博世底盘控制系统中国区驾驶员辅助系统事业部副总裁 蒋京芳

　　大家都谈到汽车发展的趋势，也就是未来出行的发展趋势，我们讲到了四化，博世对未来发展的趋势也是同样的看法，电气化、自动化、互联化以及我们的多重模式，包括共享汽车，包括汽车与其他出行方式的结合，以及与智能交通设施的 结合，这种多重模式使得我们看到原本相对独立的汽车行业接下来会演变成一个高度智能网联的一个生态链。

　　同时，在此当中，我们又看到了除了目前的像自主品牌、合资品牌之外，更多的新兴的电动车公司以及互联网公司也涉足其中，使得相对单一的汽车领域也变得更多样和化，更富有吸引力。

　　这也对我们提出了一些新的业务模式的挑战，今天很多嘉宾都谈到中国在电动化的布局非常早，而且我们在互联网的快速应用以及我们消费者的一个超前的意识，再加上中国在AI技术的储备方面也是非常强的，所以我认为现在的一个新生态对于中国是一个非常大的机遇。

　　一百多年之前德国定义现在的汽车，那未来的汽车靠我们共同的定义。刚刚讲到自动驾驶是智能网联汽车非常重要的一部分，从2010年谷歌发布自动驾驶规划之后，我们看到其实各大公司都有相关的自动驾驶规划和路线图。自动驾驶的图景从最开始的怀疑变得越来越清晰，也变得越来越理性。

　　这里可以看到由于自动驾驶的复杂性，目前越来越多的公司意识到自动驾驶需要有更多的一些能力，所以看到很多的兼并以及目前最热门的新闻就是联盟。博世公司在2010、2011年之间也开始了自动驾驶的研究，到目前为止在各个国家，德国、日本、美国、中国都有自动驾驶的车辆进行相关的道路实验。同时博世也在积极寻求对外合作，在今年三月份宣布与英伟达自动驾驶方面的合作，同时也宣布与戴姆勒在2022年期间量产用于自动驾驶的电动出租车。它主要着重于城市路况L4、L5的电动车自动驾驶以及共享汽车。

　　第一阶段我们叫car to come，用手机点击一下，就有无人的电动出租车到你的身边，你自己开车到目的地。第二阶段是car to come car to go也就是自动驾驶汽车来到你身边，同时带你到目的地。我们知道自动驾驶汽车需要高精地图，我们与高德、百度、四维恰定协议建立高精地图，在2017年6月份博世与百度在两国总理的见证签署战略合作协议，共同推动两国的自动驾驶汽车的发展，同时他们也会积极参与我们的阿波罗计划。同时前一段时间奥德宣布会实现量产L3的电动出租车，但是量产时间还不清楚。

　　正如ICE从一级到五级的定义一样，自动驾驶不是一蹴而就的，而是分步实施的。目前在中国看到的驾驶员辅助系统L1已经在普及，而且在2018年CNCAP的法规更新升级之后，我相信整个的应用会得到更大的提升。搭载使着博世的航母雷达、摄象头的相关功能的几十款车型目前已经上市。除此之外L2的功能，交通拥堵辅助是在六十公里时速之下跟随前车TGA的功能，一百三十公里时速之下的跟随前车的功能，这都是手可以短暂放开，在本车道不进行变道，这是比较初级的二级功能，也会在明年年初在中国投放市场，而且明年搭载博世相关的六到七款车型都会有二级功能量产。

　　在二级高速的可以变道以及相关三级功能，我们现在看到的路径图是在2020年之后。大家可能会问为什么这么晚，实际上技术上还有一些挑战。

　　刚才讲到的都是在高速状况下，低速的基于超声波雷达以及甚至超声波雷达和近距离摄象头相融合的泊车功能，它的路径图与此比较类似，而且实现时间相对还是早一些。我们可以想象一下接下来L1，手握着，眼睛睁着，L2手可以短暂放开，但是眼睛必须睁着。L3以上手放开，眼睛可以闭上。

　　讲到自动驾驶我们接下来可以非常enjoy这样的一些生活，但是自动驾驶也需要一些核心关键技术，哪些是核心关键技术？它集成了很多系统，是一个庞大的系统，但是又可以简单的把它归纳为三大类。首先是感知，需要有众多的冗余的360度感知，建立360度可靠的环境模型。同时就像人的眼睛，决策就像人的大脑需要非常可靠的决策，最后就是执行。刚才徐总也讲到要制动，要加减速，这里也需要一个可靠的执行系统，需要冗余设计的一个执行系统。

　　先从传感器讲起。我刚才讲过了，一要鲁棒性高，二需要冗余，博世公司为了适应接下来自动驾驶的需求都在开发下一代产品，首先是第五代的中距雷达，它的探测距离目前是160米，接下来会提升到200米，从探测距离和角度以及把它的频率从目前的70级赫兹升级到81级赫兹，同时角精度也会增加，主要目的是为了增加探测的时间和距离，以及增加探测的频率。使我们在距离高度和速度上的分辨率更加精准。

　　这是我们下一代雷达的一个设计，同样下一代摄象头在2019年左右和雷达差不多的时间，会有下一代摄象头量产，我们叫第三代摄象头。它也是一样，除了象素从120万增加到200万，从视长角加大一倍，正负25度增加到正负50度之外，实际上博世还引用了三大技术，一是我们博世自己的研发成果，可以通过纹理识别道路状态，另外还有密集光流法，还有AI的卷积神经网络等技术也应用到了下一代摄象头里面。

　　首先是我们的纹理技术，因为在车道线缺失的情况下通过纹理能够识别道路、路牙石以及边上的植物，这样可以更好地判断自由空间。

　　这是密集光流法，实际上摄象头就像人的眼睛一样，在光线暗的情况下是很难判别的。大家可以看一下暗的时候有人蹲下来捡东西的时候人的肉眼很难识别，但是在左下角通过密集光流法可以得到一个很好的识别，以及运用的小球，虽然不是太清楚，这是我们的一个密集光流法，它需要对每一帧进行识别，目前的识别还是属于稀疏的状态。

　　第三就是通过CNN神经卷积网络，它可以识别像道路、边上的房子、车道线和天空，通过深度学习它跟刚刚的纹理识别也是一种很好的冗余。

　　除了雷达和摄象头之外我们还有第六代超声波雷达会在明年年初上市，它是通过探测距离的增加，刷新时间的一个缩短以及我们第六代超声波雷达对每个超声波都有一个信号的代码，所以使得探测精度更加高，能够实现在低速状况下的紧急制动。

　　下面的是第六代超声波雷达，在十五公里时速状态下对低矮物体的识别，我们目前的这一代是达不到的，而在下一代超声波雷达就可以实现精准的判断。除了中距雷达、毫米波雷达、摄象头之外，我们还有毫米级的摄象头，通过超声波雷达和环视级摄象头融合可以实现高级别的功能，我们已经实现在2018年量产自动泊车辅助，遥控泊车辅助以及住宅自动泊车辅助，比如住宅自动泊车是更高级的功能，它就需要环视摄象头与超声波雷达的数据融合。

　　当然还需要我们的激光雷达才能达到数据的冗余，我们激光雷达还在研制过程当中，预计2020年左右会投放市场。传感器需要有高的鲁棒性和冗余，传感器还需要进行融合，比如我们目前的一些功能，AEB的行人保护，还有在本车道二级部分自动驾驶功能也是需要做自动冗余的，但是是在单个摄象头和雷达之间进行融合，而且它是目标层的，比如雷达和摄象头同时看到前方的卡车，相互进行验证之后，我们把它叫做冗余。但实际上到了三级以上高度自动驾驶这个冗余其实是不够的，因为雷达和摄象头在进行目标判断的时候已经把一些信息过滤掉了，我们要进行三级以上自动驾驶的时候是需要很多的原始数据不要事先过滤，而是同时进行冗余。比如说黄色是雷达反射，两个蓝颜色是单目摄象头以及立体摄象头反射，紫颜色是激光雷达反射，它们同时看到了一辆卡车，几个传感器进行冗余和融合，最后才有一个可靠的验证。所以接下来的一个三级数据融合和目前一级和低速不变道二级还是有所不同的。

　　这就意味着需要有大量的运算。所以我们目前的一个冗余比如在单个的传感器里面，或者雷达或者摄象头，到了二级或者到了高速可以变道的二级或者三级都叫pilot的引导功能一定要有一个控制器，所以博世正在开发一个预控制器，它的主要目的就是刚才讲到的为了冗余计算，它也是被设计成一个可以扩展的预控制器，大家从这里可以看到根据不同功能的要求，比如说现在的驾驶员辅助系统不需要预控制器，比如我的高速公路辅助属于变道二级功能需要有预控制器，但是一个微控制器就可以了，但是我们到所有引导的TGP、HWP等等功能，就需要除了微控制器之外的微处理器。讲到传感器、冗余以及相关的数据融合，而且徐总也讲到执行器需要冗余，那么自动驾驶什么东西都需要冗余成本岂不是太高？其实也不完全是这样。整个冗余设计根据功能要求也有不同的配置。比如我刚才讲到交通拥堵的引导，在本车道六十公里时速之下手可以完全放开，在这种情况下如果遇到紧急状况，你可以紧急停在本车道，在这种状况下传感器不需要冗余，五个雷达一个摄象头不需要激光雷达，但是我的制动需要冗余，我的转向需要冗余。如果在130公里时速之下在本车道停车的话实际上是相当危险的，所以高速的HWP也分成不同等级，比如HWP的BASE就是停在本车道，HWP的PLUS是停在紧急车道，更高级的是停到了一个安全的停车地带，比如说要下高速，比如一个缓冲的区域，基于这样一些不同等级的HWP的高速公路引导的功能，大家可以看到，比如第一个就需要前方有一个冗余备份，也就是需要激光雷达，比如四周围的话是不需要冗余的，但是高精地图这个时候就需要了。包括我的一个制动转向还是需要的。所以浅颜色是不需要冗余的状况，但是深颜色需要冗余，所以整个功能配置是需要跟主机厂一起探索一起定义的。

　　目前大家看到的是通过激光雷达采底图，然后通过摄象头进行定位，但是摄象头就像人的眼睛在环境恶劣的状况下可靠性是不高的，所以博世的理念就是在摄象头基础上增加博世的道路特征基于雷达的道路特征，这个并不是替代现有的摄象头的定位，而是在摄象头基础上增加一个雷达的定位。简单来讲，摄象头看到的东西叠加在现在的图形上，底下雷达是可以看到的整个的道路的状况它也可以生成额外的图层叠加在高精地图上，它可以生成高精地图对现有的过时的高精地图进行更新。

　　如何生成高精地图？它也是一个大的生态链，需要成千上万的车在路上开，它的雷达和摄象头生成的道路上传到云端，然后云端把图给到图商，图商再给主机厂。所以在整个生态环境之下主机厂既是数据提供方又是数据的受益方。所以我们跟全球在跟其他的图商在合作，在中国也跟三大图商进行合作，接下来也可以延伸到跟其他的图商进行合作。目前我们正在概念验证的过程当中，有望于今年年底与三家图商的概念验证全部结束并向公众进行展示。

　　自动驾驶还有很多挑战，包括冗余的挑战，安全的挑战，另一个就是法规的挑战。我们现在急需自动驾驶道路测试的法规出台，同时高精地图由于中国的政策要求，我们的地图是加密的，所以它会引起地图的偏转和变形，而且误差甚至可以高达几米，在这张图上我明明是在右边车道有车，它很有可能判断成左边的车道，这样对决策就会造成非常大的失误。我们目前也在跟主机厂以及图商和相关测绘部门积极地探讨，希望能找到一个切实有效的办法能够使我们用于自动驾驶的高精地图可以在中国实现。

　　当然最后我们其实整个的ADAS功能包括自动驾驶的功能都是跟人的感受相关的，而且我们要考虑到当地的一个整个的一个驾驶行为和道路的一个状况，我们这些都是在ADAS里面在整个匹配过程中积累的很多的一些特殊的状况，比如说扔水瓶会引起雷达的误触法等POI场景都会在自动驾驶的功能得到考虑。

　　总结一下，自动驾驶是未来的发展趋势，而且我认为对中国来说是一个前所未有的非常好的机会，博世公司正在积极加强本土能力也正在积极和中国供应商合作方，比如图商，比如AI公司进行合作。我们也希望跟专业的人士一起共同推动法规在中国的发展，我们希望能够在不久的将来能够看到一起描绘自动驾驶的蓝图，让我们的自动驾驶技术成就生活之美。