向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

从L0到L5,自动驾驶分级标准你真的分清了吗?

时间:2018-07-27 阅读:
在 3~5 层级,随着层级的提高,对系统的要求也随之提高。

首先还是从 SAE 五级分层定义开始介绍。

如前面介绍,SAE International 关于自动化层级的定义已经成为定义自动化/自动驾驶车辆的全球行业参照标准,用以评定自动驾驶技术为准,其具体定义如下:

1532575025138.jpg

15325750362312.jpg

    • L0 :驾驶员完全掌控车辆;

    • L1 :自动系统有时能够辅助驾驶员完成某些驾驶任务;

    • L2 :自动系统能够完成某些驾驶任务,但驾驶员需要监控驾驶环境,完成剩余部分,同时保证出现问题,随时进行接管。在这个层级,自动系统的错误感知和判断有驾驶员随时纠正,大多数车企都能提供这个系统。L2 可以通过速度和环境分割成不同的使用场景,如环路低速堵车、高速路上的快速行车和驾驶员在车内的自动泊车;

    • L3 :自动系统既能完成某些驾驶任务,也能在某些情况下监控驾驶环境,但驾驶员必须准备好重新取得驾驶控制权(自动系统发出请求时)。所以在该层级下,驾驶者仍无法进行睡觉或者深度的休息。在 L2 完成以后,车企的研究领域是从这里延伸的。由于 L3 的特殊性,目前看到比较有意义的部署是在高速 L2 上面做升级;

    • L4 :自动系统在某些环境和特定条件下,能够完成驾驶任务并监控驾驶环境;L4的部署,目前来看多数是基于城市的使用,可以是全自动的代客泊车,也可以是直接结合打车服务来做。这个阶段下,在自动驾驶可以运行的范围内,驾驶相关的所有任务和驾乘人已经没关系了,感知外界责任全在自动驾驶系统,这里就存在着不同的设计和部署思路了;

    • L5 :自动系统在所有条件下都能完成的所有驾驶任务。

我们所说的自动驾驶系统(ADS),通常是在 3~5 层级,随着层级的提高,对系统的要求也随之提高。由于目前自动驾驶的分级,特别是 L3 和 L4 处在还没有大规模应用在实际生活之中,我们对待这个需求就存在着一些认知上的争议。

分类方法:以动态驾驶任务(DDT)、DDT 的任务支援和设计运行范围来区分;

DDT(Dynamic driving task):动态驾驶任务,指汽车在道路上行驶所需的所有实时操作和策略上的功能(决策类的行为),不包括行程安排、目的地和途径地的选择等战略上的功能。

车辆执行:包括通过方向盘来对车辆进行横向运动操作、通过加速和减速来控制车辆;

感知和判断(OEDR,Object and event detection and response,也称为周边监控):对车辆纵向运动方向操作、通过对物体和事件检测、认知归类和后续响应,达到对车辆周围环境的监测和执行对应操作、车辆运动的计划还有对外信息的传递。

动态驾驶任务支援(DDTFallback):自动驾驶在设计时候,需要考虑系统性的失效(导致系统不工作的故障)发生或者出现超过系统原有的运行设计范围之外的情况,当这两者发生的时候,需给出最小化风险的解决路径。

设计运行域(OperationalDesign Domain,ODD,也有称为设计适用域 或者设计运行范围)就是一组参数,指自动驾驶系统被设计的起作用的条件及适用范围,把我们知道的天气环境、道路情况(直路、弯路的半径)、车速、车流量等信息作出测定,以确保系统的能力在安全的环境之内。

综合上面的定义和分析,自动驾驶系统(ADS),通常 3~5 层级的定义可以参考下面内容。

    • LV3,有条件的自动化,要求在限定的 ODD 内能够完成所有的 DDT,但是要求驾驶人员时刻准备着应对,无人驾驶系统在系统失效或者超出 ODD 范围时发出的需求驾驶员介入的请求。但是标准中也要求系统能够在发出驾驶员介入请求后驾驶员介入前能够继续控制汽车几秒的时间。

    • LV4,高度自动化,要求系统在 ODD 内不止能完成 DDT 还要能够应对系统失效,无需驾驶员介入。

    • LV5,完全自动化,全工况无人驾驶,无需定义 ODD,能够完成所有的 DDT 以及处理 DDT fallback。

15325751694124.jpg

L2 组合驾驶

驾驶员和汽车来分享控制权,系统同时具有纵向和侧向的自动控制,且具备两项以上。在整个开启的过程中,驾驶员可以不操作方向盘、油门和刹车(放弃主要控制权),但需要观察周围情况,并提供安全操作。

    • 驾驶员必须随时待命,在系统退出和系统出错的情况下随时接上;

    • 自动驾驶系统:我们从控制和感知进行分解。

对执行器的要求可以看出来,是需要对纵向的动力总成和刹车系统,横向的转向系统进行融合控制。

L2 的工作方式

L2 的工作方式

解析 L2 的感知需求,是需要把整个场景考虑清楚:

    • 低速自动泊车场景:感知车位、行人、车辆;

    • 低速环路堵车辅助场景:识别车辆、摩托车、车道线;

    • 高速封闭道路场景:识别车辆、车道线。

我们在现实中看到的 L2 系统,既有单个摄像头实现的,也有很多差异化设计。这里由于有着驾驶员随时监控环境这条要求区分,车企可以选择做得少也可以选择做的多一些,因为不管是感知还是驾驶决策,完全依照车企对 L2 自动驾驶的需求不同来调整。

    • 既有拿一个 LRR(远程雷达)、5 个 SRR(短程雷达)、2 个 Camera(摄像头)来做的,也有拿单摄像头来进行处理的低成本方案;

    • 既可以仅靠车道识别来进行车辆居中保持,也可以依靠高精度定位和高速道路地图来实现车道的匹配和居中,提高横向控制特性。

这里的核心区别,就是对以下的内容进行限制:

    • 对不同的道路、基础设施的可容忍性;

    • 车速的运行范围;

    • 对感知错误(误识别率)的容忍性;

    • 对自动驾驶系统在不同流量环境下的改进可行性,往 L3 进化可能性;

    • 对车主的使用的判研以评估综合风险性。

 L3 有条件的自动驾驶

在某些环境允许的条件下,驾驶员可以完全放弃操控,交给自动化系统进行操控。如果系统出现问题,是不能完全自主进入安全状态的,需要驾驶人员来接管,但这个时间一般较短。虽然这个看上去不大实用,但是确实是德国三家豪车企业目前在自身系统演进过程中比较看重的点。这些发表的研究性的配置,都是基于L2的演进来考虑的。

没了驾驶员的确认,整个感知的要求高了很多:

  1. 准确度要求高了,不能出错,这里一定有融合对比;
  2. 感知范围距离要求高了,需要给自动驾驶决策时间;
  3. 对环境耐受性要求高,突然下冰雹和暴雨也需要时间来切换;
  4. 即使系统发生错误的时候,整个转换的退出还需要时间;
  5. 感知系统要有冗余性要求,既有融合情况,也有单个感知单元失效诊断之后fail-operational的要求,也要独立能运行。

L3的系统情况

L3的系统情况

可以看出,L3 阶段是之前 L2 顶级配置性能上面再进行演化。由于在运行中失去了驾驶员的监控,任何运行中的感知错误都是不能接受的(没看到车就会产生错误决策,就会出现问题)。

L4 高度自动化驾驶

一旦启动 L4,已经对驾驶者没有要求。在之前看到的更多的,还是基于机场小型低速摆渡车、市区低速巴士之类的有限制的运行。

    • 系统100%负责感知的准确性;

    • 系统100%要在设定的范围内完成所有驾驶员要做的事情,没有后备;

    • 系统在自身出问题和外界环境变化的时候,要考虑冗余的策略,保证车内和车外安全;

    • 自身感知、处理和执行段的所有故障诊断;

    • 自身感知、处理和执行段的Fail-Operational。

L4的运行情况

L4的运行情况

现阶段,L4 的设计考虑还配置个安全驾驶员,这里的情况比较微妙,先做性能,再做冗余,下个阶段就完全考虑实现 L4。

L4的车型和部署与打车服务是很难分离的

L4的车型和部署与打车服务是很难分离的

对 LV5 来说,已经实现完全自动化,全工况无人驾驶,无需定义 ODD,能够完成所有的 DDT 以及处理 DDT fallback。

来源:模拟世界

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • Tesla使出浑身解数标榜技术实力 Musk用一系列让人眼花撩乱的题目,说明Tesla为了实现自动驾驶车辆而使出的十八般武艺,只为了提醒产业界他们不是一家普通的车厂。
  • 教你如何测量无人机、机器人与自驾车的动态姿态 本文介绍以IMU估算在动态条件下进行翻滚和俯仰姿态的基本物理和数学…
  • 英伟达股票受重挫,半导体行业寒冬来临?业界老将称未必 英伟达股票下滑超过50%,苹果、英特尔、台积电和AMD等半导体股票也都不乐观,导致股票分析师和半导体业界分析人士对半导体行业前景产生悲观情绪。对此,半导体业界老将有不同看法......
  • 特斯拉自燃的幕后黑手——锂电池热失控 6月17日,洛杉矶又有一辆特斯拉Model S在路面自燃,车底的锂离子电池组熊熊燃烧。这已经是特斯拉在进入2018年以来的第三场起火事故了。电动汽车自燃的直接原因,就是锂电池的热失控,我将它称为电动汽车安全的“幕后黑手”。
  • 深度学习专家很缺吗? 今年初,一家位于美国密执安州的一级代理商Visteon也宣布与DeepScale展开合作,并开发出首款自动驾驶技术平台——DriveCore。然而,最令人印象深刻的是,DeepScale执行长Forrest Iandola在接受电话采访时所说的话——当今世界上还没有足够的深度学习专家。
  • 未来的汽车需要什么样的GPU? 无论是新动力系统,车载信息娱乐系统,还是自动驾驶汽车,汽车技术都在以前所未有的速度迅猛发展。新的颠覆性技术和行业参与者正在向传统的汽车概念发起挑战。明天的驾驶体验将与今天大不相同。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告