作者 | 朱世耘
編輯|邱鍇俊
“現在我們有智能駕駛AD Max的車在夜晚，70km/h以下不開大燈的情況下沖向一個靜止車輛，AEB（自動緊急制動系統）都會觸發降速甚至剎停。”理想汽車主動安全產品經理楊杰對《電動汽車觀察家》強調，“當然，我們不希望車主主動去測試這項功能。”2022年12月，理想汽車推送了OTA 4.2版本，激光雷達正式作為其自研AEB的一部分感知輸入，參與制動決策。在此之前，AEB主流感知方案為視覺+毫米波雷達，以攝像頭像素、單雙目細分。以AEB為代表的主動安全系統的水準是高階智能駕駛功能的安全邊界。激光雷達的加入能夠在多大程度上為AEB“拓界”？高階智能駕駛與主動安全之間還要分“你我”嗎？中國車企又為何要“入侵”AEB這一國際T1（一級汽車零部件供應商）的固有疆土？2008年沃爾沃推出的首個AEB系統，采用毫米波雷達作為主傳感器。早期毫米波雷達探測點較少，對行人等“小障礙物”往往會漏檢；雷達信號處理靜態雜波濾除的特性，則使其對靜態、微動目標無法很好的識別。因此，由毫米波雷達作為核心傳感器的AEB系統只能在30公里時速下被觸發，而且為避免誤觸發，往往無法對小和靜止的目標做出反應。2015年前后，以攝像頭為代表的感知傳感器被越來越多的引入ADAS系統內。單目攝像頭+毫米波雷達的方案將AEB的觸發速度上限提升到了60公里，并成為目前行業內的主流方案。2022年，激光雷達量產上車為AEB擴展適用場景提供了硬件基礎。相比于視覺+毫米波雷達的方案，激光雷達能夠直接提供準確的速度和距離信息，還可對大、小目標進行基礎分類提升感知精度。由此，使AEB能夠在更精準的距離點觸發功能，減少誤觸發的同時，極大程度利用了車輛的制動極限。目前，理想AD Max的視覺+激光雷達+毫米波雷達方案，將AEB的剎停車速上限提升到了80km/h，可以覆蓋絕大多數城市行車場景。此外，以斯巴魯為代表的立體雙目攝像頭+毫米波雷達的方案也是AEB“家族”的重要一員。立體雙目攝像頭可以通過幾何算法計算出3D信息，同時也可應用機器學習，因此上限極高，被認為是有望取代激光雷達的一種技術路線。目前，立體雙目攝像頭的成本在1000元之內，相比5000元/顆以上的激光雷達，具備很強的成本優勢。但同時，由于從成像、元件、布置都需要高度對稱，立體雙目攝像頭的工程難度較高。夜間的制動時速和針對大小目標的剎停時速，還略遜于激光雷達方案。在覆蓋城市工況之后，AEB的下一個重要方向是將觸發上限進一步提升至120km/h，緊急情況下能夠在2-3秒內，將車輛速度從120km/h降低到60甚至40km/h，為駕駛員爭取更多的避讓時間和空間，從而避免事故或減輕烈度。都采用視覺+激光雷達+毫米波雷達，一輛車上的AEB和輔助駕駛功能還需要分“你我”嗎？楊杰表示，以理想的AEB系統為例，功能在感知軟件需求上與輔助駕駛功能還有一定的區別。從任務目標來看，智能行車功能由駕駛員激活，在人類監控下工作。需要“看”得遠，120公里時速下至少要看到150-200米外開外，并對“視野”內的目標進行主次、屬性上的分類，且形成時空的連續性。但AEB是在車輛上電即啟動，屬于硬實時的系統（系統必須滿足任務對截止時間的要求，否則可能出現難以預測的結果），要看得準、反應快。需要考慮80米之內任意可能產生碰撞風險的障礙物，也一定程度上參考車道線等路況語義信息，判斷大曲率彎道等“特殊障礙物”。理想AEB系統場地測試：消失的前車
在置信方面，白天光線較好時， AEB系統以視覺為主，激光雷達和毫米波雷達參與感知融合；夜間等光線不好時，則以激光雷達為主，其他感知器進行融合校驗；在感知算法層面， 目前理想的AEB與輔助駕駛功能采用同一個神經網絡感知模型，但在后處理階段，會根據不同的功能需求進行針對性的優化。但決策算法部分，理想的輔助駕駛功能和AEB則是分屬兩個不同的團隊在做。AEB所面對的場景是在事故發生前2-3秒內做出決策，決策是否制動，請求全力制動，而非行車所面臨的博弈場景。楊杰表示，在這樣極限的時間和明確任務的背景下，神經網絡和邏輯判斷算法的效果并不會有本質上的差別，因此AEB在決策層使用邏輯判斷的算法。在硬件層面，理想的AEB和輔助駕駛功能都屬于智能駕駛域，但AEB主要部署在具有高可靠性、實時性和安全性的MCU（微控制單元）上，以保證功能運行的穩定性和實時性，為用戶行車提供有效的安全保障。在MCU之外，理想AD Max版車型的Orin上也運行著一套AEB系統，包括了感知、融合、決策三個模塊在內的影子軟件，只是“截斷”了系統和執行器之間的聯系，作為MCU上那套系統的“影子”存在。“影子模式”是理想自研AEB的核心基礎之一，也成為理想等新勢力與國際T1在AEB領域“一戰”的基礎。AEB發端于歐洲，是博世、大陸、安波福等T1的優勢戰場。憑借百萬量級的銷售規模和全球市場分布，國際頭部T1，掌握了上億級緊急制動場景數據，成為其技術的核心壁壘。但也正是因為數據壁壘高，并采用一款產品適配全球的產品策略，國際T1對需求變化更多、更快的中國市場往往響應不足。“我們一開始上線輔助駕駛系統的時候，出現一些AEB誤觸、事故中AEB制動表現不及預期的情況。從用戶安全角度，我們希望能夠盡快迭代優化，但發現和供應商溝通困難重重，周期很漫長，到最后只能是不了了之。”“不斷優化駕駛服務功能是希望更多用戶使用。但如果安全能力跟不上，伴隨使用率和使用里程的攀升的還有事故風險概率。所以做好輔助駕駛功能的同時，必須要把主動安全做上來。”楊杰這樣解釋理想自研AEB的核心邏輯。智能駕駛系統的賽點是數據、算法、算力，但主動安全拼的則是迭代速度。“每一個AEB新增功能場景，從軟件開發、測試驗證到最后推送終端，對于AEB而言，都是一次全新的迭代。”在試驗場地里面開發AEB適用的新增功能場景，從技術角度來說相對容易。但要將‘新能力’在真實環境和路況中量產，保持系統性能的前提下又能盡可能地減少誤觸發，則是很難的一件事，需要數以百萬甚至千萬級的行車里程進行充分驗證。“目前供應商打包方案的迭代速度一般是以季度為單位，目前我們的自研AEB可以做到周級迭代?！睏罱鼙硎?。國際頭部T1基于全球百萬級量產車獲取數據，理想則通過影子模式來追趕。相比于輔助駕駛功能需要駕駛員主動激活，AEB是上電即啟動的全時工作狀態，先天適合影子模式。跑在Orin里的AEB系統與駕駛員的操作進行實時比較，將判斷相左的場景數據脫敏并打上標簽，記錄回收，成為寶貴的迭代數據庫。楊杰表示，理想AD的感知、融合、規控各模塊實現了迭代解耦，既能夠單獨模塊回灌驗證，也可以全版本全鏈路地在仿真系統中進行驗證。此外，理想AD的每個車型都會有一個獨立的路試小團隊，在推送用戶前搭載最新的系統版本進行長里程真實路試。沃爾沃在2016年就開始宣傳AES（自動緊急轉向）功能，也就是在遇到緊急情況時，車輛可自行進行轉向躲避。但直到現在還是需要駕駛員通過方向盤給到明確轉向輸入才響應。后來者特斯拉則通過高速迭代，在2018年就推送了無需駕駛員轉向輸入，系統識別到危險后自動進行轉向的功能。在“影子模式+數據閉環”的基礎之上，理想主動安全團隊只用了2個季度的時間，就“用上”了激光雷達：讓此前只能在EID交互上看到感知結果的激光雷達，作為感知輸入源，參與到了AEB功能的制動決策當中。目前不僅是理想汽車，小鵬、蔚來也已將自研AEB列入工作進程。去年李想宣布開源AEB系統之后，理想內部也已組建了工作組，調整AEB系統架構，使其成為更加平臺化的軟件系統。隨著AEB能力的提升，真正成為智駕的安全閥，智能駕駛成為收費的功能，就有了堅實的基礎。--END--
![]()
![]()
你的“點贊”和“在看” 對我們很重要
文章轉發自電動汽車觀察家，版權歸其所有。文章內容不代表本站立場和任何投資暗示。
