1. <bdo id="5wtho"><dfn id="5wtho"></dfn></bdo>
      <tbody id="5wtho"><div id="5wtho"></div></tbody>
      <tbody id="5wtho"><span id="5wtho"><address id="5wtho"></address></span></tbody>

      <samp id="5wtho"><strong id="5wtho"><menu id="5wtho"></menu></strong></samp>
      <track id="5wtho"></track>

        搜索

        熱門文章

        熱門視頻

        熱門標簽

        • 01

          01

        • 01

          01

        • 01

          01

        友情鏈接    Friendship link

        時代汽車微信公眾號

        車展微信公眾號

        >
        >
        >
        東軟睿馳劉威:端云協同助力實現高等級自動駕駛

        東軟睿馳劉威:端云協同助力實現高等級自動駕駛

        分類:
        汽車科技
        作者:
        來源:
        時代汽車網
        2021/06/18 23:48
        瀏覽量
         
                 2021年6月17日-19日,由中國汽車工業協會主辦的第11屆中國汽車論壇在上海嘉定舉辦。站在新五年起點上,本屆論壇以“新起點 新戰略 新格局——推動汽車產業高質量發展”為主題,設置“1場閉門峰會+1個大會論壇+2個中外論壇+12個主題論壇”,全面集聚政府主管領導、全球汽車企業領袖、汽車行業精英,共商汽車強國大計,落實國家提出的“碳達峰、碳中和”戰略目標要求,助力構建“雙循環”新發展格局。其中,在6月18日下午舉辦的主題論壇“智能網聯汽車產業生態的融合與升級”上,東軟睿馳汽車技術(上海)有限公司副總經理劉威發表了演講。以下內容為現場演講實錄:
         
         
                 很高興到這個時間還有這么多同仁在這里聽我分享。
         
                 我演講的題目《端云協同的自動駕駛解決方案》,之所以做這個主題演講,也是來自于我們的實踐和思考。大家都在談論自動駕駛,首先從趨勢和現在目前我們面臨的問題來入手,說我們需要什么樣的技術,什么樣的解決方案,才能真正的最終走到高等級的自動駕駛。
         
                 從整個E/E架構來看,從過去傳統的單體式架構,一個整車上百個ECU或者70、80個ECU是面向過程的開發模式的形態逐漸過渡到今天是什么樣的架構呢?很多都在提域控制器,我們有座艙的域控制器,有車身的控制器,也有支架的控制器,開始做整合,目前很多還是在分布式,但是已經出現了一些座艙和支架放到一個控制器里面,車控和座艙放在一個控制器里面,已經開始逐漸演進,出現了面向對象分布式的架構。
         
                 未來我們會走到中央計算單元,現在已經有一些車企考慮說隨著算力的提升,我做5G硬件的預埋、軟件架構的預埋,我們可以做一個中央計算持續不斷地迭代升級,面向提供服務的架構,未來通過軟件訂閱的方式,整車售后產生價格,今天演講嘉賓也說了,特斯拉是4%的收益是來自于售后軟件的收入,也有一些數字。實際上對于車企和供應商來說,很可能是改變商業模式,我們車賣出去之后,很可能不能通過預付大額的開發費,也不是預先支付產品的成本,整車也不是一開始賣出去單車盈利,這種商業模式的變革通過技術的演進發生。
         
                 另外就是開發模式的變革,過去總結成平面式的開發模式,每個控制器都是獨立進行開發的,今天大多數量產車可以看到多個控制器,從自動駕駛的角度來說,比如說有泊車控制器、有行車控制器,還有疲勞監測、座艙控制器、OMS的控制器,這么多控制器都是平面式開發的,有不同的供應商獨立開發,最后由整車廠進行集成,這些功能和硬件都是在獨立的做開發,是建立在信號的架構上,這是我們今天的開發模式。
         
                 但是實際上我們現在已經在中國的車廠開始了新的架構,新的開發模式,把它總結成總體的立體的開發模式,但是局部又是平面的開發模式。
         
                 隨著今天摩爾定律硬件的算力提高得非???,硬件已經開始軍備競賽了,硬件已經達到上千T了,軟件的架構如何對應呢?分散的又被整合到一塊,不可能是獨立的軟件架構,一個硬件平臺上只有一個獨立的軟件架構,這個架構怎么支撐這么多功能的開發,而且不是獨立的供應商完成,一個框架下集成多個供應商,要接口定義、開發模式都不同。整車又要求兩年或者一年半快速的開發出來,硬件不斷地迭代,如果軟件、架構不能夠支持變革,開發的工作量就非常之大,很可能在你規定的量產周期內完不成量產的開發。
         
                 面對這些問題怎么解決這個挑戰呢,需要一個穩定的架構,這個穩定的架構里面要解決幾個問題,第一是分層次,所謂的分層次就是硬件的變化,因為芯片總是在演進,算力總是在提升,能不能做出軟件的架構屏蔽硬件的變化,硬件的變化對我軟件上層的開發所帶來的變動的工作量盡可能少,這是一個挑戰。
         
                 另外,我在這里面除了做軟硬的分離之外,我們會適配不同的車型,搭載不同的操作系統,也可能連接不同的云,也可能是車廠自建的云,這些所有的變化能不能不影響我原來開發過的部分,對我的功能影響盡可能的小,這也是一方面的訴求。
         
                 再有就是軟件兩年迭代周期非常短,自動駕駛技術是不是成熟,是不是經得起大規模的驗證,時間非常短,雖然你有仿真的手段,真正的仿真不能帶給路測,這么短的時間內功能開發不完,后面要做OTA的升級,要做服務的訂閱,你的架構必須要支持這些開發的訴求,兩年之內沒有開發完,后面可以做不斷地功能迭代升級,我可以基于我原來軟件的模塊衍生出新的服務,通過新的服務在整車售后之后,還可以源源不斷地產生服務的價值來贏得利潤,整個架構要做好這些適應的變化。所以你要有一個靈活、穩定、可擴展的中間件的平臺廠。
         
                 另外整個上面我們說還是要開發一些功能的軟件,比如說泊車、行車、疲勞的,控制器變成一個,但是這些功能模塊仍然存在,但是這些功能模塊存在耦合,過去是獨立的,我們通過看總線來交互,但是交互的信息非常有限,你做的功能是受限的。但是一旦統一的架構下面,一個控制器上面,這些軟件模塊的交互,交互的信息量比原來放大很大倍,如何利用好這些交互的信息,把功能和體驗做得更好,這也是一個訴求,這里就涉及到了我們要分層次的達到一個立體的軟件架構,解決剛才我們所說的問題。
         
                 另外自動駕駛里面大家都在談有一個長尾的問題,我們在量產初期或者量產之后解決的也是高頻出現的場景,一些L2的功能或者L2+的功能更多的是適用的高頻通用的場景,真正的交通場景當中仍然會有一些長尾的、低頻的小概率發生的場景,但是這些場景不代表沒有,但是一旦遇到,你的ODD或者時效處理里面沒有設定的處理之后,很可能會發生交通事故。你怎么才能解決這樣一個長尾的問題?簡單通過仿真測試的場景是有限的,生活當中的場景是無限的,你不可能用有限的場景代替無限真實道路工況,所以長尾效應一定會一直存在,它會隨著自動駕駛等級的提高,其實更多的工作量是解決5%、2%,甚至1%的問題,但是這5%、1%的花費的工作量比前面95%的場景所花費工作量大得多,而且它很難收集,因為不是高頻的場景,你整車、軟件一旦上市之后怎么解決這樣一個低頻發生長尾的場景也是一個挑戰。
         
                 這里涉及到一個問題,就是算法自我進化,自我進化首先就是你得能夠進化,你得有支持你軟件進化的架構。另外要有支持進化數據的收集,就是長尾的數據是非常難收集的,是可遇不可求的。所以大家最終比拼的就是你有多少長尾數據,真正長尾數據的收集是有很多東西,一開始軟件架構,控制器里面有沒有這樣的機制,研發階段、路測階段都可以收集這些數據,但是不同的階段收集的不一樣,你的模塊怎么完成這些功能是在你一開始做產品的時候就要思考好。
         
                 我們提了一個概念叫端云協同的自我進化,其實很簡單,我們在控制器中嵌入多級觸發器,價值數據觸發后同步至云端進行迭代訓練。這些長尾有價值的數據通過軟件模塊和數據通道上傳到云端之后,在云端才可以做自我迭代、更新、訓練、調度,仿真去做迭代,迭代之后測試,然后部署,這是一個閉環。這里面涉及到一個問題就是如何用量產低成本的控制器,我們不可能用一個40、50萬的控制器去收集數據,如果在量產的產品上做這樣一個事情是非常關鍵的。
         
                 剛才我們提到了你的軟件在兩年的周期內功能不可能完全成熟的,一些有價值的功能,很可能通過訂閱的方式,后面才衍生推出來的,你整個軟件架構要SOA化的,就是面向服務的,后期才能通過訂閱的方式來做價值的收集。
         
                 我們也列了SOA具體的要求,比如說服務的通訊、通用,無論是車廠還是供應商,不能開發每一個車型,每一個預控制器都是從0到1,重新開發,這個工作量太大了,每一個企業都是受不了的,你如何做集成,這里面有很多的問題,你原來開發的AI的模型可能是在8tops算力上面做的,可能是200萬的攝像頭收集的,那能不能遷移到一個800萬的攝像頭上面去,能不能遷移到100T的算力平臺上去,所有的東西,包括過去收集的長尾數據能不能嵌到新的硬件平臺上,這些東西都是要被解決掉,不能從0到1。
         
                 另外就是自進化,車端價值數據發現、數據采集及上傳,在云端做配置的訪問和升級。另外就是功能安全、信息安全、端云協同,你在車端有工具鏈,你在云端也要有相應的工具鏈,如何來實現一個閉環生命周期的開發,這是很挑戰的。我們也是通過實戰自己摸索出來一個自動駕駛SOA的軟件架構,目前也是在迭代產品里面在用。
         
                 首先下面是一個硬件廠,無論你將來的硬件算力如何升級,換成誰家的芯片,我們有一層自己AUOTSAR,我們管它叫NeuSAR,我們通過ACore和CCore來做軟硬的解耦,這樣盡可能的減少你預控制器升級、芯片變動所帶來的開發的工作量。
         
                 在整個架構里面,我們有一個自己的Framework來完成基于流水的實時調度,這里面還有一個ELA的模塊,比如說操作系統換了,整車的探頭矩陣變了,你的車型變了,這些變化對其他的功能模塊所產生的影響最小,甚至于不要產生影響,所有的東西都是封裝,通過原始服務進行封裝,這樣可以做成獨立化解耦,減少變化的影響。
         
                 另外Core和Module里面我們也封裝了一些相關原則的服務。這里面很重要的就是你的架構必須是考慮信息安全,這里面我們嵌了兩個專門的模塊去做安全的啟動和信息安全相關的東西。
         
                 在服務層,這是我們客戶主機廠非常關心的,這里有傳感器的服務,你如何換傳感器,換一個激光雷達、毫米波雷達或者換攝像頭,對我整個架構沒有產生影響,對我的功能模塊產生的影響最小,這些東西都要考慮。
         
                 另外就是場景服務,在自動駕駛量產過程當中,你會遇到場景,會遇到一些長尾的場景,怎么收集這些價值的數據,在場景服務里面封裝了一些相關的服務,你可以把有價值的數據源源不斷地傳自云端,觸發器的設計在不同的量產的階段,所收集有價值的數據也是不同的。
         
                 我們重點講一下架構里面左下角藍色的部分叫中間件,有四個大的模塊,第一個就是Framework完成的是任務的調度,線程之間的同步和通訊,任務的監督。在ELA里面主要完成系統接口的抽象,包括通信的抽象,包括車控接口的抽象,包括云端交付,后臺可以可以接不同的云,可以是公有云,也可以是私有云,接入云的不同并不會對功能產生影響,這些東西都已經封裝上了。
         
                 另外在Module和Core里面封裝了很多的原則的服務、感知的服務、微控的服務。
         
                 我們剛才講了有價值的數據之后怎么高效地傳輸到云端,在ELA和Core中間件里面我們有一些端云服務的服務,能夠打通車云協同的價值數據通訊的鏈路,無論是在量產之前配置價值數據收集器,還是說量產之后我想開通新的價值數據的收集器都是可以實現的,對整個軟件架構是不產生影響的。我們的ELA模塊也提供了云端的服務負責數據的上傳和OTA更新。
         
                 功能安全大家談的就很多,我就不再詳細地展開了,除了硬件功能安全之外,在軟件的架構里面每一個模塊都是按照功能安全的標準開發的,考慮了很多機制。
         
                 我們有兩個信息安全的模塊,有很多東西,比如說安全檢測,不能對我傳輸的數據進行篡改,我要加密。存儲的數據不能被破壞,不能劫持,安全的OTA,甚至于我是片上通訊都要做保護,因為剛才有很多演講嘉賓也講了,我們整個預控制器是多核異構的狀態,是不同的芯片,不同的芯片之間、SOC和SOC之間,SOC和MOC之間都會做通訊,通訊的過程當中,這些數據是要被保護的,不能夠被篡改,大家更注重的是功能,但是這些數據傳輸如果被篡改了以后,如果沒有校驗機制實際上是不能保障功能安全的,雖然有備份了,也有不同的降級處理了,但是這些數據也是要被保護起來的,否則功能安全很難實現。
         
                 再就是整個軟件架構里面嵌了多級觸發機制,那些有價值的數據,可遇不可求的數據,怎么樣在量產當中能夠很快的收集起來,這是寶貴的財富,但是可遇不可求,所以我們的軟件架構可以支持觸發器靈活的熱插拔,就是類似于鼠標,插到PC機上,無論買誰家的鼠標都可以無感的插到PC機上。但是觸發器不可能一開始寫一個規則,比如說到什么入口也要觸發,這個規則提前寫死了之后,將來新的規則沒有辦法做,因為隨著自動駕駛功能升級,還有場景擴展所要收集的數據不一樣,如何在你量產以后還可以收集不同的數據,不是一開始你設定的那些數據,其實這是在對整個架構,包括價值數據的收集是有一些規則的,這里面可以收集不同的數據,比如說感知的、微控的,甚至于位置的,很多模式。怎么量產之后還能夠收集數據,我可以隨意的開關插拔這些觸發器,這是架構里面要考慮的問題。
         
                 剛才我們講整個控制器里面的東西,我們也做了云端的東西,我們有自己的數據平臺,有自己的訓練平臺,也有自己的仿真平臺,我們自己開發了在云端、PC機上并行好的輕量化的仿真軟件,如果大家感興趣,也可以私下交流。
         
                 我們做了自動駕駛的平臺軟件生態包,我們知道整個車企也好,還有供應商之間的合作模式TL1、TL2,還是說車企邊界線開始逐漸模糊,有了0.5的概念,未來一段時間內還是混亂的局面,開始逐漸走向穩態,這個過程當中合作的邊界不是十分的清晰,我們也是把自己做成一個彈性,不是一成不變的的TL1,不是過去的黑盒,我們可以白盒,可以灰盒,可以是部分的模塊,也可以全棧,所以這樣比較靈活的跟車企服務,所有的東西動都是我們自己開發的,包括底層的算法、操作系統,包括AP、CP都是自己開發的,也是造就我們今天靈活性對應量產很重要的原因。
         
                 最后通過這張圖把今天講的內容總結一下,大家都說作為自動駕駛本身是數據閉環,從我們的理解來看,第一就是在車端有一個域控制器,右邊是載體,但是我們今天講的更多的是軟件的架構,是一個滿足功能安全、信息安全的、軟硬分離的、可解耦、自我進化的可以收集價值數據的軟件的架構。通過這個架構可以收集長尾的數據,收集數據之后我們在云端有個云平臺的供應鏈可以做數據管理,可以做數據標準,也可以做數據訓練,這是一個云平臺,這里面有很多供應鏈可以向其他的合作伙伴進行開放的。
         
                 通過我們智能駕駛跟傳統車企的智能網聯云,可以做個性化的東西。今天演講嘉賓也說了,可以用手機,也可以用數字鑰匙,我們把它作為其中的一端。另外就是傳統的車企和TL1也好如何有效地連接起來,達到端云協同自我進化的系統,我們正在落地做實踐,有很多量產的項目,不同形態的產品,無論是智能攝像頭,還是艙內的DMS,還是域控制器都是在走這條路。
        以上就是我的介紹,謝謝!
         
                 (注:本文根據現場速記整理,未經演講嘉賓審閱)
         
        JJzzJJzz高潮喷水少妇
        1. <bdo id="5wtho"><dfn id="5wtho"></dfn></bdo>
          <tbody id="5wtho"><div id="5wtho"></div></tbody>
          <tbody id="5wtho"><span id="5wtho"><address id="5wtho"></address></span></tbody>

          <samp id="5wtho"><strong id="5wtho"><menu id="5wtho"></menu></strong></samp>
          <track id="5wtho"></track>