根據賽為安科技，所了解“安全第一”始終都是自動駕駛的核心理念和價值觀，其最終目標是自動駕駛系統作為AI駕駛員，能夠替代人類實現完全“無人駕駛”——或許這一行業并不存在100%的安全，但這并不妨礙自動駕駛技術朝著100%安全的目標去不斷發展與完善。而為了達到這一目的，自動駕駛技術就需要在感知、算法、算力三大根源層面進行不斷升級，既要做到完善，也要做到冗余，以最終達到對人類的完全替代。

根據白皮書研究顯示，對于自動駕駛的安全技術保證，大概可以從以下四個方面來保證。

在感知層面，環境感知是自動駕駛的前提條件。環境感知系統融合激光雷達、毫米波雷達、攝像頭等多傳感器的優勢，實現車身周圍360°視距，在復雜變化的交通環境中穩定檢測并跟蹤交通者的行為和速度朝向等信息，為決策規劃模塊提供場景理解信息。

感知算法采用多傳感器融合或多攝像頭融合的框架，并基于深度神經網絡及海量的自動駕駛數據，以更準確識別出障礙物類型、并穩定跟蹤障礙物行為，為下游決策模塊提供穩定的感知能力。在目前主流的兩種融合方案中，基于多傳感器融合方案的感知系統是最受歡迎的選擇，其可通過異源感知通路形成冗余，為自動駕駛系統提供高容錯能力，從而提升系統安全。

具體談到感知系統的優勢時，我們可以與人類進行比較。人類的感知只要依靠大腦通過雙眼獲取的視覺信息，而雙眼的視距僅有120°，不僅中心像素遠高于邊緣像素，也會受到黑夜、大霧等環境影響，在人類駕駛時很難對環境獲得全維感知；而采用多傳感器融合方案的感知系統則能夠降低這些影響，并通過感知技術的不斷進步，最終將其徹底抵消。這也是為何國內自動駕駛企業都選擇多傳感器技術路線的原因，這一點我們在下面再講。

在算法層面，算法是自動駕駛技術的大腦，而基于算法的感知、預測、決策和執行動作都將直接影響車輛自動駕駛的能力和效果。算法以“安全第一”為原則，并基于交通安全規范與共識規則，能夠為車輛規劃出安全、高效、舒適的行駛路徑和軌跡——這同樣是一個頗具前瞻性的功能，僅在車輛通過紅綠燈左轉的這一場景下，成熟的算法系統就能為車輛的車速、行駛軌跡、轉向角度等進行合理規劃與控制，確保車輛能夠以讓乘客感到舒適的速度與側傾的前提下，自然地并入左轉后的同向車流中，并且保證不壓線、不事故。

為了實現這一理想化的功能，我們就必須提升算法的泛化能力，具體則要通過應用數據挖掘和深度學習算法來實現智能規劃駕駛行為。這其中既有常規場景下，基于海量測試數據訓練的深度學習模型，在常規駕駛場景下保證自動駕駛車輛安全高效平穩的通行；也有一套安全算法層，針對各種典型危險場景設計了一系列安全駕駛策略，保證自動駕駛車輛在任何場景下都能做出安全的駕駛行為。

隨著自動駕駛的道路測試數據越來越多，積累大量的極端場景的數據，自動駕駛核心算法通過數據驅動的深度學習算法模型，持續不斷進化成提前預判、安全謹慎駕駛的“老司機”。

算力層面，為了服務算法不斷提升的泛化能力，終端搭載的芯片算力也必須進行不斷升級。目前市場普遍認為，只有算力留出更多冗余，才能夠為“硬件預埋、OTA升級”的后續需求提供更多空間，但與此同時，在“軟件定義汽車”的理念成為行業共識的背景下，整車廠對于更高算力、更高吞吐量、更低延時以及低功耗的SoC芯片需求愈加緊迫——對此，有媒體曾指出，芯片和算法的協同進化不應該是捆綁關系，而是芯片賦予算法更多的自由度，解放算法實現時的牽絆。如果芯片本身算力不足、開放度不高，芯片與算法的協同只能起到削足適履的效果。這意味著自動駕駛技術真正所需求的，應該以大算力、高兼容性為基礎，同時提供開放、靈活的開發環境，盡量減少算法適配芯片的時間與成本的SoC芯片。

顯而易見的是，伴隨著越來越多車企具備高階駕駛輔助系統的車型量產下線，自動駕駛的數據量將會發生結構性的改變，其改變不僅僅在于數據量本身指數級的膨脹，由于數據類型的轉變，自動駕駛技術會更看重數據傳輸的帶寬與數據搬運的效率。由此，配合5G+V2X技術，建立云端超算中心也將成為算力層面的關鍵性一步，這種類似“開外掛”似的舉措不僅能夠為海量測試數據訓練的深度學習模型提供算力支持，也能保證云端與終端間的高效協同。

簡而言之，感知、算法與算力實際就是將人類駕駛在百年來總結的各項知識、經驗與邏輯，翻譯成機器能夠理解的語言以讓機器進行自我學習，在讓機器掌握能夠模仿、學習人類駕駛邏輯的基礎上，再借助比人類更強的感知能力、更快的反應思考速度、更多的參考案例與對各項法律法規的嚴格遵守能力，讓自動駕駛達到并超越人類駕駛，變得足夠安全——借助大算力平臺與超算中心，自動駕駛技術已經能夠算力需求，接下來各大自動駕駛企業要做的應該是以提升多傳感器數量＆質量來提供全面甚至冗余的感知數據，再借助算法進行高效的吸收消化，促成自動駕駛技術越發安全。

當然，在這一過程中，采集到的數據應當越多越好，對應的成本也應越低越好，如此才能保證一家自動駕駛安全的競爭力走在行業前列。

免責聲明：該內容整理于網絡上，如有侵權，請聯系刪除！