bg
  • 电动汽车观察家
  • 2023年2月14日08时

    理想汽车:用激光雷达重做AEB

    作者 | 朱世耘

    编辑|邱锴俊


    “现在我们有智能驾驶AD Max的车在夜晚,70km/h以下不开大灯的情况下冲向一个静止车辆,AEB(自动紧急制动系统)都会触发降速甚至刹停。”理想汽车主动安全产品经理杨杰对《电动汽车观察家》强调,“当然,我们不希望车主主动去测试这项功能。

    2022年12月,理想汽车推送了OTA 4.2版本,激光雷达正式作为其自研AEB的一部分感知输入,参与制动决策。在此之前,AEB主流感知方案为视觉+毫米波雷达,以摄像头像素、单双目细分。

    以AEB为代表的主动安全系统的水准是高阶智能驾驶功能的安全边界。

    激光雷达的加入能够在多大程度上为AEB“拓界”?高阶智能驾驶与主动安全之间还要分“你我”吗?中国车企又为何要“入侵”AEB这一国际T1(一级汽车零部件供应商)的固有疆土?

    01
    30米-50米-80米

    传感器的丰富一直是AEB性能提升的核心动力。



    2008年沃尔沃推出的首个AEB系统,采用毫米波雷达作为主传感器。

    早期毫米波雷达探测点较少,对行人等“小障碍物”往往会漏检;雷达信号处理静态杂波滤除的特性,则使其对静态、微动目标无法很好的识别。

    因此,由毫米波雷达作为核心传感器的AEB系统只能在30公里时速下被触发,而且为避免误触发,往往无法对小和静止的目标做出反应。

    2015年前后,以摄像头为代表的感知传感器被越来越多的引入ADAS系统内。

    单目摄像头+毫米波雷达的方案将AEB的触发速度上限提升到了60公里,并成为目前行业内的主流方案。

    2022年,激光雷达量产上车为AEB扩展适用场景提供了硬件基础。

    相比于视觉+毫米波雷达的方案,激光雷达能够直接提供准确的速度和距离信息,还可对大、小目标进行基础分类提升感知精度。由此,使AEB能够在更精准的距离点触发功能,减少误触发的同时,极大程度利用了车辆的制动极限。

    目前,理想AD Max的视觉+激光雷达+毫米波雷达方案,将AEB的刹停车速上限提升到了80km/h,可以覆盖绝大多数城市行车场景。

    此外,以斯巴鲁为代表的立体双目摄像头+毫米波雷达的方案也是AEB“家族”的重要一员。

    立体双目摄像头可以通过几何算法计算出3D信息,同时也可应用机器学习,因此上限极高,被认为是有望取代激光雷达的一种技术路线。

    目前,立体双目摄像头的成本在1000元之内,相比5000元/颗以上的激光雷达,具备很强的成本优势。但同时,由于从成像、元件、布置都需要高度对称,立体双目摄像头的工程难度较高。夜间的制动时速和针对大小目标的刹停时速,还略逊于激光雷达方案。

    在覆盖城市工况之后,AEB的下一个重要方向是将触发上限进一步提升至120km/h,紧急情况下能够在2-3秒内,将车辆速度从120km/h降低到60甚至40km/h,为驾驶员争取更多的避让时间和空间,从而避免事故或减轻烈度。

    02
    加上激光雷达的AEB如何工作

    都采用视觉+激光雷达+毫米波雷达,一辆车上的AEB和辅助驾驶功能还需要分“你我”吗?杨杰表示,以理想的AEB系统为例,功能在感知软件需求上与辅助驾驶功能还有一定的区别。

    从任务目标来看,智能行车功能由驾驶员激活,在人类监控下工作。需要“看”得远,120公里时速下至少要看到150-200米外开外,并对“视野”内的目标进行主次、属性上的分类,且形成时空的连续性。

    但AEB是在车辆上电即启动,属于硬实时的系统(系统必须满足任务对截止时间的要求,否则可能出现难以预测的结果),要看得准、反应快。需要考虑80米之内任意可能产生碰撞风险的障碍物,也一定程度上参考车道线等路况语义信息,判断大曲率弯道等“特殊障碍物”。

    理想AEB系统场地测试:消失的前车


    在置信方面,白天光线较好时, AEB系统以视觉为主,激光雷达和毫米波雷达参与感知融合;夜间等光线不好时,则以激光雷达为主,其他感知器进行融合校验;

    在感知算法层面, 目前理想的AEB与辅助驾驶功能采用同一个神经网络感知模型,但在后处理阶段,会根据不同的功能需求进行针对性的优化。

    但决策算法部分,理想的辅助驾驶功能和AEB则是分属两个不同的团队在做。
    AEB所面对的场景是在事故发生前2-3秒内做出决策,决策是否制动,请求全力制动,而非行车所面临的博弈场景。

    杨杰表示,在这样极限的时间和明确任务的背景下,神经网络和逻辑判断算法的效果并不会有本质上的差别,因此AEB在决策层使用逻辑判断的算法。

    在硬件层面,理想的AEB和辅助驾驶功能都属于智能驾驶域,但AEB主要部署在具有高可靠性、实时性和安全性的MCU(微控制单元)上,以保证功能运行的稳定性和实时性,为用户行车提供有效的安全保障。

    03
    迭代之战

    在MCU之外,理想AD Max版车型的Orin上也运行着一套AEB系统,包括了感知、融合、决策三个模块在内的影子软件,只是“截断”了系统和执行器之间的联系,作为MCU上那套系统的“影子”存在。

    “影子模式”是理想自研AEB的核心基础之一,也成为理想等新势力与国际T1在AEB领域“一战”的基础。

    AEB发端于欧洲,是博世、大陆、安波福等T1的优势战场。凭借百万量级的销售规模和全球市场分布,国际头部T1,掌握了上亿级紧急制动场景数据,成为其技术的核心壁垒。

    但也正是因为数据壁垒高,并采用一款产品适配全球的产品策略,国际T1对需求变化更多、更快的中国市场往往响应不足。

    我们一开始上线辅助驾驶系统的时候,出现一些AEB误触、事故中AEB制动表现不及预期的情况。从用户安全角度,我们希望能够尽快迭代优化,但发现和供应商沟通困难重重,周期很漫长,到最后只能是不了了之。

    不断优化驾驶服务功能是希望更多用户使用。但如果安全能力跟不上,伴随使用率和使用里程的攀升的还有事故风险概率。所以做好辅助驾驶功能的同时,必须要把主动安全做上来。”杨杰这样解释理想自研AEB的核心逻辑。

    理想AEB场地测试:儿童“鬼探头”

    智能驾驶系统的赛点是数据、算法、算力,但主动安全拼的则是迭代速度。

    每一个AEB新增功能场景,从软件开发、测试验证到最后推送终端,对于AEB而言,都是一次全新的迭代。

    在试验场地里面开发AEB适用的新增功能场景,从技术角度来说相对容易。

    但要将‘新能力’在真实环境和路况中量产,保持系统性能的前提下又能尽可能地减少误触发,则是很难的一件事,需要数以百万甚至千万级的行车里程进行充分验证。

    “目前供应商打包方案的迭代速度一般是以季度为单位,目前我们的自研AEB可以做到周级迭代。”杨杰表示。

    国际头部T1基于全球百万级量产车获取数据,理想则通过影子模式来追赶。

    相比于辅助驾驶功能需要驾驶员主动激活,AEB是上电即启动的全时工作状态,先天适合影子模式。跑在Orin里的AEB系统与驾驶员的操作进行实时比较,将判断相左的场景数据脱敏并打上标签,记录回收,成为宝贵的迭代数据库。

    验证的部分则交给仿真闭环去做。

    杨杰表示,理想AD的感知、融合、规控各模块实现了迭代解耦,既能够单独模块回灌验证,也可以全版本全链路地在仿真系统中进行验证。

    此外,理想AD的每个车型都会有一个独立的路试小团队,在推送用户前搭载最新的系统版本进行长里程真实路试。


    有人在这条路上成功过。

    沃尔沃在2016年就开始宣传AES(自动紧急转向)功能,也就是在遇到紧急情况时,车辆可自行进行转向躲避。但直到现在还是需要驾驶员通过方向盘给到明确转向输入才响应。

    后来者特斯拉则通过高速迭代,在2018年就推送了无需驾驶员转向输入,系统识别到危险后自动进行转向的功能。

    在“影子模式+数据闭环”的基础之上,理想主动安全团队只用了2个季度的时间,就“用上”了激光雷达:让此前只能在EID交互上看到感知结果的激光雷达,作为感知输入源,参与到了AEB功能的制动决策当中。

    目前不仅是理想汽车,小鹏、蔚来也已将自研AEB列入工作进程。去年李想宣布开源AEB系统之后,理想内部也已组建了工作组,调整AEB系统架构,使其成为更加平台化的软件系统。

    随着AEB能力的提升,真正成为智驾的安全阀,智能驾驶成为收费的功能,就有了坚实的基础。

    --END--


    你的“点赞”和“在看” 对我们很重要