自动驾驶的未来：技术挑战、安全性需求与产品路线

自动驾驶的未来：技术挑战、安全性需求与产品路线

七 安全性需求

以往熟知的SAE（国际汽车工程师协会）自动驾驶分级中，自动驾驶被分成L0-L5六个等级。

L0为无自动驾驶，有部分应急辅助，L1为驾驶员辅助，L2为半自动驾驶，L3是有条件的自动驾驶，L4是高度自动驾驶，L5则为全自动驾驶。

但在实际应用中，SAE的分级标准是模糊的，难以指导产品设计，难以分类产品。比如何时需要驾驶员接管，需要多长时间内接管，功能能负责的场景范围多大，SAE的分级标准都没有指明，这造成L2产品与L3产品之间，L3产品与L4产品不能分辨。

只要功能负责的场景范围足够小，比如车在一个平坦的空无一人的水泥操场中心，驾驶目标是开出操场，任何L1产品都可以称自己是L5自动驾驶。

同理，现在各种宣称是L3和L4的车，都会加一堆场景限定说明，一旦限定外的场景出现了(比如突然天降大雨)，承诺的接管时间也就不作数了。

这样，SAE分级变成了一个逻辑游戏。

附赠自动驾驶最全的学习资料和量产经验：链接

基于这个背景，Mobileye提出了另一种分级，以更直观的是否允许脱手以及是否允许不关注路况为标准，将自动驾驶等级分为Eyes-on/Hands-on，Eyes-on/Hands-off，Eyes-off/Hands-off以及No-Driver四种。

具体看来，Eyes-on/Hands-on（注视前方/手握方向盘）大致与SAE 分级中L1与L2级别辅助驾驶对应，仍需要驾驶员将全部注意力集中在驾驶上，系统作为辅助，提供的最基础的自主紧急制动（AEB）以及车道保持辅助（LKA）等功能均属于这个范畴。

Eye-on/Hands-off（注视前方/可脱手），接近于目前正在逐渐上车的L2+级高阶辅助驾驶功能，包括高速领航辅助等（受限于法规，国内L2+级高阶辅助驾驶也不允许驾驶员脱手）。

以上两种级别，均需要驾驶员保持关注来应对系统可能遇到的各种尚未解决的Corner Case，智驾系统并不能解放驾驶员，甚至无形之中还为谨慎的驾驶员增加了心理上的负担。

第三级别的Eyes-off/Hands-off（解放双眼/可脱手）则是当开启系统时，在限定的ODD内，驾驶员不再需要任何操作和关注路况，大致对应于SAE分级标准的L3-L4级。

Mobileye为Eyes-off系统设置了6个ODD。分别为：

ODD1:仅高速场景，时速最高60km/h，保持车道内行驶。

ODD2:仅高速场景，时速最高130km/h。

ODD3:高速场景，可上下匝道。

ODD4:主干道场景，包括高速出入口，交通灯。

ODD5:乡村场景，包括非分隔车道和无信号灯的路口。

Full ODD：城市场景。

那么，如何评价一个Eyes-off等级的智驾系统是否优秀呢？Mobileye认为系统需具备三个特征才可称为是优秀的Eyes-off方案，即：

• 有用；

• 无重复性错误；

• ODD可拓展。

1）有用，指的是在用户体验上，一个优秀的Eyes-off系统应该能够在一个ODD范围内长时间连续运行，而不必频繁进出ODD。

举个例子，奔驰的L3级自动驾驶系统，其在限定ODD内（ODD1，高速公路场景下，且时速不超过60km/h），当车辆在速度超过60km/h就会退出系统，低于60km/h再次进入，频繁进出导致此种ODD在日常使用中的效率不高，从用户体验糟糕的角度来说堪称是无用的自动驾驶。

2）无重复性错误，指的是在系统的ODD范围内，不会出现某种紧急情况下可能重复出现的错误。

一个安全的Eyes-off系统应该能做到没有这种错误，而不是把诸如“xx公里介入一次”这种发生概率低的特征挂在嘴边，利用统计数据来隐藏这种错误。MPI(每次接管的公里数)这个指标，只在忽悠投资人时有用。

3）ODD可扩展，即在Eyes-off/Hands-off系统下，在将ODD从高速扩展到城市时，只需要添加主动传感器，增加冗余，以及增加算力，而不需要更新地图或驾驶策略。因而前一个ODD内积累的数据都可以用作下一个阶段的积累，从而实现渐进式的自动驾驶发展。

而目前只运行在某些限定园区或限定路线上的自动驾驶车辆，不仅需要昂贵的系统成本来维护车辆的运行，而且由于运行在固定路线固定场景，在前一ODD内积累的数据也很难用作下一阶段的积累，难以实现渐进式的发展，因而其所能产生的商业价值和技术价值也就令人怀疑了。

第四级别的NoDriver则不再要求车内有驾驶员。在Robotaxi应用中，将由远程操作员取代人类驾驶员的角色，以干预解决如系统锁死、警察检查交通等非安全情况，避免对交通流通造成影响。

这个级别目前没有讨论的意义。

我们可以看到，目前特斯拉以及国内的厂商，不管是华为、小鹏还是其他家，其实都还在前两个阶段，从安全性角度来说，并没有实质性的提升。

而前文已经说明了，城市驾驶场景下，留给驾驶员反应和接管的时间，小于高速场景一个数量级，因此，即使能保持住高速自动驾驶的安全失效概率(这是不可能的，因为城市自动驾驶更难，要识别和处理的事情更多)，产品也是不好用的。

这里不是说Mobileye本身如何厉害，只是想说明目前自动驾驶的发展还任重道远。

不是发几次大新闻，制造几次流量营销就能解决的。

目前高速场景脱眼的产品都还不成熟，按照Mobileye的6个ODD，现在还在攻克ODD1阶段。

八 最可能的产品路线

既要增加可靠性，又要增加可用性，归根结底还是

• 提升感知性能，降低误报漏报的概率；

• 简练的系统架构，减少模块数量和耦合。

传感器配置：

摄像头：7个八百万摄像头是基本配置，可增加鱼眼摄像头作为备选。

比像素数量更重要的是，用大底的CMOS增强夜视能力。

激光雷达：1个前视激光雷达，我暂时看不到补盲雷达的必要性。

905nm够用，绝对将成为主流。SPAD方案目前索尼遥遥领先，华为还有一定差距，我目前看好SPAD胜出SiPM。MEMS振镜如果可以证明可靠性，Lidar的成本不会和摄像头有数量级的差别，虽然我暂时也不看好MEMS振镜。

毫米波雷达：1个前视4D-radar也是基本配置。

radar可以有更好的动态障碍物识别能力，和lidar的静态识别能力形成补充。radar的绕障识别的能力也能大大降低实现OCC(占用栅格)的难度。地图：导航地图+众包。定位：RTK+高精度IMU。

优化系统架构的事情，就不在这里细说了。

只提一点，某些公司的方案中，感知后处理/融合/决策/规划/控制，做的都是同一件事儿，那出了问题到底谁改呢。

在不远的将来，这样一套自动驾驶系统的成本最低可以达到1万左右，并覆盖到15万-20万的车型。

而只做到高速场景NOA的自动驾驶系统，成本将在4000左右，覆盖到10万左右的车型。

只做到L2功能的产品，成本将在500左右，且被法规强制安装，跑在所有没安装上面两个产品的车型上。

系列完结，一共近万字，作为这个假期的纪念。感谢各位点赞和转发的朋友们。

华为的自动驾驶能力，在过去的一年里进步巨大，从普普通通，到甩开了国内部分公司的身位，接近第一阵营。

我并不认为华为的自动驾驶做的是最好的，至少在当下。但这一年它的进步速度确实出人意料，在一年前我还认为华为和国内其他一些自动驾驶讲故事(骗子)公司没有区别，那会儿很多人和我的想法是一样的。华为为什么能挣脱瓶颈出来呢，为什么很多国内其他公司做不到呢：

• 资金雄厚，下面两条的基础。

• 人才充沛，发现不行了立刻换下一个；而对其他公司来讲，招一个外企的吉祥物来也要拼命留住；能做到全球招聘，而又统一管理的公司，少之又少。
  反馈有效，发现不行及时调整。这一条也需要有前两条作为基础。

这是大公司的玩法，一个大公司如果做不到后面两点，就竞争不过小公司。而国内自动驾驶，一些小公司的技术水平并不差于大公司。因为只要小公司的人碰巧是对的，那这个属于大公司的困难就解决了。