“上汽智己严怡辰：客户视角下地图感知融合的应用实例探讨”

9月13日，由格什塔特主办的2021第三届自动驾驶地图与定位大会隆重召开。 此次大会旨在聚集汽车地图定位领域的优秀技术专家，共享自动驾驶地图定位行业的最新应用情况、现实挑战、创新理念和未来技术趋势等。 下面是上汽智己地图导航&； 融合并感知产品经理严怡辰在这次大会上的发言。

上汽智己地图导航&； 融合产品经理严怡辰

感谢盖西汽车的邀请。 我有幸参加这次盛会，与业内专家们一起探讨高精地图和融合感知APP的实例，想借此机会看看领域的快速发展方向。 我是智己汽车产品经理，负责地图导航和融合感知。 在这个过程中听到了很多专家的分享，很有帮助，巩固了我们的方向。

我相信大家都很了解自己，有兴趣的同事可以多去北外滩来福士参观。 接下来几分钟，让我介绍一下智己的背景。 “智己”取自《周易》，周知万物，可以拯救天下。 是张江集团、上汽集团、阿里巴巴三大巨头联合打造的汽车企业。 我们是定位于高科技、融合网络思维的汽车企业品牌。 从智己自身的产品来说，还有其他企业品牌的标志——im，代表着理性和感性方面的思考( intelligence in motion &； what i am )。

在介绍导航之前，我花几分钟简要介绍一下导航快速发展的趋势。 事实上，纸的时代产生了地图。 其中基本上作为行政地图，没有纬度·经度的概念，以水路或山脉为连接，在山脉和水路的不同位置标注波伊地址的情况增多。 1927年出现了第一个导航手表； 1930年发生了第一次汽车导航移动； 1970-1994年gps定位诞生； 第一代电子导航是2000-年，那时候是2d平面，需要离线更新，基础道路属性年作为电子导航的第二代元年，出现了3d平面，那时候是越来越多的大数据和云计算互联， 高精地图的诞生标志着导航进入了第三元年。 他说，每件产品爆炸的背后都需要天、地和人。 随着自动驾驶越来越盛行，高精地图在这一年正好有了利润的出现和爆炸性的增长。

我们现在正在第三代电子导航中，未来的电子导航会如何迅速发展呢？ 其实这也是我空闲思考的问题，所以我粗略地分解了一下。

导航最初有很强的功能需求，但只处理了一点客户的基本需求。 也就是说，我在哪里？ 需要去哪里？ 怎么去？ 第二代电子导航出现了探索的概念，客户可以发现周边有趣的地方。 第三代电子导航是希望你带我去的。 在产品矩阵中，最初的导航是工具属性非常强的产品，但经过多年的快速发展，它带有越来越多的娱乐性，从比较认真的变为更感兴趣的。 由此可见，导航的诉求世代相传，偏重于理性和感性两方面。

理性上讲，偏向于软件定义汽车，是整车智能和远程信息服务的重要输入； 在感性方面，它是提供越来越多的生活服务和娱乐属性的新闻入口。 虽然目前看不到地图导航的终局，但我相信短期内新一代地图导航的快速发展，是感性与理性的深刻融合，需要将感性技术与生活体验真正结合起来。

回顾目前导航的应用，基本上可以分为六个部分。 基础导航，地图语音，周边附近，智能互联，充电地图，智能驾驶地图。 我们今天的主旨还是集中在智驱地图应用讨论主题上。

首先，我们来回顾一下过去流传下来的地图和智驱地图的区别。 清华大学给了一个很好的模型，把地图分成七个结构。 最下面是roda layer上升到动态高精细图层。 可以看出，导航场景不同，所需的数据精度也不同。 地图导航要有效地支持各种类型的导航APP导航，从长远来看，导航模块需要提供所需场景的所有数据和服务。 这些数据类型更丰富，体积更大，精度范围更广，从10米到5厘米，更新更频繁。 无论将来sd和hd的差距有多大，导航APP模块都应该作为模块集成服务( one map )被调用。

由于智能驾驶地图本身与自动驾驶密切相关，因此最好的结果是可以重新用于l3-l5的整个智能驾驶场景。 但是，我们真正探索的是，目前智能驾驶的地图形态并不能支撑l4和l5，性能指标大家都处于探索阶段。 现在，我们在跨越l2到l3的过程中，智能驾驶地图作为服务于人、机联合驾驶场景的载体越来越多，需要用人、机的驾驶方法保存数据供学者们研究。 这个状态涵盖了l3的整个阶段。 还有avp。 虽然这基于相对有效的有限区域，但自动驾驶级别已经无限接近l4，智能驱动器地图将对avp场景进行单独的图层定义。 现在智驱地图的应用场景越来越多，还是为人机驱动的场景和有限的停车场avp的场景提供了服务，这也实际证明了我们的探讨范围。

让我们再来谈谈人机驱动的意义。 我们看到的是，自动驾驶由传感器代替人决定一点。 这张图比较清晰地解决了拟人和隐喻的问题。 从一开始人作为驾驶员开车的场面，用自己的眼睛感知环境的情况越来越多。 用手脚控制方向盘和油门刹车片。 大脑是通过眼睛感知手脚的最终执行过程的决定者。 另一方面，自动驾驶利用照相机和雷达等各种传感器作为我们的眼睛感知环境，直接控制最终的执行器。 大脑的决定需要别的模块。 人类和机器运转的真正含义是探索人类运转和机器运转差异时的反馈机制，可以在机器中找到人类和机器共同运转习性的ai方程式。 在我看来，人和机器的运转只是暂时的状态，不会成为智能驾驶地图的最终形态。

简要介绍如何融合智能驱动器的地图sd和hd。 现在，主机制造商将sd和hd分成两个模块进行制作的情况正在增加。 一个是智能驱动器，另一个是智能驱动器。 智能驾驶的方法更关注如何提高与人的交流。 需要提高驱动程序对智能驱动器系统的可靠性的问题，在真正的决策级别上仍然存在于智能驱动器中。 当然，在这个过程中也会面临很大的挑战。 将sd计算出的路线发送到hd智能测试区，附加所有动态新闻转换为机械测试规则后，需要再次返回智能测试区渲染展示，其中可以预见解决时间和算例消耗的问题。 将来，sd和hd的融合有一点统一的方法，一个模块可以解决所有的决定和渲染，从而节省了很多时间，当然也期待着能给客户最直观的高精细的体验。

在这里，作为sd和hd的输入概念，使用高度自动驾驶的车辆体系结构。 为什么要用高度集成的、只有一个中央计算机的体系结构来看这个事件呢？ 我们还发现，从分布式到域控制器再到中央整合，电子体系结构的迅速发展实际上没有改变。 由于电子体系结构将硬件和软件分开，因此必须将APP应用层置于一个域中以进行完全解决。 在以前流传下来的框架中，其实我们遇到了很多勾结性的升级，花了很多价格，跨域的解决本来就对融合有点困难。 如果添加更广义的远程信息处理，就会构成可能发生的电子架构。 回到人与机器的共同运转上，我们需要注意的一方面是，在底层、油门、刹车、转向、换挡过程中，当人的评价和机器的评价发生负反馈时，这些都有助于数据训练和模型的迭代。 另一方面，人与人之间的交流中更在意的是人与人之间的交流。 不仅要享受汽车，还需要让人了解汽车。 如果你知道车是如何评价的，在什么样的时机会有什么样的反应，为什么会有这样的反应，但你知道什么样的情况实际上需要接手，也许就能让数据更加真实。

自己也是基于这样的想法。 我们采用的数据驱动的算法，希望能够在机器与人的交互中不断迭代自己背后的数据驱动的算法表达式。 我希望能覆盖更多的场景，提高交接效率，减少交接次数，变得更聪明。 相反，我知道顾客真的需要什么样的智能驱动器。 真正的智驱可能因人而异。 要求因人而异。 千人千面。 因为开车方法因人而异，所以我们有必要在某种职业生涯中积累经验。 那需要带着智慧驾驶地图。

简而言之，就像批量生产数据一样，未来众包将是一个方向。 只是，现在众包也遇到了不大的挑战。 例如，包括如何众包、是否入住、数据的样式。 如果出现不同的众包模式，统一的平台就容易打通，一个统一模式会输出到所有的服务器端调用，不是吗？ 虽然也有数据驱动的算法，但是在开发过程中希望实现数据解决的自动化。 介绍了im ad硬件处理方案，有12台摄像头、5台5代毫米波雷达、12台定制化超声波雷达，还有高精度地图和v2x车侧技术，对于行业来说也是标准方法，很多主机厂也是这样设计了自己的硬件处理方案 我们将来也会进行升级。 目前选择了NVIDIA的奥林。 在芯片领域，除华为外，orin是最top的，当然激光雷达也会切换。

这次回到想和大家讨论的实例。 智能驾驶现在的结论还是人与机器的共同驾驶。 因为是人和机器的共同运转，所以我们希望它能和越来越多的人交流。 设计理念有以下四种。 决定透明度的过程需要知道给你的这个系统大致是用什么样的方法来评价的，你知道我在做什么。 不是突然给我反馈，我完全感觉不到，或者完全不知道什么意思。 我们的服务很亲切，能够赋予真正准确的智能交接过程，并且在最终的最终状态下，希望数据能够得到一定程度的训练，基于个人驾驶习性提供拟人化的体验。 让我们用几个例子来看看。 这也是领域中经常进行的方法。 我们会体验到信任度会提高一点。 可以看到前方的道路。 堵车时我会用更可靠的方法告诉你前方警告消息。 包括进入十字路口的时候，请告诉我现在这辆车在做什么，以及该怎么办。 我了解你的体验，希望未来有越来越好的冗余和积累，能提供更适合你的乘坐体验。

从客户的角度探讨地图融合感知的应用实例，高精地图作为未来的前景之一，最终还是迅速发展成聪明的车与车道协同，其中智慧之路是未来基础导航的常态。 实时高精度路况揭示了交叉口放大图，帮助司机更安全地解决更多拥挤的新闻，帮助路边死角的提前认识，使驾驶更安全。 三维可视化视角下的超视距渲染、poi新闻的立体渲染、越来越多的文案服务的提供、与视觉融合后，ar导航的切换等也成为可能。 下面两张图是苹果地图发布的效果图，它其实已经倾向于基于高清晰地图制作基础地图，驾驶体验肯定比我们现在基于2d视点画面的地图导航要好。 地图的未来，真正实现了从2d世界到3d世界的镜像，在虚拟世界中获得了真实的感觉，能够以更神的视角来观察周边世界发生了什么。 这也是高清晰地图向地图导航迅速发展的方向之一。

在绘制智慧地图的过程中，我们也遇到了许多挑战:

l高精度数据的质量和完整性、众包是方向；

l sd-hd数据融合的课题，缺少统一的数据格式。 虽然现在基本上在两个域中发生了不同的事件，但是可能面临的课题是，数据源有一些不同，必须通过所有数据进行融合性的认识。 数据的风格其实现在没有一个标准，我们也遇到了数据融合的问题，花大价钱、长时间、长链接把所有数据集中到云端解决，做点云互动；

l地图导航功能的安全性要求( iso26262-asil )，从长期来看，电子架构趋于统一为一个模块，本来我们的地图导航在娱乐域应该不需要追求较强的功能安全性，但是智能驱动器和本 幸运的是，这其实是可分割的，可以将自身的asil-b分解为a和b，从而进行这样的解耦；

l中国法规限制了高程新闻的收集，难以用2d坐标恢复3d智驱地图模型

l在线升级的压力和新闻安全要求。

是的，以上是我所有的介绍。 谢谢你。