10月18日-19日，2021第九屆汽車與環(huán)境論壇暨第13屆全球汽車產(chǎn)業(yè)峰會(huì)隆重召開。本次論壇主要圍繞中國汽車產(chǎn)業(yè)發(fā)展、動(dòng)力總成電氣化、ADAS與自動(dòng)駕駛、芯片與汽車基礎(chǔ)軟件、智能座艙等行業(yè)熱點(diǎn)話題展開，旨在共同探討新形勢下中國汽車產(chǎn)業(yè)有序發(fā)展的新思路。下面是奇瑞汽車產(chǎn)品開發(fā)總工程師陸獻(xiàn)強(qiáng)在此次論壇上的演講實(shí)錄。

大家早上好，我今天試著講一個(gè)題目，對(duì)現(xiàn)在自動(dòng)駕駛（AI技術(shù)）的主流方案提出一些想法和挑戰(zhàn)。

我們知道做駕駛輔助、自動(dòng)駕駛，很大的原因是為了車子更安全，減少開車時(shí)的負(fù)擔(dān)（成為一種享受，愉悅的駕駛經(jīng)歷）。我們知道現(xiàn)在每年車禍造成死亡全世界每年大概有125萬，傷殘者有近千萬，這是一個(gè)很大的損失。有研究說車禍傷亡事故80%以上是人為失誤（犯錯(cuò)）造成的。如果能有一個(gè)系統(tǒng)能避免人為犯錯(cuò)而造成車禍?zhǔn)鹿?，這對(duì)于減少人員財(cái)產(chǎn)損失及其它方面是非常非常大的幫助。這是目前來說最主要的原因，為什么駕駛輔助技術(shù)受人歡迎。

有的時(shí)候開車是一種愉悅，但是現(xiàn)在城市擁堵，每天很多人必須從A點(diǎn)到B點(diǎn)來回，這種開車更多的是一種任務(wù)。那能不能讓開車的任務(wù)不用人來做，用機(jī)器來做，給駕駛員有更多的（愉悅）時(shí)間做其它事，這是無人駕駛研究的目的之一。

我用兩張圖來展示一下，現(xiàn)在主要是靠傳感器來收集信息，而其主要技術(shù)途徑是以視覺為主，如圖中的激光雷達(dá)，角雷達(dá)，再加上人類感知圖像的解讀。目前AI技術(shù)利用以上“視覺”信息，對(duì)于圖像解讀正確理解的能力已經(jīng)很強(qiáng)了。不過也有人提出了疑問，這樣（僅以視覺信息）開發(fā)出的系統(tǒng)是不是可靠？有沒有提升空間？最近可以看到越來越多有關(guān)駕駛輔助/自動(dòng)駕駛的事故發(fā)生，這會(huì)引起人們對(duì)這些技術(shù)的可靠性問題的重視。雖然AI技術(shù)能解決很多人為失誤的地方，但其技術(shù)本身是否也會(huì)造成了一些“事故“？如果這個(gè)事故造成了人員傷亡，哪么誰來負(fù)責(zé)？現(xiàn)在一般出事故，從保險(xiǎn)角度來說，因?yàn)槭悄闳耍硞€(gè)駕駛員）犯的錯(cuò)誤，汽車公司是不會(huì)承受太大的法律責(zé)任。但如果是車載AI系統(tǒng)失誤的話，那汽車公司是否要付法律責(zé)任？當(dāng)然這方面的法律系統(tǒng)會(huì)進(jìn)一步的發(fā)展完善來推動(dòng)保護(hù)新技術(shù)的發(fā)展與應(yīng)用。從汽車公司的角度，怎么樣能夠提升AI駕駛輔助（自動(dòng)駕駛）技術(shù)的可靠性會(huì)越來越受到重視。

今天我拋磚引玉，用我們對(duì)汽車行業(yè)比較熟悉的知識(shí)來嘗試著討論一下，除了用視覺以外，能不能加上觸覺和聽覺，使得（ADAS）系統(tǒng)更加可靠，這是我今天講的第一個(gè)話題。

我先舉一個(gè)熟悉的例子，在不同的路面上面滾動(dòng)摩擦系數(shù)是不一樣的，不一樣的摩擦系數(shù)汽車剎車距離（在同樣的剎車力下）是不一樣的。路面滑（摩擦系數(shù)變?。┰斐勺曹囀录呛芏嗟?。那這帶來一個(gè)問題，你（駕駛員或ADAS）怎么知道路面的摩擦系數(shù)？是用視覺還是用別的方法來判斷？

第二個(gè)例子是用很早以前聯(lián)合國研究的“路面粗糙度系數(shù)”，其基本定義為說在1米路長中，垂向高度有多少變化？幾十年前，聯(lián)合國確定這個(gè)國家是發(fā)展中國家還是發(fā)達(dá)國家，這個(gè)公家公路的IRI指數(shù)是很大的一個(gè)判定工具。如果是發(fā)展中國家IRI指數(shù)比較高。越發(fā)達(dá)國家，路面越好。我們也可以看到中國過去幾十年發(fā)展，公路的變化是一個(gè)很好的寫照。

這個(gè)IRI指數(shù)對(duì)我們現(xiàn)在路面（限）速度都是有很大影響（指導(dǎo)）的，IRI指數(shù)越高，路面限速值越低。

以IRI指數(shù)，在1米長的路面上，有5-10毫米差距（垂向）就是比較壞的路面了。剛才講過路面的好壞跟剎車距離或者摩擦系數(shù)都有關(guān)系。那最好的辦法去感知路面的好壞是用加速度（和觸覺有關(guān)的）傳感器。也就是說，IRI最好的測試辦法是用觸覺傳感器。

這是2012年澳大利亞公路安全會(huì)議上的一個(gè)研究（報(bào)告）。X-軸 是IRI在1英里路連續(xù)距離中“壞“的路面的長度。Y-軸 是產(chǎn)生車輛故障（率）的情況。如果壞路長度（在每英里路）在100英寸以內(nèi)大概問題不大，超過150英寸問題就很多了，轉(zhuǎn)換成中國習(xí)慣的公里，在1公里以內(nèi)只要有2.5米（或更多）不太好的路面，車輛事故發(fā)生率就開始急劇上升。我們知道路面越不好車輛事故越多。這個(gè)IRI（不好路面長度與車輛故障率研究）還發(fā)現(xiàn)，IRI越高剎車距離越長。不平整路面在拐彎處的負(fù)面影響最大。不平整路段超過10米開始會(huì)明顯增長撞車風(fēng)險(xiǎn) （如果就一個(gè)單獨(dú)的坑其實(shí)問題不大，就怕連續(xù)一段）。

下面這個(gè)是德國和美國學(xué)者做的研究，他們把德國交通事故做了一番研究以后發(fā)現(xiàn)，在鄉(xiāng)村路面上發(fā)生有人員死亡的交通事故中，與對(duì)面來車相撞（大家憑直覺可能會(huì)認(rèn)為這是最多的一種）其實(shí)只占了14%，而80%是車子在沒有對(duì)面來車的情況下開出路段。有的是拐彎的時(shí)候，有的是直道情況下，所以在鄉(xiāng)村路面上開出路段這是最大的（造成人員死亡）問題。

進(jìn)一步研究后，又發(fā)現(xiàn)更有趣的事了。這里面講開出路段左面是46%，右邊是40%，兩邊基本相同。有趣的是開出路段（造成死亡）由于不恰當(dāng)?shù)能囁伲ǔ伲┑恼急仁堑陀谲囁偈窃谙匏僖詢?nèi)（開出路段造成死亡）的案例。我們猜想一下大概是什么原因？因?yàn)猷l(xiāng)村路面平整度不夠好、或者路面平整度有點(diǎn)衰減、或者下雨結(jié)冰路面滑、還有車輛本身也會(huì)有（性能）衰減。總之，很有可能車子，絕大多數(shù)的案例是在鄉(xiāng)村路面上當(dāng)車輛的操控能力不如正常情況下而發(fā)生的。

這個(gè)研究同時(shí)又展示了，如果想有效的降低在鄉(xiāng)村路面上車子開出路道而造成的事故，他們認(rèn)為最有效的傳感器或者感知技術(shù)是加速度傳感器，胎壓傳感器，車輪速度傳感器，而不一定是攝像頭和雷達(dá)這些東西。

下面這篇研究是研究了1000多種駕駛行為，把駕駛行為分成四類：基本車輛控制，駕駛操作任務(wù)，駕駛戰(zhàn)術(shù)任務(wù)，駕駛戰(zhàn)略任務(wù)?；拒囕v控制，如控制車輛速度和軌跡，其中依賴視覺近75%及觸覺近60%，聽覺15%。駕駛操作任務(wù)，比如說過路口或者交叉路口的操作，其中依賴視覺100%，觸覺大約35%，聽覺15%。駕駛戰(zhàn)術(shù)任務(wù)，如擁擠城市路面車子怎么開，其中依賴視覺大約90%，觸覺大約35%，聽覺20%。駕駛戰(zhàn)略任務(wù)，如遵守交通規(guī)則，選擇路線和其他高級(jí)（決策）策略，其中依賴視覺近90%，觸覺近50%，聽覺40%。

這個(gè)研究明顯告訴大家，視覺肯定是最主要的，其實(shí)人在操作車的時(shí)候，除了視覺以外，用了很多聽覺，觸覺來幫助駕駛的。

現(xiàn)在的ADAS系統(tǒng)主要靠視覺（感知），主要的研究也是聚焦在如何進(jìn)一步提升視覺感知方面的能力，或者技術(shù)路線上可以有Tesla和別的車企之間是不是要用激光雷達(dá)分歧，但那也是以視覺感知為主要及唯一來源的。通過以上幾個(gè)案例，我們有沒有考慮把觸覺和聽覺加進(jìn)去作為輔助使它（ADAS系統(tǒng)）更可靠呢？這是我在會(huì)議上提出的第一個(gè)想法。

第二個(gè)，這是聽了得到俱樂部第46期《中美科技博弈，誰能贏？》王煜全老師講座后的啟發(fā)。我們舉個(gè)例子，我們想從A點(diǎn)到B點(diǎn)，希望擴(kuò)大自己的空間，最早的時(shí)候就是騎馬，坐牛車（那不光人要過去，貨也要過去，所以就有了車），但這些方法不夠快，數(shù)輛有限，質(zhì)量（控制）不太好。工業(yè)革命時(shí)期就有了蒸汽機(jī)和內(nèi)燃機(jī)，到福特時(shí)有發(fā)明了流水線，就是把它（整個(gè)交通工具的生產(chǎn)）產(chǎn)業(yè)規(guī)?；．a(chǎn)業(yè)規(guī)?；院?，成本做下來，質(zhì)量做好了，量大了并且規(guī)范化了，這樣推廣的速度可以很快。但人真正需要的是什么？是A點(diǎn)到B點(diǎn)的服務(wù)，而在工業(yè)時(shí)代是給你提供一個(gè)工具，讓你用這個(gè)工具可以更“容易“做到A點(diǎn)到B點(diǎn)。到了數(shù)字化和AI時(shí)代，就不一樣了，人們開始注重服務(wù)，用無人駕駛汽車直接完成A點(diǎn)到B點(diǎn)的服務(wù)。所以現(xiàn)在很多汽車公司都改名叫出行服務(wù)公司了。很多時(shí)候我們其實(shí)想 （需要）A點(diǎn)到B點(diǎn)（并不是愉悅駕車經(jīng)歷），但是沒有公共交通，我只能靠汽車，但還得自己開車。這其實(shí)也是我們AI時(shí)代最關(guān)鍵的一點(diǎn)，就是把工具、產(chǎn)業(yè)規(guī)模改成服務(wù)規(guī)模的商業(yè)模式。

下面講一下汽車可靠性。首先什么叫車輛可靠性？常規(guī)來說就是三規(guī)，在規(guī)定的使用條件下，在規(guī)定的時(shí)間內(nèi)，完成規(guī)定功能的一種能力。下面講一下，如果按照用戶對(duì)車輛性能（特性）需求可分為三類，基本需求，期望需求，用戶滿意度興奮需求。舉個(gè)例子興奮需求，比如說蔚來的NOMI，沒有它車子也可以行駛的很好，但是如果有了它駕車時(shí)就可能給人有時(shí)有一種非常興奮愉悅的感受?；拘枨笫呛苡腥さ模阕龅奶囝櫩鸵膊粫?huì)感知，但是你要做的不好他馬上就知道，這個(gè)”需求“和品牌效應(yīng)解密關(guān)聯(lián)。比如說剎車，剎車好的車很少聽到用戶評(píng)論說我的車剎車怎么怎么好。但是剎車的車，幾乎每個(gè)用戶都會(huì)抱怨。再下面一個(gè)概念和車輛設(shè)計(jì)有關(guān)。一般設(shè)計(jì)有一個(gè)中值，有上極限，下極限。車子由于制造總會(huì)有一些（車輛到車輛的）偏差，使用者每人用車方法也不一樣。所以，無論是靜態(tài)的車輛特性，和車輛使用上，車與車之間是有一定量的‘不一致’的。其中有些車，在使用過程中，就有可能超過其設(shè)計(jì)極限而帶來車輛可靠性問題。

我們一般把車輛可靠性問題分為四類：A、影響安全行駛；B、影響正常運(yùn)行，必須馬上修理。C、影響顧客駕駛體驗(yàn)，但不必馬上修理。D、問題早期階段，一般工況下顧客不會(huì)感知。剛剛講到車子100%可靠性是不可能做到的，可靠性工程就是希望ABC問題不發(fā)生，D類問題在（最）早期階段把它診斷出來，然后修復(fù)。那怎么可以利用AI技術(shù)來做到呢？這是今天發(fā)言想討論的第二個(gè)話題。

這張圖講了AI對(duì)汽車有關(guān)車行（專）業(yè)的沖擊，中間有一塊叫遠(yuǎn)程診斷。遠(yuǎn)程診斷在大型設(shè)備和軍用機(jī)甚至民航機(jī)當(dāng)中都是有的，但是汽車因?yàn)榱亢艽?，相?duì)成本低的多，所以遠(yuǎn)程診斷這個(gè)技術(shù)沒有好好用上去。但AI時(shí)代，遠(yuǎn)程診斷在汽車?yán)锩嬗泻艽蟮膽?yīng)用前途。它可以提升和改變車子可靠性工程的很多現(xiàn)有工作特征?，F(xiàn)在車子可靠性想把ABC問題規(guī)避，D類問題盡量早期階段把它感知出來，但D類問題一般顧客是感知不到的，怎么辦？汽車公司用了一個(gè)辦法叫定期維修，比如說5000公里查一次，但是我發(fā)現(xiàn)一個(gè)問題，很多4S店修車的人不會(huì)開車，沒有駕駛執(zhí)照，（當(dāng)然現(xiàn)在有很多汽車維修學(xué)校在辦，將來這方面可能會(huì)有提升）。那怎么靠這些修車店技師來“診斷”D類問題呢？

AI在這方面可以提供很好的解決方法。我們可以把原來預(yù)防性的維修變成預(yù)測性的維修，如果車子里面有遠(yuǎn)程（AI）診斷，就可以知道車子有早期問題，并大概知道是什么問題。那么，顧客到4S店， 可以提醒修車店技師需要維修什么。目前，已經(jīng)有公司把這個(gè)技術(shù)應(yīng)用到市場上銷售的車了。

這是一個(gè)我們以前開發(fā)的“車輛遠(yuǎn)程診斷”系統(tǒng)。它通過很多傳感器，主要是觸覺和聽覺傳感器放在各個(gè)關(guān)鍵子系統(tǒng)中間，然后當(dāng)找出一些可疑信號(hào)以后，先把它初步診斷一下 （我們這邊有幾位小朋友對(duì)邊緣計(jì)算做局部實(shí)時(shí)的分析很在行），如果確認(rèn)有看到“一些不好的現(xiàn)象/信號(hào)/數(shù)據(jù)”，通過無線傳輸手段，把數(shù)據(jù)送回總部或者云端，再由云端專家模型做進(jìn)一步診斷確定有沒有問題。這是技術(shù)路徑圖的描述。這個(gè)系統(tǒng)比較有效，可用在車輛上來診斷性能衰減（這會(huì)造成車量在同樣路面上超控能力減弱），還有動(dòng)總、底盤、三電等各個(gè)關(guān)鍵子系統(tǒng)方面。

這是以前我們開發(fā)的兩套AI模型，第一套主要是感知，從傳感器過來進(jìn)了四個(gè)AI模塊，有處理振動(dòng)的，處理聲音的，處理發(fā)動(dòng)機(jī)等等，各個(gè)模塊之間有自己的規(guī)則，通過邊緣計(jì)算的方式篩選出不好的東西，再根據(jù)診斷情況好壞來確認(rèn)是否通知顧客還是繼續(xù)觀察。

第二套是有學(xué)習(xí)模塊在這邊，我們用的是比較老的AI語言（LISPWORKS），還建立了一個(gè)知識(shí)庫，可以用來做決策和學(xué)習(xí)更新?lián)Q代。應(yīng)用時(shí)，首先有個(gè)學(xué)習(xí)過程，一點(diǎn)點(diǎn)訓(xùn)練這個(gè)遠(yuǎn)程診斷系統(tǒng)。等它被訓(xùn)練成熟，然后一代一代（更新）用下去。

下面舉幾個(gè)例子，如果你去野外，有AI在車子里面進(jìn)行診斷，這樣的話讓出行更加愉悅，更加安心，這是我們最終的想法。

這是一輛車開發(fā)期間，客戶模擬5萬公里用車，在各個(gè)地方開。這是車輛在實(shí)際試車時(shí)，隨車AI診斷設(shè)備發(fā)現(xiàn)的可疑問題，并將具體信號(hào)儲(chǔ)存，并遠(yuǎn)程傳輸了回來做進(jìn)一步的分析。

第二個(gè)是我們給礦山提供的專用車子，隨車AI診斷數(shù)據(jù)展示了問題的根源，可以看到這個(gè)懸架設(shè)計(jì)能力不太夠，所以提示增加懸架設(shè)計(jì)能力。

第三個(gè)是福特GT500，我們這里用聲音和振動(dòng)融合的辦法來診斷問題，后來在換擋機(jī)理上面做了一些改善。

小結(jié)一下，我提出第一個(gè)問題，能不能從視覺為主的系統(tǒng)改為視覺+聽覺+觸覺輔助的方式來提升ADAS系統(tǒng)的可靠性。其實(shí)這個(gè)討論和AI里面是兩個(gè)技術(shù)路徑有些關(guān)聯(lián)。這是人工智能的定義，就是人工智能在思考問題的時(shí)候是像人一樣思考問題，還是理性思考問題，做事的時(shí)候是像人一樣做事，還是理性的做事？圖靈是人工智能的開創(chuàng)者之一，他認(rèn)為，只要有理性就有智能了，理性學(xué)習(xí)就可以了。后來行為主義學(xué)派認(rèn)為（人工智能）更有效的辦法是學(xué)人，像人一樣。怎么將“理性主義學(xué)派”和“行為主義學(xué)派”的一些想法和我們講的這兩種ADAS體系關(guān)聯(lián)起來呢？首先，從我們討論的所有例子，在駕駛輔助或自動(dòng)駕駛技術(shù)上，視覺（感知）絕對(duì)是最主要的。從理性主義的觀點(diǎn)出發(fā)，也許希望用“視覺感知及AI進(jìn)一步完善人的視覺”，使其更強(qiáng)更理性的處理更多的問題，并且處理的更好。而行為主義學(xué)派是希望這些系統(tǒng)可以做的更接近于人。人除了視覺以外，也用聽覺，觸覺，嗅覺這些來處理一些開車中遇到的問題，我們能不能也這么做？哪個(gè)才是更好的方法？我把這個(gè)問題拋給今天在場的各位。

觸覺聽覺系統(tǒng)已被很廣泛的應(yīng)用到機(jī)器設(shè)備（遠(yuǎn)程）診斷中間。結(jié)合今天的AI和車聯(lián)網(wǎng)技術(shù)，在車上做 AI遠(yuǎn)程診斷技術(shù)上是完全可行的。今天在第二個(gè)問題中提到的AI車載遠(yuǎn)程診斷系統(tǒng)中用到的 “觸覺、聽覺“體系和第一個(gè)問題中提出的“視覺為主+聽覺觸覺輔助”的AI系統(tǒng)中“聽覺觸覺”系統(tǒng)是相容的。好，這就是我今天的發(fā)言，謝謝大家。