訂閱
糾錯(cuò)
加入自媒體

對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō),是軟件重要還是硬件重要?

為了能讓自動(dòng)駕駛汽車(chē)安全駕駛,離不開(kāi)激光雷達(dá)、攝像頭、毫米波雷達(dá)等感知硬件的支持,更離不開(kāi)決策系統(tǒng)對(duì)于感知到的環(huán)境因素進(jìn)行分析并做出合理的駕駛行為決策。就有小伙伴會(huì)好奇,對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō),是軟件重要,還是硬件重要?

類(lèi)比一下,自動(dòng)駕駛系統(tǒng)像是一臺(tái)樂(lè)隊(duì)演奏,硬件是不同樂(lè)器,而軟件是譜子和指揮;沒(méi)有好的樂(lè)器,音色有限;沒(méi)有好的指揮和樂(lè)譜,再好的樂(lè)器也是噪音。所以問(wèn)題的關(guān)鍵不是“哪個(gè)更重要”,而是兩者能不能合拍,能不能以工程化、可驗(yàn)證和經(jīng)濟(jì)可持續(xù)的方式協(xié)同工作,這才決定系統(tǒng)能不能安全、可靠并且能落地。

硬件決定了系統(tǒng)的感知上限和安全邊界。你能看到多遠(yuǎn)、能分辨多小的目標(biāo)、在多糟糕的天氣里還能不能得到可靠的回波,這些都由攝像頭、雷達(dá)、激光雷達(dá)(LiDAR)、慣性測(cè)量單元(IMU)、高精度定位模組、車(chē)載網(wǎng)絡(luò)和計(jì)算平臺(tái)決定。硬件的物理特性會(huì)直接影響到軟件要解決的問(wèn)題難度,比如低光照下攝像頭的噪聲會(huì)逼迫感知模型更復(fù)雜地處理噪聲和誤報(bào),激光雷達(dá)的分辨率和線(xiàn)數(shù)會(huì)影響目標(biāo)分割的細(xì)節(jié)。

而軟件是把硬件能力變成實(shí)際功能的關(guān)鍵。感知算法、傳感器融合、定位、預(yù)測(cè)與規(guī)劃、控制,這些模塊把原始信號(hào)變成車(chē)輛的行為。軟件決定了如何從噪聲中提取語(yǔ)義、如何在有限的算力下做到實(shí)時(shí)決策、如何通過(guò)冗余和在線(xiàn)監(jiān)測(cè)保證退化模式下的安全。更重要的是,軟件給汽車(chē)升級(jí)、迭代和規(guī);瘞(lái)可能,通過(guò)OTA(Over-The-Air)你可以不斷改進(jìn)模型和修復(fù)漏洞,而硬件一旦裝車(chē)就很難更改,除非在設(shè)計(jì)時(shí)就硬件預(yù)埋或做模塊化替換。

因此,兩者互為依賴(lài),硬件設(shè)定了問(wèn)題的“物理邊界”,軟件在這個(gè)邊界內(nèi)做工程取舍與優(yōu)化。把焦點(diǎn)放在單一維度(硬件更重要或軟件更重要)會(huì)導(dǎo)致錯(cuò)誤的設(shè)計(jì)決策。正確的問(wèn)題應(yīng)該是,在目標(biāo)功能、預(yù)算、量產(chǎn)能力和法規(guī)約束下,如何合理分配資源,在硬件和軟件之間找到最佳平衡,使系統(tǒng)既能滿(mǎn)足安全要求,又具備商業(yè)可行性和可持續(xù)演進(jìn)能力。

兩者如何權(quán)衡——從需求到實(shí)現(xiàn)

那想做好自動(dòng)駕駛,在硬件和軟件的選擇上要如何做好權(quán)衡?先從需求說(shuō)起。任何好的權(quán)衡都要回到“你要做什么”的問(wèn)題上。是要做低速封閉園區(qū)的搬運(yùn)車(chē),還是在城市道路實(shí)現(xiàn)高速的L4級(jí)自動(dòng)駕駛?不同的目標(biāo)對(duì)硬件和軟件的要求天差地別。低速場(chǎng)景可受益于成本更低的傳感器組合和相對(duì)簡(jiǎn)單的決策邏輯,而復(fù)雜交通場(chǎng)景則可能要求更強(qiáng)的遠(yuǎn)距探測(cè)、更高的定位精度和更復(fù)雜的預(yù)測(cè)規(guī)劃算法。

成本與可量產(chǎn)性是必須考慮的現(xiàn)實(shí)因素。在量產(chǎn)車(chē)?yán),成本壓力?huì)把高昂的感知硬件(比如高線(xiàn)數(shù)的激光雷達(dá))壓制到一個(gè)很難接受的地步,這時(shí)軟件需要承擔(dān)更多的感知壓力,通過(guò)更強(qiáng)的算法和傳感器融合,把廉價(jià)攝像頭和毫米波雷達(dá)的數(shù)據(jù)“壓榨”出高可靠度的結(jié)果。反之,在試驗(yàn)車(chē)或高端市場(chǎng),廠(chǎng)商可能會(huì)選擇更好的硬件來(lái)降低軟件復(fù)雜度、縮短開(kāi)發(fā)時(shí)間并提升安全裕度。

可靠性和冗余設(shè)計(jì)也會(huì)改變兩者的取舍。在安全關(guān)鍵的系統(tǒng)里,冗余是非常重要的。硬件冗余(比如雙目標(biāo)攝像頭、兩套激光雷達(dá)或獨(dú)立的毫米波雷達(dá))能提供物理層面的多樣化觀(guān)測(cè),有利于故障檢測(cè)與降級(jí)。軟件冗余(比如多模型并行推理、規(guī)則+學(xué)習(xí)的混合架構(gòu))在面對(duì)邊界情況時(shí)能提供不同策略的對(duì)沖。理想的系統(tǒng)通常在硬件層面保留最少的必需冗余(因?yàn)橛布F、耗能和占位問(wèn)題),在軟件層面實(shí)現(xiàn)靈活的多模態(tài)融合和自檢邏輯。

還有一個(gè)需要考慮的關(guān)鍵點(diǎn)是算力與功耗。高性能的SoC(系統(tǒng)單芯片)能支持更復(fù)雜的網(wǎng)絡(luò)、更高幀率的處理和更低的感知延遲,但它們通常功耗高、散熱復(fù)雜并且價(jià)格昂貴。如果你選擇在車(chē)上部署大算力硬件,軟件可以簡(jiǎn)化一些推理優(yōu)化、減少模型壓縮的工作,但這就不可避免要去多考慮熱管理、電源設(shè)計(jì)和成本等問(wèn)題。相反,如果算力受限,就會(huì)把更多設(shè)計(jì)負(fù)擔(dān)壓在算法工程師身上,模型量化、蒸餾、輕量化網(wǎng)絡(luò)設(shè)計(jì)和時(shí)序調(diào)度都變得非常重要。這里的平衡往往是“合適的算力+高效的軟件”,而不是單純追求最大的算力或最復(fù)雜的軟件。

此外,時(shí)間成本也是必須考慮的。更好的硬件往往能讓早期驗(yàn)證更快,高線(xiàn)數(shù)LiDAR加上強(qiáng)算力可以減少原型階段的算法難題,加速迭代,但最終可能需要把算法遷移到量產(chǎn)受限硬件上,這又需要額外的工程資源。很多創(chuàng)業(yè)公司和車(chē)廠(chǎng)選擇“硬件飛輪”策略,在早期原型階段使用更好、更貴的感知硬件以快速實(shí)現(xiàn)功能驗(yàn)證和收集數(shù)據(jù),隨后逐步優(yōu)化軟件以適配相對(duì)廉價(jià)的量產(chǎn)硬件。這種策略能在短期內(nèi)降低研發(fā)風(fēng)險(xiǎn),但需要長(zhǎng)期的工程投入來(lái)完成從原型到量產(chǎn)的遷移。

當(dāng)然,法規(guī)與驗(yàn)證成本也會(huì)左右軟件與硬件的取舍。某些安全標(biāo)準(zhǔn)或監(jiān)管要求可能強(qiáng)制要求特定的硬件冗余或功能安全機(jī)制(比如ASIL等級(jí)、失效模式檢測(cè)等),這會(huì)推動(dòng)在硬件上投入更多。軟件的驗(yàn)證和證明成本極高,復(fù)雜的機(jī)器學(xué)習(xí)組件難以形式化證明其在所有場(chǎng)景下的可靠性。因此在關(guān)鍵路徑上,往往會(huì)選擇可解釋性更強(qiáng)、更容易驗(yàn)證的模塊(規(guī)則化的決策邏輯、傳統(tǒng)濾波器與模型結(jié)合的定位方法),把機(jī)器學(xué)習(xí)留在輔助或提升性能的位置,直到有足夠的數(shù)據(jù)和方法來(lái)證明其安全性。

實(shí)際選擇策略與建議

對(duì)于硬件和軟件的取舍,有什么需要注意的呢?智駕最前沿建議把硬件與軟件的選擇看作一個(gè)階段性演化的過(guò)程,而不是一次性做完的決策。第一步是要明確產(chǎn)品定位與關(guān)鍵場(chǎng)景,如果目標(biāo)是城市開(kāi)放道路的高度自動(dòng)駕駛,你必須優(yōu)先考慮感知距離、定位精度和冗余;如果是低速園區(qū)或限定路線(xiàn)的自動(dòng)駕駛,可以更側(cè)重于用軟件彌補(bǔ)硬件短板,以節(jié)約成本。

然后就是要做一個(gè)“能力矩陣”,把每種傳感器和計(jì)算單元能提供的能力和局限列清楚(比如攝像頭提供高分辨率語(yǔ)義信息,但對(duì)光照敏感;毫米波雷達(dá)在雨雪霧中仍能探測(cè)速度和距離,但分辨率低;LiDAR提供精準(zhǔn)的三維點(diǎn)云但對(duì)惡劣天氣和鏡面反射有弱點(diǎn);高精度GNSS+RTK能提供厘米級(jí)定位但依賴(lài)基站覆蓋和天線(xiàn)安裝條件;高性能SoC支持復(fù)雜網(wǎng)絡(luò)但功耗和成本高)。在這個(gè)矩陣上再疊加場(chǎng)景權(quán)重(城市、郊區(qū)、高速、夜間等),就能得到比較清晰的硬件優(yōu)先級(jí)和軟件需求。

在感知層面,推薦采用“多模態(tài)優(yōu)先、融合驅(qū)動(dòng)”的設(shè)計(jì)思想。單一傳感器都有盲點(diǎn),多傳感器融合能提高魯棒性與可解釋性。軟件要做的不是簡(jiǎn)單地把多個(gè)傳感器數(shù)據(jù)拼在一起,而是設(shè)計(jì)出能利用各傳感器長(zhǎng)處、補(bǔ)償短板的融合邏輯,同時(shí)還要有故障檢測(cè)和退化模式。例如在攝像頭失效時(shí),系統(tǒng)應(yīng)能依靠毫米波雷達(dá)和低分辨率LiDAR保持基本的橫向控制和碰撞預(yù)防,而不是直接進(jìn)入危險(xiǎn)狀態(tài)。

計(jì)算平臺(tái)的選擇應(yīng)兼顧系統(tǒng)現(xiàn)在與未來(lái)的發(fā)展需求。有很多技術(shù)方案選擇分層計(jì)算架構(gòu),車(chē)載邊緣算力用于實(shí)時(shí)感知和控制,云端用于大規(guī)模學(xué)習(xí)、地圖更新和離線(xiàn)驗(yàn)證。車(chē)載端的硬件要保證低延遲和功能安全,采用商用SoC時(shí)盡量選擇有成熟生態(tài)和安全特性(比如硬件隔離、安全啟動(dòng)、車(chē)規(guī)級(jí)認(rèn)證路徑),以減輕軟件在可信執(zhí)行與防篡改方面的負(fù)擔(dān)。同時(shí)在硬件接口設(shè)計(jì)上要預(yù)留擴(kuò)展性,方便未來(lái)硬件升級(jí)或功能擴(kuò)展。

在軟件架構(gòu)上,推薦采用混合策略,把確定性強(qiáng)、便于驗(yàn)證的功能用傳統(tǒng)算法或規(guī)則首先實(shí)現(xiàn)(如基礎(chǔ)控制、緊急制動(dòng)邏輯、傳感器健康監(jiān)測(cè)),把復(fù)雜的感知和預(yù)測(cè)問(wèn)題交給機(jī)器學(xué)習(xí)方案,但要通過(guò)冗余、閾值、保守策略和大量仿真驗(yàn)證來(lái)加強(qiáng)機(jī)器學(xué)習(xí)輸出。對(duì)于機(jī)器學(xué)習(xí)模型,要有清晰的上線(xiàn)/回滾機(jī)制、性能回歸測(cè)試和在線(xiàn)監(jiān)控(data drift檢測(cè)、異常樣本上報(bào)),以保證OTA更新不會(huì)引入不可控風(fēng)險(xiǎn)。

測(cè)試與驗(yàn)證策略也是非常關(guān)鍵。硬件選擇會(huì)影響你必須做的測(cè)試量,更復(fù)雜或高風(fēng)險(xiǎn)的硬件方案需要更多的故障注入測(cè)試、環(huán)境耐受測(cè)試和功能安全驗(yàn)證。因此在決策時(shí)應(yīng)把驗(yàn)證成本(包括HIL、SIL、場(chǎng)景化仿真、封閉環(huán)路試驗(yàn)和大規(guī)模道路測(cè)試)算進(jìn)去。在技術(shù)上還應(yīng)建立端到端的數(shù)據(jù)回路,把車(chē)上收集的數(shù)據(jù)用于仿真場(chǎng)景構(gòu)建和模型訓(xùn)練,同時(shí)把線(xiàn)上故障和邊緣案例高效地反饋到開(kāi)發(fā)流程,縮短從發(fā)現(xiàn)問(wèn)題到發(fā)布修復(fù)的時(shí)間。

團(tuán)隊(duì)與組織結(jié)構(gòu)也會(huì)影響硬件/軟件平衡。硬件導(dǎo)向的團(tuán)隊(duì)(硬件工程師主導(dǎo)設(shè)計(jì))容易優(yōu)先選用穩(wěn)健但昂貴的硬件,軟件導(dǎo)向的團(tuán)隊(duì)則傾向于通過(guò)算法壓縮成本。最理想的是跨學(xué)科團(tuán)隊(duì)協(xié)作,應(yīng)從需求定義、系統(tǒng)架構(gòu)、到量產(chǎn)工程都共同參與決策,確保各自的風(fēng)險(xiǎn)和成本被綜合考慮。此外,決策更要透明,要把硬件和軟件的TCO(Total Cost of Ownership)列清楚,不僅僅要考慮單車(chē)成本,還要算上維護(hù)、升級(jí)、能耗和驗(yàn)證成本。

最后提一點(diǎn)就是要考慮關(guān)于供應(yīng)鏈與可維護(hù)性。硬件采購(gòu)受零部件可得性和生命周期影響,某些高端傳感器可能供給受限或壽命短,導(dǎo)致量產(chǎn)風(fēng)險(xiǎn)。軟件的長(zhǎng)期維護(hù)成本高,但靈活性強(qiáng)。明智的選擇是優(yōu)先采用有成熟車(chē)規(guī)支持和長(zhǎng)期供貨承諾的硬件,同時(shí)在系統(tǒng)上做模塊化設(shè)計(jì),這樣可以使得單一硬件的替換不必影響整個(gè)軟件棧的大改動(dòng)。

把“誰(shuí)重要”變成“如何協(xié)作”才是關(guān)鍵

回到最開(kāi)始的問(wèn)題,自動(dòng)駕駛是軟件重要還是硬件重要?答案是兩者都重要,但重要的方式不同。硬件定義了能做什么、什么時(shí)候做以及做得多好;軟件決定了如何把這些能力組合起來(lái),以滿(mǎn)足安全、效率和用戶(hù)體驗(yàn)的目標(biāo)。在設(shè)計(jì)自動(dòng)駕駛系統(tǒng)時(shí),關(guān)鍵在于怎樣在功能、成本、風(fēng)險(xiǎn)和時(shí)間之間找到恰當(dāng)?shù)钠胶猓瓜到y(tǒng)既能安全運(yùn)行,又能商業(yè)化并持續(xù)演進(jìn)。選擇硬件時(shí)要問(wèn)“在這個(gè)硬件預(yù)算下,軟件還能做到什么”,選擇軟件時(shí)要問(wèn)“在當(dāng)前硬件能力和驗(yàn)證約束下,這個(gè)軟件能否被證明是安全的”。

-- END --

       原文標(biāo)題 : 對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō),是軟件重要還是硬件重要?

聲明: 本文由入駐維科號(hào)的作者撰寫(xiě),觀(guān)點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號(hào)