首页/文章/ 详情

L2辅助驾驶国标来了!一图读懂《智能网联汽车 组合驾驶辅助系统安全要求》

8月前浏览327


917日,工业和信息化部就《智能网联汽车 组合驾驶辅助系统安全要求》强制性国家标准公开征求意见,该标准填补了我国组合驾驶辅助系统产品安全基线空白,将为行业准入、质量监督和事后追溯提供关键技术依据,有助于全面提升产品安全水平,切实保障人民群众生命财产安全。


一、标准制定背景




当前,全球汽车产业加速向电动化、网联化、智能化转型,智能网联汽车作为未来汽车产业发展的战略制高点,已成为培育新质生产力的重要载体和推动产业升级的核心引擎。组合驾驶辅助系统是指在其设计运行条件下持续地执行动态驾驶任务中的车辆横向和纵向运动控制,且具备与所执行的车辆横向和纵向运动控制相适应的部分目标和事件探测与响应能力的硬件和软件所共同组成的系统,能够有效减轻驾驶负担、提升驾驶舒适性,已成为市场新车型的亮点和消费者选购的重要考量。今年17月,我国具备组合驾驶辅助系统的乘用车新车销量为775.99万辆,同比增长21.31%,渗透率为62.58%,较上一年增加了6.5个百分点。


组合驾驶辅助系统的规模化应用为产业发展注入了新动能,但也同步带来了新的问题和挑战:一是产品性能缺乏统一基线。受感知方案、控制策略及交互逻辑差异影响,不同车企产品组合驾驶辅助系统在混合交通、占道施工等复杂场景下的可靠性、稳定性差距显著,既易致用户误判功能边界、形成过度依赖,也对道路交通安全构成潜在威胁。二是营销与使用环节风险外溢。部分企业在宣传中滥用“高阶智驾”“零接管”等概念,刻意模糊“驾驶辅助”与“自动驾驶”界限,淡化系统局限,致使个别驾驶员放松警觉,出现长时间脱手、分心等危险行为,酿成伤亡事故,引发社会强烈关注。在此背景下,加快制定组合驾驶辅助系统安全底线标准、厘清宣传红线,已成为监管、行业与公众的普遍共识与迫切诉求。


二、标准主要内容




工业和信息化部高度重视智能网联汽车安全工作,坚持“急用先行”原则,组织全国汽车标准化技术委员会加快制定《智能网联汽车 组合驾驶辅助系统安全要求》强制性国家标准。该标准的技术内容在合理可行的前提下,与UN R171《关于批准车辆驾驶员控制辅助系统(DCAS)统一规定》等国际标准法规协调接轨,并紧密结合中国复杂道路交通场景,充分考虑不同产品形态和技术路线,将组合驾驶辅助系统分为基础单车道组合驾驶辅助系统、基础多车道组合驾驶辅助系统、领航组合驾驶辅助系统以及泊车组合驾驶辅助系统(本标准的标准化对象不包含泊车组合驾驶辅助系统)。从“提升产品能力表现”“强化安全保障要求”“规范系统使用方式”维度构建“三重安全保障”,多维度规范组合驾驶辅助系统安全能力,支撑道路交通安全水平提升。


1)明确功能性能要求,构建产品安全基线


严格限定系统的“设计运行条件”,要求系统只能在其设计运行条件下激活。针对不同功能(如单车道、多车道、领航辅助等)设置了包括人机交互、功能安全和预期功能安全、信息安全、数据记录等在内的全方位安全技术要求,构建由场地试验、道路试验和文件检验等在内的多层级验证方案。


对于基础单车道组合驾驶辅助系统、基础多车道组合驾驶辅助系统,标准要求其在符合GB/T 44461.12024《智能网联汽车 组合驾驶辅助系统技术要求及试验方法1部分:单车道行驶控制》、GB/T 44461.22024《智能网联汽车 组合驾驶辅助系统技术要求及试验方法2部分:多车道行驶控制》相关要求的基础上,满足人机交互、信息安全、软件升级、数据记录等必要的安全要求。


对于领航组合驾驶辅助系统,为确保系统在执行动态驾驶任务期间符合其他交通参与者预期,要求系统具备限速控制辅助能力,并提出系统不应在实线处执行换道等具体要求;为确保系统能够识别并响应符合我国道路交通特征的事件及场景,基于我国道路交通特征,构建了包括道路交叉口、施工区、环岛、隧道等交通环境的试验场景;

为确保系统声明的各项能力均经过充分验证,要求至少通过场地试验、道路试验和文件检验验证系统是否符合相关安全要求。


2)提出过程管理要求,全面保障产品安全


为保障组合驾驶辅助系统在复杂多变的真实交通场景中能够安全运行,系统性防范组合驾驶辅助系统从开发设计到运行全过程中可能出现的各类风险,在明确产品功能性能要求的基础上,面向组合驾驶辅助系统研发、制造以及使用过程提出安全保障要求。其目的是针对组合驾驶辅助系统,推动建立并持续运行一套科学、完整的全生命周期安全保障方法,针对在研发、生产制造、车辆运行等各个阶段系统中使用的硬件和软件实施安全保障,构建覆盖事前、事中与事后的完整安全链条。在研发阶段,强化安全风险设计,“提前防风险”;在生产制造阶段,保障生产稳健性和可追溯性,“造得稳、能追溯”;在使用运行阶段,动态监测车辆运行状态,实现“能监测、会上报”,推动建立并持续运行一套科学、完整的安全保障方法,全方位提升综合保障系统安全性。


3)规范系统使用方式,引导合理安全应用


依据GB/T 404292021《汽车驾驶自动化分级》,组合驾驶辅助系统不同于自动驾驶系统,并不具备独立识别及响应驾驶过程中全部的事件和场景的能力,需要驾驶员持续关注外界及本车情况并执行动态驾驶任务方可保障系统安全。为确保驾驶员在使用系统前已充分理解系统的使用限制以及使用方式,避免由于驾驶员“误用”或“滥用”导致的交通事故,标准要求系统每次上电/点火后确认驾驶员是否完成了使用培训,确认后方可激活系统;为确保系统激活期间驾驶员能够关注到本车以及外界情况,持续参与动态驾驶任务的执行,标准要求系统具备手部脱离检测以及视线脱离检测能力,一旦系统激活期间驾驶员出现手部脱离、视线脱离,系统应发出提示以及报警,并在驾驶员未及时响应系统报警的前提下可控地退出激活状态;为确保驾驶员能够正确使用系统,标准要求在由于驾驶员脱离导致系统执行风险减缓功能,或者发生了一定次数的手部脱离或视线脱离后,在一定时间内禁止再次使用组合驾驶辅助系统。


三、与国际法规的对比




联合国层面相关国际法规主要为UN R171《关于批准车辆驾驶员控制辅助系统(DCAS)统一规定》,组合驾驶辅助系统强制性国家标准在与国际法规保持协调的基础上,充分考虑了我国实际道路交通环境以及系统的实际安全需要,进一步细化形成了符合产业现状和安全需要的技术内容。与UN R171相比,存在以下主要差异:


一是标准对于驾驶员手部脱离检测、视线脱离检测以及对应的报警要求与UN R171 最新版保持协调,但与UN R171最新版相比,标准禁止系统抑制手握转向盘提示,要求系统应在驾驶员未脱离动态驾驶任务的前提下方可执行动态驾驶任务。


二是UN R171 最新版相比,标准细化了诸如试验时长、试验道路要素要求等道路试验的具体方法,同时基于道路交通事故统计增加了诸如施工区、纸箱、踏板式两轮摩托车、侧翻车等试验场景,并要求系统在车辆制造商声明的最高可设置车速下进行试验,以充分验证系统的安全能力。


三是UN R171 最新版相比,标准针对包括基础单车道组合驾驶辅助系统、基础多车道组合驾驶辅助系统以及领航组合驾驶辅助系统均提出了用户告知和识别驾驶员是否经过使用培训的要求,而非仅针对系统触发的换道控制提出此类要求,以有效避免驾驶员的“误用”和“滥用”。


四是标准区别于UN R171最新版,对于组合驾驶辅助系统提出包括数据记录、数据元素、数据存储、数据读取等车端数据记录要求,以确保真实和准确地记录车辆运行过程中的关键数据,支撑相关交通事故的调查与分析。


四、标准制定进展及计划




目前,《智能网联汽车 组合驾驶辅助系统安全要求》强制性国家标准已形成征求意见稿,正在公开征求社会各界意见。下一步,我们将根据反馈情况,加强部门间的协同合作,加快推进标准发布、宣贯、实施与监督等各项工作,确保各项安全技术要求有效落地,切实为智能网联汽车产业高质量发展保驾护航,守护好人民群众的出行安全。


公开征求《智能网联汽车 组合驾驶辅助系统安全要求》强制性国家标准的意见      

   

   



按照《中华人民共和国标准化法》和《强制性国家标准管理办法》,工业和信息化部装备工业一司组织全国汽车标准化技术委员会开展了《智能网联汽车 组合驾驶辅助系统安全要求》强制性国家标准的制定,已形成征求意见稿,现公开征求社会各界意见。


征求意见截止日期为2025年11月15日,如有意见和建议,请以书面(个人需署名,单位需加盖公章,并留联系方式)或电子邮件形式进行反馈。


附件:

1.智能网联汽车 组合驾驶辅助系统安全要求(征求意见稿)

2.智能网联汽车 组合驾驶辅助系统安全要求(征求意见稿)编制说明

3.强制性国家标准反馈意见表

工业和信息化部装备工业一司

2025年9月17日


对于L2辅助驾驶国标,及后续发展,大家怎么看?欢迎大家评论区留言讨论!

来源:车路漫漫

汽车电子自动驾驶控制试验
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-12-11
最近编辑:8月前
李慢慢
硕士 自动驾驶仿真工程师一枚
获赞 14粉丝 93文章 320课程 0
点赞
收藏
作者推荐

拆解3DGS:原理框架、实战 demo 与自动驾驶仿真落地

本期转载一篇来自康谋的文章。01 引言当前,三维重建技术正处于从"实验室演示"迈向"工业级应用"的关键时期。每一次对场景细节的精准还原,每一帧实时流畅的渲染效果,都在检验算法对真实世界的复现能力。高效、高质量的三维重建能够显著提升数字资产制作效率,助力提升虚拟测试的真实性,加速仿真验证流程。然而,在"平衡重建质量与效率"这一核心目标下,现有技术仍面临诸多挑战,包括大规模场景的处理效率、动态物体的建模能力,以及跨平台部署的兼容性等难题。针对这些问题,康谋也有一些思考、经验与看法,本文将与大家一起交流。下文将介绍3DGS原理框架、实战 demo 与自驾仿真落地探索等相关内容。02 3DGS的原理框架 技术概览3D Gaussian Splatting(3DGS)是一种基于数百万个可学习的“3D色块”来实现逼真3D场景实时渲染的新兴技术。这里的“3D色块”实际上是指3D高斯球——每一个都是具备位置、形状、颜色和透明度属性的基础单元。利用这些高斯球,我们可以对真实场景进行三维重建,再通过Splatting技术将其投影至二维平面,最后借助图像分块的光栅化方法渲染成最终图像。以下展示的是采用3DGS技术重建的部分场景,不难看出,无论是场景的细节还原度还是色彩表现力,效果都十分出色。 在保持高保真度场景重建的同时,3DGS技术还具备出色的渲染速度,这得益于其采用的基于图像分块的渲染方式。通过与其他三维重建方法对比可见,3DGS在视觉效果上能够媲美NeRF-360,而训练时间却大幅缩短至几十分钟甚至几分钟。相较于NeRF-360动辄数十小时的训练成本,这无疑是一项重要突破。能够在与Instant-NGP相当的训练时长内,达到接近NeRF-360的重建质量,正是3DGS技术的关键优势所在,也是其在三维重建领域持续受到关注的重要原因。 3DGS整体框架3D Gaussian Splatting(3DGS)的整体框架是一个端到端的管道,其核心思想是将整个三维场景表示为数百万个可学习的3D高斯球。这些高斯球作为场景的基本表示单元,每个都拥有各自的属性,包括3D空间中的位置、描述其形状与方向的协方差矩阵、以及视角相关的球谐函数所表示的颜色和不透明度。 整个流程可以分为7个步骤:1、初始化:基于输入的RGB图像序列,通过sfm算法(COLMAP)估计初始稀疏点云及相机位姿;2、高斯空间建模:将初始点云转换为一系列3D高斯椭球;3、视锥体筛选:根据当前相机参数,剔除位于视锥体范围之外的3D高斯椭球;4、可微分投影:将保留的3D高斯椭球通过可微分的仿射变换投影至2D图像平面;5、分块光栅化:将投影后的高斯椭球按图像块组织,并采用基于瓦片的光栅器,实现并行、有序的混合渲染;6、损失计算与反向传播:比较渲染输出与真实图像,计算重构损失并通过反向传播优化高斯椭球的各项属性参数;7、自适应密度控制:在训练过程中动态执行高斯椭球的克隆与分裂操作。03 3DGS实战demo搭建利用开源模型就可以进行一些场景的重建,开源仓库:https://github.com/graphdeco-inria/gaussian-splatting COLMAP初始化点云要对3DGS模型进行训练,需要先的得到一组初始化点云,利用COLMAP可以从一组无序的照片中,得到相机的拍摄位姿和场景的三维点云。得到初始化点云和相机位姿的效果如下图: 输入模型进行迭代训练得到初始化点云后,就可以将点云信息输入到3DGS模型中进行迭代训练。3DGS迭代训练通过不断渲染误差反馈来优化高斯的位置、颜色和形状,并动态增删高斯,使场景逐渐从粗糙点群精化为高保真实体模型。以下是初始化点云和训练迭代2万次后的点云对比,可以看到迭代训练后的点云信息更加丰富,场景细节更加多样。利用这些点云和3DGS椭球就可以构建出逼真的三维场景。 04 3DGS在自驾仿真中的应用探索 从World Extractor到aiSim康谋推出的World Extractor能从原始传感器数据中,直接创建出3DGS重建的数据信息,从而可以直接导入康谋仿真软件aiSim中,进行场景渲染。这大大节省了仿真场景构建时间。并且,aiSim通过优化渲染模型,可以获得高保真的3DGS场景导入。新构建了GGSR,即通用高斯泼溅渲染器,优化3D重建场景下RayTracying传感器渲染优化广角镜头渲染,增强一致性支持自由移动视角,减少伪影产生左边是渲染优化前,会出现大FoV相机不一致性。右边是渲染方案优化后,可以增强一致性。 优秀的仿真效果: 网格阴影表现(左)、环境反射表现(右)05 3DGS未来发展与挑战在系统探讨了3DGS的技术原理与实践路径后,我们需要清醒地认识到:这项技术正处在从"可用"到"好用"的关键演进阶段,同时也存在着很多待发展的技术要点和面临的挑战! 发展3DGS技术正沿着效率极致化与能力边界拓展的双重路径演进。一方面追求超大规模场景的实时重建与交互,另一方面致力于实现动态场景的精准建模与语义级理解。 效率与应用的极致化- 实时性与交互性:实现毫秒级动态场景重建与渲染,支持用户实时交互;- 硬件加速:开发专用硬件(如ASIC/FPGA)与更优的CUDA内核,让3DGS在移动端、边缘设备上流畅运行;- 大规模场景:突破内存限制,实现对城市级、自然景观等超大规模场景的高效建模与漫游。 动态场景与语义理解- 4D重建:轻松处理动态物体,生成高质量4D动态场景,直接应用于影视、自动驾驶仿真;- 语义与编辑:与SAM等分割模型结合,实现实例级的物体识别、分离与编辑;- 生成式AI融合:作为3D表示,与Diffusion等生成式模型结合,实现文本/图片到3D场景的高质量、高效率生成。 与其他技术的融合与统一- 与NeRF互补: 发挥3DGS渲染快的优势,弥补NeRF在抗锯齿、细节重建上的不足,形成混合建模管线;- “3D基础模型”的基石: 作为一种高效的3D表示方法,为构建大规模3D场景的基础模型提供可能。 挑战3DGS技术在渲染质量与动态场景处理方面仍存在理论瓶颈,其"黑箱"特性与数据依赖性也制约了技术的规模化应用。这些挑战亟待从算法原理与工程实现层面协同突破。 渲染质量与一致性- 锯齿与闪烁:由于2D Splatting的固有特性,容易出现锯齿、走样和边缘闪烁问题;- 跨视角不一致性:在不同视角下,Gaussian的分布可能出现轻微的不一致,影响几何的精确性;- 透明与反射材质:对半透明、镜面等高光/反射材质的建模能力仍然较弱,效果不如基于体素渲染的NeRF。 动态场景与学习瓶颈- 动态处理“粗暴”:目前的动态3DGS多依赖于变形场或时序参数,难以处理剧烈的、非刚性的形变;- 数据依赖性强:性能高度依赖于输入图像的质量和数量,对稀疏输入或存在大量遮挡的场景,重建效果会急剧下降;- 缺乏标准与生态:相比成熟的Mesh流程,3DGS缺乏行业标准工具链。 理论基础与可控性- “黑箱”特性:Gaussian的分布与参数缺乏明确的物理和几何解释,像一个可微分的点云渲染“黑盒”,难以进行精确的、程序化的控制;- 参数冗余与过拟合:场景复杂度直接与Gaussian数量挂钩,可能导致训练过拟合和存储浪费。06 总结显而易见,3DGS以创新的3D高斯球表示方法,在重建质量与效率间实现了突破性平衡。从技术原理到实战演示,再到康谋在自动驾驶仿真中的完整工具链实践,3DGS展现了显著的工程价值。尽管在动态场景处理和渲染质量方面仍面临挑战,但随着硬件加速和算法优化的持续推进,3DGS有望在自动驾驶、数字孪生等领域发挥更大价值,为三维重建技术开启新的可能!▍参考资料1. https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/2. https://arxiv.org/pdf/2308.040793. https://arxiv.org/pdf/2401.03890v1以上,原文完。来源:车路漫漫

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈