022，在重卡自动驾驶圈，没人提前装量产。
自2021年底车英科技交付全球首款量产L3级自动驾驶重卡，打响行业第一枪以来，从扎根于这一领域的老玩家，到刚刚进入市场不到一年的新公司，都开始大声疾呼，宣布将自动驾驶功能搬上车的计划。
日前，已经沉寂五年的特斯拉Semi Truck也被这种高涨的情绪激活，有消息称将于今年年底开始交付。
整个行业此刻似乎达成了共识:万事俱备，只欠量产。
但是如何实现量产却很少有人认真提及似乎是自动驾驶技术达标后的自然过程
与现实相比，并不尽然，这不禁让人疑惑:当我们谈论重卡自动驾驶量产的时候，我们在谈论什么。
作为第一个吃螃蟹者，赢科技将量产的秘诀总结为八大原则，七大体系，一套流程，一套标准。
近三年来，特高科，OEM等50余家产业链上下游合作伙伴共同研发新型智能重卡，并进行了大量的量产实践和前沿探索。
在首个以实践出真知为主题的科技日，TechTech将三年量产过程中的实践，经验，思考，核心技术，开发体系整理成《自动驾驶卡车量产白皮书》，与行业同行深度分享。
我们真切地感受到，白皮书不仅仅是对公司本身的总结，更是对现阶段如何实现量产，业界最需要，最缺乏的方法论体系马哲人认真地说
01.要实现重型卡车的自动驾驶，正向开发革命势在必行。
在普通人眼里，自动驾驶重卡相当于自动驾驶加重卡的简单叠加，但实际上，它是自动驾驶技术与重卡载体的深度融合。
过去，在技术开发，概念验证和道路测试阶段，重型卡车车辆通过行业内的重组和后装来适应自动驾驶的功能要求。
但在量产时期，这种做法已经不再适用，不仅是因为法律法规不允许，更重要的是无法在真实的运营场景中进行更复杂的车辆系统交互，也难以满足商用车运营中对可靠性和耐久性的要求。
传统卡车底盘系统，动力总成，人机交互等无法满足自动驾驶时代对安全性和性能的设计要求
例如，如果传统的卡车转向是原始的L2人机驾驶控制策略，手在方向盘时施加的手力会对转向器的转向角输出产生一定的影响，从而影响自动驾驶侧向控制的安全性。
这需要从软件底层改变控制逻辑，无法通过修改实现只有通过向前开发和定义，才能实现所需的功能和性能
由此得出的结论显而易见:重型卡车的自动驾驶无法通过改进升级来实现，必须引入一场积极的发展革命——重新定义一辆自动驾驶重型卡车。
因此，基于需求，绞盘科技首次提出了针对自动驾驶卡车使用场景的系统化正向功能定义方法，整合了功能安全和信息安全的标准和规范，支持完整的指标体系和测试方案。
具体来说，在功能定义方面，公司采用DDT/ODD定义—专题研究—冲突整合三步走，可以一步一步重复深化后期可以基于实际运营数据快速迭代，满足干线物流运输的实际需求
在功能安全设计上，参照ASIL ISO 26262D和ISO 21448标准，采用最先进的安全策略，从理念，系统，软件，硬件，测试等每一个环节充分开发和应对。
例如，针对电子电气系统可能出现的系统性故障和随机硬件故障，以及自动驾驶系统中功能/性能不足和驾驶员误用等预期问题，TechTech开展了10000多种危害分析和安全评估，提出了18项整车级安全目标，细化了10000多项各级FSR和TSR安全要求。
最后，在车载信息安全方面，TechTech从车载端安全，车载外部通信链路安全，数据安全，车联网云安全四个方面入手，保护用户的生命财产和个人隐私。
把马哲人车英科技对自动驾驶重卡的需求定义总结为4+1:
4指的是天，地，人，车，代表卡车需要适应不同的天气，不同的道路，各种驾驶习惯，以及人与车的动态交互。」
1代表安全的前提，安全高于一切是我们的核心理念马哲仁特别强调道
在需求定义的指导下，开发了自动驾驶，电子电气，线控底盘，网络安全，人机交互，云基础设施，数据闭环等7大量产核心系统。
我们认为，自动驾驶技术的真正量产是一个系统工程，横跨人工智能，车辆工程，半导体，系统软件，云计算等领域和技术栈。
为了制造一辆成功的自动驾驶卡车，这些领域的核心能力必须全面整合白皮书是这么说的
02.软硬件结合，自研从车端到云端。
对于自动驾驶企业来说，技术无疑是最重要的基本功。
白皮书将自动驾驶系统列为七个子系统之首，并按照算法体系，系统软件和硬件细分为感知，高精度定位，规划控制，节油解决方案，系统软件，自动驾驶域控制器和车辆调控硬件七个二级子系统。
其中，感知系统作为自动驾驶系统的第一个环节，是规划控制的上游，其结果的准确性和鲁棒性直接决定了自动驾驶系统的能力边界。
重型卡车具有制动距离较长，车身较宽，驾驶室与底盘非刚性连接等特点，这对传感系统提出了特殊的要求要实现自动驾驶，我们需要更远的感应距离，更高的侧向精度，更灵敏的后向感应
因此，车英技术采用摄像头—毫米波雷达—激光雷达的配置，实现对车身的360度环境感知覆盖同时，设计并实现了从BEV角度融合不同数据源的前端融合框架，并基于Transformer方法全方位提高了传感精度
此外，采用加权多任务学习策略和预热策略，成功解决了GradNorm和PcGrad在多任务学习中准确率下降的问题。
在高精度定位方面，我们设计并开发了一种高效的多校验和冗余融合定位算法，可以有效抵抗各种噪声通过融合低成本的GNSS/IMU，视觉，激光雷达，轮速等传感器信息，可以提供不同工况下的高精度定位输出
计划控制系统涵盖了获奖技术的重大创新。
目前业内流行的做法是分步进行预测，决策，计划和控制，即分层计划控制框架这种相对简单的方式有利于工程实现，但不一定能达到最佳的全局误差而且在追求舒适，经济，耐用的动态平衡和适应重型卡车底盘的控制延迟方面有很大的技术瓶颈
车英科技创新性地提出了一体化的规划控制框架，包括长期预测模型，后决策模型，车辆参数自适应建模，基于模型的预测控制，车辆底盘多系统控制结合量产，通过独创的车况自适应模型辨识技术和核心算法，成功克服了整车精度低，参数漂移等问题
根据消息显示，TechTech的水平控制平均误差差距控制在8cm以内，方向盘角度和速度的调整频率低于人类驾驶员。
FEAD，一个省油的解决方案，也是库彻科技自动驾驶系统的一大亮点。
在中国，重卡运营中的油耗成本占TCO的30%，是商业运营中高度敏感的项目。
通过小时，分钟，秒，次秒四大节油优化机制，致胜科技平均比金牌车手节油2—5%，逼近7%的上限。
此外，我们自研系统的软件层不仅为自动驾驶卡车提供了高性能，高安全性，高可靠性的中间件服务，也为产品研发效率提供了有力支撑，
其自主研发的自动驾驶域控制器是卡车领域首个全冗余，高计算能力的车载计算平台。
硬件封装方面，酷车科技集成的传感器封装达到了主机厂认可的生产件批准程序PPAP，是第一个真正行业内商用车的轨距级自动驾驶系统硬件封装。
如果说自动驾驶系统体现了TechTech的软实力，那么在其他六个子系统上的量产实践则显示了该公司的苦功。
在车辆方面，技术领域的集中式电子和电气架构降低了系统复杂性，并提供了高通信带宽，车辆信息安全和车辆OTA能力，
线控底盘方面，酷车科技的全冗余技术实现了精准安全的整车控制和流畅的人机共驾，保证了车辆的安全稳定运行，
人机交互系统解决了安全员对系统的信任问题和疲劳管理问题。
在云端，绞盘科技打造了三横两纵的基于云的原生技术栈，为量产提供大规模实时数据分析服务。
值得一提的是，我们还在数据闭环系统方面进行了创新，在传统的阴影模式中加入了闭环阴影模式，形成了增强的阴影模式。
源于市场主流的这一动作背后的影子模式方案，只能识别瞬间决策的能力缺陷，无法有效识别与长期行为相关的问题，如变道，避让，匝道关联，连续博弈等。
通过引入虚拟宿主车辆的概念，独立于实车做长期行为，Winch技术的增强影子模型不仅可以测试控制算法策略，还可以测试大多数依赖于长期状态窗口的L3/L4+级决策规划策略。
酷车科技CTO杨瑞刚透露，自量产以来，其自动驾驶系统的商用里程已超过600万公里，通过数据闭环积累了170万个场景片段这些碎片内部叫矩，一半是通过增强阴影模式自动挖掘出来的
综上所述，在系统开发过程中，我们以7+7为核心构建了完整的技术链，不仅可以灵活适应不同的场景和车辆，还可以拓展生态，在供应链和成本优化方面拥有充分的自主权。
03.突破枷锁，用极致的工程能力起舞。
和所有高科技行业一样，技术和工程之间似乎总有一道不可逾越的鸿沟。
差距在于，前者只着眼于它应该具有什么功能的问题，后者着眼于如何在有限的条件下实践。
这一点在卡车自动驾驶的量产过程中尤为明显。
在行驶安全的前提下，既要保证强大的性能和冗余的功能，又要符合车辆法规和标准，实现最佳的成本和规模生产，以满足一系列广泛，严格甚至矛盾的要求。
马哲人将其比作戴着镣铐跳舞，考验着自动驾驶公司的平衡艺术要完成从Demo到真正量产的跨越，极致的工程能力不可或缺
车英科技白皮书编写组组长李博士总结道，公司围绕自动驾驶算法，系统软件和自动驾驶域控制器，车辆与人机交互，制造等方面积累了深厚的工程经验和能力。
以计算能力工程为例，由于车规硬件的性能往往低于非车规硬件，在量产过程中，我们面临着如何将在GPU上完美运行的算法移植到计算能力相对较低的车规芯片上的问题。
在这方面，制胜的技术来自两个方面:
一是将模型轻量化，定制化训练，在保证性能的同时减少50%的计算量，
其次，充分利用SOC中的汇编级代码优化深度学习模型和传统的计算机视觉模型。
通过这些，我们实现了非常高的加速度比如我们通过汇编级代码的优化，把Canny检测器的速度提高了100倍杨瑞刚补充道
规划还对工程能力提出了很高的要求，既要保证驾驶员的安全性和舒适性，又要考虑重卡的经济性和耐久性，还要保证干线物流的时效性，可谓是诸多需求的汇聚。
在这种背景下，我们提出了调控一体化的概念，从全局的角度对系统进行优化，在各项指标中找到最佳的控制。
所谓量产，就是在有限的TCO下，综合平衡自动驾驶各方面的能力马哲人用木桶理论做比喻，说自动驾驶的能力取决于最短的板子
我们想把最短的木板做长，这样木桶就能装更多的水他强调，这个时候对整个栈来说，研究整个系统的工程能力是非常重要的
一个完美的案例是赢在系统软件和ADCU技术的实践。
根据消息显示，该公司在研发第一代ADCU时，由于L3级自动驾驶卡车对通用计算域的计算能力要求很大，库车科技只能选择DMIPS高的芯片，但问题随之而来:这种芯片没有集成网络安全功能，给自动驾驶云通信网络带来隐患。
如何鱼与熊掌兼得。
技术制胜之道就是补充一个小小的网络安全芯片，在硬件层面和系统层面与自主设计的ADCU连接。
这样既保证了高计算能力，又满足了网络安全的要求，从整体上提高了系统性能。
但是这种工作无法支撑L3级自动驾驶域控制器这种复杂系统的开发，没有对需求和功能定义的深刻理解，没有全栈自研的能力，尤其是软硬件的集成。
车英技术的工程能力还体现在自动驾驶重型卡车的生产和制造上。
对于量产产品来说，整车制造精度和批次精度的一致性是一个非常关键的指标，被TechTech形容为微差千里。
比如后置摄像头的安装，只要偏离几毫米，就会对整个FOV视野产生很大影响而后置摄像头——车顶侧墙——的制造精度在传统车型的制造中往往没有特别严格的控制，而对于带传感摄像头的智能卡车，则必须严格控制精度
为此，TechTech联合OEM和Tier 1做了专门的开发，定义了很多功能指标和标准。
一方面，绞盘科技深度参与供应商的设计评审，制造改进，测试执行，性能优化等零件级开发和发布的全过程，
另一方面，绞盘科技和主机厂开展了系统和整车级R&D以及相关零部件设计的验证，装配验证和功能评估。
此外，在外检方面，相比传统卡车的九项检查程序，酷车科技在此基础上增加了七项附加检查，包括传感器的精度检查，自动驾驶系统，线控底盘等。
汽车之心了解到，TechTech内部有一个动作叫离线交付，在自动驾驶重型卡车上实现这个并不容易。
04.在系统化的进程下，致胜技术加速到了L4。
自动卡车驾驶量产是一个浩大的工程，涉及很多方面为了明确各个系统之间的优先顺序和重点，一个清晰高效的流程系统是必不可少的
V型车是一个经典的汽车开发过程V模型的左半部分对应的是需求分解和转移过程，以确保每一个需求都被正确地转移到开发端，而右半部分对应的是测试和验证过程，以确保每一个需求都被正确地实现
这种模型的优点在于，既可以将需求进行转发，层层分解，有利于复杂系统的集成，又可以保证各层次需求的可追溯性，避免遗漏。
另外，分阶段测试可以提前验证，便于快速定位，及早发现问题。
但如果把V模式照搬到自动驾驶重卡上，很容易出问题原因是V模式虽然保证了整车正向开发的严谨性，但与软件行业的敏捷开发模式相冲突
前者要求慢工出细活，后者强调天下武功，唯快不破的反应速度这就像人的两条腿，一条要走，一条要跑，但是怎么都配不上
这是一个冲突中融合的过程马哲人认为，一个公司做自动驾驶车辆，如果只靠正向开发，时间和成本是不可想象的，如果是纯敏捷开发，产品可靠性应该是有疑问的
另外，V模型本质上要求设计的东西之间有明确的逻辑关系，并且是可以验证的但是深度学习存在大量的不可解释性，这意味着要做好重卡自动驾驶的量产，必须结合各种需求，创新开发流程
经过三年的实践和探索，我们总结出了基于V模式理念，以积极开发，敏捷为原则的R&D流程体系，有效保证了新项目的开发效率和交付质量。
在这个系统化流程的指导下，赢轩辕系统1.0成功量产。
目前，公司全栈自研技术已进入2.0阶段，在感知，规划与控制，节油算法，核心硬件，数据闭环等核心技术上取得重大突破公司旗下一款全面领先，高度可扩展的自动驾驶系统——轩辕公司开始计划量产
同时，面向全无人驾驶的自动驾驶系统3.0也已经提上日程，正式进入预研阶段。
酷车科技CTO杨瑞刚博士透露:
3.0架构可以拆除自动驾驶系统子模块之间人为设计的边界，代之以端到端的深度神经网络，通过结合深度强化学习和NeRF技术的NEDFS训练端到端的模型，实现自动驾驶能力的自我进化，最终走向无人驾驶。
在此之前，车英科技的L4无人驾驶重卡已经完成了国内最复杂的24公里封闭路测，并于今年6月24日在浙江德清获得了L4级无人驾驶自动重卡的首张公开路测牌照。
在马哲人看来，自动驾驶重卡的量产经验为致胜技术构建了一个能力池，可以满足不同阶段的需求和任务不管将来是L3还是L4，我们已经具备了安全设计，开发和验证的整体能力
回到行业，虽然眼下没人谈量产，但除了少数龙头企业，更多的还是在探索量产。
毫无疑问，用重卡去L4，去无人驾驶，是一个必须跨越的坎，过程注定充满艰难。
幸运的是，先行者留下了路线图伴随着白皮书的发布，行业稀缺的前瞻经验和实践知识公之于众，重卡自动驾驶玩家有望通过感受技术快速过河
。郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
