的問題，怎麼來幫助自動駕駛達到釐米級的精度，所以我們在這裏又提出一個RTK的方法，2020年的CES上，現代汽車，還有Hexagon—Novatel，是一家高科技的公司，和法雷奧和移動網絡運營商，提出了一項高精度的聯合定位技術，它的意義是説我們用了GPS信號以後，但是通過跟地面的基站，地面的基站你可以事先得到它的高精度的位置信息，然後進行一個差分的對比，你可以得出精度比較高的一個相對的位置，這是所謂RTK的技術，是實時動態差分定位技術，這個技術可以幫助我們達到釐米級的精度。
這已經不是一個新的技術，現代汽車今後會把這個技術搭載他的車上進行量化，這已經是一個可以標準化量產的高精度技術。
RTK技術可以幫助我們達到釐米級精度，這是已經得到證明的，但是還是有侷限性，比如説GPS信號需要什麼？天氣比較好，如果像今天下雨，雲層比較低的情況下，GPS信號被遮蓋。還有一種情況是什麼？比如説我們到大城市，像上海或者是香港這種高樓林立的城市，香港還有另外一個限制，就是香港有很多雙層的大巴或者觀光巴士會影響遮蔽信號，更不要説經過隧道、高架橋，信號肯定會受影響，這個時候我們需要另外一個技術來彌補或者補充定位，就是我們經常講到的用激光雷達的點雲技術來幫助定位。也就是説我們通過激光雷達先打造一個高精度的地圖，然後通過車上的傳感器、激光雷達來實時對比高精度地圖的差異，來幫助我們相對的定位，這個技術其實也已經非常成熟了。我們法雷奧是通過一個激光雷達打造這樣一個高精度地圖，來實時定位。這個高精度地圖是通過眾包的形式，因為不可能派出很多的車去每次實時更新這些地圖，所以是通過我們的用户在使用過程當中，他的激光雷達的點雲，來幫助實時更新這個地圖，所以這是一種眾包或者眾籌的形式。這樣的方法，跟剛才説的RTK可以互相補充。
非常有趣的是什麼？一般情況下，在高樓彌補的情況下，因為有這樣一個系統來通過點雲幫助定位，那個時候信號可能會比較弱。相反的情況下，在GPS信號不受影響，比較空曠的，比如在大西北是沙漠或者荒漠的地帶，地理特徵不是那麼明顯，你怎麼進行定位呢？這個時候就用RTK的技術，GPS的信號來彌補。這兩種技術在某種程度上用途是可以互相彌補，互相支撐的，可以幫助我們完成自動駕駛的高精度定位。
在今年的CES上我們也做了一個展示，法雷奧搭載了第二代ScaLa激光雷達的車輛，作為高精度採集的車輛，還有第一代激光雷達的車隊車輛來展示我們的高精度車輛，這個在拉斯維加斯大街上面進行實時的展示。在這種情況下，我們可以發現我們的定位精度可以提高到釐米級，大概在10—12釐米以下，這是一個比較高精度的定位。
這裏需要跟大家説一下，ScaLa第一代和第二代激光雷達都是已經量產的激光雷達。同時在右邊這張圖上面有一個車頂定位的套件，什麼意思呢？一般來講，激光雷達和毫米波雷達和其他的傳感器一樣，一旦要量產，一般都是跟我們的OEM的客户合作，需要經過長時間的標定開發工作，這些激光雷達或者毫米波雷達並不像大家想像的一樣，我買一個雷達插上去，即插即用，不是這麼簡單，這是一個長期的開發工作，標定工作。對於一些初創企業，特別是自動駕駛初創企業，他可能經不起這樣的時間成本和開發成本，所以法雷奧最近推出一個所謂叫通用傳感器套件的概念，也就是説我們把一些傳感器，目前還是侷限於激光雷達和超聲波傳感器，把它做成一個標準的套件。也就是説它的幾何尺寸，比如剛才説的車頂的套件，事先已經做好了標定工作，對於用户來講，特別是對於自動駕駛初創企業來講，他需要做的工作就相對少得多，時間成本和開發成本都會大大降低。而且這些都是已經量產的車規級的傳感器，所以它的質量，包括剛才説的一致性都會有保證。
我們在拉斯維加斯這些高精度定位的展示車輛，用的車頂都是用的激光雷達的套件，這是一個比較實用的高效的解決方法。
真正做到自動駕駛，技術上有一個討論比較多的難點是什麼？剛才滴滴的孟總也講到了，在道路上面有很多道路的使用者，就是跟你分享道路的交通使用者，他們接下來的意圖是什麼，也很可能或者是説沒有可能提前知道，你沒法預測他們下一步的路徑，很難。
我舉一個極端的例子，我們在路上看到很多電動車，特別是送外賣的這些小哥，他一邊打着電話，一邊駕駛着他的電動車，他自己都不知道下一秒他是往左往右還是剎車，你怎麼知道呢？這是一個最大的挑戰。
記得我在兩年前，我去南方有一個城市拜訪一個自動駕駛的初創企業，他們邀請我，在他們車內做自動駕駛的展示車輛，在路上進行一個自動駕駛的展示，開着開着車，突然車輛剎車了，什麼原因呢？因為在前面人行道邊上站着一位老兄，那個車輛因為比較保守的算法，它在人行道上看到一個人，不知道這個人下一步會幹什麼，會走上人行道跨越馬路呢，還是繼續在路上待着，保守起見就停下來，然後再換道，繞過行人前面的路。
一般駕駛員開車會經過一個大概的判斷，低速通過或者從旁邊繞過，這對自動駕駛車輛就是一個非常大的挑戰。我們怎麼來預測其他，不光是行人，還有騎車人、電動車、滑板車這些交通使用者他們的意圖。我們在今年的CES展上面，法雷奧又推出一個MOVEPREDICT.AI，通過人工智能機器學習的方法，來判斷這個人的注意力是不是還集中在交通行動上面，如果不在的話，我們可以通過更保守的方法，如果他注意力還是在交通上的話，接下來一步的反應就可能不一樣。
然後還可以判斷他接下來的，預測他的企圖或者意圖，他是不是要過馬路，他的行跡都要通過人工智能進行判斷。當然這只是一個概率問題，並不是能百分之百預測，但這是我們下一步的目標，如果你不能預判的話，就只能用最保守的算法和駕駛，這對我們的使用者的感受應該是不滿意的，這樣的話自動駕駛變成雞肋，你開得比人還保守還慢，這樣的話，自動駕駛並不能真正找到落地的場景。
在剛才講到，其實很多情況下運貨可能比運客的需求更實際，這就是為什麼我們在2019年的CES展上面，我們跟美團簽訂的戰略合作協議，共同開發最後一公里的無人配送技術，或者叫最後一公里的無人物流車。這是我們在去年和美團達成協議。
在2020年1月份，在今年的CES展上，我們推出了法雷奧和美團共同開發的無人物流車。因為受場地限制，我們在一個停車場裏面做了一個簡單的繞圈的演示。圖中有一個小哥他手裏拿的不是遙控器，很多人在問是不是像遙控玩具車一樣在控制這個車輛？不是，唯一的目的是開始和結束。
這是我們在一年之內，從跟美團簽訂戰略合作協議，進行技術上的交流，設定目標，最後完成設計、製造樣車，運到美國。這一年當中做了很多事情，這也是一個速度非常快的過程。
這是一個怎樣的物流車呢？簡單跟大家介紹一下，它的尺寸是2.8米長，寬1.2米，比一般的小車還要小一些。它可以送17份外賣，這個並不是説只能送17份，它有17個運送箱，取決於外賣的大小，可能還可以搭載得更多。續航里程是電驅動的，一共是100公里，如果需要更長里程的話搭載更多的電池。
法雷奧和美團的分工是法雷奧提供這樣一個線控底盤，提供了48伏的電池系統，控制器，上面是法雷奧提供的自動駕駛傳感器、自動駕駛的平台，從模塊到軟件是由法雷奧提供的，不光是給自動駕駛的無人物流車，也可以給所有的城市道路工況的車輛提供自動駕駛的模塊。美團提供當中的車體，包括剛才講到的車廂，還有運送櫃和APP，用户和客户的軟件交流，是由美團提供的。
這是一個樣車，在一年之內很快就做成了，本來我們的計劃是在今年4月份的北京車展，把這輛車運到北京做進一步的展示和交流，因為疫情的原因，這個事情肯定會推遲了。
我剛才介紹了，其實自動駕駛的平台為無人物流車，它不是專門打造的，是法雷奧在兩年前，2018年已經推出的一個城市道路工況下的自動駕駛平台。這是在城市道路工況下目標是L4級別的自動駕駛，它其實是考慮到城市道路工況下面的各種特點，比如説有各種各樣的車輛、行人、自行車，其他的交通燈，包括在歐洲有很多的環島，還有停車的標誌，這些都考慮在內。我們還通過剛才説的高精度定位的方法，來知道車輛的定位，來打造L4級別的自動駕駛平台系統。
我們可以看一下這個視頻，這是2018年在巴黎車展上面做的一個自動駕駛的展示，需要提醒大家一點的，在這個車上面所有的傳感器是都已經量產的，都已經交付給我們的終端客户，在OEM。因為在駕駛員手下已經是量產的，在運用的傳感器。
這是2018年巴黎車展做的一個展示，大家可以看到，剛才是一輛摩托車經過，下面是自動變道、超車，左邊是車內的一個攝像頭，右邊是車後方的一個跟隨車拍的，前面是自動避讓自行車的一個場景。
交通燈的識別、斑馬線、行人的識別、避讓，最後是隧道、橋道，GPS信號被遮蓋的時候，能夠繼續保持高精度定位。
這是一個自動駕駛平台，是一個軟件和硬件相結合的系統。
如果我們詳細看一下，在這個無人物流車傳感器的配置是如何的呢？搭載了各種傳感器，首先是4個環視攝像頭，前面還有一個長距前視攝像頭，4個毫米波雷達，12個超聲波傳感器、4個激光雷達，4個激光雷達的作用還各有點不同，前後的激光雷達是起到探測障礙物的作用，兩側的激光雷達更大的作用是用來通過點雲地圖來幫助高精度定位。大家可以看到是有四種不同種類的傳感器搭載起來，每種傳感器有各種不同數量的，完成一個感知功能的冗餘，幫助完成自動駕駛。所有這些傳感器都是已經量產的，我們在交付客户已經使用了。
剛才講了很多是比較大的，比如寬1米多，長2米甚至3米的無人物流車。其實如果大家仔細想一想，最後進入到社區，進入到酒店，這些車輛很難進入，因為太大了，所以可能跟我們更接觸多的或者使用更多的是一些小的機器人或者小的無人物流車。這也是在今年的CES展上面，我們展出了法雷奧跟一家初創企業TwinswHeel合作開發的無人配送機器人，有可能就不叫物流車，叫機器人，有兩個輪子的，也有四個輪子的，它不是自動駕駛，是跟着你走，比如有一些行動不便的老人或者是殘疾人，他在搬運東西的時候搬不了，他需要有一種機器人幫助他搬運貨物或者跟着他走。這是一種場景，法雷奧提供了傳感器48伏的電機系統，這家初創企業目前已經推出兩種無人配送機器人。
你只要一摁這個按鈕，傳感器就認識了你，比如説周總在那兒一摁，它就認識了你，別人再摁，它也不會跟着別人走。就像一隻狗，一個寵物一樣的。
這是無人物流車在家庭使用中的另外一個場景。
法雷奧是推出傳感器品種或者種類最齊全的供應商，SCALA雷達是業界到今天為止唯一一家也是第一家已經量產的符合車規級的激光雷達，2017年是第一代SCALA雷達量產的，今年我們會在研發第三代，它是一個固態的激光雷達，時間也是根據我們的客户，可能是2022年左右。
搭載的激光雷達，除了一般講的OEM客户以外，還有的是我們的初創企業或者是我們自動駕駛的企業，這裏舉的一個例子是法國的一家初創企業，這家企業搭載的是法雷奧的SCALA激光雷達，法雷奧也是這家企業的投資者，大概佔了百分之十幾的股份，這家企業從創立到今天，已經在全球20多個國家銷售了160多輛自動駕駛的無人小巴，同時也有無人駕駛的出租車。
最後總結一下：
自動駕駛跟電動化或者是共享汽車一樣，是我們“新四化”當中的一個非常明顯非常重要的潮流。我個人非常堅信有一天，我們能真正完成或者做到無人駕駛或者自動駕駛。當然這個道路是比較漫長的，也有可能是非常崎嶇的，所以我個人是一個比較謹慎的樂觀者。
在這個過程當中，我們要特別關注的是技術，但是越到自動駕駛或者高度的自動駕駛，你會發現技術只是其中的一個問題而已。還有什麼？剛才説到怎麼落地，怎麼商業化落地，怎麼來關注場景？我反覆強調，如果脱離場景來講自動駕駛技術，那是沒有意義的或者是耍流氓，我們剛才已經講了極端的例子。在一個空曠，沒有任何障礙物的情況下，任何車都可以L4、L5的自動駕駛。但是如果結合場景，你會發現很多問題出現了，還需要什麼？不光是汽車行業，還需要我們的法規、保險、道路建設、運營方各方面來配合，一起合作來完成自動駕駛。
從這個角度來講，我跟滴滴的孟總的觀點比較接近，就是私家車的自動駕駛可能性，可能落地的時間點會更遠一些。因為我已經講過了，這個自動駕駛的成本必須要有人來承擔。我相信在座的每一位我們的用户，你不可能花幾十萬塊錢買一輛車，再花幾十萬塊錢加裝一套自動駕駛系統。更快更好更早落地的可能是出租服務商，有可能是無人小巴、無人出租車或者是無人物流車等等，這三種哪個先落地，我們還看不清楚。但是可能無人物流車通過這個疫情的驗證，它可能會更容易找到一些落地的場景，來完成商業化的模式。
除了這三種場景以外，在礦區、無人區等等，也是一種L4的駕駛車輛，其實已經找到一種場景，當然這個相對比較小。
但是我要總結一點，自動駕駛不僅僅是私家車，它肯定是包括各種場景下面的各種車輛。我非常堅信在這種情況下，自動駕駛的場景落地不會很遙遠，不可能會在十年二十年以外，可能會更快，幫助我們來完成更安全更舒適的一個駕乘環境和物流交通的目標。
謝謝大家的聆聽！
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。