第二章-自动驾驶卡车-自动驾驶卡车前装量产的要求

1、自动驾驶卡车的特点与挑战

重卡主要运行在相对封闭的高速公路,相较城市道路场景看似更简单。但是,由于重卡特有的物理特性、运行环境和商业运营要求,相较于乘用车的自动驾驶系统,重卡的自动驾驶系统对车辆的感知距离和精度、系统响应速度以及车辆控制的精准性都提出了更高要求:

• 很长的制动距离。重卡在100km/h 车速下的制动距离通常超过100 米,相较于乘用车在40 米以内的制动距离,要求自动驾驶系统需要具备更远的感知距离,以及更快的端到端响应速度。

• 外形尺寸和重量巨大。重卡外轮廓尺寸标准宽达2.55 米、高达4 米、长度最长可达17 米,在不同挂车装载下整车质量变化高达500%(9 吨~49 吨),车头与挂车之间的非刚体连接和挂车惯性,增加了自动驾驶控制的难度。此外,重卡运行环境复杂,经常面对各种不同的道路环境,如低附地面路面、碎石路面、非标准车道等,对重卡自动驾驶的规划控制提出了更大挑战。

• 重卡线控系统的响应速度更慢,精度也相对更低。以制动系统为例,重卡普遍采用气制动技术,相比于乘用车的液压制动需要更长的建压过程。重卡的制动系统响应时间通常在400ms 左右,而乘用车可以做到100ms 以内。克服被控系统的延时、实现精确控制,给自动驾驶控制系统带来了比较大的挑战。

• 重卡车辆参数的公差范围大,随着行驶里程的增加,车辆参数会出现更大范围的漂移。以方向盘转角偏置为例,乘用车出厂时为1°以内,重卡出厂时可以达到7°。再以方向盘空行程为例,有实验数据表明,运营时间12 个月的重卡,空行程相较出厂时劣化43%,从平均8.4°劣化到超过12°。上述方向盘参数公差问题要求自动驾驶控制系统有能力及时识别到参数的变化,并及时加以自动修正。

• 干线物流场景下的综合平衡要求。干线物流场景对重卡运营提出了安全、时效和成本三大方面的要求,这三方面要求形成了一个此消彼长的三角关系。例如,如果追求时效,则意味着更快的平均车速,但却导致更高的油耗,并对安全提出了更高要求。对于整个自动驾驶系统而言,需要综合考量,在保障安全的前提下,给出全局最优解。

2、自动驾驶前装的必要性

(1)法规标准的要求

在中国,要让一辆智能卡车(辅助驾驶或自动驾驶)合法合规地上路行驶和开展商业运营,必须依据相关法规标准,通过工信部等部门的产品认证,取得车辆产品公告资质和车辆运营资质。因此,任何购买车辆进行后装改制的方案只能用于试验场内,无法合法地大规模上路和开展商业化运营。

(2)复杂的整车系统交互

自动驾驶系统作为车辆的关键系统,需要整车层面多方面系统设计的配合,包括底盘系统、动力总成、车身系统、人机交互系统、网联系统等。只有前装的正向研发模式才能满足如此复杂的系统交互要求,而后装的改制模式只能实现基础功能,无法满足安全和性能所必需的全系统设计要求。以L3 级别自动驾驶的转向系统为例,后装改制模式只能沿用传统转向机,设计时无法考虑安全员在自动驾驶模式下手扶方向盘的使用场景,可能出现由于安全员手力矩干扰导致转向器输出角度追踪不到位的问题,进而产生"画龙"的安全风险。

(3)可靠性与耐久性要求

商用车的运营环境对产品的可靠性和耐久性要求非常严苛,零部件选型和整车系统集成设计与开发都需要符合相应的严苛标准,且通过严谨的测试验证得到确认。以摄像头为例,在正向开发中,一方面,零件本身必须通过一系列的机械性实验与各类环境性实验;另一方面,摄像头需要和支架、线束、接插件、护罩、玻璃等关联部件共同设计、测试,通过整车级的车规试验标准考验。后装产品仅能关注零件自身的功性能,无法在整车布置设计时通盘考虑自动驾驶系统的全场景要求,如散热与通风的设计缺失,导致视野前玻璃易起雾,造成系统可用性不满足要求。

3、自动驾驶卡车前装量产的开发原则

自动驾驶车辆的开发一般始于改制的概念验证车,但完成概念验证和路测只是自动驾驶量产道路上

的一小步。为了实现大规模前装量产,需要在设计与验证、批量生产和维护、商业化等方面满足广泛而严苛的要求。

相关推荐
Kenneth風车20 分钟前
【机器学习(九)】分类和回归任务-多层感知机(Multilayer Perceptron,MLP)算法-Sentosa_DSML社区版 (1)111
算法·机器学习·分类
起名字什么的好难29 分钟前
conda虚拟环境安装pytorch gpu版
人工智能·pytorch·conda
18号房客35 分钟前
计算机视觉-人工智能(AI)入门教程一
人工智能·深度学习·opencv·机器学习·计算机视觉·数据挖掘·语音识别
百家方案37 分钟前
「下载」智慧产业园区-数字孪生建设解决方案:重构产业全景图,打造虚实结合的园区数字化底座
大数据·人工智能·智慧园区·数智化园区
云起无垠44 分钟前
“AI+Security”系列第4期(一)之“洞” 见未来:AI 驱动的漏洞挖掘新范式
人工智能
QQ_7781329741 小时前
基于深度学习的图像超分辨率重建
人工智能·机器学习·超分辨率重建
清 晨1 小时前
Web3 生态全景:创新与发展之路
人工智能·web3·去中心化·智能合约
公众号Codewar原创作者2 小时前
R数据分析:工具变量回归的做法和解释,实例解析
开发语言·人工智能·python
IT古董2 小时前
【漫话机器学习系列】020.正则化强度的倒数C(Inverse of regularization strength)
人工智能·机器学习
进击的小小学生2 小时前
机器学习连载
人工智能·机器学习