引  言：

本文節(jié)選自汽標(biāo)委智能網(wǎng)聯(lián)汽車分標(biāo)委今年7月編撰的《汽車控制總體技術(shù)要求研究報(bào)告》，本報(bào)告由國汽（北京）智能網(wǎng)聯(lián)汽車研究院有限公司、華為技術(shù)有限公司牽頭，共30余家單位參與撰寫。

隨著自動(dòng)駕駛技術(shù)的快速發(fā)展，汽車對(duì)軟件特別是操作系統(tǒng)的變革需求越來越高，主機(jī)廠、Tier1 供應(yīng)商和自動(dòng)駕駛軟硬件技術(shù)方案提供商紛紛投入大量的人力、物力和財(cái)力進(jìn)行車控操作系統(tǒng)的研發(fā)，希望在軟件定義汽車的時(shí)代能夠占據(jù)一席之地。下面將對(duì)目前國內(nèi)外主流車控操作系統(tǒng)的開發(fā)和應(yīng)用情況進(jìn)行簡單介紹。

1、特斯拉Autopilot 自動(dòng)駕駛軟件架構(gòu)

眾所周知，特斯拉是自動(dòng)駕駛技術(shù)和產(chǎn)業(yè)化的領(lǐng)跑者，其優(yōu)勢(shì)在于以計(jì)算平臺(tái)為核心，自研并領(lǐng)先芯片硬件、操作系統(tǒng)平臺(tái)軟件等。特斯拉自動(dòng)駕駛軟件架構(gòu)如圖11 所示，主要特點(diǎn)是其操作系統(tǒng)基于單一Linux 內(nèi)核，打造了整套自動(dòng)駕駛的軟件方案，分別完成了從感知、決策規(guī)劃和控制系統(tǒng)解決方案。從現(xiàn)在公開的信息可知，系統(tǒng)基于Ubuntu 進(jìn)行裁剪，對(duì)Linux 內(nèi)核進(jìn)行了實(shí)時(shí)性改造，這個(gè)內(nèi)核也開源在github 上，深度學(xué)習(xí)框架基于PyTorch，實(shí)時(shí)數(shù)據(jù)處理基于開源流處理平臺(tái)Kafka，擁有48 個(gè)獨(dú)立的神經(jīng)網(wǎng)絡(luò)進(jìn)行多維度數(shù)據(jù)處理，并且具備強(qiáng)大的OTA 升級(jí)能力。其FSD（Full Self-Driving）計(jì)算平臺(tái)硬件集成了智能座艙域和自動(dòng)駕駛域，操作系統(tǒng)通過OTA 軟件升級(jí)，充分利用數(shù)據(jù)、云計(jì)算生態(tài)，開創(chuàng)汽車產(chǎn)品價(jià)值和服務(wù)的新模式。


圖9 特斯拉Autopilot 軟件架構(gòu)（來源于網(wǎng)絡(luò)）

Autopilot 與娛樂控制層掌控了所有的攝像頭和雷達(dá)傳感器。在模塊內(nèi)部，Autopilot 系統(tǒng)和娛樂系統(tǒng)這兩大部分通過CAN 和高速串行總線FPD-link 打通，兩者之間甚至可以傳遞視頻數(shù)據(jù)。Autopilot 數(shù)據(jù)流處理機(jī)制如圖10 所示，融合自動(dòng)駕駛與車內(nèi)感知，實(shí)現(xiàn)服務(wù)駕駛閉環(huán)。


圖10 Tesla Autopilot 數(shù)據(jù)流處理機(jī)制

通過E/E 架構(gòu)的集中化，特斯拉將汽車的軟件開發(fā)內(nèi)化，將汽車底層硬件標(biāo)準(zhǔn)化和抽象化，此舉讓特斯拉通過軟件定義汽車和創(chuàng)新變得更容易。特斯拉的Autopilot 進(jìn)化沿著功能集中化、資源共享化的道路前進(jìn)，體現(xiàn)了特斯拉軟硬件解耦，通過軟件定義汽車的實(shí)踐。


圖11 特斯拉全棧AI 架構(gòu)（來源于網(wǎng)絡(luò)）

特斯拉在打造Autopilot 整體軟件棧時(shí)采用的理念（參見圖11）：站在巨人肩膀上進(jìn)行創(chuàng)新，充分利用開源項(xiàng)目進(jìn)行全棧開發(fā)，從開發(fā)（比如UI 框架基于QT，前端也基于一些開源的庫）、構(gòu)建、到部署都采用了開源的方案，推動(dòng)車端算力服務(wù)、調(diào)度機(jī)制，以及云端算力資源優(yōu)化布局，培育智能駕駛新業(yè)務(wù)模式。

最底層的是數(shù)據(jù)、GPU 集群以及Dojo 計(jì)算集群，這一層主要進(jìn)行數(shù)據(jù)采集、標(biāo)注和訓(xùn)練，生成算法模型；采用基于PyTorch 開源框架的深度神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行分布式訓(xùn)練；用損失函數(shù)對(duì)模型進(jìn)行評(píng)估；在評(píng)估層之上，是云端推理和車端FSD 芯片推理，到這一層，意味著算法模型走完了大部分流程，然后就是部署到車端；在車端，這是車控操作系統(tǒng)運(yùn)行范圍，特斯拉通過影子模式將這些算法模型與人類駕駛行為進(jìn)行比對(duì)，檢測(cè)是否存在異常。

這樣從數(shù)據(jù)采集到算法部署的閉環(huán)，隨著更多汽車上路展開數(shù)據(jù)收集，可實(shí)現(xiàn)基于海量數(shù)據(jù)的驅(qū)動(dòng)，讓系統(tǒng)性能不斷迭代，更加優(yōu)秀。在這個(gè)閉環(huán)當(dāng)中，涉及到數(shù)據(jù)集、模型訓(xùn)練神經(jīng)網(wǎng)絡(luò)、云端和車端推理算法等要素。

總結(jié)來看，軟件定義汽車深刻地改變了汽車行業(yè)的盈利模式，將高性能的硬件預(yù)埋作為投資，通過軟件更新服務(wù)盈利，已經(jīng)成為特斯拉為代表的新造車勢(shì)力的標(biāo)準(zhǔn)操作。

2、大眾中央集中式軟件參考架構(gòu)

大眾汽車為了加速自動(dòng)駕駛技術(shù)的應(yīng)用，組建了龐大隊(duì)伍自主開發(fā)汽車操作系統(tǒng)vw.OS。vw.OS 采用的是基于Adaptive AUTOSAR面向服務(wù)的軟件架構(gòu)，其中，中央集中式軟件參考架構(gòu)如圖12 所示。大眾新一代EE架構(gòu)的設(shè)計(jì)特點(diǎn)主要有：

1）采用高性能處理器、高速網(wǎng)絡(luò)；

2）兼容POSIX 的內(nèi)核（Linux/QNX 等）Linux + Adaptive AUTOSAR 操作系統(tǒng)；

3）應(yīng)用軟件和I/O 功能解耦，減少整個(gè)系統(tǒng)的復(fù)雜性和應(yīng)用之間的依賴性；

4）高效、快速地開發(fā)用戶功能；

5）采用面向服務(wù)的通信。


圖12 大眾中央集中式軟件參考架構(gòu)（來源于網(wǎng)絡(luò)）

3、華為MDC 智能駕駛計(jì)算平臺(tái)架構(gòu)

華為MDC（Mobile Data Center：移動(dòng)數(shù)據(jù)中心）定位為智能駕駛的計(jì)算平臺(tái)。此平臺(tái)集成華為在ICT 領(lǐng)域30 多年的研發(fā)與生產(chǎn)制造經(jīng)驗(yàn)，基于CPU 與AI 處理器芯片，搭載智能駕駛OS，兼容AUTOSAR，支持L2~L5 平滑演進(jìn)，結(jié)合配套的完善工具鏈，客戶或生態(tài)合作伙伴可靈活快速的開發(fā)出針對(duì)不同應(yīng)用場(chǎng)景的智能駕駛應(yīng)用。華為MDC 智能駕駛計(jì)算平臺(tái)（以下簡稱華為MDC 平臺(tái)），性能強(qiáng)勁、安全可靠，是實(shí)現(xiàn)智能駕駛?cè)案兄?、地圖&傳感器融合定位、決策、規(guī)劃、控制等功能的汽車“大腦”。適用于乘用車（如擁堵跟車、高速巡航、自動(dòng)代客泊車、RoboTaxi) 、商用車（如港口貨運(yùn)、干線物流）與作業(yè)車（如礦卡、清潔車、無人配送）等多種應(yīng)用場(chǎng)景。華為的MDC 智能駕駛計(jì)算平臺(tái)架構(gòu)主要特點(diǎn)有：

1）提供軟硬件解決方案，且高度解耦，可獨(dú)立升級(jí)，硬件升級(jí)路線和軟件升級(jí)路線分別獨(dú)立；

2）對(duì)主流傳感器的適配性好，支持主流GNSS、IMU、攝像頭、激光雷達(dá)和毫米波雷達(dá)等傳感器的數(shù)據(jù)接入，且支持?jǐn)z像頭和激光雷達(dá)點(diǎn)云的前融合；

3）對(duì)主流中間層軟件的適配性很好，可兼容ROS 和AUTOSAR，支持Caffe 和TensorFlow 等常用深度學(xué)習(xí)框架；

4）核心組件（芯片、操作系統(tǒng)內(nèi)核）自主可控；

5）華為是業(yè)界唯一同時(shí)擁有CPU 與AI 芯片研發(fā)能力的廠家， MDC 平臺(tái)硬件集成具有CPU 與AI 計(jì)算能力的強(qiáng)大SoC 芯片，為智能駕駛提供可擴(kuò)展的異構(gòu)算力；

6）功能軟件基于SOA 架構(gòu)，遵循AUTOSAR 規(guī)范，定義了智能駕駛基本算法組件（如感知算法組件、融合算法組件、定位算法組件、決策算法組件、規(guī)劃算法組件、控制算法組件等）的調(diào)用框架與組件之間的軟件接口；上層場(chǎng)景應(yīng)用可以靈活選擇不同的算法組件組合，實(shí)現(xiàn)具體的場(chǎng)景應(yīng)用功能；

7）提供安全可信，高效便捷，靈活開放的應(yīng)用開發(fā)端到端工具集，支持可視化&拖拽式操作及自動(dòng)代碼生成，可一站式開發(fā)、測(cè)試、調(diào)優(yōu)，幫助客戶或生態(tài)合作伙伴快速開發(fā)滿足AUTOSAR 規(guī)范的智能駕駛應(yīng)用。

4、英偉達(dá)自動(dòng)駕駛平臺(tái)架構(gòu)

英偉達(dá)（NVIDIA）是全球領(lǐng)先的人工智能計(jì)算公司，利用其先進(jìn)的硬件芯片開發(fā)優(yōu)勢(shì)，以行業(yè)較領(lǐng)先的高性能安全芯片為核心，提供完整的硬件平臺(tái)和基礎(chǔ)軟件平臺(tái)，其架構(gòu)如圖13 所示。NVIDIA 計(jì)算平臺(tái)硬件目前處在“Xavier”階段，下一代平臺(tái)“Orin”已發(fā)布但并未上市。Xavier 是 NVIDIA 首次生產(chǎn)的車規(guī)級(jí)系統(tǒng)級(jí)芯片，該芯片采用了六種不同類型的處理器，包括 CPU、GPU、深度學(xué)習(xí)加速器(DLA)、可編程視覺加速器 (PVA)、圖像信號(hào)處理器(ISP) 和立體/光流加速器?；赬avier 芯片，NVIDIA 提供面向自動(dòng)駕駛開發(fā)的DRIVE AGX XavierTM，算力達(dá)到30 TOPS，面向L2+和L3 級(jí)自動(dòng)駕駛；提供DRIVE AGX PegasusTM 使用兩塊Xavier 系統(tǒng)級(jí)芯片和兩塊Turing GPU，算力達(dá)到320 TOPS，面向L4 級(jí)和L5 級(jí)自動(dòng)駕駛。

NVIDIA Drive 的主要特點(diǎn)有：

1）軟硬件解決方案，且高度解耦，可獨(dú)立升級(jí)，硬件升級(jí)路線和軟件升級(jí)路線分別獨(dú)立；

2）硬件優(yōu)勢(shì)明顯，是GPU 設(shè)計(jì)、生產(chǎn)領(lǐng)域的領(lǐng)導(dǎo)者；

3）軟件生態(tài)非常好，有業(yè)界最完善的官方開發(fā)套件，開發(fā)者社區(qū)相對(duì)完善；4）軟件層面開放程度較高，可在DriveWorks（功能軟件層）開放API，也可在Drive AV 和Drive IX（應(yīng)用軟件層）開放API；

5）系統(tǒng)軟件層融合了第三方RTOS+AUTOSAR，設(shè)有Hypervisor 層，第三方量產(chǎn)RTOS 方案通過ASIL D 認(rèn)證；

6）算法加速全部基于自身CUDA 架構(gòu)和TensorRT 加速包，二者是NVIDIA 獨(dú)有，因此其軟件開發(fā)生態(tài)不可脫離其硬件平臺(tái)。


圖13 英偉達(dá)自動(dòng)駕駛平臺(tái)架構(gòu)

5、百度Apollo 開放平臺(tái)架構(gòu)

百度Apollo 是一套軟件平臺(tái)，其依賴的計(jì)算平臺(tái)硬件需要采用第三方的IPC，Apollo 開放平臺(tái)架構(gòu)如圖14 所示。百度自行研發(fā)了兩款輔助性硬件ASU（Apollo 傳感器單元）和AXU（Apollo 擴(kuò)展單元），其中，ASU 用于收集各傳感器的數(shù)據(jù)，通過PCIe 傳輸至IPC，此外，IPC 對(duì)車輛的控制指令也需通過ASU 向CAN 發(fā)送；AXU 用于滿足額外算力、存儲(chǔ)的需求，以GPU、FPGA 形式接入已有硬件平臺(tái)。

百度Apollo 的主要特點(diǎn)有：

1）為網(wǎng)聯(lián)云控（V2X）進(jìn)行軟硬件端到端的開發(fā)；

2）提出“認(rèn)證平臺(tái)”的概念，包括車輛認(rèn)證、硬件認(rèn)證；

3）很好地融入了云服務(wù)，其中包括眾多百度自家的其他產(chǎn)品，如：基礎(chǔ)百度云服務(wù)、在線仿真產(chǎn)品、高精度地圖、小度助手（Duer OS），各產(chǎn)品間彼此受益；

4）由于開源，核心的算法模塊在Github 進(jìn)行長時(shí)間優(yōu)化后已充分產(chǎn)品化；

5）主要側(cè)重系統(tǒng)軟件的開發(fā)，包含定制優(yōu)化的操作系統(tǒng)、系統(tǒng)中間件及算法功能模塊，大部分硬件則采用第三方方案；

6）產(chǎn)品沒有涉及到AUTOSAR 架構(gòu)的額外開發(fā)適配，也無需對(duì)車輛現(xiàn)有的ECU/MCU 進(jìn)行改變。


圖14 百度Apollo 開放平臺(tái)架構(gòu)

在此衷心感謝參加研究報(bào)告編寫的各單位、組織及個(gè)人:

組織指導(dǎo)：汽標(biāo)委智能網(wǎng)聯(lián)汽車分標(biāo)委

牽頭單位：國汽(北京)智能網(wǎng)聯(lián)汽車研究院有限公司、華為技術(shù)有限公司

參與單位：國汽智控（北京）科技有限公司、中國汽車技術(shù)研究中心有限公司、北京地平線機(jī)器人技術(shù)研發(fā)有限公司、電子科技大學(xué)、中國第一汽車股份有限公司、一汽解放汽車有限公司、上汽大眾汽車有限公司、北汽福田汽車股份有限公司、惠州市德賽西威汽車電子股份有限公司、上汽通用五菱汽車股份有限公司、長城汽車股份有限公司、東風(fēng)汽車有限公司東風(fēng)日產(chǎn)乘用車公司、上海汽車集團(tuán)股份有限公司零束軟件分公司、大眾汽車（中國）投資有限公司、中汽研軟件測(cè)評(píng)（天津）有限公司、北京百度智行科技有限公司、江淮汽車集團(tuán)股份有限公司、長安汽車軟件科技有限公司、清華大學(xué)、東風(fēng)汽車集團(tuán)有限公司技術(shù)中心、東風(fēng)商用車有限公司、國家ITS 中心智能駕駛研究院、北京汽車股份有限公司、阿里巴巴（中國）有限公司、高通無線通信技術(shù)（中國）有限公司、中國汽車工程研究院股份有限公司、中興通訊股份有限公司、中國軟件評(píng)測(cè)中心（工業(yè)和信息化部軟件與集成電路促進(jìn)中心）、上海機(jī)動(dòng)車檢測(cè)認(rèn)證技術(shù)研究中心有限公司、斑馬網(wǎng)絡(luò)科技有限公司、上海瓶缽信息科技有限公司

參與人員：田思波、叢煒、潘晏濤、褚文博、周錚、程智鋒、吳含冰、羅蕾、石慶鵬、張曉謙、孔濤、孟憲剛、鄭巖、石景文、余得水、錢國平、伍宇志、羅覃月、周思儒、鄒德英、孫華、鄭四發(fā)、樊勝利、吳丹丹、唐波、周明珂、彭琪惠、徐耀宗、彭偉、馮錦文、吳瓊、朱乾勇、黃懿、桂紹靖、江浩、劉珺、王琳、劉紅軍、李儼、凌曉峰、徐立鋒、郭盈、李玉坷、高長勝、金一華、劉時(shí)珍、王錦、張路、劉晨曦、程唐平、田俊濤、馬濤、王圭、許夢(mèng)枚、林智桂、王萌、金天、侯昕田、丁釗、李毓強(qiáng)、鄭方、殷蘇辰、陳書平、賈元輝、秦文婷、劉大鵬、崔云峰、周波、劉海威、滿志勇