全新 AI 攝像頭、360 度環境感覺陣列，博世要做自動駕駛系統內建商

雷鋒網新智駕按：第

19 屆亞太汽車工程年會 & 2017 中國汽車工程學會年會暨展覽會（APAC 19 & 2017

SAECCE）于10月24-26日在上海舉辦，本次論壇以“未來汽車與交通變革”為主題，逾 3000

位國内外業界嘉賓共同探讨汽車産業車廠與零部件協同創新和技術發展路徑。雷鋒網(公衆号：雷鋒網)新智駕全程參與此次盛會的報道，并将博世底盤控制系統中國區總裁陳黎明在年會上的演講編輯整理如下：

如今，業界對于 AI 的投入非常大，像 Google、百度這種科技巨頭，投入的量級在 200-300 億美元，初創公司差不多在 60-90 億美元左右，同時還有很多私募基金也在往裡面投，投的錢是2013年的3倍之多。

現在是AI的風口浪尖。從整個世界的範圍來看，AI 浪潮主要還是集中在美國、中國、英國等國家，主要集中在 AI 的基礎研究、應用以及人才儲備上，目前，美國排第一，中國排第二。AI 可以說是第四次工業革命的核心技術，将推動工業革命的程序。

中國也為發展 AI 制定了完整的技術路線：2020年要趕上世界領先者美國；2025年在一些基礎領域要有一些突破，同時把 AI 變成中國經濟增長的推動力；2030年在 AI 基礎研究以及實際應用上發力，助推中國成為經濟大國。

下面給大家分享一些資料。

上圖左邊是 GFK 此前的一項研究報告，可以看到 AI 在醫療、教育、金融、安防、電子商業、交通等方面産生了巨大的推動作用。右邊是博世内部的戰略公司做的調查報告，講的是 AI 在 5 年後對于各行業的影響程度，可以看到高的已經達到 80%，在汽車工業、自動駕駛這一塊，AI 的影響程度大概從現在的 15% 增長到 5 年後的将近60%。

AI 将影響我們整個的經濟、生活和技術發展。

再來看一下 AI 在自動駕駛領域的應用，實際上自動駕駛就是要用機器取代人類駕駛員的眼睛、耳朵、大腦進行分析判斷，然後取代手腳，對車進行操控，最後安全的實作從 A 到 B 。

還有一個層面是實作層面（Realization），也就是上圖最下面這一行。你有再好的雷射雷達、AI 技術，如果不能把它們內建在一起，也是白搭；同時在計算能力、失效保護、安全驗證方面不能按照車規的要求将其落地到市場上，也算不上真正實作自動駕駛。

上圖展示了一個比較簡單的駕駛場景，要做車道線識别，傳統的方法是使用

Rule-based

來做。它通過一些規則來描述物體，當我們周邊的駕駛環境比較簡單的時候，那基于規則的傳統算法是精确、有效、快速且便宜的，足以滿足行車的需求。我們的駕駛員輔助系統以及L2、L3

的很多産品都用的是這種方法。

但随着自動駕駛場景變得越來越複雜，傳統的 Rule-based 方法就碰到了天花闆，特别是當我們把駕駛權交給車、系統時，情況就有質的差別，起碼我們對周邊環境的感覺要求更高了。

這個時候我們需要更新算法、打造模型去模拟環境，AI 便提供了很好的解決方案。

下面介紹一下博世下一代攝像頭，引用了 AI 技術。

上圖展示的是一個太陽天的駕駛場景，人眼可以很清楚的看到車道線和其他車輛，但是攝像頭就不一定能看出來。

如果用傳統的邏輯和方法來做，車道線是看不出來的，但是通過深度學習的算法，攝像頭便能把整張圖檔的語義讀出來：道路在什麼地方、植被在什麼地方、車在什麼地方。AI 技術幫助我們在複雜的駕駛環境下，能夠更好地了解周邊的環境和語義，留出我們想要的東西。

下面再介紹一下博世穩定的 360 度環境感覺系統。

我們的下一代毫米波雷達的探測距離從 160 米增加到了 200 米，帶寬從 1G 延展至 1.5G，分辨率更高，視線更好；下一代的超音波雷達，探測距離更寬，速度更快、精度更高；我們的雷射雷達也在研發過程中。

在雲端，我們也有一些不同的解決方案，我們的攝像頭、雷達以及其他傳感器可以事先進行訓練和學習，在整個駕駛過程中，能力還可以繼續提升，甚至量産以後還是可以繼續學習、優化。

所有的這些資料會回到雲端，在雲端繼續學習，之後可以 Update 到每個使用這些傳感器的車輛上，保證了所有的車都有同樣的智能程度去面對真實的駕駛情況。

另外，AI

可以在整個自動駕駛過程中有很大的應用，包括感覺、思考、決策、執行，隻不過用的方法不完全一樣，每一個神經網絡都有它自己的優勢和劣勢。對于感覺來講，比較常用的就是深度學習（Deep

Learning），針對規劃和執行主要用的是增強學習（Reinforcement Learning）。

在具體應用上，還有兩種不同的方向，一個是對環境進行模組化，預測人和車的行為，這樣的方法針對規劃和決策來講更适合；另一個是端到端（End-to-end），直接從感覺到決策，省去了中間的很多流程，一些

AI 公司都在做深度研究，但要真正變成産品，還有漫長的路要走。

AI 在自動駕駛的應用也帶來了很多的挑戰。

對于傳統 Rule-based 算法來講，出了問題可以一條一條的找程式，找到問題出在什麼地方，但是當神經網絡出現問題的時候，我們可能很難找到問題到底出現在哪一個地方，是 Data 不夠？還是結構的問題？這可能是大家共同擔心的問題。

此外，AI 引發了很大的計算量，盡管 Nvidia 目前推出的産品計算能力很強，推出了 Drive PX2 ，但它仍是很初級的計算，要達到 L4、L5 的要求還有很漫長的路要走。

最後就是怎樣保證系統的真正安全，同時将其投放到市場上去。

博世在攝像頭、雷達、超音波、精确定位這些領域都有非常好的解決方案，我們也在研發雷射雷達，同時博世在系統內建、軟體開發方面有幾十年的經驗，這實際上都讓我們有能力提供一個可靠的系統基礎并在此基礎上提供一個很好的自動駕駛系統解決方案。

同時，我們也認為自動駕駛不是一步就能實作的。博世在高速公路自動駕駛、城市道路自動駕駛以及自動泊車方面都有研發、産品。是以我們提供一個系統的、全方位的解決方案。

本文作者：張偉