福瑞泰克CTO 沈骏强

汽车自动化趋势已经不可逆转，如何把自动驾驶前沿技术进行商业化落地，一直是业内普遍关注的话题。在福瑞泰克CTO 沈骏强看来，只有把自动驾驶系统投入到商业化的应用才算真正的成功。其中有三个标准：

首先，是一个真正的商业化应用而非测试品；

第二，商业化落地的车辆是需要从产线，流水线上下来的，而不是手工改装的；

第三，要达到一定的量，而不是只是一辆或者两辆这样的车辆。

雷锋网新智驾了解到，福瑞泰克目前正在做高级驾驶辅助系统ADAS的量产落地，明年将开始推出量产产品。同时，该公司还提供一些产品的本土化开发工程服务。

至于如何从实践中进一步实现商业化落地？沈骏强从安全、用户体验、应用场景和成本四个方面进行了探讨。以下是沈骏强演讲的全部内容，在不改变原意的基础上，进行了编辑：

一、安全性

安全是自动驾驶系统一个首要目标。

大家知道，车辆其实有很多不安全的情况发生，包括车辆碰撞、跟行人的碰撞，车辆抛锚、迷路实际也是一种不安全的表现。针对这些不安全问题，目前有保护车内乘员、车辆和行人等方法，车上还配置了安全气囊、AEB自动紧急辅助刹车等系统。

其实，车辆的安全技术发展到现在，这些措施对自动驾驶来说还是不够的。

自动驾驶系统的安全目标就是要防止这些不安全的情况发生。

如何来保证自动驾驶系统的安全性？很多的业界人在研究这方面的一些课题，业界也有一些联盟形成了一些标准，比如国际标准ISO 26262，它定义了ADAS系统在系统失效时候的一个安全需求。包括部件的失效需求、系统监控、诊断和冗余，安全和非安全应用的隔离，以及设置安全边界等等。

在定义安全目标的时候，ISO26262标准里面有三个判断因素，包括严重程度、发生概率和发生失效时车辆的可控性。

实际上，对自动驾驶车辆来说，系统失效只是失效模式的一种，在自动驾驶系统中，系统本身的性能好坏也是安全需求的一部分。所以，我们在讲自动驾驶系统安全性的时候，需要同时考虑功能安全和行为安全。

功能安全和行为安全这主要的区别在哪里呢？ISO 26262定义了系统在故障情况下的安全措施，但是，对于L3或者以上的自动驾驶系统来说，ISO26262就远远不够了。

因为，ISO26262忽略的一个问题是系统本身的功能或者性能是否能够得到足够的保障。

现在，业界针对L3或者以上的自动驾驶系统提出了另外一个标准，它定义了系统功能本身所必须具备的一个安全保障，我们把它叫做行为安全，主要包括几部分：感知系统的检测率和误报率、决策系统的正确决策率、定位系统的精确性，执行机构的能力等等。

比如，自动驾驶车辆上面可以布置很多传感器，传感器多了，它的信息来源多了，相互之间可以做数据融合，这样就能提高对目标检测本身的精确度。另一方面，多种异构传感器之间也可以构成相互之间的冗余。

怎么来提高系统的行为安全呢？这里面包括我们要设计更好的系统，提高每一个子功能的系统性能，同时需要有冗余以及融合。

行为安全的核心实际上是需要设计足够可靠的系统，去应对各种各样意外情况。

提高自动驾驶系统的行路安全的途径，主要包括以下两种：

一个是，积累测试数据非常重。另外，通过采集到数据来分析其中的一些Corner Cases，通过分析总结和概括Corner Cases并通过模型对Corner Cases进行建模。

另一个是，通过影子驾驶等仿真系统对自动驾驶系统进行评价和性能改进。影子系统是谷歌最早提出来的概念，就是通过对人类驾驶和自动驾驶之间的行为差异进行对比和分析，找出自动驾驶需要提高的部分。

非技术方面的安全保障，则需要成立行业组织，共享组织内各个单位之间的数据，另外，需要对自动驾驶系统的性能评价进行一个标准化的工作。

二、用户体验

用户体验的好坏实际上是对人们接受自动驾驶是非常重要。另一方面，有时候我们需要在功能安全和用户体验之间做出平衡。

首先，大家知道，功能安全以安全为首要目标，有时候会相对保守，在ADAS、L3或L4阶段，需要对功能安全和用户体验按照不同级别的自动驾驶，做出适当的平衡，能同时保证和兼顾功能安全和用户体验。

第二点，是关于人机交互界面的设计。目前在HMI方面，用的比较多的技术包括语音识别、AR HUD、强化学习等等。驾驶行为包括对交通规则，驾驶车辆的建模，这个是一个非深度学习的方法。如果采用深度学习的方法需要对驾驶行为进行强化学习。

如何保证用户体验呢？首先是与人的交互，与车内乘员进行基本信息的交互，这里面包括自动驾驶车辆去哪里，我在哪里，当前车辆的状态，车辆将要进行的操作，要刹车了，要转弯了，要停车了等等。

并且也需要从乘员那边得到信息，有一定的手段让车辆的乘员告诉自动驾驶车辆需要停车、开门或改变目的地等等，与车外其他车辆和行人的交互需要进行意图的交互，这里面包括避让，车辆的启动，车辆的转弯和泊车等等。

同时，自动驾驶车辆需要遵守交通规则，像人类一样驾驶，这里面包括车辆的车速需要跟随整个交通流，在红绿灯停车时间不能太长，也包括车辆的行驶轨迹需要跟人类驾驶类似。

第三，自动驾驶车辆的驾驶行为需要跟人类的驾驶类似，这方面实际上目前市场上哪一家做得都不是很好，包括Waymo在内。自动驾驶车辆需要平滑的融入到交通流里面去。

三、应用场景

对自动驾驶真正的商业化落地来说，应用场景是一个非常重要的因素。

应用场景指的是设计自动驾驶对应系统的工作场景，这里面包括地理位置、光照、天气条件和道路交通条件等等。

自动驾驶系统商业化落地必须要把系统在特定的应用场景定义好，如果没有对应用场景进行约束，这样的自动驾驶实际上离我们很远，所以我们需要定义地理围栏，要求自动驾驶系统只能在定义好的应用场景里面工作。

在实际的应用过程当中，如果自动驾驶系统无法应对某一个应用场景，还需要有风险控制的机制。

如何定义应用场景？这里举一个例子。我们在开发自动驾驶系统功能之前，其实对应用场景必须要明确，可以采取自上而下的分解手段，比如，应用场景的最上层是城市工况，还是高速工况或者泊车工况。

针对城市工况还可以进一步分解，它是城市道路还是小区道路，还是地下车库。

针对城市道路再进一步分解，它是巡航的工况还是车辆跟随，或者是十字路口等等。

针对巡航工况还可以再进一步分解，它是有清晰车道线还是没有车道线，或者是有没有高精地图的区域等等，定义好了以后，针对每一个工况，哪些是可以的，哪些是不可以的。你的自动驾驶功能开发和测试，就是在你定义好的这些应用场景里面进行开发和测试。

我们认为，近期可落地的自动驾驶应用场景主要有两个，第一个是园区半封闭低速场景，第二个是低速货运车辆。自动驾驶系统的商业化过程中，To B的应用应该会比To C这个应用来得更快。

四、成本因素

我认为，成本永远是自动驾驶车辆大规模量产所需要考虑重要因素。

降低成本的机会点主要有三点：

第一，从传感器方面来讲，特别是激光雷达Flash，MEMS激光雷达应该是自动驾驶系统量产的一个方向。

第二，GPS和IMU目前成本也比较高。我们认为更低成本的GPS和IMU应用完全是有可能的。

第三，关于计算平台，我们认为集中式的计算平台应该是自动驾驶的一个方向。需要业界不断的努力去研发下一代芯片技术。

最后，量产的量其实也是一个非常重要的因素，只有把这个量上去了我们的成本才能下降。（文章来源：新智驾）