廣汽研究院智能駕駛技術部部長郭繼舜

我每次都會重新做PPT，所以在十分鐘前我還在改PPT，希望給大家更新的東西，每次東西都不太一樣，每次都跟大家講可能會有錯別字什么的。OEM思考如何把高精地圖真正量產使用，使得整體的量產做的更加安全和可靠。

首先我每次前面幾個PPT還是要保留的，你們希望聽的是廣告之后的部分，對我來說前面是主菜，后面是附送的，所以先把主菜講了。今年廣汽是世界五百強排名第189位。廣汽是為數不多設有研究院的整車廠，廣汽研究院除了自主品牌就是傳祺品牌之外，還會把技術輸出給豐田、本田等合資企業。合資企業生產的純電動汽車以及本土化做的工作都是由廣汽研究院負責輸出技術的，所以我們對自己的技術還是非常有信心。

我們周圍所有高精地圖，在研究員旁邊現在有安全員，完全不需要監管的自動駕駛汽車，可以打到完全不需要駕駛員參與的，任意自動駕駛的汽車。還有上海和洛杉磯前瞻設計中心，主要做車輛外觀設計，還有底特律，我們希望把技術輸出到北美，在北美進行車型的量產。還有硅谷，也有一些研發團隊是協同做自動駕駛方面的研究。

我們堅持正向開發和平臺化，同時廣汽唉自動駕駛，特別是L3，大家會看到有越來越多的車在量產完成L3相關的功能，我們也將研發主要精力放在L3級別的自動駕駛平臺化上。L2級別的自動駕駛，在今年推出的純電動相關技術都是由我們自己研發，并且設計出來的，我們覺得現在還不錯。

我們有4000多人的團隊，投入非常多精力和人力保證正向研發的持續和高效。輕量化、電動化、情感化是廣汽著力打造的產品形態。輕量化和情感化提升客戶體驗。我們有兩年、五年、十年的規劃，每一年都進行校正，保證整體研發的方向和技術積累能和現在的業界同步。我主要負責自動駕駛的部門，我負責的部門從L1級別自動駕駛到L3、L4。L4距離量產還有挺遠的路要走，我們做了大量技術積累，我們在比賽里獲得不錯的成績，一方面我們在做量產的技術應用，另一方面希望能把更好的正向技術應用在未來相對長遠的自動駕駛技術中。

這是我們看到的現象。中國汽車行業未來會出現四類不同的企業。第一類，掌握了正向核心競爭力，有生產高性能汽車的能力，會成為領先的主機廠。另外他們會逐漸落后，最后原本上、有設計生產能力的主機廠變成代工廠。當然，未來要募集一大批錢，要完善自己的工廠，因為我們的代工廠實在太差了，所以要自己建廠。代工還被別人嫌棄，所有主機廠還是要力爭上游。還有特斯拉、蔚來，他們有新的理念、新的技術和新的技術應用方式，博世和百度、阿里和騰訊等等都是在做這樣的工作。成為一個OEM服務商，我們一起來協同，負責自己擅長的部分，把汽車引領到新的時代中去。

我原來想寫一個不同級別的高精地圖，昨天跟四維圖新的董事長打聽了一下，才知道原來在中國特斯拉并沒有使用高精地圖，僅僅使用ADAS地圖。我改了一下高精地圖的量產應用，主要講L3和L4的部分。自動駕駛的前景，自動駕駛的滲透率在2025年達到12%，100%的高端車會有這個功能。同時可以看到中國未來很可能是自動駕駛落地非常重要的市場，原因在于中國的用戶非常期待自動駕駛。這是一個我們在跟羅蘭伯格一起合作做咨詢的結果，我前幾天看到一個結果，中國70%的用戶是非常期待自動駕駛和無人駕駛到來的，這個比例遠遠超過了英美和日本。我之前在美國讀書的時候，我們參與了自動駕駛的項目，我有一個同學后來參加了另外一個項目，這個項目是做深度醫療的，做圖像的。我問他你為什么不想做自動駕駛，是如此酷的項目。他是美國人，他說那是因為我18歲的時候，我的父親送一臺車給我，是我的18歲禮物，我很難想象有一天我的老婆不需要我了，她滿世界溜達，甚至載著別人去掙錢。中國的用戶買車，對新技術的應用真的是充滿了興趣的。

現在量產是L1、L2級別的自動駕駛，我們在2020年第一季度量產疑似L3。我是做技術的，不管市場怎么宣傳，我必須講現在為止，我們還找不到具有冗余系統的EPS，所以說有L3體驗的自動駕駛，比如可以嘗試脫手，但是不具備安全級別，所以可以叫做疑似L3自動駕駛的量產產品。計劃在2023-2025年期間，如果市場有需求，跟優步或者滴滴合作，去量產L4級別的自動駕駛。這個圖好像上午看到過，高精地圖到底包含了哪些信息，除了導航信息之外，高精地圖更多的時候不是給駕駛員看的，不是給人看的，更多時候是給自動駕駛的系統做自定位和對外來產品理解的。

就像5G，4G是人類使用的最后一代移動網絡。到了5G，不是給我們用的，而是給自動駕駛、智能工廠使用的，所以ADAS地圖我們不需要如此高的精度了，但是汽車需要。感知，當我沒有辦法快速、充分理解周圍世界的時候，高精地圖是一個非常好的做交叉驗證的東西，更多的時候是L4層面。比如L4的交通參與者實在太多了，我們需要快速分類和感知，高精地圖就會尤為重要。L3級別，在大量測試里，感知的部分還好，感知的都是交通參與者，不包含在高精地圖里，所以L3級別，高精地圖的作用更多是做自定位。

地理圍欄，我怎么讓用戶知道什么時候能開自動駕駛，什么時候不能，因為L3級別的自動駕駛在高速公路上。廣汽L2的特點全是我們自研，算法都是底層來改，我們在測試的時候，高速公路測完之后，在十萬到二十萬的公路，在城市道路上來測試的，其實L2和L3基本上不考慮城市道路。但是為了防止用戶濫用，就像特斯拉一樣買一個夾子夾在前面，我很擔心有喪心病狂的人這么做，做了大量測試保證用戶濫用的時候依然能保證他的安全。但是場景是覆蓋不了的，所以L3級別的自動駕駛里，我們一定要快速判斷，在此時此刻這個狀態下能不能做自動駕駛，是不是要出匝道等等這些都需要電子圍欄來做，這是高精地圖非常重要的。

還有車道級路徑規劃，L4我們發現必須結合高精地圖才能知道我在什么時間節點做更合適。我們必須要在一個相當長的道路里，由車輛做局部的判斷什么時候做并線更好，這個層面必須要有高精地圖才能使得自動駕駛更有信心。我在對標特斯拉的時候我發現L2.5級別的自動駕駛里，特斯拉在中國的城市道路里開起來，車輛更有信心一點，加速和減速更快，更堅決一點。我一直以為特斯拉使用輔助高精地圖設備，昨天我確定是沒有的，特斯拉的算法真的做的很牛了。

不同級別自動駕駛的高精地圖需求，如果有上午嘉賓說自己的高精地圖做了厘米級別或者十厘米級別，以他們的為準，我只是說我測的結果。這是理論值，到L3級別，到10-30厘米，但是我們真的做不到。我給大家看一下實際值的情況。我們想講橫向的定位是在20厘米，縱向的定位在1米，為什么橫向定位要好一些，因為有車道線的約束。解決的問題是如何保證每一次車輛在過匝道的時候都知道自己通過一個路口，必須把它控制在亞米級別以內，否則匝道就會錯過去了，我們花了很多精力。

L3高精地圖技術，一個是絕對定位，車輛信息本身的姿態，攝像頭和高精地圖獲得相對定位，這樣才能把值控制在亞米級別，這是橫向的，縱向的很難。如果跑一上午，我看一下結果，能夠維持在2米左右的就謝天謝地了，非常穩定和不錯了。廣汽對自動駕駛的要求，對高精地圖的要求，我們在此之前做了非常非常多的工作，我們希望不要給圖商和合作伙伴出難題，但我們希望保證整個產品的穩定和安全。所以比如說我在一開始，我也非常喪心病狂地一定要達到SOD的級別，但是找到二十家沒有一家供應商能做到，所以我妥協了，但是也還是可以的。

除了這個之外，可以看到對于更新的頻率，車道線、特征屬性等等都有要求，比如要求高精地圖上每一個虛線的端點都要標出來，不能說你告訴我這是實線，換虛線了，不行，標出來之后才能把精度進行進一步確定。最后我們有一個差不多這樣的結果，每一個場景，每一個要求精度，這是高精地圖的精度，不是最終的系統的結果精度，需要自定位等等一系列的，我僅僅是要求高精地圖的精度。

不同場景下，關鍵場景，這個指L3關鍵場景。現在定義了30多個量產時候的L3級別自動駕駛的場景，這里分成三類。一類叫關鍵指標場景，比如說車道橫流的時候或者做TGP的時候，我要精度做的過高。非常麻煩在哪里?在于如果高速公路擁堵的時候前面一排車，道路信息什么都得不到，這很麻煩。但是我們要求精度很高，要求縱向要到亞米級別，如果差兩米，很可能直接到前車的屁股上，而且我還要全責。除了這個之外，高速公路擁堵非常難做，別看低速，L2里出現了挺大的問題，就是我們的邏輯是L2自動駕駛，如果前面有車道線，優先跟車道線，如果沒有車道線，還要跟車，如果有一個目標。如果前面全是車，車道線看不到的時候，前面這個車擁堵的時候也非常無良的加塞加到別的道，我的也會加過去。我們做大量的測試，至少現在在L3級別的自動駕駛里，我們要求在擁堵的時候，要求能最終的結果是縱向在亞米級別。不同場景指高速公路沒有分杈的時候，現在好一點。差不多80%、90%高速公路，誤差在兩米左右，整體的情況我們才能保證自動駕駛L3有一個相對好的定位精度。

我們思考了很多，理念已經有了，大概要求已經有了，怎么辦，現在難度實在是有點大，所以我就跟大家講講我們找了三種方案，這三種方案是我們考察了很多很多供應商得到的。第一個方案是效果最好的方案，是高精度的絕對定位，路徑的設備，加上高精度的匹配等等做出來的模塊。那么需要天線的配合，必須是蘑菇頭天線，那個頂在車上非常丑，現在想辦法解決這個問題。有非常好的數據能力，這也是一個問題。相關的資源要求圖商的地圖以及硬件模塊和攝像頭，而且要達到SOB的級別，非常非常不容易，但是我們現在還在走這條路。

第二個普通的定位加航跡推算，買車的老百姓不需要每年交一部分錢了。這個需要ADAS地圖做匹配，就是高精地圖+ADAS地圖。這個好處是我不需要絕對定位的裝置，但是缺點是車輛所在的道路是非常慢，因為定位都是相對定位的，絕對定位的能力不夠。剛才還有IDK，現在沒有了，正負十米的誤差進行視覺識別，肯定需要時間的，所以我們測一下，行駛兩公里之后才能百分之百確定我在哪個道上，這是問題，怎么做?我必須在大屏幕上寫一段話說請你注意，現在一定是高速公路，否則我不負責。我是不知道到底用戶該不該開自動駕駛功能。

第三普通的定位，加上航跡推算加攝像頭，這是依賴攝像頭和高精地圖匹配，不需要ADAS。沒有高精地圖絕對定位的信息，壟斷性是很差的，但是好處是系統足夠簡單，因為自動駕駛L3不止高精地圖一個東西。這個東西已經花了我們非常非常大精力了，我們想怎么辦，我們盡可能的增加它的成本，但是我們要保證在第一款車出來的時候有足夠好的性能。

功能安全，基本上要求SOB的級別，硬件的廠商覺得太難做了。經過審慎的研究覺得還行，還能干。這個就很難了，軟件功能的SOB，要求圖商把地圖、數據、數據流等都要做到SOB的級別，即使硬件達到，依然不夠，需要軟件也達到。如果有科技公司的技術人員能很好解決這個問題，歡迎馬上跟我們聯系，我們可以馬上把你推向量產。

L3級別的自動駕駛，地圖不是給人看的，但是我們把它矢量化之后標出來，可以看出來到底是如何快速的采集到路上的典型信息，比如說車道線、虛線、實線以及方向線，還有分岔路口。左上角的圖對分岔的要求，要求到亞米級別的縱向精度，這個非常難。第二個逆光依然有很好的識別，這是直接識別出來的結果。第三個交通標志牌，第四個采集到的路上的燈，廣告牌等等，計算到底車在哪里。這是充分矢量化的地圖，之所以這樣做，跟剛剛那個不一樣的原因很簡單，我們要求每公里盡可能包含更多的矢量信息，同時把每公里的數據量控制在15K之內，就是我要求全中國10個G左右全部覆蓋掉，要不然是放不下的。

分岔路口的矢量精度、立體體系的Z方向精度、30萬公里的高速路、城市快速路數據的完備度、在每公里不超過15K的數據容量下的特征豐富程度、數據更新的頻度，如何做眾包，因為第一張圖做出來的是ADAS做的，后面的用攝像頭，把低精度的攝像頭的信息疊在ADAS上，保持高精度，這也是一個問題。

L4，我們現在也在做，我們把所有的地圖打包，都開放出來。如果拿著你們的自動駕駛汽車到我們那邊，給你接口。大家可以看，除了L4級別旁邊的路基這些特征之外，我們還把虛擬的應該轉向或者變相的線全部做了矢量化。我們現在的L4級別的高精地圖基本上下降了L3所有功能，這個比較高，差不多每公里在60到100公里，做了充分的壓縮。L4還沒有到量產，L4的量產需要比較大的時間，比如剛才講到的冗余的傳感器、冗余的電源等等都是很大的問題。

我的分享就是這些，謝謝。