車東西
文?|?曉寒
秘密研發6年、團隊規模超過2000人！華為在自動駕駛領域，終於亮出了王牌。
名為ADS的“高階”自動駕駛方案即將在2022年Q1登上量產車，可讓消費者在“自家車庫”到“公司車庫”之間，全部實現自動駕駛。
妳沒看錯，就是日常通勤的駕駛任務全部交給汽車來做——這就是L4級自動駕駛系統的功能。
如果能夠實現量產，ADS將直接碾壓現存所有L2和期貨L3級系統，是典型的“高維打低維”做法。不得不說，華為出手確實很有分量。
剛剛過去的北京車展上，ADS方案以PPT的形式進行了簡單展示，但具體包括哪些功能、駕駛責任如何劃分、背後擁有怎樣的技術細節等關鍵問題都沒有披露。
華為智能汽車BU智能駕駛產品線總裁蘇箐
國慶假期之後，車東西立即獨家對話了華為智能汽車BU?ADS智能駕駛產品線總裁蘇箐，得以提前窺見ADS的全貌、背後技術細節和研發歷程。
壹、通勤任務全部交給ADS?L4當L2用
ADS全稱為Autonomous?Driving?Solution，官方中文名為“華為高階自動駕駛系統”。
理解ADS，可以從功能和責任兩個部分出發。
首先是功能，ADS是要在車主“小區車庫”到“公司車庫”全段路線上，實現連續的自動駕駛體驗。
意思就是說，從自家車庫上車那壹刻起，車輛就負責所有駕駛操作——開出地庫、開上城市道路、開上環路、開下環路、進入城市路況、進入公司地庫。
現存的L2級系統，包括奔馳剛剛發布的期貨L3，都是部分區域可用的系統，比如在環路（快速路）、車道線清晰的路段可用，在無車道線的道路、十字路口等紅燈（特斯拉FSD可自行等紅燈），或是車庫等場景無法使用。
ADS城市自動駕駛測試視頻
與此同時，L2級系統在變道、上下匝道，或是通過紅綠燈時（如特斯拉Navigate?on?Autopilot和FSD）還需要人類駕駛員給出指令並確認路況，整個使用體驗並不連貫。
ADS則解決了上述兩個問題，壹是實現了上述通勤場景的全覆蓋，ODD（運行區域）遠超現存L2和期貨L3。二是變道、上下匝道、等紅綠燈的操作，均由車輛完成。
所以從功能上說，ADS就是點對點的L4級自動駕駛——這也是華為將其稱為高階自動駕駛方案的原因。
當然，ADS的技術架構也來自L4級自動駕駛系統，這壹點下文會詳細聊到。
理解ADS的第二個關鍵點是責任劃分問題。
按照SAE或者工信部的標準，華為ADS屬於L2級自動駕駛系統——系統提供輔助，駕駛責任由駕駛員承擔。
ADS在快速路自動駕駛測試視頻
華為ADS智能駕駛產品線總裁蘇箐告訴車東西，駕駛員在使用ADS時，縱橫向控制由車輛完成，但駕駛員需要全程註意路況，隨時準備接管。
“在安裝了駕駛員註意力監測系統後，ADS也允許駕駛員松手，但允許松手多少時間，則由車企進行定義。”蘇箐說道。
看到這裏其實要理解ADS已經非常容易了——賣給消費者壹臺具備L4級自動駕駛能力的乘用車，但責任劃分則按照L2級自動駕駛設定。
讓駕駛員變成安全員，全程監測系統運行，並可以隨時控制車輛。
二、雨天挑戰上海街頭?從容應對中國式交通
說了這麽多，那麽ADS到底表現如何呢？通過華為提供的壹段路測視頻，即可看出高下。
華為ADS測試視頻
該視頻拍攝於上海街頭，可以看到當天下著中到大雨甚至暴雨，雨水有時候甚至已經模糊掉了攝像頭，很容易影響攝像頭、激光雷達等傳感器，路上還有較多社會車輛，路況很復雜。
在通過紅綠燈十字路口時，車輛的感知系統識別到了綠燈，決定繼續前行。路口地面上並沒有車道線，但有高精地圖的幫助，車輛穩妥地按照規劃的路徑行駛.
ADS測試車在路口準確識別到了8個紅綠燈
隨後車輛來到了壹個較為復雜的十字路口並準備左轉。
左側高架橋會影響車輛的定位精度，同時前方還出現了8個紅綠燈，對自動駕駛系統來說也是壹個不小的挑戰。
從視頻畫面看，ADS系統準確識別到了所有的信號燈，並且還知道在直行綠燈亮了之後進入左轉待轉區。隨後綠燈亮起，測試車完成左轉。
在壹條右側停滿了其他車輛的狹窄小路上，本車道和對向車道各自出現了壹臺電動自行車，視頻中兩個目標都被準確識別、跟蹤，並被顯示在生成的3D場景之中。
ADS系統識別電動車
車輛在小路繼續行駛，前方突然出現了壹輛人力三輪車橫穿馬路。如果識別不到，就會出現碰撞危險。
ADS系統準確地識別到了這個目標，車輛選擇減速緩行，待三輪車完成轉向後再加速行駛。
ADS測試車躲避人力三輪車
在中國的城市道路上，電動自行車、人力三輪車，甚至是馬車、驢車都有可能出現，同時還會出現逆行、隨意橫穿馬路、加塞等不遵守交通規則的行為。
這些現狀，都會讓特斯拉Autopilot等成熟系統出現水土不服的情況——識別不了五花八門的交通參與者、決策算法沒有考慮不遵守交通規則的行為等。
隨後測試車開上了壹條環形匝道，轉了壹小圈後匯入快速路的車流。
快速路與高速類似，雖然看起來簡單——壹直往前開，但難點其實在變道超車和處理加塞兩個方面。
在即將通過上海地標南浦大橋時，車輛檢測到前方黑色轎車速度較慢影響行駛，同時左側中間車道空閑後，主動向左變道超過了前方慢車，保持在中間車道行駛，自主完成了變道超車動作。
行駛至大橋中央時，後方壹輛寶馬5系旅行車快速超過測試車，然後在較近的距離並入測試車前方——這就是L2級自動駕駛系統最害怕的Cut?in場景。
ADS測試車躲避加塞車輛
L2級系統面對這種情況，要麽是突然壹個急剎車影響駕駛體驗。要麽是無動於衷繼續駕駛，導致駕駛員被迫緊急接管車輛。
視頻畫面中，ADS測試車從60公裏/小時的速度減速至55公裏/小時，讓5系旅行版完成並線。待其走遠後，又恢復至60公裏/小時的速度。
這就是L4級自動駕駛技術架構對L2級系統實現降維打擊的壹個典型案例——不管是傳感器還是軟件算法，都是“碾壓”級的存在。
蘇箐告訴車東西，華為ADS系統目前在中國做測試，專門對中國路況常見的電動車、Cut?in、匯入車流、超車等場景做優化，就是為了給中國消費者提供最合適的自動駕駛體驗。
從這段4分鐘的路測視頻來看，華為ADS的表現是相當不錯。
三、單車智能實現AVP?車隊學習擴寬使用場景
從前壹部分看，ADS其實就相當於是把L4級系統當做了L2級系統來用。但ADS其實還真有壹個真正意義上的L4級功能——AVP自動代客泊車。
在上述通勤場景的兩端，是用戶小區的車庫和公司車庫，ADS目標是實現在這兩個停車場的AVP功能。
“用戶只用自己開車入庫壹次，系統就能學會這個停車場的停車路徑和方法。”蘇箐介紹道，“下次再到車庫，停車過程即可由車輛自行完成。”
用戶在第壹次人工停車時，可以自定義下車的地點——比如進入地下車庫前的入口處，或者是進入地庫後的某個位置。
蘇箐強調，從技術上來說AVP可以允許駕駛員下車使用——壹個L4級自動駕駛的過程。
不過因為目前我國法律還尚未規定是否可以在公***停車場使用AVP功能，因此蘇箐表示，“華為非常不建議用戶離開車輛來使用AVP功能，更多的是要減輕用戶駕駛負擔”。
包括AVP在內，ADS的所有功能都完全依賴單車智能予以實現，因此AVP功能理論上在所有合適停車場都可以使用。
再加上車隊學習功能，用戶在使用AVP時，會越來越方便。
AVP系統可以***享停車信息。比如A車去過B停車場，A車就會自動構建B停車場的3D地圖，並將3D地圖、周邊環境等信息傳回雲端，隨後再通過OTA分發給其他車輛。
某壹天待C車要去B停車場停車時，可直接使用AVP功能。隨著越來越多的車輛使用AVP功能，支持的停車場也會越來越多，最終變成“通用”功能。
四、ADS如何實現？采用L4級自動駕駛技術打?
在蘇箐看來，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範圍和限制條件，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。
正是看到這壹痛點，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。
“所以ADS采用了L4級自動駕駛的技術架構，”蘇箐說道，“不這樣根本沒法用。”
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雲，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。
此前壹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雲數據，將三種傳感器同時進行像素級前融合和結構化數據融合，在技術上更進了壹步。
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，並躲避行人、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於規則的算法無能為力，需要在決策部分引入AI技術。
蘇箐介紹稱，華為在決策部分以規則為框架劃定了不同的單元格，然後在每個格子內進壹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。”蘇箐說道。
當然，ADS方案裏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。
五、車隊學習解決地圖和數據難題
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，蘇箐稱華為ADS自動駕駛團隊已經有了壹套解決辦法。
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。比如優先開放壹線城市，隨後逐步覆蓋二三線城市。
值得壹提的是，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，華為也打造了壹個地圖平臺，希望和其他合作夥伴壹起來加速制作高精地圖。
其次，在場景相對比較單壹的高速（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。
按照蘇箐的說法，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，行駛裏程越來越多的時候，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。”蘇箐解釋道，ADS車輛在行駛中還會自己建立壹個路譜，在遇到實時感知的路況、高精地圖、自建路譜的數據不壹致時，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，會先保持壹定的路線行駛，同時呼叫駕駛員接管。
ADS的車隊學習功能除了用於***享AVP和地圖信息，另外壹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系統的行駛裏程超過30億英裏（約合48億公裏）。車隊收集到的數據不斷給Autopilot系統的叠代提供“養料”，才造就了Autopilot當今最強L2的地位。
蘇箐告訴車東西，華為ADS的車隊學習模式會收集多種數據傳回雲端，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雲端用以改進。
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。為了解決這壹問題，ADS系統在收集到目標數據後，首先會在本地進行預處理，將其精簡為結構化的數據，最後再做回傳。
六、秘密研發6年團隊規模超2000人?後年商用
2019年開始，華為零星地對外透露了自己在汽車領域進行的壹些工作和布局，外界此前僅知道華為在研發自動駕駛系統，但卻並不知道技術細節與打法。
僅僅過了壹年時間，ADS方案就借著2020年北京車展的機會展現在了公眾面前。並且首次公開，就給出了“L4當L2用”、“實現通勤道路全段自動駕駛”的重磅消息，頗有壹絲橫空出世的感覺。
“不考慮此前技術積累的時間，僅從自動駕駛技術直接研發開始統計，ADS的相關研發已經有五、六年的歷史。”蘇箐笑著說道。
據他介紹，華為在2014年左右就開始秘密研發自動駕駛技術，團隊規模也從最開始的壹兩百人，急速膨脹到今天的2000多人。
華為自動駕駛團隊上海辦公區
即使放在全球來看，這也是全球最大的自動駕駛團隊之壹，只有百度、谷歌Waymo、通用Cruise、Uber等大型集團才能養得起這種團隊。
團隊構成方面，蘇箐稱這2000人的團隊既有來自汽車產業的自動駕駛人才，同時還有大量名校相關專業畢業的博士，以及華為內部成熟產品線的人員。
比如蘇箐就是在華為工作了20年的老兵，是華為麒麟芯片及解決方案的創始人、海思昇騰芯片及解決方案的聯合創始人，並在2014年開始領導研發ADS系統。
高等級自動駕駛系統的研發極其依賴實際路測數據。
谷歌Waymo在技術上領先全球，壹個關鍵原因就是其擁有全球最大的路測車隊，積累了最多的路測數據——超過2000萬公裏。
蘇箐並沒有透露華為具體積累了多少路測裏程，僅表示目前有四五百臺車輛在國內進行路測（壹半車輛為車企擁有），實際路測裏程放在國內來說，“算的上是TOP的存在”。
目前，國內自動駕駛公司路測裏程最長的玩家為百度，累計達到了600萬公裏。照此來看，華為自動駕駛的路測裏程也不會低於600萬公裏。
量產上，ADS已獲得不錯的成績。
蘇箐透露，ADS現已拿下多家車企定點，在2022年第壹季度就有多款車型將搭載ADS方案上市，轎車和SUV都有覆蓋，並且是以純電車型為主。
“這裏面汽車品牌多樣。”蘇箐自信地說道，“我們可不是期貨，2022年第壹季度用戶直接可以買到車，買到就能用ADS。”
ADS系統使用了至少2個高線束激光雷達、多個毫米波雷達和十幾個攝像頭。這種直接叫板無人出租車的豪華配置，是否讓該方案的成本變得極其高昂呢？
對此，蘇箐回復稱ADS方案的價格屬於中等水準，主要瞄準的是售價在20萬以上的車型。
現在普通的L2級自動駕駛系統，售價10萬左右的車型即有搭載。已經發布的兩款期貨L3級系統，則需要在起售價近百萬的高端汽車品牌車型上才能配備。
相比之下，ADS系統裝在20萬以上車型之上，也算是中等水準。
結語：華為提供了自動駕駛量產新思路
經過多年發展後，全球自動駕駛產業正面臨壹個尷尬境地。
以谷歌Waymo、百度Apollo等科技公司為代表的高等級自動駕駛路線上，取得了壹些突破，但距離大規模部署無人出租車、實現技術變現仍然遙遙無期。
以傳統整車廠為代表的漸進路線上，L2級自動駕駛系統迅速實現了普及，但再往前走的L3級自動駕駛卻成了“技術黑洞”，至今無壹家公司能夠實現量產。
在這種背景下，華為ADS的“L4當L2”用的思路，就是給業界提供了壹個非常好的“曲線救國”的辦法。
壹方面，“通勤自動駕駛”的功能設定，讓乘用車的自動駕駛系統不在是擺設，能夠在日常駕駛中發揮作用，也助力車企突破了L2級自動駕駛的天花板。
另壹方面，既然無法解決所有的Corner?Case保證系統絕對安全，那就在駕駛責任上將L4級系統按照L2級系統來用——駕駛員全程監測路況，但縱橫向控制，全程都由車輛完成，使自動駕駛系統具備了量產的可能，提前量產了L4級自動駕駛系統。
某種程度上來說，搭載ADS的車輛就是壹臺L4級無人車，駕駛員則變成了安全員。
更重要的是，壹旦實現大規模量產，數十萬、數百萬臺的車隊每天都會收集大量數據返回給華為，幫助最終突破極端場景，讓人類真正進入開車可以睡覺的無人駕駛時代。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。