奇瑞汽车陆献强：基于AI技术的远程诊断及驾驶辅助系统

10月18日-19日，2021第九届汽车与环境论坛暨第13届全球汽车产业峰会隆重召开。本次论坛主要围绕中国汽车产业发展、动力总成电气化、ADAS与自动驾驶、芯片与汽车基础软件、智能座舱等行业热点话题展开，旨在共同探讨新形势下中国汽车产业有序发展的新思路。下面是奇瑞汽车产品开发总工程师陆献强在此次论坛上的演讲实录。

大家早上好，我今天试着讲一个题目，对现在自动驾驶（AI技术）的主流方案提出一些想法和挑战。

我们知道做驾驶辅助、自动驾驶，很大的原因是为了车子更安全，减少开车时的负担（成为一种享受，愉悦的驾驶经历）。我们知道现在每年车祸造成死亡全世界每年大概有125万，伤残者有近千万，这是一个很大的损失。有研究说车祸伤亡事故80%以上是人为失误（犯错）造成的。如果能有一个系统能避免人为犯错而造成车祸事故，这对于减少人员财产损失及其它方面是非常非常大的帮助。这是目前来说最主要的原因，为什么驾驶辅助技术受人欢迎。

有的时候开车是一种愉悦，但是现在城市拥堵，每天很多人必须从A点到B点来回，这种开车更多的是一种任务。那能不能让开车的任务不用人来做，用机器来做，给驾驶员有更多的（愉悦）时间做其它事，这是无人驾驶研究的目的之一。

我用两张图来展示一下，现在主要是靠传感器来收集信息，而其主要技术途径是以视觉为主，如图中的激光雷达，角雷达，再加上人类感知图像的解读。目前AI技术利用以上“视觉”信息，对于图像解读正确理解的能力已经很强了。不过也有人提出了疑问，这样（仅以视觉信息）开发出的系统是不是可靠？有没有提升空间？最近可以看到越来越多有关驾驶辅助/自动驾驶的事故发生，这会引起人们对这些技术的可靠性问题的重视。虽然AI技术能解决很多人为失误的地方，但其技术本身是否也会造成了一些“事故“？如果这个事故造成了人员伤亡，哪么谁来负责？现在一般出事故，从保险角度来说，因为是你人（某个驾驶员）犯的错误，汽车公司是不会承受太大的法律责任。但如果是车载AI系统失误的话，那汽车公司是否要付法律责任？当然这方面的法律系统会进一步的发展完善来推动保护新技术的发展与应用。从汽车公司的角度，怎么样能够提升AI驾驶辅助（自动驾驶）技术的可靠性会越来越受到重视。

今天我抛砖引玉，用我们对汽车行业比较熟悉的知识来尝试着讨论一下，除了用视觉以外，能不能加上触觉和听觉，使得（ADAS）系统更加可靠，这是我今天讲的第一个话题。

我先举一个熟悉的例子，在不同的路面上面滚动摩擦系数是不一样的，不一样的摩擦系数汽车刹车距离（在同样的刹车力下）是不一样的。路面滑（摩擦系数变小）造成撞车事件是很多的。那这带来一个问题，你（驾驶员或ADAS）怎么知道路面的摩擦系数？是用视觉还是用别的方法来判断？

第二个例子是用很早以前联合国研究的“路面粗糙度系数”，其基本定义为说在1米路长中，垂向高度有多少变化？几十年前，联合国确定这个国家是发展中国家还是发达国家，这个公家公路的IRI指数是很大的一个判定工具。如果是发展中国家IRI指数比较高。越发达国家，路面越好。我们也可以看到中国过去几十年发展，公路的变化是一个很好的写照。

这个IRI指数对我们现在路面（限）速度都是有很大影响（指导）的，IRI指数越高，路面限速值越低。

以IRI指数，在1米长的路面上，有5-10毫米差距（垂向）就是比较坏的路面了。刚才讲过路面的好坏跟刹车距离或者摩擦系数都有关系。那最好的办法去感知路面的好坏是用加速度（和触觉有关的）传感器。也就是说，IRI最好的测试办法是用触觉传感器。

这是2012年澳大利亚公路安全会议上的一个研究（报告）。X-轴 是IRI在1英里路连续距离中“坏“的路面的长度。Y-轴 是产生车辆故障（率）的情况。如果坏路长度（在每英里路）在100英寸以内大概问题不大，超过150英寸问题就很多了，转换成中国习惯的公里，在1公里以内只要有2.5米（或更多）不太好的路面，车辆事故发生率就开始急剧上升。我们知道路面越不好车辆事故越多。这个IRI（不好路面长度与车辆故障率研究）还发现，IRI越高刹车距离越长。不平整路面在拐弯处的负面影响最大。不平整路段超过10米开始会明显增长撞车风险 （如果就一个单独的坑其实问题不大，就怕连续一段）。

下面这个是德国和美国学者做的研究，他们把德国交通事故做了一番研究以后发现，在乡村路面上发生有人员死亡的交通事故中，与对面来车相撞（大家凭直觉可能会认为这是最多的一种）其实只占了14%，而80%是车子在没有对面来车的情况下开出路段。有的是拐弯的时候，有的是直道情况下，所以在乡村路面上开出路段这是最大的（造成人员死亡）问题。

进一步研究后，又发现更有趣的事了。这里面讲开出路段左面是46%，右边是40%，两边基本相同。有趣的是开出路段（造成死亡）由于不恰当的车速（超速）的占比是低于车速是在限速以内（开出路段造成死亡）的案例。我们猜想一下大概是什么原因？因为乡村路面平整度不够好、或者路面平整度有点衰减、或者下雨结冰路面滑、还有车辆本身也会有（性能）衰减。总之，很有可能车子，绝大多数的案例是在乡村路面上当车辆的操控能力不如正常情况下而发生的。

这个研究同时又展示了，如果想有效的降低在乡村路面上车子开出路道而造成的事故，他们认为最有效的传感器或者感知技术是加速度传感器，胎压传感器，车轮速度传感器，而不一定是摄像头和雷达这些东西。

下面这篇研究是研究了1000多种驾驶行为，把驾驶行为分成四类：基本车辆控制，驾驶操作任务，驾驶战术任务，驾驶战略任务。基本车辆控制，如控制车辆速度和轨迹，其中依赖视觉近75%及触觉近60%，听觉15%。驾驶操作任务，比如说过路口或者交叉路口的操作，其中依赖视觉100%，触觉大约35%，听觉15%。驾驶战术任务，如拥挤城市路面车子怎么开，其中依赖视觉大约90%，触觉大约35%，听觉20%。驾驶战略任务，如遵守交通规则，选择路线和其他高级（决策）策略，其中依赖视觉近90%，触觉近50%，听觉40%。

这个研究明显告诉大家，视觉肯定是最主要的，其实人在操作车的时候，除了视觉以外，用了很多听觉，触觉来帮助驾驶的。

现在的ADAS系统主要靠视觉（感知），主要的研究也是聚焦在如何进一步提升视觉感知方面的能力，或者技术路线上可以有Tesla和别的车企之间是不是要用激光雷达分歧，但那也是以视觉感知为主要及唯一来源的。通过以上几个案例，我们有没有考虑把触觉和听觉加进去作为辅助使它（ADAS系统）更可靠呢？这是我在会议上提出的第一个想法。

第二个，这是听了得到俱乐部第46期《中美科技博弈，谁能赢？》王煜全老师讲座后的启发。我们举个例子，我们想从A点到B点，希望扩大自己的空间，最早的时候就是骑马，坐牛车（那不光人要过去，货也要过去，所以就有了车），但这些方法不够快，数辆有限，质量（控制）不太好。工业革命时期就有了蒸汽机和内燃机，到福特时有发明了流水线，就是把它（整个交通工具的生产）产业规模化。产业规模化以后，成本做下来，质量做好了，量大了并且规范化了，这样推广的速度可以很快。但人真正需要的是什么？是A点到B点的服务，而在工业时代是给你提供一个工具，让你用这个工具可以更“容易“做到A点到B点。到了数字化和AI时代，就不一样了，人们开始注重服务，用无人驾驶汽车直接完成A点到B点的服务。所以现在很多汽车公司都改名叫出行服务公司了。很多时候我们其实想 （需要）A点到B点（并不是愉悦驾车经历），但是没有公共交通，我只能靠汽车，但还得自己开车。这其实也是我们AI时代最关键的一点，就是把工具、产业规模改成服务规模的商业模式。

下面讲一下汽车可靠性。首先什么叫车辆可靠性？常规来说就是三规，在规定的使用条件下，在规定的时间内，完成规定功能的一种能力。下面讲一下，如果按照用户对车辆性能（特性）需求可分为三类，基本需求，期望需求，用户满意度兴奋需求。举个例子兴奋需求，比如说蔚来的NOMI，没有它车子也可以行驶的很好，但是如果有了它驾车时就可能给人有时有一种非常兴奋愉悦的感受。基本需求是很有趣的，你做的太多顾客也不会感知，但是你要做的不好他马上就知道，这个”需求“和品牌效应解密关联。比如说刹车，刹车好的车很少听到用户评论说我的车刹车怎么怎么好。但是刹车的车，几乎每个用户都会抱怨。再下面一个概念和车辆设计有关。一般设计有一个中值，有上极限，下极限。车子由于制造总会有一些（车辆到车辆的）偏差，使用者每人用车方法也不一样。所以，无论是静态的车辆特性，和车辆使用上，车与车之间是有一定量的‘不一致’的。其中有些车，在使用过程中，就有可能超过其设计极限而带来车辆可靠性问题。

我们一般把车辆可靠性问题分为四类：A、影响安全行驶；B、影响正常运行，必须马上修理。C、影响顾客驾驶体验，但不必马上修理。D、问题早期阶段，一般工况下顾客不会感知。刚刚讲到车子100%可靠性是不可能做到的，可靠性工程就是希望ABC问题不发生，D类问题在（最）早期阶段把它诊断出来，然后修复。那怎么可以利用AI技术来做到呢？这是今天发言想讨论的第二个话题。

这张图讲了AI对汽车有关车行（专）业的冲击，中间有一块叫远程诊断。远程诊断在大型设备和军用机甚至民航机当中都是有的，但是汽车因为量很大，相对成本低的多，所以远程诊断这个技术没有好好用上去。但AI时代，远程诊断在汽车里面有很大的应用前途。它可以提升和改变车子可靠性工程的很多现有工作特征。现在车子可靠性想把ABC问题规避，D类问题尽量早期阶段把它感知出来，但D类问题一般顾客是感知不到的，怎么办？汽车公司用了一个办法叫定期维修，比如说5000公里查一次，但是我发现一个问题，很多4S店修车的人不会开车，没有驾驶执照，（当然现在有很多汽车维修学校在办，将来这方面可能会有提升）。那怎么靠这些修车店技师来“诊断”D类问题呢？

AI在这方面可以提供很好的解决方法。我们可以把原来预防性的维修变成预测性的维修，如果车子里面有远程（AI）诊断，就可以知道车子有早期问题，并大概知道是什么问题。那么，顾客到4S店， 可以提醒修车店技师需要维修什么。目前，已经有公司把这个技术应用到市场上销售的车了。

这是一个我们以前开发的“车辆远程诊断”系统。它通过很多传感器，主要是触觉和听觉传感器放在各个关键子系统中间，然后当找出一些可疑信号以后，先把它初步诊断一下 （我们这边有几位小朋友对边缘计算做局部实时的分析很在行），如果确认有看到“一些不好的现象/信号/数据”，通过无线传输手段，把数据送回总部或者云端，再由云端专家模型做进一步诊断确定有没有问题。这是技术路径图的描述。这个系统比较有效，可用在车辆上来诊断性能衰减（这会造成车量在同样路面上超控能力减弱），还有动总、底盘、三电等各个关键子系统方面。

这是以前我们开发的两套AI模型，第一套主要是感知，从传感器过来进了四个AI模块，有处理振动的，处理声音的，处理发动机等等，各个模块之间有自己的规则，通过边缘计算的方式筛选出不好的东西，再根据诊断情况好坏来确认是否通知顾客还是继续观察。

第二套是有学习模块在这边，我们用的是比较老的AI语言（LISPWORKS），还建立了一个知识库，可以用来做决策和学习更新换代。应用时，首先有个学习过程，一点点训练这个远程诊断系统。等它被训练成熟，然后一代一代（更新）用下去。

下面举几个例子，如果你去野外，有AI在车子里面进行诊断，这样的话让出行更加愉悦，更加安心，这是我们最终的想法。

这是一辆车开发期间，客户模拟5万公里用车，在各个地方开。这是车辆在实际试车时，随车AI诊断设备发现的可疑问题，并将具体信号储存，并远程传输了回来做进一步的分析。

第二个是我们给矿山提供的专用车子，随车AI诊断数据展示了问题的根源，可以看到这个悬架设计能力不太够，所以提示增加悬架设计能力。

第三个是福特GT500，我们这里用声音和振动融合的办法来诊断问题，后来在换挡机理上面做了一些改善。

小结一下，我提出第一个问题，能不能从视觉为主的系统改为视觉+听觉+触觉辅助的方式来提升ADAS系统的可靠性。其实这个讨论和AI里面是两个技术路径有些关联。这是人工智能的定义，就是人工智能在思考问题的时候是像人一样思考问题，还是理性思考问题，做事的时候是像人一样做事，还是理性的做事？图灵是人工智能的开创者之一，他认为，只要有理性就有智能了，理性学习就可以了。后来行为主义学派认为（人工智能）更有效的办法是学人，像人一样。怎么将“理性主义学派”和“行为主义学派”的一些想法和我们讲的这两种ADAS体系关联起来呢？首先，从我们讨论的所有例子，在驾驶辅助或自动驾驶技术上，视觉（感知）绝对是最主要的。从理性主义的观点出发，也许希望用“视觉感知及AI进一步完善人的视觉”，使其更强更理性的处理更多的问题，并且处理的更好。而行为主义学派是希望这些系统可以做的更接近于人。人除了视觉以外，也用听觉，触觉，嗅觉这些来处理一些开车中遇到的问题，我们能不能也这么做？哪个才是更好的方法？我把这个问题抛给今天在场的各位。

触觉听觉系统已被很广泛的应用到机器设备（远程）诊断中间。结合今天的AI和车联网技术，在车上做 AI远程诊断技术上是完全可行的。今天在第二个问题中提到的AI车载远程诊断系统中用到的 “触觉、听觉“体系和第一个问题中提出的“视觉为主+听觉触觉辅助”的AI系统中“听觉触觉”系统是相容的。好，这就是我今天的发言，谢谢大家。