电气化，丰田貌似慢了半拍，其电动化攻势战略《两张图一分钟看懂丰田发布的电动攻势》在2021年底才发布，整整慢了其旗鼓相当的对手大众汽车发布电气化战略五年。智能化，丰田貌似又慢了半拍，连隔壁日产都开始秀其智驾方案《日产基于激光雷达智能驾驶 - ProPilot详解》但丰田貌似岿然不动。丰田真的反应迟钝吗？
其实丰田，他能做成市值最大的车企，除了其著名的精益生产，我觉得他还是产业中最会抓住技术周期《从AI到底有没有普及看技术发展周期》底部的公司，在技术周期底部进入可以减少试错成本，可以识别最优商业技术方案，其实丰田一直对智能汽车技术进行研究和布局。
所以本文继《丰田汽车的智能化之路》了解其智能之路的合作收购历史之后，我们深入了解其智能驾驶技术方案，其实本文想分如下部分分享：
- 用什么样的智能驾驶算法方案？TAD,MAT,AMP
- 用怎么样的智能驾驶操作系统和中间件？APEX.OS
- 用怎么样的开发工具链？Arena
- 用谁的超算中心来- AWS
- 用哪家的硬件？其实通过算法和系统中间件的把控，就相当于和硬件解耦了，这个时候选择硬件就有一定的灵活性。
但发现这文章真的会超万字，为了阅读体验,也为了让文章有清楚逻辑我把文章分成了两部分，一部分是智能驾驶技术方案，另一部分是系统，软件，工具链技术方案。本文为智能驾驶技术方案分为如下三部分：
- 丰田自家的TAD（Teammate Advance drive）
- 丰田Woven Capital收购lyft的 level 5
- 丰田的智能驾驶地图方案 AMP.
希望能给大家一些信息或者启发。
丰田自家的TAD
丰田取这个名字的意思是“队友高级驾驶”显然他不是高阶智能驾驶，是一个标准的L2等级自动驾驶，他主要作用是旨在加强驾驶员和汽车之间的沟通，使他们能够相互联系以相互协助，并实现类似于亲密朋友的协调驾驶. 与其让汽车取代人的驾驶，取而代之，不如说司机和汽车作为伙伴，互相保护，让司机在享受驾驶体验的同时，时不时地推迟自动驾驶，实现真正安全、安心、不受限制的出行。
他的主要功能亮点是在封闭高速公路上。类似于新势力的高速领航辅助，自动进出闸道，超车，加速减速到达导航目的地。但是丰田这项功能支持脱手，通过DMS监控驾驶员视线来确保驾驶员没有分心，因此，驾驶员在长期驾驶时几乎不需要转向、加速和制动，从而大幅降低了驾驶负荷，帮助驾驶员观察车辆周围环境以确保安全驾驶。
他的硬件，比较豪华：1个激光雷达，5个毫米波雷达，2个单目摄像头，1个双目摄像头，4个环视摄像头。采用高精地图负责定位。
摄像头布置比较特殊，不符合我们之前文章《视觉为王-小鹏以及特斯拉的自动驾驶方案》去做360度环绕的视觉，他只有前视觉一个120m中距摄像头120万像素负责定位也就是识别道路线，一个250m长距远视500万像素摄像头，两个摄像头负责AI算法融合识别道路物体以及道路线等。另外一个双目前视摄像头可能是来自于ZF等用作安全冗余。另外四个环视主要用来做泊车等。
激光雷达，205m的探测距离，FOV (水平110°,垂直2.5°)，布置在前保险杠。激光雷达两大作用，探测前方距离，识别加塞车辆。
运算的GPU 35.9 top来支持AI 视觉图像处理。
另外丰田宣称其传感器可以融合，利用雷达、激光雷达和摄像头的识别输出映射到高清地图信息中。
这样可以达到冗余多融合精准识别，雷达和激光雷达都检测到的目标应用了雷达输出的每多普勒频移纵向速度，以及激光雷达输出的横向位置，该横向位置通过左右反射器从车辆宽度精确计算得出。因此，为每个传感器应用更精确的输出结果。如果雷达和/或激光雷达目标与相机目标融合，则判断检测到的目标足够可靠，可以启动紧急制动。此外，通过将这些自主识别传感器输出与高清地图相结合，系统可以确定前面的车辆是在ego车道上还是在相邻车道上，尽管远离摄像头范围。这样融合能够实现了车辆控制接近老司机的平稳行驶。
当然丰田叫其teammate其实强调其人机共驾，人机共驾的基本要求就如我们之前文章《智能座舱系列文二- 它背后的5种交互技术之视觉。》讲到的DMS,丰田采用AI技术通过对驾驶员脸部的追踪来判断确保驾驶员没有分心。
以上就为丰田自己的TAD方案，其实和通用的super cruise 等方案类似，应用激进方面显然比不过特斯拉，蔚来，小鹏等，但是传统主机厂永远强调两个东西，一个是安全，一个是老司机般的顺滑，当然我们没有去实际比较他们的顺滑，不过未来车辆控制的顺滑这会是智能驾驶测试考核的一个重点，而不单单唯功能论输赢了。
当然其实丰田还有一家叫丰田TRI,同样在我们之前文章《透过2021全球自动驾驶成绩单 -看哪家豪横，勤奋，介入少，自动驾驶主要问题》中，他在2021年的表现是车子不多，还比较勤奋，测试成绩也是一般的角色。
其实丰田在2017年3月份就开始秀过他位于北美的TRI 丰田研究所所研究的基于AI 深度学习的智能驾驶创新测试平台，并开始采用Luminar 的激光雷达进行测试。
当时TRI的平台叫做Platform 2.1 ，使用单一技术堆栈同时测试智能驾驶的两种方式——Guardian 和 Chauffeur。在 Guardian 下，人类驾驶员保持车辆控制，自动驾驶系统并行运行，监控潜在的碰撞情况并在需要时进行干预以保护车辆乘员。Chauffeur模式是丰田的 SAE 4/5 级自动驾驶版本，没有驾驶员。两种方法都使用相同的传感器和摄像头技术堆栈。
但TRI到了2019年P4代后面没有讲了，估计转移到Woven去了，所以接下来看丰田买的Level 5.
丰田Woven Capital收购lyft的 level 5
没错就是lyft可以认为美国的滴滴 ，那家出现在我们之前文章《透过2021全球自动驾驶成绩单 -看哪家豪横，勤奋，介入少，自动驾驶主要问题》中，他在2021年的表现是车子不少，里程不多，测试成绩一般的角色，但如我们文章讲到这些成绩仅供参考。
丰田旗下的子公司 Woven Planet Holdings 在去年花了5.5亿美金现金收购 Lyft 的 Level 5 ，丰田宣称这样可以通过将 L4 技术的尖端元素整合到 L2/3 产品中来帮助挽救生命并创造收入，这些产品将嵌入到丰田和其他公司的车辆中.而最近网络传出丰田将跟随特斯拉采用全视觉方案也是来自于这个公司的方案。
先看Lyft的硬件方案，lyft的试验车辆采用3个激光雷达， 分别为64线和40线 放置车顶和前保险杠两侧，分辨率为0.2°，10HZ的频率。7个内部研发的摄像头360°视野覆盖，5个毫米波雷达，利用摄像头数据和激光雷达数据同步的感知方案。一般试验车的处理器都会采用电脑等非车规级电脑所以这里对于处理器我们不关注。
由于是测试试验车，所以布置会比较随和，所有7个摄像头和1旋转激光雷达，4个毫米波雷达布置车顶，另外两个激光雷达布置左右两侧，一个毫米波雷达布置前保正中间。
Level -5 认为当前智能驾驶开发都采用自建智能驾驶测试车队的方式，基本于现有算法到实际环境中去跑，验证，然后修改，再验证的方式，重复循环式提升。这个方式其实我们之前文章《Cruise以及其自动驾驶技术》中cruise 就是这么做的，他们引以为傲能够大规模应用是其完整工具链能让数据，训练，部署，再确认都在线进行。level认为这叫 Autonomy 1.0 。
当然Level -5 认为这种方式无法永续的，他存在无穷无尽的corner case所以开发周期会长，而这与AI 人工智能思路是相违背的，例如图像识别的算法，围棋程序AlphaGo Zero都是经过计算机训练然后直接进行实际应用。
丰田level 5 认为当前智能驾驶典型技术堆栈为传感器输入感知，预测，规划，测试的方式开发。从下图中可以看到，感知和预测组件是基于AI人工智能学习的，但规划和测试依然依赖于非扩展、基于规则的系统。
这样的话应用到现实生活中，需要大规模地扩展以发现和妥当处理小概率事件的“长尾效应（long tail）”。所以Level 5 认为当前方式无法实现这一点，原因有以下三点：
- 一是基于规则的路径规划和虚拟测试无法有效地建模驾驶行为的复杂度和多样性，需要针对不同的地理区域进行重新调整，它们基本上没有从深度学习技术的进展中获得增益（这一点Level 5可能夸张了，我们之前文章Cruise，英伟达都提到AI元宇宙验证）；
- 二是由于基于规则的虚拟验证在功效上受限，因此评估主要通过路测完成，这无疑延迟了开发周期；
- 三是智能驾驶路测的成本高昂，且扩展性差。
所以Level 5提出其方案，将整个智能驾驶堆栈（感知，预测，规划，测试）转变成一个 AI机器学习系统，并且该系统可以使用包含多样化且真实的人类驾驶数据的大规模数据集来训练和离线验证。他们将这个AI机器学习系统称为 Autonomy 2.0，它是一个数据优先的范式：AI机器学习系将堆栈的所有组件（包括规划和模拟）转化为数据问题，并且通过更好的数据集而不是设计新的驾驶规则来实现性能的提升。这样做极大地释放了处理小概率事件长尾效应和扩展至新的地理区域所需要的扩展性，唯一需要做的是收集规模足够大的数据集并重新训练系统。
他们认为Autonomy 2.0 是一种 AI机器学习优先的自动驾驶方法，专注于实现高可扩展性。它基于三个关键原则：
- 整个智能驾驶闭环模拟，即模型从收集的真实驾驶日志中学习；
- 将智能驾驶分解为端到端的可微分神经网络；
- 需要大规模商品车数据收集用来训练规划和模拟。
所以最后回归到普通采集车的精准度需要保障，根据著名KITTI智能驾驶数据集（当前智能驾驶数据集有KITTI，Waymo,百度Apollo，奥迪，滴滴都有）数据表示市场上商品车上最容得到的单目摄像头精度的确很低，高的是激光雷达。
那么丰田收购Level 5采用其方案，要么其训练算法可以依赖低精度的摄像头，抑或未来随着激光雷达的成本降低可以采用激光雷达。
AMP-地图平台
最近看了42号车评老师的智能驾驶测评，相比有高精地图的其他车辆没有高精地图的特斯拉其实在使用中画龙比较厉害，所以不少智能驾驶共识是需要高精地图，AMP - 地图，是丰田推崇的和mobileye REM类似的基于图像技术的众包地图，了解mobileye的REM 点击《从2022 CES 看Mobileye 自动驾驶产品技术以及战略(谁说算力是唯一标准)》。
丰田宣称AMP用于构建地面道路的高清 (“HD”) 地图，相关精度低于50厘米，这地图属于自动驾驶所需的良好水平。以下两种方法来构建高清地图：
- 通过来自普通车辆摄像头的地图数据以及卫星图像构建自动驾驶地图信息，而无需使用诸如勘测车辆之类的传统数据收集方式。
- 通过转换数据格式和应用校正算法，将来自 TRI-AD 自动测绘平台 (“AMP”) 的车辆数据应用到其他公司的平台。
这样的地图相比传统HD-map（高精地图），他需要特殊的装配例如高精激光雷达，高清摄像头，高精GPS等的车辆专门采集，而还需要多次的采集更新，所以预计丰田认为AMP基于图像众包的方案可以缩短自动驾驶高清地图的更新延迟，快速扩大高清地图的覆盖范围，并大幅降低高清地图的构建和维护成本。
另外AMP 考虑地缘政治因素，所有地图都可以存储在当地的云端供应商。
丰田AMP地图有很多种合作方式，所以这里其实可以给我们启示的是“生意就是需要合作，没有人一个人单打独斗天下无敌的”所以目前AMP概念地图的流程为：
通过与Maxar Technologies Inc.（“Maxar”）等合作获取基础高空卫星地图，与IT 服务提供商 NTT DATA Corporation（“NTT DATA”）等合作通过人工智能算法去掉图像中汽车等以获得更清晰的地图信息提取过程。接下来就可能使众包地图中通过商品车的摄像头采集道路特征信息以及街道物体检测进行地图车道信息等标注。当然丰田表示还与TomTom普通地图提供商合作直接基于其地图根据众包数据进行标注，还可以直接与高精地图供应商Here（Here我们在你想知道的奔驰的L3自动驾驶-功能和硬件中提到过奔驰采用其高精地图）通过其众包数据对Here高精地图进行升级和修复，也就是更新高精地图。
2021年丰田索性收购了CARMERA ，因为CARMERA在地图更新、变更管理和车队基于摄像头的众包方面有优势。
丰田Woven Alpha 团队计划将 AMP 开发为全球最全面的道路和车道网络高清地图平台，为自动驾驶汽车实现高精度定位支持。其自动地图平台（“AMP”）来检测和处理基于从车辆传感器收集的图像和其他数据的车道级道路特征的变化的高清（“HD”）地图，厘米级精度的高清地图，并且近乎实时地反映车道标记、交通信号、标志等的变化，实时更新，2021年开始运营。
总结
当然除了以上几个部分，其实丰田还与Aurora等进行合作测试，本文不做深入探讨。丰田TAD代表内部研发的智能驾驶，显然步子迈的谨慎，这也可能就是传统势力内部创新总会有的阻力，摆脱不了原来的东西，只有基于原有的东西修改。Level 5代表外部创新势力，他们可以天马行空创造，没有历史包袱显然创新可以做的比较超前,当把他应用降维到现有产品序列的时候可以更轻快，所以这也符合当前国内趋势做L4的降维进入乘用车L2 ，L4终究还是远方的诗，而L2 却能让你丰衣鼎食。
