2020中国汽车论坛 | 陈黎明：博世在自动驾驶量产道路上的思考

2020年8月13日至15日，“中国汽车论坛2020”在上海举行。本次论坛由中国汽车工业协会(CAAM)主办，世界汽车组织(OICA)和世界经济论坛(WEF)唯一支持。本次论坛以“新变化、新挑战、新理念——引领中国汽车新征程”为主题，紧扣时代脉搏，寻求突围之道，紧紧围绕“十四五”规划，掌控宏观产业形势，分析全球汽车产业发展趋势。其中，博世底盘控制系统中国区总裁陈黎明在8月15日上午举行的“智能网联汽车创新发展与产业生态升级”分论坛上发表了主题演讲。以下为演讲实录:

博世底盘控制系统中国区总裁陈黎明

陈黎明:女士们，先生们，早上好！我是博世底盘控制系统的陈黎明，负责主/被动安全、ADAS和自动驾驶。今天和大家分享一下博世在自动驾驶量产道路上的思考。为什么我们要谈论大规模生产？因为大家在路上看到过一些自动驾驶的车，特别是一些低级的自动驾驶，高级的辅助自动驾驶，还有一些现在在三四级DEMO的车。博世从1993年开始做封闭道路的DEMO，也在做高级自动驾驶辅助的研发。2017年首次推出集成巡航控制，可以在高速上摆脱巡航控制。

为什么花了这么长时间才开发出真正上路的产品？其实目前谈得比较多的就是长尾问题。从去年开始，许多企业，尤其是高科技企业，一直在推迟L4、L5和L3的量产。最重要的问题是有很多长尾问题无法解决。换句话说，从R&D工艺到量产阶段还有很多挑战。

以下是我个人总结的三个挑战:

(1)技术挑战；(2)工业化的挑战；(3)商业化的挑战。

每个人都知道技术挑战。近年来，许多新的科技企业在传感器、定位、决策、芯片、计算能力等方面做了大量的研究。感知、决策、控制的科技难题也在一一解决。我个人对科技方面的挑战非常有信心。随着时间的推移，只要我们投入资金，这些问题是可以解决的。

正在讨论商业化的许多方面。现在大家一致认为城市自动出租车和自动货运会比较容易先商用，会比较早商用。同时，商业化本身取决于自动驾驶汽车的成本，涉及到零部件和汽车的成本。谈到成本，就谈到量和商。给大家分享一下如何真正产业化，满足所有要求，量产，让价格降下来，让终端用户早日真正享受到真正的自动驾驶。

今天很多嘉宾提到了自动驾驶的安全问题。对于自动驾驶和行业来说，灵魂的考验是如何实现安全的自动驾驶，这个大家都在讨论。刚才王医生也介绍了一些事故。的确，许多事故仍在发生。当然，这在R&D进程中是正常的。一开始不可能没有事故，但事故能不能彻底杜绝，是我们需要探索的。我们如何避免最小化甚至减少到少于人为错误？这也是我们面临的挑战。

目前衡量自动驾驶水平和安全程度有两个方面。比如美国的车管所，有一个自动驾驶间隔的“率”，多少公里多少英里就离开了。兰德公司试图从驾驶层面来解释自动驾驶的水平。根据美国2015年总行驶里程4.8万公里发生的事故统计，目前平均200万公里就有一次死亡事故和一次受伤事故。这是什么概念？如果要行驶1.4万亿公里，地球3600圈以上的话，时间需要200多年。挑战在于如何证明和验证汽车是安全的。

博世有三点考虑:

第一，符合现行或未来法律法规的要求。今天很多嘉宾都谈到了功能安全、预期安全、自动安全、转向安全，尤其是发生故障时如何保证安全。全安按照汽车开发、验证、发布的传统流程，像大家熟悉的V-model一样，根据行业法规和企业的要求，制定系统要求和零部件要求，一步步进行验证。整个验证过程仍在实验室和封闭的特定实验场所进行。

自动驾驶涉及的场景太多，传统的方式已经无法继续。因此，有必要在实际道路上进行测试，尤其是通过数据驱动的验证来验证自动驾驶的安全性。是V模型和数据驱动闭环的结合，实现安全验证。

运用系统分析方法，如故障树分析，对所有故障模式进行系统分析，尽可能明确故障模式，找出相应的解决方案，从而更好地验证安全问题，为大家提供更安全的产品。

第二，应对极其复杂场景的能力。

就是我们现在说的长尾问题。已经处理了许多标准问题。有时候业内有个笑话。要看你和城管的关系，能不能提前把路上不规则的东西处理掉，让自动驾驶更好的感知周围的环境。由此可见驾驶环境的复杂。就像刚才周主任提到的，没有一个驾驶场景是相同的，所有的驾驶场景都可能在开发过程中被覆盖，所以需要在汽车生命周期中提供持续学习和改进的能力。

博世从三个方面考虑:

(1)充分利用人工智能和车路协调。

它不是一个简单的人工智能，而是人工智能和概率方法的结合，创造一个可解释的人工智能。顺便说一下，Bosch在今年2月发布了AI标准，希望能做出一个AI algo……thm和产品是可解释的和高度健壮的。

因为车和人的视野是有限的，路段可以提供更广阔的视野和无形的信心，帮助我们解决长尾问题。

数据驱动的循环迭代具有量产后持续学习的能力，而不是自行车的自学习能力。方案是将自行车遇到的问题上传到云端进行统一的离线学习和训练，然后赋予汽车新的数据和模型。最重要的是保证可追溯，每辆车的状态都是可追溯的。每辆车都变得不可控不可知，这是一件很可怕的事情。这样就可以避免单车不可控的发展，很好的解决迭代学习的问题。

我们知道，驾驶情境是千变万化的，不可能在研发过程中，甚至在后续的学习过程中，覆盖所有的学习场景。当我们的算法无法检测到的时候，它需要能够在无法识别冗余系统故障的情况下保证安全驾驶，包括车内人员的安全和道路使用者的安全。

第三，可持续复制。

从0到1是从无到有，是实验室的产物，包括现在的DEMO，还属于0到1的阶段。1到n，从100辆车到10万辆车，100万辆车，就是工业化的过程。如何实现？因为生产可能是一家工厂生产的，不可能生产一个车模。每个车厂，每个车型的定位和功能都不一样，所以一定要兼容和可扩展。首先，我们必须建立有利的工具。这两天有嘉宾谈到软硬件分离，一定要有非常好的基础。基础是中间件。博世有非常好的产品——VRTE和AOS，更好的支持应用软件和硬件的有机结合，并且可以扩展。这时候就会有一个非常好的可扩展架构，可以在不同的传感器配置和型号中进行复制和扩展，逐步扩大应用范围。

总结一下实现安全的思考和总结，自动驾驶系统需要提供一致的、可预测的、安全的行为，这是我们对自动驾驶的要求。如果道路使用者和其他动物遇到危险，自动驾驶系统应该尽力避免事故，如果不可避免，必须将伤害降到最低。

必须有系统完整的验证放行方法，必须建立一套结构化的流程和配套的方法。最后，它必须基于可核实的过程和确定的结果。

感谢您的时间，谢谢！

(注:本文根据现场速记整理，未经发言人审核。)2020年8月13日-15日，“中国汽车论坛2020”在上海举行。本次论坛由中国汽车工业协会(CAAM)主办，世界汽车组织(OICA)和世界经济论坛(WEF)唯一支持。本次论坛以“新变化、新挑战、新理念——引领中国汽车新征程”为主题，紧扣时代脉搏，寻求突围之道，紧紧围绕“十四五”规划，掌控宏观产业形势，分析全球汽车产业发展趋势。其中，博世底盘控制系统中国区总裁陈黎明在8月15日上午举行的“智能网联汽车创新发展与产业生态升级”分论坛上发表了主题演讲。以下为演讲实录:

博世底盘控制系统中国区总裁陈黎明

陈黎明:女士们，先生们，早上好！我是博世底盘控制系统的陈黎明，负责主/被动安全、ADAS和自动驾驶。今天和大家分享一下博世在自动驾驶量产道路上的思考。为什么我们要谈论大规模生产？因为大家在路上看到过一些自动驾驶的车，特别是一些低级的自动驾驶，高级的辅助自动驾驶，还有一些现在在三四级DEMO的车。博世从1993年开始做封闭道路的DEMO，也在做高级自动驾驶辅助的研发。2017年首次推出集成巡航控制，可以在高速上摆脱巡航控制。

为什么花了这么长时间才开发出真正上路的产品？其实目前谈得比较多的就是长尾问题。从去年开始，许多企业，尤其是高科技企业，一直在推迟L4、L5和L3的量产。最重要的问题是有很多长尾问题无法解决。换句话说，从R&D工艺到量产阶段还有很多挑战。

以下是我个人总结的三个挑战:

(1)技术挑战；(2)工业化的挑战；(3)商业化的挑战。

每个人都知道技术挑战。近年来，许多新的科技企业在传感器、定位、决策、芯片、计算能力等方面做了大量的研究。感知、决策、控制的科技难题也在一一解决。我个人对科技方面的挑战非常有信心。随着时间的推移，只要我们投入资金，这些问题是可以解决的。

正在讨论商业化的许多方面。现在大家一致认为城市自动出租车和自动货运会比较容易先商用，会比较早商用。同时，商业化本身取决于自动驾驶汽车的成本，涉及到零部件和汽车的成本。谈到成本，就谈到量和商。给大家分享一下如何真正产业化，满足所有要求，量产，让价格降下来，让终端用户早日真正享受到真正的自动驾驶。

今天很多嘉宾提到了自动驾驶的安全问题。对于自动驾驶和行业来说，灵魂的考验是如何实现安全的自动驾驶，这个大家都在讨论。刚才王医生也介绍了一些事故。的确，许多事故仍在发生。当然，这在R&D进程中是正常的。一开始不可能没有事故，但事故能不能彻底杜绝，是我们需要探索的。我们如何避免最小化甚至减少到少于人为错误？这也是我们面临的挑战。

目前衡量自动驾驶水平和安全程度有两个方面。比如美国的车管所，有一个自动驾驶间隔的“率”，多少公里多少英里就可以离开。兰德公司试图从驾驶层面来解释自动驾驶的水平。根据美国2015年总行驶里程4.8万公里发生的事故统计，目前平均200万公里就有一次死亡事故和一次受伤事故。这是什么概念？如果要行驶1.4万亿公里，地球3600圈以上的话，时间需要200多年。挑战在于如何证明和验证汽车是安全的。

博世有三点考虑:

第一，符合现行或未来法律法规的要求。今天很多嘉宾都谈到了功能安全、预期安全、自动安全、转向安全，尤其是发生故障时如何保证安全。全安按照汽车开发、验证、发布的传统流程，像大家熟悉的V-model一样，根据行业法规和企业的要求，制定系统要求和零部件要求，一步步进行验证。整个验证过程仍在实验室和封闭的特定实验场所进行。

自动驾驶涉及的场景太多，传统的方式已经无法继续。因此，有必要在实际道路上进行测试，尤其是通过数据驱动的验证来验证自动驾驶的安全性。是V模型和数据驱动闭环的结合，实现安全验证。

运用系统分析方法，如故障树分析，对所有故障模式进行系统分析，尽可能明确故障模式，找出相应的解决方案，从而更好地验证安全问题，为大家提供更安全的产品。

第二，应对极其复杂场景的能力。

就是我们现在说的长尾问题。已经处理了许多标准问题。有时候业内有个笑话。要看你和城管的关系，能不能提前把路上不规则的东西处理掉，让自动驾驶更好的感知周围的环境。由此可见驾驶环境的复杂。就像刚才周主任提到的，没有一个驾驶场景是相同的，所有的驾驶场景都可能在开发过程中被覆盖，所以需要在汽车生命周期中提供持续学习和改进的能力。

博世从三个方面考虑:

(1)充分利用人工智能和车路协调。

它不是一个简单的人工智能，而是人工智能和概率方法的结合，创造一个可解释的人工智能。顺便说一下，Bosch在今年2月发布了AI标准，希望能做出一个AI algo……thm和产品是可解释的和高度健壮的。

因为车和人的视野是有限的，路段可以提供更广阔的视野和无形的信心，帮助我们解决长尾问题。

数据驱动的循环迭代具有量产后持续学习的能力，而不是自行车的自学习能力。方案是将自行车遇到的问题上传到云端进行统一的离线学习和训练，然后赋予汽车新的数据和模型。最重要的是保证可追溯，每辆车的状态都是可追溯的。每辆车都变得不可控不可知，这是一件很可怕的事情。这样就可以避免单车不可控的发展，很好的解决迭代学习的问题。

我们知道，驾驶情境是千变万化的，不可能在研发过程中，甚至在后续的学习过程中，覆盖所有的学习场景。当我们的算法无法检测到的时候，它需要能够在无法识别冗余系统故障的情况下保证安全驾驶，包括车内人员的安全和道路使用者的安全。

第三，可持续复制。

从0到1是从无到有，是实验室的产物，包括现在的DEMO，还属于0到1的阶段。1到n，从100辆车到10万辆车，100万辆车，就是工业化的过程。如何实现？因为生产可能是一家工厂生产的，不可能生产一个车模。每个车厂，每个车型的定位和功能都不一样，所以一定要兼容和可扩展。首先，我们必须建立有利的工具。这两天有嘉宾谈到软硬件分离，一定要有非常好的基础。基础是中间件。博世有非常好的产品——VRTE和AOS，更好的支持应用软件和硬件的有机结合，并且可以扩展。这时候就会有一个非常好的可扩展架构，可以在不同的传感器配置和型号中进行复制和扩展，逐步扩大应用范围。

总结一下实现安全的思考和总结，自动驾驶系统需要提供一致的、可预测的、安全的行为，这是我们对自动驾驶的要求。如果道路使用者和其他动物遇到危险，自动驾驶系统应该尽力避免事故，如果不可避免，必须将伤害降到最低。

必须有系统完整的验证放行方法，必须建立一套结构化的流程和配套的方法。最后，它必须基于可核实的过程和确定的结果。

感谢您的时间，谢谢！

(注:本文根据现场速记整理，未经发言人审核。)

标签：

汽车资讯热门资讯