2019年09月27日 | 自动驾驶技术正在重塑科技世界

翻译自——semiengineering，KEVIN FOGARTY

在全自动汽车覆盖道路之前，汽车行业的各个层面就已经发生了重大变革。

自动驾驶汽车的发展正在重塑汽车行业及其供应链，从定义安全到如何确保质量和可靠性都会受到影响。

几年前汽车制造商几乎不知道硅供应商的名字，现在它们正以小组的形式联合起来，共同承担成本问题，解决甚至是最大公司也很难解决的技术挑战。Daimler和宝马（BMW）、福特（Ford）和大众（Volkswagen）最近宣布成立的合资企业，也重申了联合发展的重要性。但这些变化的影响远不止大型汽车制造商，还包括一级和二级供应商，它们与整个半导体生态系统的合作更加紧密。

Strategy Analytics汽车联网移动业务主管Roger Lanctot表示：“汽车制造商发现，对任何一家公司来说，这都是一项艰巨的任务，因此他们正在寻找方法，为研发提供资金，并逐步将这项技术推广到市场，以帮助支付剩余的费用。”“他们没有一个人能独自解决所有的问题。”

美国安全、交通和移动运输中心（Transportation Center for Safety， traffic and mobility21 － u．s．）执行主任Stan Caldwell说到：其中一些合作伙伴关系的建立只是为了降低成本，或者是为了应对非常具体的短期短缺，而交通运输部下属的研究机构专注于交通安全。

如今，几乎所有主要的汽车原始设备制造商都与至少一家其他汽车公司建立了紧密的联盟，通常是为了分担AV平台的成本，或是为了新型联网汽车开发人工智能（AI）试点。汽车合作的网状结构有助于将成本分摊到更广泛的领域。

Caldwell说：“自动驾驶的影响具有分裂性。“实际上，自动化汽车、联网汽车、电动汽车和共享汽车技术这四大技术将同时发生。由于优步（Uber）和Lyft的出现，以及它不需要对汽车进行太多（技术升级或）改变，所以，共享汽车将首先出现。一旦你的司机有了智能手机，你就可以连接到车里，这就使得叫车和分享服务突然变得可用。为此所有大型汽车制造商都与电信公司结盟，以便将信息输入汽车，这也是为什么他们在5G应用、车对车或车对基础设施通信方面如此强大的原因。对汽车制造商来说，一切都在变化之中。”

但是财政状况将依然紧张，尤其是电动汽车的销量将低于预期，自动化和自动驾驶汽车的销量也将放缓。今年4月在底特律一个经济俱乐部福特首席执行长Jim Hackett表示，自动驾驶汽车在限速道路或人行道上更有可能取得成功。“我们高估了自动驾驶汽车的到来，”他说。

并非所有人都同意这一评估。据最近的一份报告显示，特斯拉售出的汽车中，将近四成的份额是更昂贵的全自动驾驶技术。

不过，作为一个整体，汽车行业不太可能被消费者突如其来的兴趣浪潮所包围，消费者对自动驾驶汽车的态度一直比较矛盾。美国汽车协会（AAA）最近的一项调查发现，71％的美国人表示他们害怕乘坐全自动驾驶汽车，而去年同期这一比例为63％。消费者对自动驾驶技术越不熟悉，他们可能就越不舒服，尽管53％的人表示，如果有安全的边界，比如自动驾驶汽车的专用车道和25英里每小时的速度限制，他们会觉得很舒服。AAA调查的受访者还表示，他们更喜欢先进的驾驶员辅助系统（ADAS），对具有ADAS功能的车辆更感兴趣，部分原因是他们认为这些车辆会比人类自己驾驶更安全。

这一观点在整个供应链上也很明显，由于需求放缓和人工智能技术的局限性，一些汽车制造商已经放弃了完全自主。

Flex Logix的首席执行官Geoff Tate表示：“很多客户都在缩减规模。”今年早些时候，他们谈到了多台摄像头和芯片。现在他们看到的是一个芯片和一个摄像头，所以如果司机错过了什么，汽车可以警告他们。有了多个摄像头，你就有立体视觉了，而一个摄像头无法告诉你距离。”

Tate指出，完全自主在某些情况下是可能的，比如在高速公路上，但在交通不那么可预测的复杂街区，自主化要困难得多。

我们还需要方向盘吗？

这反映在车辆的整体设计上。将自动驾驶出租车的方向盘拿掉可能会在AV开发者中引发一场安全危机。

在美国，一辆合法的“安全”汽车必须符合联邦机动车安全标准（FMVSS）的所有要求，但它没有提到驱动自动化系统或几乎任何其他先进电子设备，这使得ADAS和AV技术在联邦一级实际上不受监管。

到目前为止，NHTSA已经发布了三套自愿性准则，并在10月份承诺，它将考虑对AV和传统汽车实施不同的规则，这可能会重新定义有关“司机”或“操作员”的规则，以避免要求这两种角色都由人来担任。它还可能允许无人驾驶汽车不需要方向盘或刹车踏板等以人为中心的控制。

然而，由于FMVSS对AV只字未提，让一辆没有方向盘的汽车上路将使自动驾驶汽车违法，这可能是测试开始以来的第一次。

通用汽车在2018年1月提交的请愿书中，要求NHTSA豁免16项FMVSS，即没有方向盘、刹车踏板或其他控制表面的车辆将被视为测试或用作自动驾驶出租车的街道合法车辆。到今年7月，当通用汽车宣布将推迟部署机器人出租车服务时，美国国家公路交通安全管理局仍未直接回应这份请愿书。

Lanctot说：“问题是这个商业模式并非安全，但遗憾的是，基于我们当前安全体系的局限性，存在着一个庞大的商业模式。”“修理和更换汽车是一项大生意，保险业是一个大行业。但目前还没有一种商业模式可以确保自动驾驶汽车的安全，有一些立法正在努力来解决这个问题，但形势太过紧张和复杂，很难相信立法者能够通过这种方式解决问题。”

行业定义安全

与此同时，解决安全问题的重任可能落在汽车行业身上。

“英特尔认为，安全是所有政策制定的基础，”英特尔自动驾驶和物联网政策副总法律顾问兼全球总监Marjorie J． Dickman表示。他说：“我们会继续鼓励业界与各主要标准机构合作，为广告安全决策制定一个以科技中立和透明表现为本的模式。”我们敦促各方尽早达成协议，因为任何拖延都可能对美国的创新和部署机会产生负面影响。”

对现有标准的更新，以及来自ISO、汽车工程师协会（SAE）和保险商实验室等知名组织的全新标准，跨越了为机械车辆功能安全设计的标准，也跨越了针对新车辆中高度自动化和自动化系统标准之间的鸿沟。

Weast表示，测试必须更广泛，包括更多的参与者，我们必须创建一个合理的功能基础和机会。“最大的缺失是对自动驾驶汽车安全驾驶的正确定义，坦白地说，没有它，一切测试都是空谈。”

随着汽车制造商对可靠性的要求越来越高，测试在整个汽车供应链上越来越受到关注。一些旧的方法不适用于汽车应用，这就要研究出一种不同的测试方法。

“测试覆盖计划是什么？”美国国家仪器公司（National Instruments）全球汽车战略主管Jamie Smith表示。“他们怎么知道自己测试得够多了？”你可能总要做一些事情来弄清楚，比如当你接近一辆消防车的时候，它可能会稍微偏向一边，你可以看到它，但是雷达只是沿着卡车的侧面滑动，而不是回来。所以雷达看到的是路上这个小得令人难以置信的物体，而不是消防车。如果你为雷达的跟踪建模，你可以看到发生了什么，但是你必须确保像那样的测试用例，即使它们是你最初测试的一部分。一家相信自己可以从编写代码并将其部署到一辆无需进行回归测试和仿真就能实现完全自主的汽车上的公司，在环路测试中使用某种程度的硬件，这种做法是不负责任的。”

这种观点在整个行业都得到了呼应。CyberOptics计算机视觉工程经理John Hoffman表示：“可靠性是汽车领域最大的问题。”“你要确保没有任何逃脱。如果制造了2500万块电路板，其中有5个有缺陷就是一个大问题。”

直到最近，ISO 26262的V－system测试一直是验证主要功能的安全方法。Arteris IP负责市场营销的副总裁Kurt Shuler表示，它将继续发挥这一作用，但它还将得到SOTIF（预期功能的安全性，ISO 21448）等其他类型测试的补充。

“关于SOTIF似乎有些争议，”Shuler说。“它几乎没有通过。它的目的是在工作正常时发现错误，但它也会发现你不知道的错误。这种方法与通常的方法有一点不同，但是SAE和ISO也有一些标准，所以这类挑战将会有大量的竞争来验证概率系统。”

Shuler说，尽管增加了一些测试功能，从而得到一些软件功能，但从根本上说，这仍然是硬件验证过程。当你处理一个系统，无论是从一个传感器还是从AI ／机器学习的角度来看，都是不确定的，这都是概率性问题，它会通过一个999次的测试但不是1000次， 而且很难获得诊断或取证信息来了解系统内部的情况。” “这会带来其他一些标准——sotif和UL 4600，它们的细节还在不断公布。”

这个难题在电子领域从未出现，有很多可能的原因导致事情出错，所以要找出每一个可能的极端情况就成了一个挑战。

Cadence负责产品营销的集团总监Marc Greenberg表示：“每个验证团队总是担心如何捕捉到所有角落。”“我们看到的另一个趋势是更多的基于硬件的验证。因此，有了新芯片，更多的模拟器解决方案和仿真将会出现，以及芯片的大部分与软件的大量循环。不同的是，你需要理解所有事情作为一个整体是如何运作的。”

这在汽车领域尤其重要，因为即使单个芯片在功能上是正确的，但它们在系统级别上有着不同的解释。

Shuler：“你所处理的传感器可能会看到错误的东西，比如一个女孩在路上追赶一个球，导致汽车突然刹车，可能会伤害到乘客，因为它看到的是一个女孩的3D图像，而不是2D图像。”这不是在问你是否符合要求，而是问自己的要求是否正确。这种模棱两可的程度让工程师们感到不舒服，因为大家都喜欢有一个量化的答案。当你处理系统误差时，你处理的是那些我们能理解的随机误差。不过，我们对此有一个过程，如何找到并处理这些问题有一个量化的答案。”

不同系统之间的相互作用是不同的

Shuler：“当你上升到系统级别层面，特别是使用人工智能或机器学习软件时，你要处理的是不确定的事情，所以一切都在某个地方的概率事件。”“问题不在于你是否符合要求，而在于你的要求是否正确。这通常会进入非确定性的领域，答案不是一个定量性质的。”