"我们对比赛的如期进行表示由衷的敬意"。
这是中国汽车工程学会副秘书长闫建来代表中国汽车工业协会在2020i-VISTA自动驾驶挑战赛中的致辞。
"由衷的敬意，绝对不是礼节性的书面语言。疫情之后，想要恢复城市活力、经济，需要的是智慧，更需要胆量，还需要一些些勇气，在这种状况下能如期举办这次大赛，当然要表示由衷的敬意" 。
今年的赛事因疫情被延宕，较往届晚了半个月才开幕。正应了一句话"好饭不怕晚"，作为"2020年线上中国国际智能产业博览会"的品牌赛事之一，i-VISTA自动驾驶汽车挑战赛自9约12日鸣哨开赛，到9月15日鸣金收兵，为期三天的比赛吸引到了来自车企、高校、科研机构、科创公司的数十支专业队伍参赛，专为消费者开放的ADAS挑战赛，更是吸引到众多消费者踊跃报名，其规模较之前两届并未明显缩水，赛事的难度和竞争的烈度反而有所提升，由此掀起的全民关注汽车智能化的热潮更是持续升温。在疫情依然肆虐，全球经济下行，汽车行业深受冲击的大环境下，颇有些"风景这边独好"的意味。
说回赛事本身，2020年 i-VISTA自动驾驶挑战赛由最强车脑挑战赛（自动驾驶城市交通场景挑战赛）、ADAS 辅助驾驶系统挑战赛（AEB/APS）、自动驾驶商业化进程挑战赛和虚拟仿真算法挑战赛四项比赛组成。涵盖了自动驾驶L1-L5各个阶段，以检验不同自动驾驶车辆其功能与技术水平。
关于自动驾驶等级区分，可参考目前全球汽车行业公认的美国高速公路安全管理局(简称NHTSA)和国际自动机工程师学会(简称SAE)所提出的标准，这里就不再赘述：
本届赛事的最大创新，是新增了虚拟仿真算法挑战赛。主要针对装有自动驾驶系统的车辆进行比赛和测评，为行业人士推进自动驾驶汽车技术进步提供舞台。考验自动驾驶汽车在实际场景中的环境识别、决策分析、控制执行能力进行测试评价，为消费者认知自动驾驶汽车提供重要信息，为自动驾驶汽车商业化推进铺垫。
创新还体现在今年的城市交通场景赛，除了预设的场景，隧道通行场景利用了隧道内有积水的情况，临时增加了涉水元素，模拟洪峰过境环境，而且隧道出口积水反光情况也比较强烈。
此外，往届比赛，参赛队都是提前获知考试题目，而今年所有的比赛场，参赛车队在完成比赛之前，并不知道车辆需要应对的所有场景的分布次序，更加考验自动驾驶系统的算法和自主决策能力，对于15支参赛队伍来说，这是一场十分有难度和挑战的比赛。
经过三天的激烈角逐，2020i-VISTA自动驾驶挑战赛最终产生了包括最强车脑挑战赛、虚拟仿真挑战赛、AEB自动制动、APS自动泊车、商业化进程挑战赛五个单项冠军。
一年时间，自动驾驶能力有多大提升？
i-VISTA自动驾驶挑战赛实际上就是把已经实现的自动驾驶技术再展示以及对现有问题以及困难真实发掘。今年的赛事和去年与很大大程度的相同支出，如果与去年的比赛成绩相比，就能得到过去一年时间，自动驾驶技术提升的地方和仍然不足的地方。
比如城市交通场景挑战赛，今年由于难度有所提升，整体表现略差与2019年的比赛，2019年的最高分2383.5分，今年最高分则是2040分。
最经典的例子就是ADAS挑战赛中的APS自动泊车辅助比赛， 在2019年的比赛中，搭载有APA4.0代客泊车系统的长安CS75PHEV以135分的成绩获得第二名，而今年搭载有APA5.0遥控代客泊车系统长安UNI-T则是以150分的成绩获得了第一名，这就是在进步。
而在商业化进程挑战赛方面，今年的表现尤为可喜，比赛当天持续下着小雨，阴天和江边厚重的雾气导致GPS信号也较弱，来自车企和高校的13支队伍全部以无人驾驶状态完成比赛，最终清研智能以4小时20分钟完成比赛，拿到4020的全场最高分。
透过挑战赛管窥行业现状
今年2月份，国家发展改革委员会等11部委联合印发了《智能汽车创新发展战略》，提出了2025年实现有条件智能驾驶汽车的规模化生产（L3级别），2035年全面将建成中国标准的智能汽车体系的愿景。今年以来，国家及地方相关部分纷纷出台指导文件，进行智能网联汽车相关产业的建设及政策的制定， 2020年将是智能网联汽车商用落地的关键一年。
自动驾驶怎么发展，完全是看政策什么时候明确。
从目前来看，大多数车企都能提供出L1-L2级自动驾驶技术，并且实现L2级自动驾驶技术已经下放到十万级车型当中。在今年推出的车型当中，搭载L2.5级自动驾驶技术的车型已经不在少数，长城或将于2020年Q2实现L2.9级别智能驾驶应用，比亚迪已经实现L2+级别自动驾驶。
在中国市场，2020年是L3级自动驾驶车辆的量产元年，比如长安汽车推出了可量产L3级别车型UNI-T；广汽集团推出了可量产L3级别车型AionLX；上汽集团将要推出L3级别量产车型MarvelXPro。
今年推出L3级自动驾驶的车型，一定程度上有秀肌肉的感觉，更多的是体现其研发势力和技术功底，但真正实现量产还有待相关法规推出。
L3级自动驾驶是业内公认的自动驾驶风水岭，由于L3级别法规限制很大，该技术量产难度大。"量产难"的原因是多方面的，比如技术、成本、伦理道德、保险制度等，最为关键的是法规。
因此，有部分企业直接跳过了L3级的研发，直接来到L4级自动驾驶研究。2016年8月，时任福特北美总裁的Raj Nair在一场发布会上表示："我们放弃驾驶辅助技术的过渡阶段，决定直接提供L4级别全自动驾驶的车辆。原因是不知道在L3级别，如何从机械操控切换到人工操控。"
另外，沃尔沃、谷歌waymo、丰田都曾表示，由于安全风险，研发L3意义并不大，将跳过L3级自动驾驶技术。
就现阶段的车企来说，由于L3级别自动驾驶量产尚需法规出台，做不了；
L4、L5级别的自动驾驶需要AI技术突破才有可能商用化，等不了；
因此，短期推出L2+高级驾驶辅助系统的车型成为国内外车企的首选。
单车智能受限，车路协同作伴
从目前所暴露出的问题来看，单车智能局限性受到传感器探测能力因素的影响，探测距离、功率、体积、发热量、单个传感器价格制约了单车智能在落地上的局限性。
举个例子：今年6月份在台湾嘉义发生的高速公路特斯拉的事故，有一辆大货车侧翻在高速公路的内侧，后面一辆特斯拉的Model3高速驶入，径直地撞上车辆。而目前的Model 3是没有配备激光雷达的，同时即便是配备了激光雷达，需要训练感知的图像仍然非常多，尤其是侧翻的车辆，有各种形态，不可能把所有的侧翻车辆、道路散落物进行完整识别。
因此，如果仅仅是依靠众多传感器所实现的单车智能，是无法实现真正的自动驾驶。
什么才是最合适的办法？
答案是聪明的车+聪明的路，应是我国发展自动驾驶技术的可行路径。
中国有全世界最复杂的交通场景，任何技术再先进，传感器再灵敏，如果不能解决中国复杂的实际道路交通问题，在中国就不会有广泛的应用，这是难点；反过来，全世界最复杂的交通场景下都能整明白自动驾驶，还有什么难的，这又是优势。
因此，只有车路协同才能为中国的自动驾驶发挥最大的效能，中国的自动驾驶更加靠近智能网联，在发展智能网联汽车中国方案的主要原因就是智能网联汽车带有极强的地域属性，车辆在行驶过程中所需要的通信、地图、数据都具有极强的本地属性。
尤其是中国的交通环境，包括微观交通流、具体道路拓扑结构，以及中国的地形地貌，很大程度上不同于国外、不同于美国和欧盟，所以需要发展自己的智能网联汽车中国解决方案。
效果虽好，但困难依然重重。
在智能路方面：比如，高级自动驾驶所需要的高精地图受到限制，包括法规层面的《道路交通安全法》、《公路法》、《测绘法》对高精度地图的测绘、车辆实时传输自己的高精度位置都有一定的限制。
再比如智能网联汽车是大的系统车路云融合的系统，要实现协同的发展，道路基础设施是网联化的重要基础，同时也是建立智能基础网络通信、位置服务等最基本的网络基础设施。基础设施智能化改造涉及到跨部门协调以及跨产业协同，建设投资大、周期长，目前没有形成有效的商业模式，只有部分企业或者政府小范围进行建设，影响整体进度。
在智能车方面，比如：我国在在高精度的传感器、芯片、计算平台、工具链上存在诸多卡脖子技术，在高性能传感器、线控底盘、汽车AI等核心领域技术积累不足，研发投入比例偏低，产业链不完整，核心技术仍欠积累。
等等。
这都是困难。
写到最后：自动驾驶并非是一朝一夕就能实现的美好场景，从1925年美国陆军电子工程师Francis P. Houdina通过发射无线电波对前面一辆汽车进行操控，自动驾驶的研究已经快一个世纪。
自动驾驶的发展本身不会一帆风顺，会遇到很多困难，但今天离真正自动驾驶的距离，比以往任何一天都要更近。
特约记者:冬树童
【免责声明】上游新闻客户端未标有“来源：上游新闻-重庆晨报”或“上游新闻LOGO、水印的文字、图片、音频视频等稿件均为转载稿。如转载稿涉及版权等问题，请与上游新闻联系。
