1165
坚持做有价值的技术，坚持实践出真知。近日，嬴彻科技在首届科技日上分享了其自量产以来的全栈自动驾驶技术总结和未来展望，并以此为基础，重磅发布《自动驾驶卡车量产白皮书》，向全行业共享过往三年里自动驾驶卡车量产的经验。
商用车自动驾驶如火如荼，嬴彻科技已实现规模化量产
和乘用车相比，商用车高等级自动驾驶的进展更加迅速。一方面是因为商用车，尤其是干线物流重卡这类的车型身处的高速公路场景相对封闭，各类突发状况相对市区道路来说会小很多；另外一方面，在商用车领域部署高等级自动驾驶，可以带来比较明显的经济效益：无论是在油价高企的当下最大程度降低整车油耗，还是利用L3级别的自动驾驶寻求驾驶员的二减一，或者L4级别的无人化，亦或L5级别完全取消驾驶舱等，都可以为商用车运营企业节省一笔可观的人力资本支出。
在此背景下，嬴彻科技积极联手国内商用车企业，实现轩辕系统1.0的量产落地；同时，嬴彻全栈自研技术迈入2.0阶段。目前完成了：
2021年底量产搭载嬴彻轩辕自动驾驶系统的智能重卡
截止2022年8月底，完成超600万公里的实际商业运营里程
在核心技术上取得多项突破，并已积累超过170万个场景片段
启动轩辕系统3.0预研，提出全新的自动驾驶架构的设想
核心技术全栈自研拓宽自动驾驶技术边界
仔细看完嬴彻科技日的分享，笔者认为这三项自动驾驶关键技术尤其值得拿出来聊一聊：
第一、规控一体的 PNC 架构
面向量产的卡车自动驾驶规控算法是一个显著的难点，难在两个方面，一个是针对卡车特性的难，重卡载重波动大（空/满载重分别为16吨和49吨），车头和车挂是二截式的柔性连接，对车速和姿态的控制提出了极限挑战；和实验室产品不同，可量产和有真正使用价值的自动驾驶技术，还叠加了要同时满足安全、精准、舒适、耐久、经济这5大商业运营的要求。
而要兼顾这5大要求，需要能够同时协调精准建模与一车一调、精准控制与耐久经济、规划控制分层与融合之间这三大矛盾。比如，与乘用车不同，由于卡车之间的参数范围差异较大，因此静态车辆模型无法针对大规模的量产卡车进行逐一适配。再比如追求车辆控制的精确，必然会对执行机构进行频繁动作，伤害了耐久性，意味着更快的零部件更换频率，导致增加成本。对此，嬴彻做了比较大的创新，提出规控一体化的PNC架构，可以实现预测、决策、规划和控制的紧耦合，从系统总体角度做优化，在苛刻的运营要求中找到了最优解。
在这个架构中，包含了两个重要的模块：基于行为学习的规划和模型预测控制。基于行为学习的规划让车开得更加像一个老司机。比如一个比较难的场景就是高速汇入。基于传统的规则的方法，就会类似新手司机，在汇入时机，通常会保守汇入，甚至错过汇入机会。而基于学习的方法，就类似熟练司机，能更好处理与他车交互，甚至选择加速变道插入，具有更高效的通行效率。
在控制方面，嬴彻大胆地摒弃了传统的轨迹追踪算法，而是利用模型预测控制动态和在线估计当前的车辆动态，以实现平稳的控制，从而平衡精度，舒适性和燃油经济性的多个因素。
第二、节油算法
重卡日耗油300吨，30倍于轿车。油耗成本，在整体TCO成本中占比高达30%，是物流企业关注的最重要指标之一。嬴彻的节油算法已实现在实际运营中比金牌司机平均节油2-5%，逼近7%的节油上限。
嬴彻认为节油算法的核心目标要同时满足三点：车速，让车辆工作在最佳巡航速度；刹车，尽可能减少刹车带来的能量损耗；油门，尽可能稳定的油门控制。传统的节油算法聚焦于分钟级和亚秒级的优化。嬴彻建立了对节油算法的系统性方法论，在更全的不同时间尺度上，从亚秒级、秒级、分钟级、小时级对油耗进行全面优化。
嬴彻特别在小时级的车云协同全局速度规划算法上取得突破。根据研究发现，平均车速对油耗影响较大，应使车辆在尽可能精确完成时效的情况下，降低平均车速。因此，嬴彻在云端建立以关键途径点为节点的GNN（Graph Neural Network），利用历史经验数据和即时交通数据，实现对油耗最优的速度推荐。
值得注意的是，嬴彻还特别提到了对节油极限的探索。
油耗水平可通过发动机燃油消耗率图BSFC（Brake-Specific Fuel Consumption）的分布进行表示。理想状态下，发动机始终工作在最佳状态，即BSFC 图等高线中心。上图显示了两个司机的油耗分布图，越靠近中间的部分，油耗越小。这里可以明显看出金牌司机的油耗分布已经高度集中于最佳油耗区域附近。而节油的极限就是所有的工况点都集中在图中那个最小的区域。经嬴彻测算，与金牌司机相比节油的上限为7%左右。这个分析对行业一直热议的节油指标给出一个参考的标准，说能节油多少要看是和谁在比较。
第三、增强影子模式
所谓影子模式的核心在于在有人驾驶状态下，系统包括传感器仍然运行但是不进行控制，用来跑算法模型、对其进行验证。算法在“影子”中持续做模拟决策，并且把决策与驾驶员的行为进行对比， 对算法进行持续修正和优化。
随着L3级别自动驾驶技术的量产以及运营投放节奏加速，嬴彻开始积累越来越多的数据资产。这使嬴彻能够建立行业首个自动驾驶卡车数据闭环体系，将数据资产转化为技术优势。
但光有数据闭环还不够。自动驾驶重卡的大规模量产，对自动驾驶系统的可靠性和迭代速度提出了苛刻要求，进而要求数据闭环能够在缺陷发现、方案验证和持续迭代三个方面发挥显著作用。为了能够更好的实现数据闭环，嬴彻打造了增强影子模式。
传统的影子模式只比较人类驾驶与自动驾驶。嬴彻的增强影子模式实际上运行了两套单独的算法来驱动实际卡车和虚拟卡车。通过挖掘实际卡车和虚拟卡车之间的行为或性能差异可以Trigger数据记录。
它的独特优势在于：第一提供了长时间行为的采集，比如油耗相关行为的采集和评估能力；第二是实现了实时的A/B test, 实现了高效算法迭代；第三降低了数据的采集成本，提升了数据的采集的精准度。而这些关键能力都是高阶自动驾驶大规模量产的必经之路。
50余家产业链自动驾驶量产方法论《自动驾驶卡车量产白皮书》
作为行业先行者，在过去的三年里，嬴彻携手多达50余家商用车产业链伙伴协作创新。总结过往三年量产背后的的技术和经验，嬴彻编写《自动驾驶卡车量产白皮书》并在科技日上发布。
可以说，这份白皮书，不仅是嬴彻自己的经验总结，更是嬴彻在推动自动驾驶量产过程中的50多家产业链合作伙伴的共同实践经验总结。笔者因工作关系，读过不少自动驾驶技术研报和白皮书，客观的说，对于自动驾驶落地和发展的理解，科技公司永远是最深刻和最敏锐的。而这份篇幅100页近6万字、融合了大量技术创新细节和产业实践的白皮书，必将推动行业共享共创自动驾驶车辆量产方法论的趋势，也将最大程度地消除量产经验碎片化对从业者的困扰。
提炼来说，嬴彻科技《自动驾驶卡车量产白皮书》可以用5个“一”来概况，其中主要包括量产8大原则、7大量产系统方案、1套完整量产开发流程、1套衡量指标体系。
1、嬴彻的5个“一”
一套针对自动驾驶卡车使用场景的系统性正向功能定义方法。
一套完整的自动驾驶卡车量产开发体系与全栈自研的核心技术。
一个以“正向开发、兼顾敏捷”为原则的自动驾驶卡车研发流程体系。将汽车行业的V模型开发流程与软件行业的敏捷开发模式进行了创新性融合。
一个贯穿研发到量产全周期，涵盖整车到核心系统，跨越嬴彻科技全组织，并协同多个量产伙伴的自动驾驶安全开发体系。
一个具备自我演进能力的全新无人驾驶技术路线。
2、量产八大原则
和单纯的产品研发不同，一旦相关技术进入到量产环节，其所需要关注的问题就会越来越多。实验室产品，可能更多需要考虑的仅仅是性能，但是到了量产环节，哪怕任何细小的环节出现问题，都有可能影响到最终产品的可靠性和商业化部署。为此，嬴彻总结了安全至上、正向前装、车规标准、可靠耐久、交互友好、规模生产、维护简易、成本最优的八大原则。
3、核心系统的7+7
白皮书中列举了嬴彻核心系统7+7。即7大量产核心系统以及在自动驾驶系统中又分为7个子模块。
7大量产核心系统，分别是：自动驾驶、电子电气、线控底盘、人机交互、网络安全、云基础设施以及数据闭环。7个自动驾驶系统的子模块：感知、定位、规划控制、节油、系统软件、自动驾驶域控制器和硬件套装。
如果说过去的全栈仅指自动驾驶系统里面的算法、软件、硬件，到了一个真正要量产的车，这只是七大子系统之一。根据嬴彻三年多来的量产经验，只有掌握并实现这7大核心系统的量产技术，才能真正实现自动驾驶系统的量产。
关于新能源
此外嬴彻也认为：“嬴彻一直关注新能源发展的动向，也是未来趋势。但是在商用车干线物流领域，目前能让用户用得上的自动驾驶更多还是围绕柴油车开展，新能源重卡的续航等性能，当下在干线物流场景下应用相对受限”。通常，一辆重卡实现200公里的纯电续航里程，往往需要携带3吨左右的电池；400公里就需要6吨的电池。如此重的电池，必然影响物流车的载货性能和经济性；并且换电基础设施也不匹配，根本无法满足商业运营对时效的要求。
嬴彻表示，“嬴彻在三年前启动这个项目的时候，我们判断可以为用户提供价值的就是一辆燃油车。自动驾驶系统在不论燃油车上，或是新能源上，有很高的继承性。”在这样的情况下，自动驾驶技术公司还是需要将关注重点放在自动驾驶技术本身上。
笔者认为，正是基于“自动驾驶技术公司还是要回归技术本身”的出发点，在科技日活动上，嬴彻科技还启动了“嬴彻-清华AIR杯”自动驾驶技术挑战赛。“嬴彻-清华AIR杯”聚焦决策规划算法，是国内同时覆盖干线物流和城市道路双赛道的大赛。大赛将邀请全球自动驾驶爱好者一起来解决真实世界中的技术难题，在量产约束条件下挑战算法极限。汇聚全球顶尖智慧，确保自身在算法层面的持续领先，也是嬴彻科技推动自动驾驶技术产业化落地之外核心竞争力之一。
下载ECAD模型
