ADS如何實現？
最近兩年出現了不少L2級自動駕駛系統，但絕大部分功能的開啟都有嚴格的應用范圍和限制條件，不僅在很多路況、交通狀況下無法使用，也不能滿足中國消費者以城市路況為主的通勤需求。
正是看到這一痛點，華為才決定研發ADS系統，直接來解決通勤問題。但通勤涉及到多種場景，尤其是城市路段，系統復雜度指數級上升。
![]()
▲ADS技術架構
硬件配置上，ADS方案會使用2~3個車規級100線混合固態的激光雷達，同時還有十幾個攝像頭和6個毫米波雷達，可謂是武裝到了牙齒，配置絲毫不輸L4級無人出租車。
計算中樞是名為ADCSC（Autonomous Driving Central Super Computer）的域控制器，算力充沛。
軟件上，感知部分華為使用了多種AI技術，直接將自研的毫米波雷達和激光雷達生成的點云，以及攝像頭視頻畫面進行像素級的融合（即前融合），保證了感知能力。
此前一些自動駕駛公司做前融合多為激光雷達和攝像頭的融合，毫米波雷達則直將接輸出的目標與前兩者的感知結果融合。
華為擁有自主研發的毫米波雷達，因此可以拿到毫米波雷達最原始的點云數據，將三種傳感器同時進行像素級前融合和結構化數據融合，在技術上更進了一步。
![]()
▲ADS使用的部分傳感器
ADS要在城市內實現自動駕駛（L4級的功能，L2級的責任劃分），也就是說要能夠處理紅綠燈、十字路口等各種場景，并躲避行人、自行車、三輪車、外賣小哥等各種交通參與者。
這意味著，傳統L2級系統在決策部分使用的基于規則的算法無能為力，需要在決策部分引入AI技術。
華為在決策部分以規則為框架劃定了不同的單元格，然后在每個格子內進一步引入了機器學習技術。
純AI的算法不可控，只有將規則算法和AI技術融合才能兼顧效果與安全性。
當然，ADS方案里也有高等級自動駕駛必備的高精地圖系統，這也是其能夠實現全段通勤自動駕駛的關鍵。
面對復雜的物理世界場景，自動駕駛功能離不開高精地圖，但使用高精度地圖又會帶來兩個問題：沒有地圖數據的區域無法使用自動駕駛、高精地圖數據難以實時更新從而影響自動駕駛系統。
對此，華為ADS自動駕駛團隊已經有了一套解決辦法。
首先，ADS的全段通勤功能會根據地圖的覆蓋情況，逐城開放給用戶。比如優先開放一線城市，隨后逐步覆蓋二三線城市。
值得一提的是，華為自己也擁有甲級地圖測繪資質和地圖團隊，本身就具備高精地圖制作能力。同時，華為也打造了一個地圖平臺，希望和其他合作伙伴一起來加速制作高精地圖
其次，在場景相對比較單一的高速（快速路）和停車場路況，無需高精地圖即可使用ADS的功能，比如自動跟車/自動超車、AVP等功能。
這種設定最大程度的擴大了ADS的ODD——有高精地圖的就用通勤自動駕駛功能，沒有地圖的地方也可以使用自動駕駛功能。
再次，車隊學習功能可以幫助更新高精地圖。
搭載ADS系統的車輛本身就擁有諸多傳感器，在日常行駛時可用至少兩臺高線束激光雷達和攝像頭來收集道路變化數據。
當ADS車輛越來越多，行駛里程越來越多的時候，就可以加快高精地圖的更新頻率。
![]()
▲ADS可自行生成周圍地圖
高精地圖的底圖制作仍需要專業的采集車來完成，ADS車輛僅負責變動部分數據的采集和更新。ADS車輛在行駛中還會自己建立一個路譜，在遇到實時感知的路況、高精地圖、自建路譜的數據不一致時，會計算三者的置信度，從而決定車輛行為。
如果車輛遇到無法處理的極端情況，會先保持一定的路線行駛，同時呼叫駕駛員接管。
ADS的車隊學習功能除了用于共享AVP和地圖信息，另外一個關鍵用處是收集駕駛數據，從而用來訓練感知和決策系統中的AI模型，最終提升系統表現。
特斯拉的Autopilot系統也有類似的設定，叫做影子模式。
在過去數年，特斯拉旗下車型銷量突破百萬臺，Autopilot系統的行駛里程超過30億英里（約合48億公里）。車隊收集到的數據不斷給Autopilot系統的迭代提供“養料”，才造就了Autopilot當今最強L2的地位。
華為ADS的車隊學習模式會收集多種數據傳回云端，除了前文提及的道路環境信息，在駕駛員出現接管，或者出現不舒適運行（如急剎車）時，系統也會將相關數據傳回云端用以改進。
自動駕駛車輛擁有諸多傳感器，如果傳回的數據太多、太大，都不方便實際操作。為了解決這一問題，ADS系統在收集到目標數據后，首先會在本地進行預處理，將其精簡為結構化的數據，最后再做回傳。
秘密研發7年團隊
華為在2014年左右就開始秘密研發自動駕駛技術，團隊規模從最開始的一兩百人，急速膨脹到今天的2000多人。
華為與北汽新能源共同打造的極狐品牌，從今年四季度開始將推出一系列車型。相關車型車身上將標有HI LOGO，HI代表Huawei Inside。標有HI LOGO的車型，即搭載了華為高階自動駕駛系統和全部華為智能汽車解決方案。
發表于 2021-4-16 13:16:29
QQ好友和群
QQ空間
