Mobileye的L4智驾方案分析

Mobileye的L4智驾方案分析

引言

前段时间，我梳理了当前L2+系统的功能定义变迁趋势，并梳理出两个审视智能驾驶系统的维度，即“场景多样性”和“自动化程度”（图1）。

图1 观察智能驾驶功能的两个维度

“场景多样性”，在保持驾驶员不脱手的前提下，尽量提升智能驾驶系统的开启范围以及开启后的连续性（不要经常退出），提升功能可用性和用户体验，目前特斯拉以及国内主流的OEM也都较为认可这种功能定义策略。

“自动化程度”，则更多地关注如何提升系统的MTBF（Mean Time Between Failures），满足脱手/脱眼/脱脑等逐步提升的自动化程度。这方面，一般需要构建冗余系统来提升MTBF。

在盘点过了现有的各家智驾方案后，个人还是认为Mobileye的L4 Robotaxi方案能够最完整的覆盖“场景多样性”和“自动化程度”这两个维度的诉求。简单讲，“场景多样性”由Camera-Only subsystem负责；“自动化程度”由Radar-LiDAR subsystem覆盖。

附赠自动驾驶最全的学习资料和量产经验：链接

正文

一、单一种类传感器的冗余(加倍)目前存在能力上限

关于传感器的冗余，个人认为简单的单一传感器叠加是不够的。本小结尝试证明该判断。

【关于MBTF】贴一下百度词条的信息：MTBF，即平均无故障工作时间，英文全称是“Mean Time Between Failure”。是衡量一个产品（尤其是电器产品）的可靠性指标。单位为“小时”。它反映了产品的时间质量，是体现产品在规定时间内保持功能的一种能力。具体来说，是指相邻两次故障之间的平均工作时间，也称为平均故障间隔。概括地说，产品故障少的就是可靠性高，产品的故障总数与寿命单位总数之比叫“故障率”（Failure rate）。它仅适用于可维修产品。同时也规定产品在总的使用阶段累计工作时间与故障次数的比值为MTBF。磁盘阵列产品一般MTBF不低于5万小时。

对于一款智能驾驶产品（智驾系统方案），多少MTBF算是合理的？目前没有行业定论，但我们可以估一个出来。有几个常用的衡量信息罗列如下：

• 如图2，功