福瑞泰克CTO 沈駿強

汽車自動化趨勢已經不可逆轉，如何把自動駕駛前沿技術進行商業化落地，一直是業內普遍關注的話題。在福瑞泰克CTO 沈駿強看來，只有把自動駕駛系統投入到商業化的應用才算真正的成功。其中有三個標準：

首先，是一個真正的商業化應用而非測試品；

第二，商業化落地的車輛是需要從產線，流水線上下來的，而不是手工改裝的；

第三，要達到一定的量，而不是只是一輛或者兩輛這樣的車輛。

雷鋒網新智駕了解到，福瑞泰克目前正在做高級駕駛輔助系統ADAS的量產落地，明年將開始推出量產產品。同時，該公司還提供一些產品的本土化開發工程服務。

至于如何從實踐中進一步實現商業化落地？沈駿強從安全、用戶體驗、應用場景和成本四個方面進行了探討。以下是沈駿強演講的全部內容，在不改變原意的基礎上，進行了編輯：

一、安全性

安全是自動駕駛系統一個首要目標。

大家知道，車輛其實有很多不安全的情況發生，包括車輛碰撞、跟行人的碰撞，車輛拋錨、迷路實際也是一種不安全的表現。針對這些不安全問題，目前有保護車內乘員、車輛和行人等方法，車上還配置了安全氣囊、AEB自動緊急輔助剎車等系統。

其實，車輛的安全技術發展到現在，這些措施對自動駕駛來說還是不夠的。

自動駕駛系統的安全目標就是要防止這些不安全的情況發生。

如何來保證自動駕駛系統的安全性？很多的業界人在研究這方面的一些課題，業界也有一些聯盟形成了一些標準，比如國際標準ISO 26262，它定義了ADAS系統在系統失效時候的一個安全需求。包括部件的失效需求、系統監控、診斷和冗余，安全和非安全應用的隔離，以及設置安全邊界等等。

在定義安全目標的時候，ISO26262標準里面有三個判斷因素，包括嚴重程度、發生概率和發生失效時車輛的可控性。

實際上，對自動駕駛車輛來說，系統失效只是失效模式的一種，在自動駕駛系統中，系統本身的性能好壞也是安全需求的一部分。所以，我們在講自動駕駛系統安全性的時候，需要同時考慮功能安全和行為安全。

功能安全和行為安全這主要的區別在哪里呢？ISO 26262定義了系統在故障情況下的安全措施，但是，對于L3或者以上的自動駕駛系統來說，ISO26262就遠遠不夠了。

因為，ISO26262忽略的一個問題是系統本身的功能或者性能是否能夠得到足夠的保障。

現在，業界針對L3或者以上的自動駕駛系統提出了另外一個標準，它定義了系統功能本身所必須具備的一個安全保障，我們把它叫做行為安全，主要包括幾部分：感知系統的檢測率和誤報率、決策系統的正確決策率、定位系統的精確性，執行機構的能力等等。

比如，自動駕駛車輛上面可以布置很多傳感器，傳感器多了，它的信息來源多了，相互之間可以做數據融合，這樣就能提高對目標檢測本身的精確度。另一方面，多種異構傳感器之間也可以構成相互之間的冗余。

怎么來提高系統的行為安全呢？這里面包括我們要設計更好的系統，提高每一個子功能的系統性能，同時需要有冗余以及融合。

行為安全的核心實際上是需要設計足夠可靠的系統，去應對各種各樣意外情況。

提高自動駕駛系統的行路安全的途徑，主要包括以下兩種：

一個是，積累測試數據非常重。另外，通過采集到數據來分析其中的一些Corner Cases，通過分析總結和概括Corner Cases并通過模型對Corner Cases進行建模。

另一個是，通過影子駕駛等仿真系統對自動駕駛系統進行評價和性能改進。影子系統是谷歌最早提出來的概念，就是通過對人類駕駛和自動駕駛之間的行為差異進行對比和分析，找出自動駕駛需要提高的部分。

非技術方面的安全保障，則需要成立行業組織，共享組織內各個單位之間的數據，另外，需要對自動駕駛系統的性能評價進行一個標準化的工作。

二、用戶體驗

用戶體驗的好壞實際上是對人們接受自動駕駛是非常重要。另一方面，有時候我們需要在功能安全和用戶體驗之間做出平衡。

首先，大家知道，功能安全以安全為首要目標，有時候會相對保守，在ADAS、L3或L4階段，需要對功能安全和用戶體驗按照不同級別的自動駕駛，做出適當的平衡，能同時保證和兼顧功能安全和用戶體驗。

第二點，是關于人機交互界面的設計。目前在HMI方面，用的比較多的技術包括語音識別、AR HUD、強化學習等等。駕駛行為包括對交通規則，駕駛車輛的建模，這個是一個非深度學習的方法。如果采用深度學習的方法需要對駕駛行為進行強化學習。

如何保證用戶體驗呢？首先是與人的交互，與車內乘員進行基本信息的交互，這里面包括自動駕駛車輛去哪里，我在哪里，當前車輛的狀態，車輛將要進行的操作，要剎車了，要轉彎了，要停車了等等。

并且也需要從乘員那邊得到信息，有一定的手段讓車輛的乘員告訴自動駕駛車輛需要停車、開門或改變目的地等等，與車外其他車輛和行人的交互需要進行意圖的交互，這里面包括避讓，車輛的啟動，車輛的轉彎和泊車等等。

同時，自動駕駛車輛需要遵守交通規則，像人類一樣駕駛，這里面包括車輛的車速需要跟隨整個交通流，在紅綠燈停車時間不能太長，也包括車輛的行駛軌跡需要跟人類駕駛類似。

第三，自動駕駛車輛的駕駛行為需要跟人類的駕駛類似，這方面實際上目前市場上哪一家做得都不是很好，包括Waymo在內。自動駕駛車輛需要平滑的融入到交通流里面去。

三、應用場景

對自動駕駛真正的商業化落地來說，應用場景是一個非常重要的因素。

應用場景指的是設計自動駕駛對應系統的工作場景，這里面包括地理位置、光照、天氣條件和道路交通條件等等。

自動駕駛系統商業化落地必須要把系統在特定的應用場景定義好，如果沒有對應用場景進行約束，這樣的自動駕駛實際上離我們很遠，所以我們需要定義地理圍欄，要求自動駕駛系統只能在定義好的應用場景里面工作。

在實際的應用過程當中，如果自動駕駛系統無法應對某一個應用場景，還需要有風險控制的機制。

如何定義應用場景？這里舉一個例子。我們在開發自動駕駛系統功能之前，其實對應用場景必須要明確，可以采取自上而下的分解手段，比如，應用場景的最上層是城市工況，還是高速工況或者泊車工況。

針對城市工況還可以進一步分解，它是城市道路還是小區道路，還是地下車庫。

針對城市道路再進一步分解，它是巡航的工況還是車輛跟隨，或者是十字路口等等。

針對巡航工況還可以再進一步分解，它是有清晰車道線還是沒有車道線，或者是有沒有高精地圖的區域等等，定義好了以后，針對每一個工況，哪些是可以的，哪些是不可以的。你的自動駕駛功能開發和測試，就是在你定義好的這些應用場景里面進行開發和測試。

我們認為，近期可落地的自動駕駛應用場景主要有兩個，第一個是園區半封閉低速場景，第二個是低速貨運車輛。自動駕駛系統的商業化過程中，To B的應用應該會比To C這個應用來得更快。

四、成本因素

我認為，成本永遠是自動駕駛車輛大規模量產所需要考慮重要因素。

降低成本的機會點主要有三點：

第一，從傳感器方面來講，特別是激光雷達Flash，MEMS激光雷達應該是自動駕駛系統量產的一個方向。

第二，GPS和IMU目前成本也比較高。我們認為更低成本的GPS和IMU應用完全是有可能的。

第三，關于計算平臺，我們認為集中式的計算平臺應該是自動駕駛的一個方向。需要業界不斷的努力去研發下一代芯片技術。

最后，量產的量其實也是一個非常重要的因素，只有把這個量上去了我們的成本才能下降。（文章來源：新智駕）