从自动驾驶看汽车数字化转型

有限地干预车辆行驶系统，有少量的控制权，只有单一功能且驾驶员可随时接管车辆。功能包括自适应巡航和紧急制动功能等。

能够完成某些驾驶任务，但驾驶员需要监测环境，完成剩余部分。假如行驶过程中出现问题，随时进行接管，比如:低速自动跟车、高速路快速行车和驾驶员在车内的自动泊车等。在这个层级，自动系统的错误感知和判断需要有驾驶员随时纠正。

要实现自动驾驶，需要做到这四点：地图、感知、决策、控制 。

地图：北斗卫星导航系统大家都知道，这是自动驾驶不可或缺的技术，另外有通信技术V2X（Vehicle To Everything），保证了车辆与外界网络信息的高效交换。另外一项技术，叫做惯性测量单元（IMU）， 可以弥补GPS的误差，并且根据加速度来判断自身的运动方向。

感知:被定义为环境信息和车内信息的采集与处理，涉及道路边界检测、车辆检测、行人检测等多项技术，可认为是一种先进的传感器技术，所采用的传感器包括激光雷达、摄像头、毫米波雷达、超声波雷达、速度和加速度传感器等。由于单一传感器存在感知的局限性，并不能满足各种工况下的精确感知，自动驾驶汽车要实现在各种环境下平稳运行，需要运用多传感器融合技术，该技术也是感知层的关键技术。

决策:可以理解为依据感知信息来进行决策判断，确定适当工作模型，制定相应控制策略，替代人类驾驶员做出驾驶决策。这部分的功能类似于给自动驾驶汽车下达相应的任务。例如在车道保持、车道偏离预警、车距保持、障碍物警告等系统中，需要预测本车及相遇的其他车辆、车道、行人等在未来一段时间内的状态。先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。由于人类驾驶过程中所面临的路况与场景多种多样，且不同人对不同情况所做出的驾驶策略应对也有所不同，因此类人的驾驶决策算法的优化需要非常完善高效的人工智能模型以及大量的有效数据。这些数据需要尽可能地覆盖到各种罕见的路况，而这也是驾驶决策发展的最大瓶颈所在。

控制:是指系统在做出决策后，按照决策结果对车辆进行控制。车辆的各个操控系统都需要能够通过总线与决策系统相连接，并能够按照决策系统发出的总线指令精确地控制加速程度、制动程度、转向幅度、灯光控制等驾驶动作，以实现车辆的自主驾驶。

利用多目视觉、激光雷达、毫米波雷达等传感器件及识别算法，可以实现对实际道路环境中多曲面物体的准确识别；利用基于先进传感器的地图采集技术可以提取道路的详细标注（标志、标线、信号灯等）和高精度位置（经度、纬度、高度等）等信息，从而实现自动驾驶汽车对道路平面特征的提取，同时基于深度学习可实现对道路可行驶、不可行驶区域的认知识别。

结合通讯技术的发展，运用车与车、车与路、车与人、车与云之间的实时通讯技术，可为人工智能技术在自动驾驶技术应用过程中的数据、计算与算法等三大要素提供进一步支持，还可面向多车型、多场景智能驾驶需求，提供解决群体智能驾驶系统协同驾驶所面临的问题。

与传统系统相比，LLM 在自动驾驶方面具有以下优势：

• 对抽象表达的理解：传统系统在理解人类的抽象指令方面存在困难，而 LLM 能够理解和适应各种人类情绪和上下文线索。
• 个性化驾驶体验：LLM 能够根据人类的历史偏好和命令提供个性化的驾驶模式，从而提高驾驶体验。
• 实时性和安全性：LLM 在处理复杂人类指令时有较低的延迟，这对于实时应用和安全关键场景至关重要。

免责申明：本文来源网络，版权归原作者所有，因内容无法确认真正原始作者，故仅标明转载来源，具体发邮件至：