李克强院士：智能网联汽车计算基础平台(CBDES)关键技术及产业化应用
文摘
2024-12-20 19:59
重庆
![]()
12月7日至8日，以“自动驾驶协同之路”为主题的“交通与运载工程学科发展论坛”在深圳举办。论坛由国家自然科学基金委工材学部、中国汽车工程学会指导，清华大学车辆与运载学院、清华大学智能绿色车辆与交通全国重点实验室主办。 在开幕式上，中国工程院院士、清华大学车辆与运载学院教授、国家智能网联汽车创新中心首席科学家李克强，以《智能网联汽车计算基础平台(CBDES)关键技术及产业化应用》为题做主旨报告。李克强院士总结了智能网联汽车技术发展现状及挑战，结合产业最新发展动态和团队最新研究成果，探讨计算基础平台系统定义、关键技术以及产业化应用，最后提出了四点高质量发展建议。智能网联汽车正在成为新一轮科技革命代表性产业，是世界各工业强国的战略竞争高地，智能化网联化融合发展路径作为技术演进的必然趋势，已经成为全球政府、产业界的发展共识。在此背景下，我国率先提出了车路云一体化发展战略，构建符合国情的智能网联汽车信息物理系统架构。这一架构将深度融合智能化与网联化技术，加速云控、高精度地图、车载终端、计算及信息安全等核心平台的研发。计算基础平台，作为五大基础平台之一，更是智能网联汽车的“智慧大脑”，其发展遭遇“缺芯”与“少魂”的双重挑战。尤为关键的是，“少魂”——即操作系统层面的缺失，已成为制约智能网联汽车发展的瓶颈。面对自动驾驶应用垂直耦合开发、内核等ICT技术能力不足等问题，产业亟需支撑自动驾驶应用快速高效开发的新一代操作系统——系统软件+功能软件。具体而言，计算基础平台系统的系统软件包括跨内核驱动、虚拟化管理、安全可信接口等；功能软件包括应用支撑层、功能中间件、数据抽象等，其中应用支撑层包括算法/模型库、基础服务等。该架构创立了软硬件一体化技术体系，可促进智能网联汽车的创新化、生态化发展。产品特征呈双解耦、高效率、高质量、生成式。其关键技术包括以下七个方面。面向多样自动驾驶应用的开发需求，自顶向下基于模块化分层解耦的思想，进行应用需求分析与函数组件正向设计，自底向上进行可跨域共用的功能模块设计与开发，重构形成多样应用算法。模块化功能软件的开发优势在于可以采用高质量代码开发预制组件模块，可以便捷实现所需组件替换或参数调整，实现自动驾驶多样应用软件的快速重构。面向智能网联汽车的信息不确定性、决策控制出错等安全风险，设计行驶安全仲裁机制。通过实时评估车辆状态与动态修正云控风险指令，保障车辆始终安全运行，提升系统可靠性和操控稳定性。通过构建包含多种交通场景约束的安全边界，使交通要素从特定场景配置或规则中解耦，确保车辆在各类场景下始终处于安全运行区间，保障行驶安全性。汽车智能化带来了计算资源共享化、计算任务动态性等新型挑战，亟待解决异构计算资源下的动态任务调度问题。针对智驾应用中功能模块的拓扑关系，建立了基于有向无环图的计算任务-智驾应用-平台应用系统多层级模型。基于动态时空余量及自适应熵值构建任务关键性和紧急性计算方法，提出动态自适应调度方法。通过将智能驾驶应用拆解成上千个可分层复用的功能软件模块，包括BEV感知融合、地图定位、决策规划、控制等覆盖智能驾驶开发模块全闭环，并针对不同的硬件架构进行拆解分析，实现平台化产品能力。同时，定义功能软件统一的接口标准，重构应用算法与操作系统关系，算法模块可插拔扩展。重构为后续端到端开发、AI大模型，智能驾驶在安全性、实时性、易扩展性等方面的提升创造了条件。高精度感知真值构建是自动驾驶数据闭环的关键，现有感知真值构建存在两个问题，一是采用单帧激光点云进行标注，点云较为稀疏，较难构建车道线和占用网络真值；二是当回传数据只有视觉图像时，非重叠区域的几何重建欠约束，无法构建感知真值。为解决上述问题，提出动静分离的感知真值构建方法与基于环视2D信息来微调BEV模型的方法。关键技术6：分层解耦的BEV+Transformer感知训练框架。环境感知技术为自动驾驶系统提供环境理解能力，现有感知系统实现大规模部署面临多车型架构下系统异构强耦合、机理不清晰的挑战，感知算法开发周期长、算法复用性差。为解决这些问题，构建分层解耦的BEV感知学习框架：Hierarchical BEV。该模型将感知模型分解为共性功能模块，可解释性强，支持自由灵活定义自动驾驶感知算法，并基于预训练+微调范式，采用多模块联合学习构建感知模型库，模型泛化能力强。关键技术7：基于异构技术的分布式计算基础平台硬件设计。智驾系统根据不同的功能需求或场景需求依赖各种算法，不同的算法计算模式大不相同，对硬件计算能力的需求不同，单一架构芯片无法满足多种计算类型的算法应用，不同的产品需求通过不同的硬件载体来应对。异构硬件采用异构技术将不同计算模式的硬件载体集成到同一个硬件平台，高效支持不同算法应用，通过硬解耦将不同功能分配到合适的硬件单元，并基于模块化技术将硬件功能封装成标准模块，灵活选型与配置拓展。典型应用1：乘用车高速自动辅助导航驾驶（NOA）开发。以7V5R的高速NOA应用案例为牵引，完成CBDES产品全开发范式闭环验证，该架构方案支持实车在线闭环，支持离线环境中调试运行，覆盖大多数高速NOA场景。高速NOA应用支撑功能包括主路巡航、车道居中行驶、高速智能车速调节、跟车行驶、匝道自动车速调节、匝道进入高速主路、高速主路进入匝道、拨杆变道、目标车道选择等。整体方案按照计算基础平台及开发系统架构进行设计与推进。基于量产域控实现BRT自动驾驶业务以及场站充电泊车等功能，BRT专用线路运营场景，可扩展城市公交非BRT定线运行，后续可扩展为多车型，多业务（如清扫车，接驳车等）。BRT专用线路支持功能包括公交进站、公交出站、道路左转、路口穿梭车辆避让、红绿灯路口等待、道路施工避让、道路右转、行人减速避让、障碍车辆减速等。以车路云协同的城市预测性巡航控制场景为牵引，基于车端具有网联通信能力的计算基础平台，云平台通过4G/5G通信网络，向车端提供超视距感知信息和预测性车速决策建议，实现对单车城市NOA行驶性能的提升。相较人工驾驶，既缩短了通行时间，又减少了能源消耗。将激光感知、路径规划、速度规划、坐标转换、横向控制等18个模块解构形成240个功能软件函数组件，定义了标准化接口，进行了仿真与实车测试，初步实现云支持的最后一公里出行应用示范。针对智能网联汽车计算基础平台的高质量发展，李克强院士提出四点建议。建议1：加强基础理论-创新方法-关键技术-场景应用研究。围绕计算基础平台这一智能网联汽车的新型关键核心零部件，加强基础理论、创新方法、关键技术、场景应用研究，建立由工业和信息化部、科技部、基金委、交通运输部等多部门参与的智能网联汽车计算基础平台关键技术专项推进机制。编制发布智能网联汽车基础平台发展实施方案，强化规划引领，动员各方力量，协同推进智能计算基础平台系统创新生态体系建设，建立政府引导、市场主导、产学研协同创新的实施机制，指导操作系统技术突破和产业化发展。联合汽车、通讯等跨领域企业，打造智能网联汽车行业AI算力、算法、数据技术底座，开发行业共享的自动驾驶大模型，建立“人工智能+汽车行业”产业融合的应用基地，实现AI驱动的计算基础平台产业化。建设数据共享开放、数据融合应用等数据流通共性设施平台，验证多方安全计算、区块链、隐私计算、数据沙箱等技术模式，构建数据可信流通环境，支撑其在计算基础平台上的应用。建议3：开展核心技术协同攻关，加强技术应用与产业落地。围绕CBDES 新型架构和产品定义，构建协同开放的智能汽车技术创新体系，开展核心技术攻关。发挥重大科技项目、基金项目引导作用，推动车规级计算芯片、操作系统、域控制器、高精度传感器、开发测试工具链等突破。重点探索自主芯片与自主操作系统、自主工具链互为驱动、融合发展模式，形成完整解决方案，充分提升系统效率。加强对建立CBDES中国标准体系的指导和支持，兼容并影响国际标准规范，实现标准引领和赋能，赋能技术链、产业链、应用链的生态建设，加强跨域协同与产业共生。
