8月初，當前幾家智駕水平比較高車企，都遭遇了車主事故。在車主都聲稱開啟了智慧駕駛輔助的情況下，車輛或者徑直撞上了前方靜止車輛，或者發生了追尾。

人們無法理解：如果連靜止車輛、前方慢速車輛都不能避免碰撞，怎麼能做高級別智慧駕駛？

正逢成都車展，沙龍汽車在車展前後釋放了很多關於沙龍智慧駕駛的資訊。這家長城汽車發起的智慧電動品牌，提出了以4個鐳射雷達、雙華為MDC計算平臺，L4為終極目標的智慧駕駛開發目標，可以說在智駕層面一鳴驚人。

那麼，沙龍汽車如何解決其他車企已經遇到的安全問題？

8月22日，沙龍汽車在北京亦莊總部舉行了溝通會，智慧化中心高階總監楊繼峰解讀了沙龍汽車智慧駕駛的研發思路，以及能夠實現的功能。

“我們本質上是多個相互獨立的自動駕駛系統架構設計，具備了不同層面的演算法異構、軟體異構、系統異構。”楊繼峰說，而且，這一系統“是當前行業裡最複雜的一套系統。我們致力於，既提供領先的AI能力和複雜場景下的智慧的擬人體驗，同時又在風險場景下使用更多基於規則的和經過驗證的標準方法論。”

感應裝置、計算平臺如此“堆料”，還構建了一個“最複雜系統”，沙龍智駕，能不能讓安全性和駕駛的智慧化都順利達成呢？

01

三管齊下

“當年大家做AEB開發，做傳統ADAS開發的時候，基於傳統的方法論和標準體系，雖然也有不同層面的失效，但也沒有這麼多熱議的事故，為什麼？”

楊繼峰在介紹沙龍智駕系統時，首先提出了這個問題。

他解釋，舉一個傳統的例子：直到L3以上自動駕駛唯一的標準法規ALKS（自動車道保持系統）中，約定巡航的最小跟車距離都是基於速度、碰撞的時距來確定，跟車時距隨速度是線性的（下圖）。

聯合國標準法規ALKS對跟車時不同時速下最小距離和時間差的要求

傳統ADAS的功能開發方法論最大的優點是，清晰的設計執行條件和明確的駕駛策略，以及功能失效的場景和形式基本上是可解釋的，但是它的缺點是不智慧。

“比如，在擁堵出高速場景下，你在最右側車道行駛，如果最小跟車距離以標定的方式設成2米，體驗會非常糟，一直會被別的車插入。”他說，低速下的匝道匯流是個典型的博弈場景。

“那麼我們多一個前向的鐳射雷達能解決這個問題嗎，答案是不能。它只能讓最小跟車距離更近，但不能進化成基於場景的動態調整最小跟車距離。因為它是根據系統碰撞風險計算得到的。我們把這種透過邏輯可解釋的功能開發方法論稱為knowledge-based。”

“但是，隨著智慧巡航、NGP這些高階AI功能的開發，我們不再以簡單的時距來決定所有的駕駛策略，我們希望整個系統有更強的魯棒性，更好的場景泛化，更擬人化的智慧體驗。跟knowledge-based相對，我們把這樣的產品設計方法論某種程度上稱為data-based。”

data-based的開發模式，目標是解決今天的所謂L2。99，或者端到端智慧駕駛輔助系統的設計，是為了在生命週期裡解決絕大部分駕駛場景。

而這些高階功能，很難像ALKS這樣，透過非常清晰的設計執行條件（ODC）和明確的最小風險狀態（MRC）及最小風險操作（MRM）來定義。

data-based的開發模式也有缺陷。knowledge-based很多安全概念是計算和設計出來的，並且標準化了。但是data-based的安全標準，只能說基於今天的資料集和場景庫能夠達到的水平是優秀的。

然而，人們對data-based的開發寄予厚望。因為，這一模式，是基於資料驅動理念、對於人的駕駛行為特徵的對映，也就是擬人化，機器視覺的擬人化、融合方式的智慧化，甚至於路徑規劃的擬人化等等。它可能起點很低，但是成長性非常值得期待。

“在高階的智慧駕駛輔助系統裡，我們用了很多的資料驅動的AI的能力，比方說用一個機器學習的模型去端到端的輸出3D感知，用一個機器學習的模型去直接輸出鐳射雷達目標的多稜鏡，用AI的方式去做預測，去做融合，去做甚至是路徑規劃的工作。”楊繼峰說。

所以，knowledge-based和data-based並沒有孰優孰劣，沙龍的智駕系統策略希望兩全其美。“在高階智慧駕駛的技術棧裡，我們希望在智慧巡航和Captain-Pilot（沙龍的機長智駕系統）下是多感測器融合的擬人化的高智慧體驗，又希望在進入MRC或者其他的安全場景時，是更多基於可解釋的感知和明確的基於規則的駕駛策略。”

在進入最小風險狀態時，沙龍智駕會採用基於規則的駕駛策略

“怎麼樣去平衡技術的先進性和技術上的安全性？我們做了一個非常複雜的事。”

楊繼峰所說的“非常複雜”的事，是三管齊下，“本質上是多個感知的原始資料同源，但相互獨立的異構智慧駕駛系統”。

沙龍智駕的三重異構系統

最高階的一層，沙龍汽車採用華為的高效能計算平臺+Momenta合作的演算法軟體，實現當前業界最領先的智慧駕駛輔助功能，包括全速域自適應巡航、智慧巡航、高速和城市領航、記憶泊車等功能。這一層，可以理解為是一個應用了大量資料驅動演算法來實現更多複雜場景的智慧化體驗的強AI棧。

後面兩層，“在一些安全場景下的前向後向橫穿預警及制動等功能，在高階技術棧的同時，我們也透過一個相對來說更基於規則和更成熟的knowledge-based的系統方案去做，也會跑在一個獨立的控制器上。”

比如，最底層，為了保障前向預警、制動功能，沙龍還做了基於一個獨立前視攝像頭的前向安全系統。

這三套系統是異構的，即可以相互獨立工作，只是共享感測器的資料。

這三套系統如何協作？

楊繼峰解釋，舉一個例子，在智慧巡航的功能在開啟的過程中，車輛的感知資訊會發給華為的高效能計算平臺，用來進行資料驅動的AI的感知計算和路徑規劃。但與此同時車輛的感知資訊也會發給獨立的側向安全系統和獨立的前視安全系統，用更為傳統的感知特徵提取方法和基於規則的路徑規劃方法進行計算。然後計算平臺會綜合兩者的結果再來做“基於場景的仲裁”。

楊繼峰稱，沙龍這套系統是“全球最複雜的一套系統”。從邏輯上，這一系統避免了單一系統失效或者誤判可能導致的事故。

02

5重360度感知

無論多少個獨立的決策系統，還是建立在對環境的正確感知上。

當前很多車輛AEB不起作用，就是因為靜態物體無法判斷，而直接選擇“無視”，導致了碰撞靜態車輛的事故。

現在，主流的汽車感測器，包括攝像頭、毫米波雷達、超聲波雷達、鐳射雷達等等，但是，總體而言各種感測器各有優劣。一般而言，單一應用某一種感測器，都無法滿足複雜的行車環境的感知環境需求，因此融合多種感測器成為主流技術路線。特斯拉還在力推單純以攝像頭為感測器的智慧駕駛方案。但只此一家。

而且，隨著智慧駕駛輔助級別的提升，對感測器的要求越高，這也是鐳射雷達上車的原因。在鐳射雷達上車之前，攝像頭+毫米波雷達的組合已經是最強感知方案，可以實現一些標準靜態障礙物的識別，但是對於非標準的物體，或者是尺寸小的障礙物仍然難以識別。包括理想汽車創始人李想都說，“目前攝像頭+毫米波雷達的組合像青蛙的眼睛，對於動態物體判斷還好，對於非標準的靜態物體幾乎無能。”

而鐳射雷達透過發射鐳射，分析反射能量、幅度、頻率和相位等資訊，能夠構建精確的目標三維結構資訊，幫助識別判斷目標。

不過，鐳射雷達成本很高，另外如何用好鐳射雷達也還在探索中。沙龍在應用鐳射雷達上最為激進，採用了4顆鐳射雷達，是業界最多。而且，雷達的佈局，除了正前和兩側，後方還有1顆。

沙龍的5重360°感知覆蓋

除了4顆鐳射雷達，沙龍還採用7顆高畫質攝像頭、5個毫米波雷達、4顆環視攝像頭和12個超聲波雷達，構成了5重36度全覆蓋的感知裝置陣列。可以說，這一配置，業界沒有可以與之相提並論的。

沙龍採用的鐳射雷達是華為96線混合固態鐳射雷達，探測範圍覆蓋橫向120°縱向25°，每秒可實現百萬量級點雲輸出。4顆同時啟用，能實現360度全視場、遠距離的探測。

楊繼峰還解釋了為什麼要採用華為的鐳射雷達。

華為鐳射雷達的特點

“華為的雷達是現在業界比較少的，不做ROI（range of interest）區域分配的，也就是說它並不會把點雲更多的集中在道路的前方。”

楊繼峰說，“如果只有1顆雷達的話，我會希望點雲的密度在最常見的區域更高，是因為短時間內我要解決的功能場景目標很明確，就是為了把前向的以及側前方車道的道路交通參與者的互動場景的功能做好。但是如果我是一個周視雷達，我會希望點雲儘可能均勻分佈，這是為了更有效的構建一個360°的完整的生命週期的感知系統架構設計，以保障這個技術棧有更長的研發生命週期，從目標上來解釋，我還希望這個感知系統能夠足夠好的應對邊緣的場景，包括各種場景下的資料密度的一致。”

均勻分佈的好處是，系統在拼接4顆鐳射雷達的感知資料時更加便利，也能為更長生命週期的智駕系統提供更好的發現問題的能力，“本質上還是為了技術棧的未來完整的迭代”。

他還解釋了沙龍為什麼要用後向鐳射雷達。

楊繼峰認為，首先，鐳射雷達最重要的是提供一個完整的均布感知能力，而不是把能力分配給某個確定場景下的策略。

其次，有很多場景證明，後向雷達能夠實現更好的功能和體驗。比如說，倒車循跡，在鐳射雷達幫助下，相比視覺系統可以更直接性輸出可行駛的區域的物理分佈，讓原本很難的場景變得輕鬆。再比如說智慧躲閃型別的功能，通過後向鐳射雷達，當側面車道後方有大量車輛快速開來時，可以更早做在自己車道內的閃躲。

基於這樣一套感測器，沙龍認為自己構建了超強的感知能力。在比較難的靜態物體方面，沙龍的智駕系統可以識別錐桶、禁停牌、路墩、立柱這些比較難識別的物體。

“整體上來說，目前可以做到一個很領先的狀態。未來我們還會做一些更小的目標物、以及基於更多資料的一些感知能力的提升。”楊繼峰說。

03

永遠有PLAN B

儘管擁有了很強的感知能力和系統能力，但沙龍汽車在構築智駕系統時，仍然是謹慎的態度，到處都有PLAN B。他們總結了六大冗餘。

這六大安全冗餘系統分別是感知、控制、轉向、制動、通訊以及電源冗餘。

六大冗餘

在感知層面，沙龍4鐳射雷達、7高精攝像頭、5個毫米波雷達、4顆環視攝像頭和12個超聲波雷達，可以說互為冗餘。

在控制層面，沙龍採用了華為MDC 610雙計算平臺，這意味著任何一個平臺故障，系統都仍然具備相當充分的感知能力和計算能力，可以更從容的進行安全的接管或者進入到安全策略裡。即使控制器失效，在一些場景下，系統依然可以進行變道到應急車道等MRC場景。

在通訊層面，沙龍的計算平臺，既有乙太網通訊鏈路，也有多接的CANFD通訊鏈路設計。制動、轉向、動力任意一通訊鏈路出現故障，都可以隨時熱切換另外一條鏈路。

在電源冗餘方面，當車輛出現供電故障時，智駕系統仍能有另一路電源供電，保持獨立安全控制。

在轉向冗餘方面，沙龍汽車採用的EPS硬體採用雙CPU、雙橋驅動、雙繞組電機，任意單一回路故障，可提供至少50%轉向助力。

楊繼峰用了比較大篇幅來論述和行車避免事故極為相關的制動冗餘。他表示，沙龍採用的IBC+RBC雙冗餘制動系統，是業界首發，可實現機械冗餘+電子冗餘的雙安全失效模式。

楊繼峰說，之前很多車輛也有雙制動、雙ESP，依然難以避免一些事故的發生，曾經發生過引起熱議的制動冗餘同時失效的案例，但是機械冗餘和電子冗餘的同時具備的IBC+RBC系統，“可以看作是業界今天能找到的唯一一個有可能面向L3和L4級的自動駕駛需求的冗餘制動解決方案。”

總體而言，沙龍汽車智駕系統，以全生命週期為目標，也就是L3乃至L4的功能層級，所以沙龍肯定必須非常積極應用最新的硬體和軟體。但是，在L3尚未實現的階段，人機共駕是必然的過渡過程。這一過渡階段，如何保證先進性，又保證安全？

因此，沙龍的策略是，打造一個既有高階AI擬人的駕駛體驗，又有非常靠譜的、經過驗證的以提供安全保障為目標的功能。

在智慧駕駛的整個技術棧，沙龍透過大量的冗餘的架構設計，“過猶不及”地保障安全。未來，在安全邊界更為清晰時，沙龍汽車也會收斂技術棧，在安全、功能和成本上做到更好的均衡。