“【2021世界智能网联汽车大会】觉非科技李东旻：融合数据革新，引领车路协同”

9月25日至28日，2021年世界ICV大赛在北京举行。 本届大会围绕产业重建、融合应用、共生三个章节展开，设有开幕式、主论坛和7个主题峰会、6个特色专题会场和2个闭门会议，设有图灵奖国际专家1人、国内外院士7人、近150人的国际国内ICV和ICC 以下是北京觉非科技有限企业首席执行官李东旻的演讲实录，仅供参考。

照片:北京觉非科技有限企业首席执行官李东旻

语音副本:

各位嘉宾，大家好。

我听说刚才有很多专家、很多教授从监管上进行了人、车、环境、零部件各方面的检查，今后想从应用的角度和大家分享一下。 车道协同的所有出发点和最初原点，实际上都来自自动驾驶的普及和应用。 整个自动驾驶逐年快速发展到今天，实际上现在还是以单车智能为中心，在连杆2上的感知与协同，实际上经过了过去5到6年的快速发展阶段，从实践的角度到今天有了那些新的认识，我们通过这样的平台大家都知道，

我们从年开始将中国自动驾驶的迅速发展分为四个阶段。 阶段一是年-年，这个阶段基本上看单车智能技术为主，我们开玩笑说手里拿着锤子，这个锤子是自动驾驶软件，去找钉子。 这个钉子发现了无人输入车这个场景，不断地坏，在5到6年间坏了。 说今天的robotaxi这个场景还没坏，这是我们看到的第一个阶段，叫做技术验证，以功能开发为主。 那个时候，路边的建设已经开始蓬勃发展，那个时候的路边被称为第一代汽车道路协同的路边建设，基本上以通信设施、基础设施为主要的汽车道路协同建设。 典型的建设语言是指我们每隔100米配置基站、基站、检测设备200米的阶段，它构成了道路边缘过去第一阶段布设的核心。 从这个阶段的建设成果可以看出，中国今天，无论是高速公路还是城市内的示范区，道路上都挂满了带小天线的设备，车与路之间的通信标准和通信都畅通无阻。 中国现在

第一阶段跃居第二阶段时，各示范区基础设施建成，道路相连，部署了无数基站。 那个时候，发生了不自然的问题。 没有采用通信通道的车，也没有采用已经建成的设备的车。 电力还是很贵的，基础设施消耗了比较大的电力，很多地方没有人开通信管道，所以切断管道，直到有真正的车路才开始合作使用。 我们把车定义为应用侧，把路定义为基础设施侧，只有应用强烈的诉求拉动基础设施，才能看到车与路的协同相比较容易打通。

好车APP方面发展迅速进入第二阶段。 从去年开始，在有限的场景中开始了比较大规模的商业化APP。 他说，包括三个场景，港口，例如矿区、道路等封闭的道路相对容易处理，在里面行驶的整个轨道容易建设。 在第二条半开放的结构化道路，例如高速公路，人不能进入。 我可以在里面开车。 是比较开放的场景。 干线物流开始自动驾驶运输，在城市末端的低速场景中，时速超过40公里的话就不容易处理了。 此时，将时速降至10公里、20公里，即使发生交通事故，也不一定仍然是非常严重的事故。 例如无人的物流配送，例如末端保护道路的草草，在这一场景中已经实现了安全员化的自动驾驶。 有了这样的场景之后，我们看到路边真的被车边的APP所带动，真的是我开始向路边诉求，开始利用你的这些管道，在一点点特定的场景中，实现了车路的协同。 看到今后的迅速发展，随着商用车的普及落地，一定会进入第三阶段。 我们称之为轿车的私家车，一定会进入车道协同的前装。 不仅仅是测试和后装。

可以看到这构成了第三阶段，前置轿车规模化落地，领域内日益趋同化的认识。 截止到2030年，基本上每年新上市的2千万辆轿车中，有25%的车辆具备智能网化智能车，每年有500万多辆车辆具备这样的能力。 我们将从阶段二到阶段三，从年到2023年，十年的周期定义为车道协同自动驾驶的黄金快速发展十年，整个车道协同将完成商用车从场景落地到轿车规模化应用的完善快速发展阶段。 预计那个时候2030年自动驾驶整体开始比较普及，老百姓的认识可能会一致。 从非感官角度来看，从第二阶段到第三阶段，核心在车与路两侧形成技术垄，实现了在自动驾驶场景下实现车与路合作的目标和愿景。

我们在两个维度兜风，从车段进去。 然后，首先我们构建一个数据，识别车上是路还是车，是前面的视点还是路上的视点。 二是基于道路和车辆，将我们的算法，将我们的计算力放在边缘侧的计算引擎上，实现车与路之间计算结果的互通，实现车与路之间对话语言体系的统一。 不能说车要开，路要出发，车不相信路，两边各送各的。 这时，候车室和道路之间永远不通。 中心处理的重点是车的技术语言和路上的技术语言如何从计算结果上拉平区间，以接受两侧相互发送的计算结果。 事实上，我们的目标从所有车路协同的框架中表明，我们希望所有车都具备从上帝的角度进行导航的能力。 我们的配置逻辑不是以100米、200米的方式，在每个路口，在每个路段，以车辆导入点的方式配置车路协同的APP，无论是车路协同的软件引擎，还是路边，都是这样

你可以看到路边我们多次重复的几条技术路线。 第一是汽车自动驾驶以多传感器为中心的技术路线，放置在路边，包括激光雷达、视觉、毫米波等数据的前融合。 第二，我们多次将自动驾驶的技术全站体系应用于路边，包括准确的目标跟踪、高精度的定位、全球路径的调动，这都是从俯视的角度所具备的力量。 我感觉您看到的地图重叠了我们用非自主知识产权开发的比较标准化的产品的几个版本，我们后来专门申请了注册商标。 意义是从俯瞰转角的方法出发，让车辆知道寰宇的意义和寓意，体现我们产品的价值和目的。 从交叉点的配置方法来说，包括全息图在内的透明交叉点、点间的设备跟踪，我们实际上包括核心的技术难点、技术关键点和应用场景，可以与大家分享过去实践的感受和经验，希望越来越多的参加者能够参加。

我们看到它是多传感器融合的概念，这里面的核心点是如何利用激光点云在路边，将成为未来看车开通和自动驾驶的非常核心的关键点。 今天，你会发现所有l4级车辆都是必须的激光电云，或者说是必须的激光雷达。 据悉，从明年开始，国内3家新势力公司已经宣布量产，与搭载前置激光雷达的车辆组合，目前小鹏汽车已经搭载了激光雷达前置车辆。 在路边如何面向v2x实现基于激光点云的路边技术，将成为中心点。

另一个应该共享的是车和路之间的时间空同步，今后将成为重点。 车上有时间。 路上也有时间。 每个人都有一只表。 各种设备、各种机器的时间、如何实现彼此的同步，这是第一。 第二，如何实现毫秒级、微妙级、纳秒级的时刻同步。 时间同步越准确，我们对现实世界的描绘就意味着，对自动驾驶的相应延迟越低，对现实世界的描绘精度也越高。 它位于时空同步之上。 今天车和路的两侧也完全分割，各自有手表，彼此对时间的认识也不同。

最后应该共享的是计算平台。 大家现在谈论的是关于ai的计算芯片。 车上有汽车用的ai主流计算芯片，路边有基于路边x86架构的计算结果。 大家必须意识到重要的一点。 车用计算平台和道路用计算平台不是一套。 道路用的很多计算平台基本上以控制台、服务器、视频解决的云服务器等为中心，所以，要将不同设备之间的这种软件引擎统一到不同的计算平台上，过去的我们 很多人不一定能在计算平台上理解得那么通俗易懂。 我经常做的比喻和分解是，把安卓智能手机的APP放入ios智能手机，把ios智能手机的APP放入安卓智能手机，不是简单的代码复制过程，基本上是作为ios、欧洲和安卓智能手机基础的开放平台。

今天在车、路、计算平台的维度上也面临着这样的问题。 幸运的是，工程师的迭代和支付并不一定能与市场上大多数的汽车和负载计算平台兼容。 无论是x86体系结构、车载芯片、华为mbc、寒武纪等这些主要的车和负载计算平台，我们迄今为止都进行了很多双侧模型的移植和匹配工作。 这样，车和路两侧的技术云体系就完全打通了。

从核心技术软件的迭代来说，刚共享了这个多次将汽车自动驾驶软件放在道路上的系统，它包含了融合感知的算法。 包含时空同步、空间同步等。 这个排的模块实际上我们在道路上做了很多工作，但是在很多非标准和统一的维度上做，必须通过车和路两侧的系统

作为具体的例子，我们在上海安亭的火车城，在高速公路，例如北京到天津的高速公路的门坎，在合作伙伴的示范区，在封闭的场景中，提供了港口中处理真正的车与路之间自动驾驶的场景化的车道协同处理方案。 让我们来看看一些实际的应用例子。 把我们的处理方案放在城市内的全息十字路口，从视频中依然基于激光点云的识别。 包括图像和点云的统一在内，大家看不见的可能是绿色的小字。 在各车辆的连接车侧的语言体系中，给出id是什么、形状是什么、航向、姿势、当前的gps坐标。 车辆进行融合定位和规划控制所需的计算指标和参数，都是我们通过道路测量的维度，以俯视角度的方法提供。

另外，从该处理方案部署在港口，处理港口无人的l4级车辆的行为习惯，实时输出每辆大型集装箱卡车的状态来看，大型集装箱车辆的前头和车辆的悬挂是不同的维度，分解为两个目标进行组装，从视频中可以明显看出这一点 在这种情况下，由于车的高度比很高，无论怎么开车、隐藏传感器还是提高高度，我们都能清楚地认识到它。最后，我们发现我们在高速公路上放置了复制品。 高速公路对于比较简单的场景来说，是一条大路。 此时，配置该设备的多是进行智能交通相关的流量统计。 刚才大家已经拆除了很多复印件，但在这个行业还没怎么展开。

研究发现，另一个背后构建的生态系统是导致越来越多合作伙伴的原因，要想使整个道路协同产品化、标准化、固定体系，有三个核心决策参与者。 第一传感器、第二计算平台、第三系统集成，这三个维度今天看到了不同的示范区、不同的作用、不同的主机厂、不同的业主有不同的诉求，这个时候传感器发生了变化，计算平台 不要看路边装了那么多硬件。 这叫做车路协同。 即使每个杆上都装满了摄像头，也无法处理车道协同的问题。 真正的车道协同问题是车方承认道路的计算结果，车方相信道路的计算结果，只有真正的车与路相通的事件，才能实现自动驾驶的车道协同。

从非非的立场出发，我们召集车也试图识别，也试图识别道路。 互相认可的传感器、激光雷达、照相机、毫米波，将车上和路上互相采用的计算平台引入一点，也包括一点系统集成商。 两边都认识时，发现这个闭环的计算结果真的是相通的。 从过去实践的广阔范围来看，我们以上海嘉定智能网联示范区为最小闭环范围点，我们在当地与其他自动驾驶企业合作，通过车与路之间，面向无人物流小车、robotaxi实现了其真正意义上的车路协同，干线物流、低速、高速。

以上是我们作为非科学技术共享的实施中的例子。 谢谢你。

会议副本不断增加。 请点击以下链接查看。

网站: auto.gasgoo/newstopiclive/358

移动终端: m.gasgoo/news /主题直播/ 358