上汽Robotaxi，Robotaxi是上汽集團在2021年年中面向汽車行業變革特設的四大戰略項目之一，智己、飛凡、Robotaxi，以及商用車L4智能駕駛智能重卡。
今天，我給大家分享是其中的Robotaxi項目，L4級智能駕駛乘用車開發的情況。我們要打造的是一款能夠提供安心、舒心、放心的能跟乘客進行交互的出行伙伴車隊，這是開發的初衷。
一、L4自動駕駛解決方案2.0技術架構
今年所打造的L4自動駕駛解決方案，主要強調一點，隨著前兩天工信部新的準入政策發布，L3、L4引入國家試點慢慢提上日程。我們提前布局，早已關注到了這一點。所以，在做今年架構設計時提出自動駕駛解決方案是自主研發的、軟硬件一體，而且偏重于冗余的一套技術架構。
從傳感器配置上來說：
（1）感知冗余。
目前這套Robotaxi的方案包括6個固態激光雷達，大家在安亭、蘇州智能網聯的示范區內可能會看到很多Robotaxi車輛，基本上面都有一個很大的“炮塔”，我們去年也是這樣的，今年把所有機械式的激光雷達給取消掉了，直接一步到位，放置了6個固態的激光雷達。雖然說數量有所提升，但是無論是成本還是穩定性，都相較去年有了很大的提升。
視覺感知方面，一共布置了周視相機5個，前視相機3個，和很多量產不一樣的是今年把測試相機從一邊2個，降為了1個，加1個后視，一共構成了5路的周視感知融合。還有4路環視，以及5個Radar，和12路超聲波雷達。
利用所有傳感器相互之間的優勢，比如說激光雷達對深度的感知能力比較強，但是視覺對于紋理的感知信息又比較強。充分利用不同傳感器的優勢，實現覆蓋近距離、遠距離、中距離的感知，這是今年在感知冗余上所做的工作。
今年還特意在感知之外設置了一層感知“墻”的概念。以前很少有人把超聲波雷達也拿過來作為行車時的傳感器，今年特意開發了基于環視+超聲超近距離的感知方法，能夠實現在近距離的情況下，達到厘米級高精度的融合結果，而且處理的通路也是獨立的一條通路，跟前視、周視、激光雷達是相互獨立的，能夠在極限距離下非常安全的通行。
和人類駕駛員相比，在一些比較極限的場景，比如說小區的場景，對距離判斷準確度，人測試出來是30、40厘米，而我們的平均值可以達到5、6厘米。能夠實現窄距離通行的效果。
（2）計算冗余。
第一級：在計算平臺上，今年一共提出四層功能降級策略，今年定制了大算力的計算平臺，算力超過了1000tops，采用X86CPU，120GB內存和2TSSD儲存，號稱“武裝到牙齒”的一套智能駕駛計算平臺。
第二級：采用了一套基于Xavier的64Tops算力L2++功能降級系統，如果L4系統失效，能夠通過L2++的NOP（領航狀態）、AEB（自動緊急剎車）的功能實現靠邊停車，或者最小風險模式的運行。
第三級：搭建了6核ASIL-D的MCU，作為整套系統的安全島，對系統狀態進行管理，并能實現基本的AEB功能。
第四層：今年特意打造了基于5GV2X的遠程駕控系統，是面向未來Robotaxi，走向真無人?，F在所有的Robotaxi主駕駛位上都是有安全員的，接下來行業發展的趨勢是逐步走向不再需要安全員的無人駕駛。今年基于遠程駕控系統進行了一定程度的開發，為將來真正實現全無人自動駕駛出行奠定了技術基礎。這是今天所構建的四個層次的計算冗余系統。
（3）遠程駕控。
在車上專門布置了一套為遠程駕控所設計的圖像處理系統，因為遠程監控很重要的概念是通信質量的穩定性，因此專門給它做了一套適配的圖像壓縮系統，并根據當前的通信質量，自主切換到底是哪一路圖像傳到云端，在云平臺采用一套邊緣云系統。時間延遲可以控制在300毫秒以內，在比較及時的情況下實現遠程接管、遠程輔助。除了5G之外，還放置了一套4G系統。
二、軟硬件一體算法優化
在算法的設計上，除了傳感器之外，也在算法軟件設計上遵循冗余基本設計思路。比如說在感知上，采用的是多傳感器冗余融合感知，混合了前融合和后融合的機制。
在我們的系統里，除了前融合外，傳統后融合的鏈路仍然保留。在其中一個鏈條或者幾個鏈條失效的時候，仍然能夠保持比較穩定的感知結果。在車上做了很多壓力測試，比如把攝像頭直接蒙住，把激光雷達直接蓋住，甚至在上面噴了水、霧，在這樣的情況下仍然能夠保持相對穩定的感知結果。
在定位上，多元定位冗余總共提出了三套冗余降級機制：
第一套是基于GPS結合車輛的輪速，獲得當前車的位置。但在隧道、閘道、輔路上時，GPS信號比較差，所以在此之外，還開發了一套基于激光雷達的地圖匹配定位，以及基于視覺語義的匹配定位，三套定位方式互為彌補，現在定位的精度可以達到厘米的量級。
第二套是規控決策上，一共有四層的冗余，除了底層的遠程駕控之外，在L4系統、L2++系統、L1系統做了三套冗余基于功能降級的規控體系，在其中做共同的決定，根據當前傳感器、車輛的運行狀態，進行最佳決策。
以上是在算法和軟件方面所做的工作。
此外，也引入一套數據工廠系統。像周院長所講，數據真正走入汽車行業是近幾年的事情。我們在數據上比較重視，一共搭建了兩套閉環體系、一個數據工廠。
閉環一：基于面向感知的感知閉環，所提供的功能包括從車端數據采集，一直到云端處理，包括數據前處理、數據自動標注，最終形成數據庫，甚至包括模型訓練、模型部署、模型評測，整個過程都能在這套數據工廠里自動轉起來。
閉環二：搭建了一套面向規控的閉環，除了感知之外，交通場景的復雜性也是現在做自動駕駛L4所面臨的非常棘手的問題。經過數據處理之后，完成場景生成的工作，自動識別出場景。到目前為止，場景庫已經形成了上萬個不同的交通場景。比如說變道場景大概有上千種case，如果進行一定泛化之后，可以泛化到上萬個場景，每次工程師在發了相應的版本之后，都要經過場景庫的評測，只有達到相關的標準之后，才會真正釋放到車端。
智能駕駛之所以會設置這么多冗余，主要的目標是想提供比較安全的服務。乘客坐在車上，想要的不光是安全，還有方便、有趣、生動，所以我們打通了車端所有的信號，接入所有傳感器信號，在后排實現視覺、聽覺、觸覺等多維度的一套智能交互系統。除了智能座艙之外。在前不久發布的一款新車里，引入了全新的一套全息影像系統，讓乘客坐在車上的時候跟它進行互動，這顯得非常有趣。第一次乘坐這輛車，大家都覺得蠻驚艷的。
三、由整車廠主導的前裝“智”造
我們做Robotaxi和很多公司不太一樣，是以上汽集團OEM來主導的項目，跟傳統車廠的制造結合比較緊密?，F在用的是飛凡的Marvel R。今天很多Robotaxi都是偏后端改制為主，而我們直接在產線上把需求輸入給產線工程部門，直接從產線上拉下來。相比去年很多后端改制的車輛狀態而言，在產線上以傳統汽車的方式方法組織車隊生產，讓車輛一致性和工藝完整性都達到了更高的層次。
右邊這張圖展示了車輛的對比狀態，去年車輛也是頂著高高的“炮塔”，高度達到了至少2.3米以上，在通過隧道、地下車庫的時候都是非常危險的。今年采用了這套架構后，車輛狀態從尖尖的，變成相對平一點，整車集中度也會更好。此外，整車散熱等其他方面都相比去年有了很大的提升。今年年底12月份就會真正把第二代Robotaxi車在安亭、臨港投放運營。歡迎大家前去體驗。
此外，還有流程標準化的工作，還有從設計開發、物料生產、下線標定、閉環測試、道路測試的流程，引入了一套基于傳統整車廠的質保體系，建立面向智駕的測試和質量檢查體系。不僅包括智駕硬件方面的質保，也提出構建智駕軟件算法上的質保，并把此跟功能安全結合起來，最大限度充分發揮主機廠優勢，真正實現L4無人駕駛。
除了臨港和安亭繼續加大投放外，今年我們會在深圳增加試點，如果有深圳的朋友可以關注一下，大概在今年12月底將在深圳發布，歡迎深圳的朋友們前去體驗。
以上是我的分享，謝謝大家！
（注：本文根據現場速記整理，未經演講嘉賓審閱）
