在2021和2022年交替之際，自動駕駛無疑是汽車未來趨勢和行業熱點之一。小星之前分析了自動駕駛最核心的技術有哪些。非常榮幸這篇分析被收錄到了最新一期知乎汽車月刊之中。今天不妨一起來回顧一下其中的技術細節吧。
國際上公認未來汽車的三大前沿科學技術發展方向包括：機器人技術Robotics，人工智慧AI，雲技術Cloud。
↑五大技術看點（來源：CEA）
1. 機器人技術Robotics
汽車感知感測器技術
汽車感知感測器技術細分包括超聲波測距感測器、攝像頭影象感測器、雷達感測器和鐳射掃描器。其實感知技術也經歷了長久的發展。以今天為人熟知的谷歌無人駕駛汽車為例，它使用很多的技術實際上脫胎於DARPA組織的陸地挑戰賽（Grand Challenge）。DARPA早在十多年就開始提供資金支援，協調大學研究機構、車企、感測器供應商和半導體供應商合作，進行一系列的無人駕駛汽車挑戰賽。而這個系列的挑戰賽被稱為DARPA陸地挑戰賽。這一系列挑戰賽中比較有名的就是2004年和2005年的兩屆陸地挑戰賽（Grand Challenge）和2007年舉行的城市挑戰賽（Urban Challenge）。
↑汽車感知感測器包括超聲波、攝像頭、毫米波雷達和鐳射雷達感測器等
由於2004年當時的技術限制，在當年第一屆無人駕駛陸地挑戰賽舉辦的時候甚至沒有一家參賽隊伍能夠完成主辦方DARPA設定的加州莫哈韋沙漠240公里賽道。因此在2005年的第二屆陸地挑戰賽中DARPA將賽道的最低目標距離設定為11.78公里。這也是第一屆中無人駕駛汽車最遠的行駛。此屆挑戰賽中有5輛無人駕駛汽車完成了目標。而其中比較出名的應該就是TerraMax無人駕駛卡車。作為2005年TerraMax的陸地挑戰賽參賽車型，它在BBC TOPGEAR汽車節目19季第5集中出鏡，與詹姆斯梅駕駛的路虎攬勝來了一場機器與人的越野比賽。要知道TerraMax還僅僅是2005年挑戰賽中5個完賽隊伍中的最後一名。
↑BBC TOPGEAR出鏡的TerraMax無人駕駛卡車（左）和詹姆斯梅駕駛的路虎攬勝（右）
第三屆的陸地挑戰賽被DARPA官方稱為城市挑戰賽（Urban Challenge）。於2007年在加州的喬治空軍基地進行。比賽被設定成讓無人駕駛汽車可以使用於城市駕駛環境中。賽道全長96公里，限時為6個小時。並且不同的隊伍之間會有路線交叉的過程。而如果大家去搜索美國Velodyne公司的歷史的話，就會發現它的前期主要產品為音響產品。就是因為Velodyne公司參與了前兩屆的DARPA陸地挑戰賽，才開始了鐳射掃描器產品的開發，併成為業界360度高效能鐳射掃描器的領先者。因此說DARPA挑戰賽成就瞭如今的Velodyne，成為鐳射掃描器LIDAR界的巨人一點不為過。
↑Velodyne公司的鐳射掃描器產品
到了2007年的城市挑戰賽中，Velodyne公司的鐳射掃描器已經應用到了大部分的參賽隊伍中。6個完賽的參賽隊伍中只有第三名的VictorTango隊沒有使用Velodyne公司產品。
↑斯坦福隊使用的大眾帕薩特旅行版（左）和VictorTango隊使用的福特翼虎（上）在路口相遇
對於關鍵感測器-鐳射掃描器的持續成本最佳化
↑行業分析顯示，鐳射掃描器在高級別的無人駕駛中不可或缺
從CES2016已經可以看到一個非常明顯的訊號，鐳射掃描器未來發展趨勢是固態化，小型化，低成本化
↑鐳射掃描器未來發展趨勢是固態化
谷歌提出的無人駕駛汽車就是基於置於車頂的機械旋轉鐳射雷達產品實現的。它其實就是來自Velodyne公司的64波束鐳射雷達。而這款產品當初的價格也是驚人的超過了7萬美金。是谷歌採用的原型車豐田普銳斯售價的兩倍還要多。雖然它的效能非常好，但是為了實現將來無人駕駛汽車的量產，成本降低是必然之路。
↑裝備鐳射掃描器的上汽iGS無人駕駛概念車在廣德試驗場進行測試
由於全球供應鏈一體化的影響，加上中國是最大的汽車銷售市場，相應的技術很快逐漸應用到了國內的無人駕駛概念車上，並逐步在量產車型中適配相應的駕駛輔助功能。
2.人工智慧AI
↑攝像頭採集影象進行分層學習
特斯拉等車廠率先實施人工智慧的駕駛輔助系統。其中人工智慧的核心技術為深度學習Deep NeuralNetworks （DNN）。透過對攝像頭採集影象進行分層學習，從影象中可以抽取相應的目標位置，路線規劃。從而透過深度學習，規劃出的路徑不再完全依靠車道線，而是基於對於前方目標辨認標識出的安全空間。
↑奧迪自動駕駛控制器zFAS
而自動駕駛控制器當中的計算平臺為了實現人工智慧的需求，實際上有一個迭代演進的過程。我們以率先量產L3自動駕駛的奧迪A8L為例。其自動駕駛的核心自動駕駛控制器zFAS採用了大量不同架構的計算晶片實現1個鐳射雷達、5個毫米波雷達和3個攝像頭的訊號處理和決策。等效算力在2TOPS左右。其核心處理器包括
-Tegra K1 來自 NVIDIA，用於人工智慧機器學習
-Aurix 來自 Infineon，用於提供符合功能安全和資訊保安的駕駛輔助管理
-Cyclon V 來自 Altera，用於基於FPGA技術高速處理訊號融合
-EyeQ3來自Mobileye，，用於進行視覺訊號處理
↑特斯拉Autopilot2.0域控制器CCM中央計算模組
特斯拉演進至Autopilot2.0則將駕駛輔助的控制都合併到了CCM中央計算模組當中。CCM就像車載的強力大腦，它高速處理1個毫米波雷達和8個攝像頭訊號，算力提升至10TOPS。但它仍採用分立的SOC和GPU架構，包含如下組成部件：
-Parker SOC +Pascal GPU 來自 NVIDIA，用於人工智慧機器學習
-Aurix 來自 Infineon，用於提供符合功能安全和資訊保安的駕駛輔助管理
-EthernetSwitch 來自 Marvel，用於基於乙太網技術的高速訊號互動
↑特斯拉Autopilot3.0域控制器採用自研異構晶片FSD
而迭代至Autopilot3.0可以說是自動駕駛中央計算模組的分水嶺和里程碑。因為採用自研異構晶片FSD，使得晶片內部集成了3個四ARM A72 CPU核心加GPU和2組神經網路處理單元NPU。它能更高速且低能耗地處理1個毫米波雷達和8個攝像頭訊號，系統算力大幅提升至144TOPS。這其中異構計算架構功不可沒。
↑英偉達自動駕駛異構晶片
作為通用圖形處理單元GPU領軍者英偉達NVIDIA很快意識到了深度學習神經網路DNN在自動駕駛中的崛起和應用挑戰。從而基於異構計算架構推出了一系列定製的SOC晶片。比如小鵬P7採用的Xavier晶片算力為30TOPS，它具有強大的八核ARM64處理核心和512核Volta GPU，並且能夠達到汽車安全所需要功能安全ASIL-D（最高等級）的級別。相對整車級別優化了功耗效能比。而即將量產的蔚來ET7配備了ADAM超算平臺，算力達到1016TOPS。ADAM超算平臺採用了4組英偉達最新的Orin自動駕駛異構計算技術SOC晶片。每組Orin晶片集成了12個ARM A76 CPU核心和算力在200TOPS左右的GPU核心。
↑晶片半導體技術逐漸成為自動駕駛的核心技術之一
3.雲技術Cloud互聯技術V2X
其實互聯技術V2X相關標準還沒有確定。最早的DSRC專用近距通訊技術IEEE802.11p與4G LTE技術之爭。DSRC一直以200m內點對點通訊1秒的通訊實時性，壓得4G LTE 6~7秒的通訊延遲死死喘不過氣來。
↑DSRC Dedicated Short-RangeCommunications IEEE802.11p (5.9GHz)
不過隨著5G LTE或者稱C-V2X的發展，徹底解決了實時性問題。業界也逐漸統一了觀點。其實按照行業標準對V2X有明確的定義。它具體由V2I、V2V、V2P和V2N組成。
V2I與路面設施的通訊。比如車輛與紅綠燈或者十字路口標識牌間的互動。
V2V車輛與車輛間的通訊。比如十字路口交匯車輛或者前後車輛間的互動。
V2P車輛與行人間的通訊。比如與過馬路的行人或者周圍的騎車人的互動。
V2N車輛與雲端伺服器通訊。比如導航路徑規劃或者高精度地圖的互動。
↑5G C-V2X車雲互聯技術方案
隨著自動駕駛技術的機器人技術和人工智慧技術快速發展，車輛可以透過各種感測器比如鐳射雷達感知周圍環境並且透過強大的計算能力做出決策。但它需要非常重要的一環，那就是透過汽車互聯技術V2X與智慧城市及外界環境進行互動。
眾多車企都針對5G互聯技術進行長期部署。國際廠商包括奧迪、寶馬、賓士和福特等，國內包括上汽集團和華為都是汽車5G互聯技術聯盟5GAA的成員。上汽集團作為汽車行業的領軍人長期對於自動駕駛相關技術進行深耕，率先在2020年底獲得了5G在汽車上應用的商用牌照。
↑上汽5G智慧駕駛
5G通訊技術有著通訊速度快延時低的特點。而基於5G通訊技術推出的C-V2X標準包括了依託基站的遠距離通訊Uu協議和近距離點對點通訊的PC5協議。很好地解決了汽車互聯中遠距離通訊和近距離通訊的需求，將其合二為一。它具有不依託基站進行安全低延時通訊的能力，也可依託基站進行遠距離大資料量傳輸。它既能夠基於車車通訊進行同步，又能夠在GPS訊號弱時基於基站輔助定位。
↑5G訊號指引紅綠燈通行速度
透過5G通訊技術，車輛可以與路面設施進行V2I通訊。比如車輛與紅綠燈或者十字路口標識牌間的互動。透過5G訊號接受途徑路段一系列紅綠燈設施的指令，指引紅綠燈通行速度。從而使綠燈車流更順暢，合理控制行駛速度最佳化能耗。
↑5G訊號指引車輛讓行
透過5G通訊技術，車輛可以與車輛間進行V2V通訊。比如十字路口交匯車輛或者前後車輛間的互動。透過5G訊號接受交匯車輛的車速和位置資訊。透過低延遲的車車通訊，從而合理讓行降低事故機率。
↑5G訊號指引車輛道路規劃
透過5G通訊技術，車輛可以與雲端伺服器進行V2N通訊。比如導航路徑規劃或者高精度地圖的互動。透過5G訊號接收前方事故路況資訊。從而合理規劃行駛路線，避開擁堵。自動駕駛技術越來越倚重高精度地圖。而高精度地圖正成為汽車互聯中大資料量互動用的一種典型應用。另外依託自動駕駛或駕駛輔助攝像頭感測器將各個路段的車道線和指示訊號燈或路牌影象資訊透過行動網路上傳到雲進行統一計算。這樣具備這種技術的自動駕駛汽車就可以基於雲資料快速學習多變複雜的道路，最終實現良好的自動駕駛體驗。
希望今天的介紹能夠幫助大家瞭解自動駕駛汽車的核心技術。小星也會在新的一年進一步努力，下一個目標寫一本書。這裡透過辣筆小星公眾號專屬紅包封面祝大家2022年新年快樂，虎虎生威！
