我是程代鹏，当前我是赢彻科技机器视觉的负责人，今天下午想跟大家分享的是，我们公司对于自动驾驶赋能智慧物流开展的工作当前中国的远距离货运市场，预计有600万辆卡车，每年行驶的收入差不多在10万美金左右，整个市场规模达到了6000亿美金目前行业面临的挑战包括：司机人数不足，职业压力很大，工作时间非常长，长时间疲劳驾驶容易造成安全隐患除此之外，还要考虑整个物流配送和系统低效带来的损失嬴彻科技的目标是想建立起全国性自动驾驶卡车的平台，这是由我们自有技术支持的卡车网络平台，我们相信这样的平台会给远距离卡车物流行业带来全新的变革嬴彻科技是由三家公司来联合启动的：第一是G7，这是车队管理的平台，现在有超过100辆联网车辆，在大型车队管理有资深运作经验的一家公司；第二是普洛斯，已经有超过6个物流中心了，他们也在为赢彻科技搭建平台第三是蔚来资本我们的公司主要关注三方面的内容第一，我们希望能够建立起全国性的远距离卡车物流网络，通过运算去高效匹配司机资源和卡车资源，这样为物流行业发展提供更好的服务，提升资产的利用率第二是建立生态体系，我们关注的是产业价值链的伙伴关系，我们会和汽车行业，尤其是整车厂密切合作，让我们自动驾驶的部门和车厂密切的连接，来更好去进行开发第三是开发自动驾驶技术（其他演讲内容略）任卫群：感谢程总的分享
下一位嘉宾是图森的吴总，他曾经在日本早稻田大学从事自动驾驶方面的研发工作，也主持了丰田自动驾驶的项目，欢迎吴总
图森未来吴楠：自动驾驶卡车技术进展和商业化实践吴楠：感谢大家来听我简单对公司的卡车技术进展和商业化实践的介绍，刚才有很多嘉宾已经把自动驾驶商用车技术和乘用车的不同，包括一些政策上的差异讲了，所以我更多分享在自动驾驶卡车领域都有哪些技术上的成果图森未来的定位是属于自动驾驶卡车技术与应用解决方案的供应商，拥有全球最大规模自动驾驶卡车专业研发团队和车队，我们也是中美双中心的企业，中国是在北京、河北和上海，在美国主要是在加州和亚利桑那州进行相关的测试团队规模是中美各200人左右，车辆的话中美各20台左右自动驾驶测试车辆我们认为自动驾驶卡车是在现阶段，在现有的技术水平之下，最容易，也是最快可以落地的应用场景，具体可以分为两大类第一大类，像港口、物流园区、火车站、机场、矿山、工厂，这些我们认为属于关键物流节点，它的特征是货物相对来说比较集中，并且是一个封闭的区域然后在里边进行工作，作业的人员也好、车辆也好，都进行了比较完善的安全生产培训另外一大类，是连接关键物流节点的高速公路和从物流节点到高速公路，一般我们称之为乡间道路，就是非繁忙道路我们认为自动驾驶卡车主要在这两个领域，是更容易实现商业化，并且实现快速落地的场景我们也希望通过自动驾驶卡车，通过高速公路更好的连接关键物流节点，提高整体的运营效率，降低物流的成本我们认为卡车其实是更加专业、更加专精的地方甚至我们可以说，其实卡车领域并不存在L5的定义，因为所有的卡车最终的用途都是L4，都是在有限的场景下实现有限的功能我们在自动驾驶感知领域做了一些技术突破工作因为对于我们来说，不像乘用车80%的驾驶行为发生在白天，对于卡车来说很多驾驶行为会出现在夜间，所以需要自动驾驶系统有非常出色的夜间感知能力从这个视频可以看出，左边是比较传统的感知系统，右边是通过软硬件结合的方式优化后的感知系统，我们的系统可以非常好的看到低照度的环境、红绿灯闪烁等场景大家可以看图像的右下角，红色部分是激光雷达点云，激光雷达点云标称感知范围是200米，但是大家做过感知算法都了解，在100—200米的范围，点云是非常稀疏的，很难用到激光雷达照射到底是什么东西所以激光雷达有效范围是在100米以内，所以我们通过视觉的方式，开发了千米感知的系统但是千米感知系统是最远看到1000米，而不是时时刻刻达到1000米的范围为什么开发这套系统？因为自动驾驶卡车，尤其是载重的时候，会有非常长的刹车距离，这个是乘用车无法比的所以我们希望这么大质量的卡车在高速公路驾驶的时候，能有更长的感知距离，为底层的决策提供更好的输入之前有人问我，作为自动驾驶高精度是非常重要的，乘用车和商用车是否能通用？其实高精度地图，乘用车和商用车有非常大的区别，希望日后自动驾驶厂商可以做细分领域的开发有一些特定场景的需求，比如说像港口里，它其实需要比较高精度的定位红色这个方块代表了用定位融合算法推算出我们的位置，绿色的小点是RTKGPS.RTKGPS精度是2厘米，但是在比较复杂的场景里面，受到干扰的原因，它的定位精度会长时间漂在米级，甚至十米级定位精度所以我们也会在特殊场景，通过自己的一些方法去实现高精度的定位我们现在的定位系统在这种复杂的场景，不依靠RTKGPS也可以达到厘米级的定位精度作为自动驾驶卡车来说，如何在特定的场景里，完成一个实际的任务？作为自动驾驶卡车来讲，在港口内进行自动驾驶装箱、卸箱的任务，有一个比较重要的特点，就是需要把自己的车辆和自动驾驶系统，去融入一个现有的，已经完全成熟的应用系统里面港口在没有自动驾驶导入的时候，它有自己一整套的工作系统，有自己的车队管理系统、有自己的理货系统如何把自动驾驶融合进现有的系统，对很多自动驾驶企业、自动驾驶技术是比较大的一个挑战所以在这个场景其实我们会做一些特殊的定制，包括我们会做车和车之间的通信，通过V2X的手段，搭建车队管理系统我们为了和港机间进行通信，也会在港机上安装通信设备，以实现和港机的通信和车车之间的通信这一块是我们在美国亚利桑那州，在2018年10月的技术展示其实在美国，尤其是像亚利桑那州是允许自动驾驶货运的，可以实际为货主进行承运，甚至于你可以进行无人驾驶，可以把司机、安全员都撤下来受惠于美国的政策，我们在为15家物流客户进行实际的承运，并根据实际承运的情况，来收取物流服务费用可以公开的其中一家客户是美国USPS，就是美国邮政，我们现在也在用自动驾驶的方式，去帮他们做自动驾驶货运服务实际速度是65迈左右，大概是100公里每小时我对技术的介绍就到这里，感谢大家
听众：您好
我想问一下，因为我听说图森今年会在北美建立上百辆的车队进行试运营，这个车队有没有考虑制动和转向系统出现故障，有没有应急措施处理吴楠：我们给自己的定位是一家软件公司，主要的车辆也好，包括主要的执行器，其实都是属于外购、外采比如说像车辆在美国主要是向帕卡进行采购，执行器主要是和合作伙伴，比如说ZF等公司进行外采我们和他们进行冗余系统的开发，因为他们也是非常迫切需要知道自动驾驶公司到底对执行器有哪些需求，到底需要他们哪些数据另外一点，很多嘉宾都说到了，转向也好、制动也好，是需要冗余系统的，其实冗余系统有两种解决方案第一，完全是用备份的方式，一套转向挂了，还有另外一套同样的转向，比如说两个转向机，去实现一种功能第二，可以从商业逻辑做一些突破，我是否真的需要两个转向机？一套转向机废了之后，有没有可能通过其他的方式实现？譬如我用刹车给两个左右轮刹车，给不同的制动力以实现刹车转向是否可行，实际上也是可行的但是这种方式是否能够实现把一个任务从头到尾执行，那肯定是不行的所以从自动驾驶上来说，首先从成本上考虑、商业逻辑上考虑，首先制动系统失效的可能性相对来说比较低，这种比较低的概率下，我有没有必要做完全的备份？我认为是没有必要的，这个时候只需要半备份这就是说，当自动驾驶执行任务出现了问题，我可以进行泊行模式，主要任务是由现在的移动状态迁移到泊行状态那实际上的任务，也就是接下来100米之内把速度降下来，然后通过泊行的状态把车辆停到一个安全的位置，比如说停到紧急车道剩下的事情，主要就是对车辆进行抢修的问题了所以通过这种方式，换一个角度去思考，其实是可以非常好的解决冗余执行器的问题所以我们和合作伙伴一起探索，什么样的方式是最经济、最高效的方式听众：自动失效的情况下，目标是短时间内可以做一个泊车如果在一百米的过程中，全车出现了紧急制动，而你的制动力没有完全备份能力，可能还是会出现一些意外吴楠：对，首先从制动系统上来说，任何一辆车都有非常多制动系统的备份，有发动机的制动，比如有夜里缓冲器的制动，它有自己的主制动，它的EPB，其实是相对来说比较多重制动的方式了，但从效率上来说，大部分效率是用主制动的方式听众：我想请问一个问题，通过图森目前做的这些工作和对行业的了解，在商用车特定环境下，比如说港口、码头、矿卡这些方面，什么时候在国内能落地？吴楠：像港口、码头、矿山，这些更多是属于封闭场景，从法律上来说，它其实落地是没有限制，因为首先车不需要符合车规，不需要上牌，甚至保险都不要有据我们了解到，这些场景很多司机都不是A本是C本其实这个场景下，反而给自动驾驶系统提另外一个要求第一，除驾驶行为以外，你需要做更多非驾驶行为的任务这一块是对传统自动驾驶公司是形成挑战的，因为他们可能了解自动驾驶，但是不了解这个行业，这其实是一个问题第二，进入一个行业的时候，你会经历先难后易的过程你开始做港口的时候，做了车队和系统的衔接，人开的车和自动驾驶车的混跑，各种各样的工作都做了；当进入另外一个港口时，就可以从规划的层面上，把所有的东西规划好比如说可以做人驾驶系统和车驾驶系统的分离，这样其实对整体技术水平要求是降低的、降维的Henrik Farnstrand：我有两个问题第一，说一下什么时候你们能够对自动驾驶做好准备了吴楠：现在的计划是美国公司在2020年把司机撤下来，但不是所有线路都撤下来，在某一台线路撤下来因为自动驾驶卡车是一条线路一条线路开始的，成熟的线路准备好先下来，根据其他路线成熟程度把司机撤下来实际上的队列行驶，后面两辆车里是没有人的，头车是有人的，后面两辆车是没有司机没有安全员首先是封闭道路，当你距离压到十米的时候，其实大部分的司机其实不敢于上车了，心理压力是非常大单从技术上做了一些准备，但是从安全性考虑还是希望准备好，现阶段认为第一条准备好的道路是在2020年，谢谢
Henrik Farnstrand：第二个问题，你使用的转向系统方案有什么样的创新考虑？吴楠：首先受制于像远程控制系统，其实首先是受制于基础设施建设水平比如说在中国可能很快铺5G，可能在延时上、通信带宽可以满足这个需求像亚利桑那州，很多地方连2G的手机信息都没有，它其实很难做远程的操纵所以对我们来说，我们现在的方案更多是赋予自动驾驶卡车更多车端的智能，让它可以解决大量的问题但是要去教会它理解哪些问题是处理得了，哪些问题是处理不了的当知道自己处理不了的时候，我们可以通过运营的手段，让它去向中心请求帮助，这个时候把自己的驾驶行为做一些降维，比如说把速度先降下来比如我们通过后台的人可以处理，我会去建议你现在停下来，停到紧急停车道，我建议你超过它，通过建议的方式帮助它决策，而不是远程去操控它因为我们认为远程操控一旦有延迟的情况发生是非常危险的，所以希望这种方式做远程处理是更加合理的Henrik Farnstrand：谢谢
听众：我看你们在美国运营几百辆车，你们的技术相对比较成熟了，在中国市场主要是在一些封闭场景，中国的高速公路你们有打算做跟美国一样的运营吗？吴楠：当法律法规成熟的时候，我们是希望和美国一样，做大规模的运营，但是现在主要受制于法律法规，现在暂时没有开放所以按照现在法律法规的要求，我们最多只可以做到示范运营，而且示范运营是不会收费的对我们来说，会有一些现实的考虑比如说我们在国内多投一辆车做测试，就多亏一辆车的钱，但是同样的钱投到美国，就赚一辆车的运营费用所以我们也非常期待国内法律法规尽早的开放，因为我们在技术上已经准备好了听众：你们认为美国L4的技术在中国可以直接用吗？吴楠：不是直接用的概念，因为作为美国来说，没有很多的基础设施，它其实更多去要求单车有非常好自动驾驶功能但在中国的很多大城市，其实都做了车路协同的布局，其实我们也会考虑，有哪些地方，我们可以把一些功能疏解到路侧端然后做到同样自动驾驶程度之下，如何降低单车的成本，更好的服务客户所以从技术上考虑，可能是一种方案，但是从运营上，从商业上考虑，我们更希望会有一些本地化的东西，会有我们公司的中国团队负责本地化的运营，就肯定不是完全copy美国的概念任卫群：谢谢吴总的分享
四维图新商用车黄亮：自动驾驶地图赋能商用车黄亮：谢谢大会的主办方我是黄亮，来自四新通信商用车板块，我们的名字叫中寰卫星导航通信有限公司任总反复跟我强调多讲点技术，而且大会的主题是商用车的关键技术和产业落地，所以我今天重点强调一下地图在商用车中的应用，实际上今天讲地图和商用车的关系目前来说，商用车反哺地图的情况不多，所以我更多是讲自动驾驶地图如何赋能商用车我现在所在的公司是四维图新的子公司，可以理解是四维图新的商用车板块，我们公司也是比较早了，跟四维图新公司的成立时间是一致，2002年成立的，但是以前的主营业务是商用车的监控这一块业务上，我们的团队属于是从四维图新自动驾驶部门直接划到中寰来，在2018年做商用车的智能，跟前面几位演讲嘉宾介绍不太一样，他们重点是在智能驾驶这一块，我是介绍汽车智能，可以让大家看到今天商用车智能化的成果我们致力于智能和网联，四维以及中寰的团队，解决网联和大数据的业务，合起来以后希望提供商用车智能运维的能力，赋能整个商用车的领域（其他演讲内容略）听众：因为测绘的事情蛮敏感的，路况信息数据，只有像四维图新等有资质的企业的采集车才能采集，但是其他的公司，譬如主机厂的乘用车进行众包采集的话，会涉及敏感地带黄亮：目前是这样，但是我们要用一个发展的观念来看，国家也会进步的，所以我不会说这是绝对的阻碍，一定有方法可以平衡解决，因为科技是必须要往前的，谢谢
听众：我有一个问题，因为我理解在地图做采集的时候，我们所有采集的数据最终要拿来纠偏的，我们实际采集的数据不会给图商自己去用，国家会对部分数据做一定的加密修改这是什么样的操作方式，能稍微解释一下吗？ 黄亮：国家对所有出品的地图都会加密，就是坐标系的转换，大家听说火星坐标系和02坐标系，从我们熟知的GPS下转成的坐标系你再转换回来，这是大家对敏感地区以及中国地图资源的保护但是使用上面其实没问题，为什么呢？地图加密了，你的定位设备也加密了，最终他们同样的一套算法得出同样的结果，所以不存在这样的问题听众：我可以理解为，我定位的方式也是依据地图加密的方式去做了修改，可以这样理解吗？黄亮：对你今天用的导航地图都是加密的其实我相信你可能关注是高精度地图，现在还没有到这个时候，我们今天提供的这一套数据影响不大，为什么？因为它的精度还不是那么高，而且我关注未来路的情况，不用关注当前点的情况，因为当前的点我觉得你还是用自己现有感知数据靠得住，视觉看到的是最准的，对吧？听众：对，您确实说的是一方面，在靠感知和定位两个去判断自身姿态和位置的时候，我觉得在未来会不会以定位为主，以感知为辅的方式进行，有没有这个可能？黄亮：这个我不知道，现在大家都在探索，都在吃螃蟹听众：但是如果你要是谈L3、L4，纯靠感知还是不太够，以感知为主，这样对自车位置的判断，我觉得不会那么精准黄亮：我理解是这样的，不是不太够，是多一层冗余目前大家的L2不依赖地图，因为L2是司机自己负责任的，用摄像头和雷达就够了；但到L3是需要地图的，因为你需要负责，需要承担责任地图不是简单感知的责任，而是更多提供冗余，在摄像头不能用的时候，地图还要坚持下去，他们是冗余的状态所以完完全全基于哪个（传感器）来说不现实，今天谈融合也是不现实的事情，因为谁融合谁不知道，谁可靠也不知道，可以去探索，现在给结论过早了（注：以上内容整理自CICV2019商用车智能网联关键技术及落地分论坛，未经发言人审阅）「近期活动」2019车联网与汽车智能终端标准讨论会（2019年6月18日 深圳）2019中国汽车互联与车路协同大会（2019年7月5日 深圳科兴科学园）2019深圳国际未来汽车及技术展暨2019汽车新四化与汽车电子论坛（2019年12月19-21日 深圳）会务联系人：符先生 15810027571（同微信） 踪天怡：18221109836 （同微信）
（图片来源网络，侵删）
0 评论