《大咖随辩》第三期

    本期论题:
    全自动驾驶能否实现?

    主持人:
    鹿文亮  赛迪研究院赛迪顾问汽车产业研究中心总经理

    嘉   宾:
    关积珍  中国智能交通协会秘书长
    陈艳     HERE Technologies大中华区汽车导航产品经理
                首席技术架构师

          当前,无人驾驶汽车量产仍然还属于无人区,全球范围内没有超过五十辆。与此同时,自动驾驶路测开放、车路协同、V2X建设、环境感知、数据协同、决策控制和产学研合作等都正紧锣密鼓加速研发!按蠹乙惶阶远菔痪脱劬Ψ⒘,但能给消费者真真实实获得感的是量产!敝泄こ淘涸菏坷畹乱闳涨疤讣白远菔坏纳逃猛乒愫褪迪质彼档。

    • 陈艳
    • 关积珍
    • 话题一:车辆的智能化发展到什么程度才算是真正的自动驾驶?目前市面上哪些量产车型的自动驾驶做的比较好?

            L3、L4级别是部分自动驾驶,L5级别才是完全自动驾驶。奥迪A8和GM都发布了L3级别自动驾驶车型。商用场景下的自动驾驶、自动泊车都很有意义,是短期、中短期可以实现的。

            美国SEA发布的L0到L5的分级是业内比较认可的:芏喑灯蠖纪瞥倭薒3、L4、L5的实现时间,但奥迪和GM推出的车型都已实现L3。自动泊车、停车场和其他商用场景的自动驾驶是可以较快实现的,也是很有意义的。

    • 话题二:现阶段全球自动驾驶达到什么级别?达到L3级别和L5级别的自动驾驶需要何时?

            L3级别在按部就班推进,但高精地图、智能交通产业上都有自己路线图。

            预测时间是很难的,高精地图、摄像头、激光雷达等传感器支撑,和智能交通领域的不同专家都有不同的规划和自身线路图。

    • 话题三:自动驾驶的技术瓶颈有那些?网络、数据、传感器、系统模型、处理器等,未来是否能完全突破?最难的点在于哪里?

            软硬件解决方案的很长产业链;餮昂虯I算法技术的突破还要继续,大数据的分享、传感器数据分享、融合还是很大瓶颈。对环境感知、判断、决策是比较难的技术。

            因为机器学习和AI算法像成长中的孩子一样,需要长时间慢慢完善。自动驾驶对环境的感知、判断、决策输入和控制在不断提升,但还需要不断努力,现在还尚未成熟。人类可以感知环境,这是人类和机器的差别:芏喑党Т釉缙谥还刈⑸阆裢,变为引入高精度地图等在内的超视距支撑。高精地图是车辆可以读懂的机器语言,是给车辆行驶提供支撑的语言和一种输入。而且还可以考虑无须联网和线下可实现的解决方案。

    • 话题四:自动驾驶发展路径有两类,一类是L1到L5来推进,比如车企的选择,另一种就是直接做L5级别的自动驾驶,这类通常是互联网企业,更看好哪种?

            很多车厂也在布局L3、L4级别自动驾驶,所以并不是说车企没有涉及L5的目标。

            每个车企来讲,各个阶段的布局都是在进行中,只是发布的量产车更多集中在某一阶段,比如L3级别。但总体来看,每个车企还是平衡地布局每个级别的自动驾驶的。

    • 话题五:跨过L3直接到L4的路径是否可行?

            由人或机器来接管只是一个选择,两者只是说法不同而已。L3可以向L4或是L2靠拢都可以。

    • 话题六:特斯拉和日产都倾向于不采用激光雷达的解决方案,这条技术路径是否可行?

            安全是自动驾驶的根本,任何单一设备都不能实现自动驾驶。车企如何选择激光雷达的配备,是车企根据商业化的自身决策。

            对于地图信息采集来说,激光雷达是采集车的必备,虽然部分车企选择替代激光雷达、选择其他雷达采集数据,但HERE地图科技目前还是配备了激光雷达。另外,也采用众包方式、视频采集方式、毫米波雷达方式共同融合采集。但对于车企来说,车企根据商用化成本和自身实力会有不同选择。

    • 话题七:对于保证自动驾驶发展和保障安全,是应该开放更多测试机会和牌照交给企业提升汽车性能,还是应该通过法律法规和用户驾驶行为规范来更好保障安全性?

            两者都需要加强法律监管,但如何在测试前提供更多素材让车辆学习更为重要。素材的正确性同时需要法律规范,需要让车辆学会正确合规的驾驶行为,不能学习违规行为,这就是法律监管应该负责的领域。所以两者要齐步走。

    • 话题八:车企和互联网企业都在强势地布局自动驾驶,如果他们合作,车企该会占主导地位还是互联网企业会占主导地位?

            开放合作共赢是当前的趋势,两者都不会放弃话语权。开放数据平台共享两者数据尤为重要。

            HERE目前推出了开放大数据云平台,把车企、互联网的数据共享到统一平台,让更多方共享使用。车厂青睐互联网公司的大数据、用户界面设计和交互、互联网思维,但车企的大数据对互联网公司也很重要,所以两者正在慢慢融合。

    • 话题一:车辆的智能化发展到什么程度才算是真正的自动驾驶?目前市面上哪些量产车型的自动驾驶做的比较好?

            L4、L5级别才算是真正自动驾驶,L3以下只是智能辅助驾驶。目前特斯拉、沃尔沃、丰田雷克萨斯、奔驰、宝马都是达到L3级别的。真正完全自动驾驶,只是可以演示,完全开放场景下的实现,还是很难的。

            现在,对自动驾驶的严格定义争论不一,从智能交通领域出发,自动驾驶、智能驾驶、智能驾驶系统的意义不同。系统自动操作的驾驶行为才是自动驾驶。所以L4、L5才是真实自动驾驶,低级别的只是辅助自动驾驶。

    • 话题二:现阶段全球自动驾驶达到什么级别?达到L3级别和L5级别的自动驾驶需要何时?

            L3级别可能在1-2年之内达到,L4级别的成熟和部分场景商用需要到2025年。L5级别完全自动驾驶是未来的愿景,现在很难说何时实现,需要未来交通系统支撑。

            L4级别是针对部分场景的,智能交通领域认为,自动驾驶商业化要从“商业驾驶”自动化开始。如果要实现L5级别完全自动驾驶,这更是一个愿景。只有实现自动化的交通系统、轨道交通系统才能实现L5级别。所以,全开放场景下的L5级别自动驾驶还是愿景。而如果是特定场景下的商用自动驾驶还是很有希望实现的。

    • 话题三:自动驾驶的技术瓶颈有那些?例如网络、数据、传感器、系统模型、处理器,未来是否能完全突破?最难的点在于哪里?

            汽车控制系统、感知能力和自主决策都是非常难的技术。即使摄像头、激光雷达密布但感知环境仍是难点,让汽车和人类一样自主准确决策是最难达到的。

            环境感知强调全息感知,摄像头、激光雷达的智能水平还不够:芏嗳死嗖痪饧渫瓿傻呐卸,对于机器是很难得。Inteligence容易达到,但Smart这种机灵是很难的,很难达到真正像人类的水平。自动驾驶的技术路径历来分为单车智能和车路协同两种。依靠车辆自身实现自动驾驶,抑或是依靠车路两端智能实现,我认为还是车路协同、联网智能化更为现实。

            从高精地图来说,和目前常用的导航地图差别很大。高精地图需要识别出道路标志线、车道。高精地图需要达到厘米级精度才可以称为高精地图,这样就可以告诉车辆具体的停车位置,引导车辆直接进入特定区域,这样的自动驾驶更易于实现。

            V2X的作用则在于实时传输动态路况信息,比如前方是否拥堵、是否交通管制,以往是建立专用网络,成本和运营难度很大,等到5G普及,带宽和速度是可以支撑自动驾驶,现在4G还不足以满足需求。

    • 话题四:自动驾驶发展路径有两类,一类是L1到L5来发展,也就是大部分车企的选择,另一种就是直接做L5级别的自动驾驶,这类通常是互联网企业,更看好哪种?

            很难说谁对谁错,这是基于不同企业的自身优势而做出的选择;チ笠挡⒉辉斐,车厂也并不擅长软件研发。而且车企也开始转型做“出行服务商”。

            互联网公司最关心感知、软件,所以会避开传统汽车制造的技术要点。传统汽车则会从自身擅长的汽车制造和升级来布局,所以都是根据自身所长来做。另外,像丰田一样的车企,开始转型做出行服务商,比如共享汽车等,这也是车企看到消费者用车需求和心理的转变而做出的提升。

    • 话题五:跨过L3直接到L4的路径是否可行?

            L3和L4的智能水平相差不大,L3和L4的差别只在于由人或是系统接管,所以两个级别的差别只是说法不同。只要系统可靠,究竟由谁来接管只是一个选择。

            究竟由人类接管还是机器接管并不重要,只有达到完全的五个维度智能才是达到自动驾驶,所以前三级别只是智能辅助驾驶,L4、L5才是完全自动驾驶。当前纠结由谁来接管,还是因为技术水平不过关。真正自动驾驶应该是由机器全程自我判断,前进、停止或其他操作,不应再提醒由人类接管。只有完全达到系统自行判断、自行接管,才能人类介入,这也是自动驾驶达到成熟。

    • 话题六:特斯拉和日产都倾向于不采用激光雷达的解决方案,这条技术路径是否可行?

            技术的可靠性、商用的成本是最大制约因素。视频和毫米波雷达较为低廉,但同时还需要车路协同支撑道路感知。自动驾驶的实现还是在特定场景、大城市中更易实现。

            车企对于传感器研发更专业,但这一技术的可靠性和应用成本是决定因素,以往性能好的激光雷达都需要十几万,这样的成本肯定是很少车企能承担的。所以为了实现产业化,视频传感器和毫米波雷达更为常用,另外还需要车路协同、路测提供补充信息,只有融合信息后才能支撑自动驾驶。这样一来,在城市道路中,凭借地理信息和道路建设水平今后可以实现自动驾驶,或者是矿山、高速路等特定场景可以实现自动驾驶。

    • 话题七:对于保证自动驾驶发展和保障安全,是应该开放更多测试机会和牌照交给企业提升汽车性能,还是应该通过法律法规和用户驾驶行为规范来更好保障安全性?

            后者更为容易施行,但时间较长。违反交通规则行为的治理还需要长时间治理,所以当前应该多多加强测试、提升自动驾驶技术智能化,应该基于海量测试、大量学习提升技术,再谈法律。自动驾驶机器很难识别车、行人是否正:瞎嬉约芭龃傻刃形,机器还是很难和人类一样识别准确。

            人工智能很难达到像人脑一样眼脑合一,目前这样的实际成果还没有看到。比如看到行人是否正、行人身份的识别,这些都是很难的。所以应该海量测试、训练机器学习,最终提高自动驾驶水平和稳定性。车企是发生事故时首要承担责任的,所以车企更有动力提升车辆性能和自动驾驶安全性。

    • 话题八:车企和互联网企业都在强势地布局自动驾驶,如果他们合作,车企该会占主导地位还是互联网企业会占主导地位?

            主导权在于消费者和市场需求。技术创新上无法限制某一行业或公司不能进入。

            传统车企优势在于汽车载体的生产,离开车辆载体,所有智能无从谈起,所以车企很强势;チ居攀圃谟谙低称教。但总的来说,满足消费者需求才能有前景。比如出租车和网约车的选择时,只有出行服务便捷,才能让消费者喜欢和青睐。

             谷歌、特斯拉、奥迪、宝马都在自身的路径上前进着,谁也不能限制他人进入技术升级和市场,所以便捷、安全、高效、可靠的智能交通体系和服务才是未来目标。

    陈艳 HERE Technologies大中华区汽车导航首席技术架构师

    供职于导航电子地图及软件供应商HERE Technologies大中华区汽车导航首席技术架构师,是高精度地图、汽车导航、车联网服务及自动驾驶的资深产品专家。

    • 话题一:车辆的智能化发展到什么程度才算是真正的自动驾驶?目前市面上哪些量产车型的自动驾驶做的比较好?

            L3、L4级别是部分自动驾驶,L5级别才是完全自动驾驶。奥迪A8和GM都发布了L3级别自动驾驶车型。商用场景下的自动驾驶、自动泊车都很有意义,是短期、中短期可以实现的。

            美国SEA发布的L0到L5的分级是业内比较认可的:芏喑灯蠖纪瞥倭薒3、L4、L5的实现时间,但奥迪和GM推出的车型都已实现L3。自动泊车、停车场和其他商用场景的自动驾驶是可以较快实现的,也是很有意义的。

    • 话题二:现阶段全球自动驾驶达到什么级别?达到L3级别和L5级别的自动驾驶需要何时?

            L3级别在按部就班推进,但高精地图、智能交通产业上都有自己路线图。

            预测时间是很难的,高精地图、摄像头、激光雷达等传感器支撑,和智能交通领域的不同专家都有不同的规划和自身线路图。

    • 话题三:自动驾驶的技术瓶颈有那些?网络、数据、传感器、系统模型、处理器等,未来是否能完全突破?最难的点在于哪里?

            软硬件解决方案的很长产业链;餮昂虯I算法技术的突破还要继续,大数据的分享、传感器数据分享、融合还是很大瓶颈。对环境感知、判断、决策是比较难的技术。

            因为机器学习和AI算法像成长中的孩子一样,需要长时间慢慢完善。自动驾驶对环境的感知、判断、决策输入和控制在不断提升,但还需要不断努力,现在还尚未成熟。人类可以感知环境,这是人类和机器的差别:芏喑党Т釉缙谥还刈⑸阆裢,变为引入高精度地图等在内的超视距支撑。高精地图是车辆可以读懂的机器语言,是给车辆行驶提供支撑的语言和一种输入。而且还可以考虑无须联网和线下可实现的解决方案。

    • 话题四:自动驾驶发展路径有两类,一类是L1到L5来推进,比如车企的选择,另一种就是直接做L5级别的自动驾驶,这类通常是互联网企业,更看好哪种?

            很多车厂也在布局L3、L4级别自动驾驶,所以并不是说车企没有涉及L5的目标。

            每个车企来讲,各个阶段的布局都是在进行中,只是发布的量产车更多集中在某一阶段,比如L3级别。但总体来看,每个车企还是平衡地布局每个级别的自动驾驶的。

    • 话题五:跨过L3直接到L4的路径是否可行?

            由人或机器来接管只是一个选择,两者只是说法不同而已。L3可以向L4或是L2靠拢都可以。

    • 话题六:特斯拉和日产都倾向于不采用激光雷达的解决方案,这条技术路径是否可行?

            安全是自动驾驶的根本,任何单一设备都不能实现自动驾驶。车企如何选择激光雷达的配备,是车企根据商业化的自身决策。

            对于地图信息采集来说,激光雷达是采集车的必备,虽然部分车企选择替代激光雷达、选择其他雷达采集数据,但HERE地图科技目前还是配备了激光雷达。另外,也采用众包方式、视频采集方式、毫米波雷达方式共同融合采集。但对于车企来说,车企根据商用化成本和自身实力会有不同选择。

    • 话题七:对于保证自动驾驶发展和保障安全,是应该开放更多测试机会和牌照交给企业提升汽车性能,还是应该通过法律法规和用户驾驶行为规范来更好保障安全性?

            两者都需要加强法律监管,但如何在测试前提供更多素材让车辆学习更为重要。素材的正确性同时需要法律规范,需要让车辆学会正确合规的驾驶行为,不能学习违规行为,这就是法律监管应该负责的领域。所以两者要齐步走。

    • 话题八:车企和互联网企业都在强势地布局自动驾驶,如果他们合作,车企该会占主导地位还是互联网企业会占主导地位?

            开放合作共赢是当前的趋势,两者都不会放弃话语权。开放数据平台共享两者数据尤为重要。

            HERE目前推出了开放大数据云平台,把车企、互联网的数据共享到统一平台,让更多方共享使用。车厂青睐互联网公司的大数据、用户界面设计和交互、互联网思维,但车企的大数据对互联网公司也很重要,所以两者正在慢慢融合。

    关积珍 中国智能交通协会秘书长

    中国智能交通协会副理事长兼秘书长,国家智能交通产业技术创新战略联盟理事长。长期从事智能交通系统的研究与实践,国家863计划现代交通技术领域主题专家。

    • 话题一:车辆的智能化发展到什么程度才算是真正的自动驾驶?目前市面上哪些量产车型的自动驾驶做的比较好?

            L4、L5级别才算是真正自动驾驶,L3以下只是智能辅助驾驶。目前特斯拉、沃尔沃、丰田雷克萨斯、奔驰、宝马都是达到L3级别的。真正完全自动驾驶,只是可以演示,完全开放场景下的实现,还是很难的。

            现在,对自动驾驶的严格定义争论不一,从智能交通领域出发,自动驾驶、智能驾驶、智能驾驶系统的意义不同。系统自动操作的驾驶行为才是自动驾驶。所以L4、L5才是真实自动驾驶,低级别的只是辅助自动驾驶。

    • 话题二:现阶段全球自动驾驶达到什么级别?达到L3级别和L5级别的自动驾驶需要何时?

            L3级别可能在1-2年之内达到,L4级别的成熟和部分场景商用需要到2025年。L5级别完全自动驾驶是未来的愿景,现在很难说何时实现,需要未来交通系统支撑。

            L4级别是针对部分场景的,智能交通领域认为,自动驾驶商业化要从“商业驾驶”自动化开始。如果要实现L5级别完全自动驾驶,这更是一个愿景。只有实现自动化的交通系统、轨道交通系统才能实现L5级别。所以,全开放场景下的L5级别自动驾驶还是愿景。而如果是特定场景下的商用自动驾驶还是很有希望实现的。

    • 话题三:自动驾驶的技术瓶颈有那些?例如网络、数据、传感器、系统模型、处理器,未来是否能完全突破?最难的点在于哪里?

            汽车控制系统、感知能力和自主决策都是非常难的技术。即使摄像头、激光雷达密布但感知环境仍是难点,让汽车和人类一样自主准确决策是最难达到的。

            环境感知强调全息感知,摄像头、激光雷达的智能水平还不够:芏嗳死嗖痪饧渫瓿傻呐卸,对于机器是很难得。Inteligence容易达到,但Smart这种机灵是很难的,很难达到真正像人类的水平。自动驾驶的技术路径历来分为单车智能和车路协同两种。依靠车辆自身实现自动驾驶,抑或是依靠车路两端智能实现,我认为还是车路协同、联网智能化更为现实。

            从高精地图来说,和目前常用的导航地图差别很大。高精地图需要识别出道路标志线、车道。高精地图需要达到厘米级精度才可以称为高精地图,这样就可以告诉车辆具体的停车位置,引导车辆直接进入特定区域,这样的自动驾驶更易于实现。

            V2X的作用则在于实时传输动态路况信息,比如前方是否拥堵、是否交通管制,以往是建立专用网络,成本和运营难度很大,等到5G普及,带宽和速度是可以支撑自动驾驶,现在4G还不足以满足需求。

    • 话题四:自动驾驶发展路径有两类,一类是L1到L5来发展,也就是大部分车企的选择,另一种就是直接做L5级别的自动驾驶,这类通常是互联网企业,更看好哪种?

            很难说谁对谁错,这是基于不同企业的自身优势而做出的选择;チ笠挡⒉辉斐,车厂也并不擅长软件研发。而且车企也开始转型做“出行服务商”。

            互联网公司最关心感知、软件,所以会避开传统汽车制造的技术要点。传统汽车则会从自身擅长的汽车制造和升级来布局,所以都是根据自身所长来做。另外,像丰田一样的车企,开始转型做出行服务商,比如共享汽车等,这也是车企看到消费者用车需求和心理的转变而做出的提升。

    • 话题五:跨过L3直接到L4的路径是否可行?

            L3和L4的智能水平相差不大,L3和L4的差别只在于由人或是系统接管,所以两个级别的差别只是说法不同。只要系统可靠,究竟由谁来接管只是一个选择。

            究竟由人类接管还是机器接管并不重要,只有达到完全的五个维度智能才是达到自动驾驶,所以前三级别只是智能辅助驾驶,L4、L5才是完全自动驾驶。当前纠结由谁来接管,还是因为技术水平不过关。真正自动驾驶应该是由机器全程自我判断,前进、停止或其他操作,不应再提醒由人类接管。只有完全达到系统自行判断、自行接管,才能人类介入,这也是自动驾驶达到成熟。

    • 话题六:特斯拉和日产都倾向于不采用激光雷达的解决方案,这条技术路径是否可行?

            技术的可靠性、商用的成本是最大制约因素。视频和毫米波雷达较为低廉,但同时还需要车路协同支撑道路感知。自动驾驶的实现还是在特定场景、大城市中更易实现。

            车企对于传感器研发更专业,但这一技术的可靠性和应用成本是决定因素,以往性能好的激光雷达都需要十几万,这样的成本肯定是很少车企能承担的。所以为了实现产业化,视频传感器和毫米波雷达更为常用,另外还需要车路协同、路测提供补充信息,只有融合信息后才能支撑自动驾驶。这样一来,在城市道路中,凭借地理信息和道路建设水平今后可以实现自动驾驶,或者是矿山、高速路等特定场景可以实现自动驾驶。

    • 话题七:对于保证自动驾驶发展和保障安全,是应该开放更多测试机会和牌照交给企业提升汽车性能,还是应该通过法律法规和用户驾驶行为规范来更好保障安全性?

            后者更为容易施行,但时间较长。违反交通规则行为的治理还需要长时间治理,所以当前应该多多加强测试、提升自动驾驶技术智能化,应该基于海量测试、大量学习提升技术,再谈法律。自动驾驶机器很难识别车、行人是否正:瞎嬉约芭龃傻刃形,机器还是很难和人类一样识别准确。

            人工智能很难达到像人脑一样眼脑合一,目前这样的实际成果还没有看到。比如看到行人是否正、行人身份的识别,这些都是很难的。所以应该海量测试、训练机器学习,最终提高自动驾驶水平和稳定性。车企是发生事故时首要承担责任的,所以车企更有动力提升车辆性能和自动驾驶安全性。

    • 话题八:车企和互联网企业都在强势地布局自动驾驶,如果他们合作,车企该会占主导地位还是互联网企业会占主导地位?

            主导权在于消费者和市场需求。技术创新上无法限制某一行业或公司不能进入。

            传统车企优势在于汽车载体的生产,离开车辆载体,所有智能无从谈起,所以车企很强势;チ居攀圃谟谙低称教。但总的来说,满足消费者需求才能有前景。比如出租车和网约车的选择时,只有出行服务便捷,才能让消费者喜欢和青睐。

             谷歌、特斯拉、奥迪、宝马都在自身的路径上前进着,谁也不能限制他人进入技术升级和市场,所以便捷、安全、高效、可靠的智能交通体系和服务才是未来目标。

    1 2 3

    联系方式:

    联系电话:010-88558920

    邮箱:guoyj@staff.zhangmenpush.com

    本期出品方:

    掌门推

    • 掌门推