自动驾驶硬件研发的挑战与展望

导读： 本次分享的主题为自动驾驶硬件研发的挑战与展望。

主要内容包括：

• Pony.ai 硬件发展简介

• Pony.ai 硬件团队简介

• Pony Alpha2 系统介绍

• 自动驾驶硬件研发挑战

1. Pony.ai 硬件发展简介

Pony.ai 成立于 16 年 12 月，公司第一辆车是在 2017 年 Q2，拿到了美国加州的自动驾驶测试牌照，开始正式测试。可以看到我们当时用的还是 64 线激光雷达。2018 年 Q1，拿到了北京测试牌照，可以看到我们的雷达已经换成了 32c+多 camera 组合。2018 年 Q4，我们在上海 WAIC 世界人工智能大会上发布了公司第一个硬件 release 版本 Pony Alpha，可以看到整车的集成度和外观都进行了非常有针对性的设计。2019 年 Q2，与丰田合作改装 LEXUS RX450h。最后，是在 2019 年 Q4 发布的 Pony Alpha2 硬件系统，稍后将详细介绍。

2. Pony.ai 硬件团队介绍

Pony.ai 在北京、硅谷、广州都有研发中心，并且有车队，所以相应的在三地都有硬件团队提供本地化支持。三地之间的硬件团队经常会做技术共享，由于硬件研发本身有一定的本地化属性，所以我们是通过项目来分工合作的，同时，我们每周三地的工程师会进行充分的技术交流。

Pony.ai 硬件团队构成，包括：电子电气工程师、结构工程师、嵌入式工程师/FPGA 、车辆工程等等。

3. Pony Alpha2 系统介绍

首先介绍下自动驾驶汽车硬件系统，如上图所示，主要分三个部分：

① sensor 传感器，相当于车辆的“眼睛”，包括：雷达，Camera，GPS+IMU 等。

② compute 计算单元，相当于车辆的“大脑”，主要放在后备箱。

③ vehicle 车辆本身，是最大的硬件系统，相当于车辆的“肌肉”。

这是我们在 2019 年 Q4 发布的 Pony Alpha2 硬件系统，最新的进展包括：

① 传感器配置升级：出于成本和国产化的考虑，主 lidar 使用了 Hesai64 线激光雷达。

② 传感器清洁系统：特别针对雨天，自主研发传感器清洁系统。

③ DBW 线控：过去一度被 Autonomous Stuff 垄断 目前 pony 已经具有不同车型的线控改装技术，并能够独立进行控制参数调优。

④ 线束：深入改装车辆系统，自主研发与定制的线束。

⑤ 集成度进一步提升：通过自研硬件设备，使得设备间连接线束减少，集成度和稳定性显著提高。

⑥ 后备箱空间可用：高度集成节省了空间，后备箱有大量富裕空间供 robotaxi 乘客使用放置行李。

4.自动驾驶硬件研发挑战

① 成本

硬件系统首先面临的 最大挑战 就是 成本 。我们看以看到右图是 pony alpha 系统的车顶，有 3 个激光雷达，6 个高清摄像头，还有定位模块等，传感器+定位系统成本高达几十万 RMB。所以，如果成本这么高，如何实现自动驾驶的批量生产？何时才能服务大众？

Pony 进行的尝试和探索：

• 自研硬件实现定制化与降成本：自研的好处就是可以把有用的模块留下，把没用的模块去掉，就可以直接降低成本。如：车顶传感器与导航信息处理单元，实现供电，信号分发，数据汇聚，数据预处理等功能。支持多种卫星导航与惯性导航单元，实现不同成本的定位性能组合。

• 通过几代的迭代，车顶传感器系统经历了从成品采购->模块级集成->芯片级集成的升级。

• 与行业一起发展：参考 Bosch radar 的发展路径。随着 radar 的蓬勃发展，由开始的机械扫描，变成电子扫描，集成度和稳定性在不断的提高，使 radar 的体积和成本都在不断的缩小和降低。

• 我们已经与丰田进行深入合作，包括还有广汽。通过与 OEM 合作，逐步向前装发展，借助主机厂的力量，获得更强的议价能力。

② 功耗/散热

功耗和散热问题，简单理解就是 电从哪里来？热到哪里去？

• 常见车载 ECU 的功耗在 10W 量级

• 现有无人车由于需要高性能计算（CPU+GPU），功耗通常>1000W

Pony 内部进行的尝试和探索：

• 供电方案的优化：pony 自主研发的供电系统，冗余供电，低压与高压结合，可以实现双路备份。

• 异构计算：刚刚说到，我们内部有 FPGA 团队，可以对成熟的算法进行加速，速度提升的同时，降低功耗。当然，业界也有专用芯片的方案可以考虑。

• 散热仿真与方案设计：我们的团队内部还有散热工程师，会针对我们系统的状态，构造各种环境，进行仿真验证、温箱测试、实车测量，保证系统的热量能够及时稳定的传输出去。

③ 快速迭代

右图是典型的汽车研发流程图，一辆汽车的研发大概会经历 2 年时间。但是对于我们，从 2017 年 Q2 到 2018 年 Q4，大概 1 年半的时间内，我们已经迭代了 3 代的硬件产品。并不是我们追求快，而是技术和行业的发展趋势如此：

• 技术变化快，供应链变化：如刚刚提到的激光雷达的变化，已经不是传统 64 线激光雷达的时代，激光雷达的线束越来越高，体积越来越小，我们必须要跟上变化。

• 行业变化快，合作模式探索：Pony 有和不同的 OEM（丰田，现代，广汽）以及出行公司开展合作。这要求我们必须具备快速应变，灵活调整的能力。

Pony 进行的尝试和探索：

• 全栈团队，自力更生：除了硬件研发团队，我们还有来自车厂试制部门的现场工程师，擅长跑车改装的机械技师，自己的试制车间等等，使我们具备基本的生产加工能力。

• 简化流程，大胆试错：研发初期追求速度，与车厂的研发流程相比，Pony 内部的设计评审流程相对简单。因为公司内部有众多优秀的人才，我们相信工程师自己的判断，当然，这个前提是基于我们的系统是在不断的快速更新迭代的。

• 前瞻设计，预留资源：比如预留空间，电量，安装点等。

④ 量产

目前全球汽车保有量在 10 亿以上，全球无人驾驶汽车总量无法找到数据，只能预估下，大概在万级别，所以差距还是非常大的。曾经有人统计无人驾驶带来的效率提升，粗略的估计是 95%，如果替代国内的 2 亿辆汽车，需要一千万无人驾驶车辆。所以现在离自动驾驶汽车量产还有很大的一段距离，右图来自网络，大概是前几年的照片，就很形象的解释了量产。虽然现在很多自动驾驶汽车已经过了 demo 的阶段，但是这个问题还是存在的。

Pony 进行的尝试和探索：

• 设计工艺的选择：以最典型的结构设计为例，最开始我们第一辆车，所有的结构件都是通过 CNC 做出来的，随着规模增大以后，就会去尝试鈑金、铸模等工艺。

• 传感器标定优化：以 Camera 标定为例，我们有一套全自动化的 Camera 内参标定平台，可以实现 Camera 从安装->标定过程->内参保存->处理->上传，都是全自动化的。

• 生产管理和质量管控：由于目前自动驾驶车辆还是几百上千的级别，主要还是采用人工进行整体的装配和调试。人工难免出错，所以我们内部会通过一些流程：如制度、文档、信息化系统，对生产管理和质量管控进行了大量的优化，来保证车辆的质量是过关的。

⑤ 复杂道路情况

最后，再介绍下复杂路况。右上角是国内典型的十字路口，目前大部分的自动驾驶公司应该还处理不了这种场景。对于 Pony，随着场景不断丰富，对无人车硬件的要求不断增多。比如传感器的配置，我们也经历了摸石头过河，循序渐进的过程。Waymo 为什么选择在凤凰城开展无人驾驶测试，相当程度上也是考虑到那里的空气干燥，常年晴天，极少雨雪。解决这些极端气候问题，需要更长期的技术迭代优化，短期内这些可能并不是最迫切的，我们也相信随着技术的发展这些难题也都会逐步得到解决。

今天的分享就到这里，谢谢大家。

作者介绍：

李林涛，Pony.ai 北京硬件研发团队负责人

本文来自 DataFunTalk

原文链接：

https://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499368&idx=2&sn=585bb5e401a9502ab753b2e1762d0467&chksm=fbd74c04cca0c51245c79e46fa907d9160780cfc3070d3fa76469841529a93261e86f9eb9513&scene=27#wechat_redirect