提到L4自动驾驶我们可能最先联想到的是Robotaxi、Robobus、Robovan等这些车辆一般由公司运营而不是面向个人用户。本文介绍全球第一款面向个人的L4级自动驾驶汽车来自Tensor的Robocar。Tensor的前身是2016年成立的AutoX总部位于美国圣何塞AutoX曾在深圳运营上千辆自动驾驶出租车是全球首个同时在中美两地同时进行无人驾驶测试的公司。2022年AutoX退出中国市场放弃了Robotaxi路线团队在硅谷重组为Tensor专注私人自动驾驶汽车的开发。Tensor的Robocar是一款专为个人拥有的L4级自动驾驶汽车由VinFast越南新势力造车企业进行生产。据了解该车将于2027年1月正式对私人开售。如果只用一句话概括那就是Tensor想做的不是给汽车加一个自动驾驶功能而是一台把整辆车当作一个能感知、能推理、能行动、能照顾用户的个人 Robocar。本文介绍Robocar的感知系统、控制系统、算法和安全冗余设计以及和Robotaxi相比介绍面向个人的Robocar有哪些特别的设计考量。本文素材来自于Tensor官网介绍视频见8个Thor-X、17个1700万像素相机面向个人的L4自动驾驶汽车Tensor Robocar解析。01 感知系统Tensor 集成了 100 多个传感器其中包括 37 个摄像头、5 个激光雷达、11 个毫米波雷达、22 个麦克风、10 个超声波传感器、1 套 GNSS、3 个惯性测量单元、16 个碰撞检测器、8 个水位检测器、4 个胎压传感器、1 个烟雾探测器以及三通道 5G 连接。1. 5个激光雷达每辆 Tensor 配备 5 个激光雷达其中包括1颗水平FOV是360°的Halo和4颗补盲激光雷达Sentinel。5颗激光雷达的水平FOV示意图垂直FOV示意图其中1Tensor Halo Hyper Lidar 是安装在车顶的高分辨率长距激光雷达最远距离可达305米为 Robocar 提供 360°的安全感知。Tensor Halo 采用 AMD和 Broadcom 的处理器搭载来自AMS、OSRAM 和滨松光子的激光收发单元。Halo和其他激光雷达的点云对比2Tensor Sentinel 是 4 个近距、超广角盲区激光雷达分别负责检测车辆的前后左右四个方向。Tensor Sentinel 盲区激光雷达水平FOV为180°垂直FOV为110°可覆盖水平线以下-90°的区域可以在近至 10cm 处探测物体而不损失精度。Halo 和 Sentinel 激光雷达均是机械式方案支持多次回波检测用于更好的穿透雨、雾、雪或尘土等复杂环境。另外Tensor特别提到传统激光雷达系统会通过基础时间数字转换器TDC丢弃有价值的信号数据而 Halo 和 Sentinel保留原始ADC信号使用高级算法更有效地区分真实信号与噪声并可靠测量反射率帮助 AI 更准确识别物体材料属性。2. 37个摄像头Tensor全车搭载了37个摄像头全车摄像头组合FOV示意如下1Tensor 的外部视觉系统由 17 个超高分辨率摄像头组成采用 Sony CMOS 成像技术IMX735单颗分辨率达到 1700 万像素最远可探测 500米外的物体。高分辨率视觉对高速和复杂路口都有价值能够更精确的检测远处车辆、路牌、车道线变化、交通灯倒计时、方向箭头。由于IMX735是逐列扫描Tensor可以实现摄像头与激光雷达的逐列同步能让视觉和点云在动态场景中对齐更为准确提升障碍物定位、车道识别和自由空间判断的可靠性。图片来源Sony另一个公开采用1700万像素摄像头的自动驾驶汽车是Waymo的Ojai图片来源Waymo2Tensor 还强调 AI 驱动的 ISP。传统图像信号处理器依赖固定规则在太阳正好位于交通灯后方、红黄灯颜色接近、夜间亮灯过曝、低光噪声很高时容易出问题。Tensor 的 AI ISP 从真实驾驶数据中学习在眩光、弱光和夜间条件下输出更稳定、更清晰、更接近驾驶任务需求的图像。3特殊鱼眼摄像头。鱼眼摄像头负责近距环视并与 Sentinel 盲区激光雷达同步通过额外搭载的红外 LED 模块使得这些摄像头在完全黑暗中也能工作。4底盘下摄像头则用于检查车底。私人 Robocar 可能在任何地点关闭和启动移动前必须检查车底和轮胎后方是否有宠物、人或其他障碍物。5Tensor 座舱内有 11 个摄像头主要座位配备 RGBD 摄像头用于 Face ID。在手动或辅助驾驶时座舱摄像头和多模态 VLM 可检测驾驶疲劳或注意力不集中。在自动驾驶过程中系统也会监测乘客安全例如青少年、老年乘客或需要帮助的人。如果检测到乘客把身体探出窗外等危险行为车辆可以警告、通知监护人甚至安全靠边停车直到风险解除。通过与 Autoliv 合作Tensor 使用座舱监测 AI 区分乘员身体可自动调整安全带和安全气囊参数以提升不同乘员在紧急情况下的保护效果。它还可以检查车内空间和后备厢识别遗忘物品。3. 11个毫米波雷达整车共有 11 个毫米波雷达其中包括 6 个 Tensor Trinova Hyper Radar。Trinova Hyper Radar同时覆盖短、中、长距离能够识别静止和运动目标。对自动驾驶来说静止物体识别非常重要。高速道路上的静止车辆、掉落物、施工设施常常是安全系统最难处理的对象之一。Trinova Hyper Radar使用TI、AMD、Micron 和 Marvell 的芯片解决方案采用 12 个发射器和 16 个接收器方位角分辨率达到 1.1°。另外5个毫米波雷达则用于车门开启、障碍物避让等车身近距离安全场景。4. 水位传感器安全穿越积水区域对自动驾驶车辆非常关键前保险杠上的两个专用涉水深度传感器可精确测量水深确保安全通过。在极端情况下Tensor 甚至能自主移动到更高地势保护自己免受潜在损害。Tensor 标准涉水深度为 25.6 英寸并可通过越野模式下空气悬架调整至 26.4 英寸。车辆在停放时如果遭遇水淹则会产生危险。为防止这种情况Tensor 配备先进超声波水位传感器主动检测潜在的淹水风险。底盘护板和座舱地板中有 8 个进水传感器可在发生进水时立即通过智能手机提醒用户。5. 其他传感器1Tensor全车还集成了10个超声波雷达和16个专用机械波式碰撞传感器。机械波式碰撞传感器可以帮助精确识别事故并防止二次伤害在事故发生时保护车主和其他道路使用者。2Tensor 还把声学传感纳入自动驾驶系统。四组外部麦克风阵列可判断警笛的方向和距离即使应急车辆还没进入摄像头或激光雷达视野车辆也可以提前准备响应比如安全靠边。麦克风阵列还支持应急人员与远程引导服务通信并具备风噪过滤能力。3定位系统方面Tensor 集成 u-blox GNSS、Murata 双惯性测量单元并结合 8 个车轮编码器、多个激光雷达和摄像头。在高清地图可用时它可以提供更精确定位同时利用 RTK GNSS 和 5G 连接增强可靠性。45G 方案由 Continental、Qualcomm 芯片组和增强天线支撑支持三条独立 5G 链路同时连接多个运营商用于持续联网、数据路由、远程引导和座舱服务。6. 传感器长期可靠性自动驾驶感知系统最容易被低估的问题是传感器“能不能一直干净地工作”。Tensor 为摄像头和激光雷达配备全天候清洁系统包括小型雨刷、伸缩喷嘴、除霜器、传感器保护盖和超高压泵。整车有 13 个传感器雨刷、30 个清洁喷嘴、13 个传感器外罩。Tensor介绍这套清洁系统不是简单喷水它使用适配不同传感器形状的曲率自适应喷嘴配合分区智能电磁阀可单独清洁某些区域。喷洒模式有连续和脉冲两种用于应对不同污物。超高压泵据称可以用一半时间达到同等清洁效果同时减少 30% 的玻璃水用量。在低温和潮湿环境中Tensor 使用温湿度传感器预测露点并在必要时自动启动车外盖板玻璃加热。没有盖板玻璃的鱼眼摄像头和底盘下摄像头也配备镜头加热能力。传感器外罩还采用防眩光设计包括哑光黑表面、精密遮光螺纹和特殊镀膜盖板玻璃用于减少杂散光干扰。盖板玻璃还要承受飞石、喷砂和道路碎片冲击。02 控制系统1. 计算平台Tensor 的计算平台是整套自动驾驶系统的大脑。Tensor 搭载了 8 颗 NVIDIA Drive Thor-X 芯片每颗Thor-X提供2000 TOPS的稀疏算力或者1000 TOPS的稠密算力因此整车 GPU 算力超过 8000 TOPS。为了冗余Tensor 超级计算机还集成了 TI、NXP 和 Renesas 的车规芯片其中两颗 TI TDA4VH 处理器每颗 32 TOPS并带 8 核 ARM Cortex-A72 CPU两颗 NXP S32G399A 车载网络处理器提供 ASIL D 安全、网络安全和确定性性能包含 8 个 ARM Cortex-A53 核心和 4 个双核 ARM Cortex-M7 实时控制器Renesas RH850 芯片组运行基于 Vector AUTOSAR 的车规软件达到 ASIL D 功能安全等级。整体来看Tensor 超算系统拥有 10 个 GPU、144 个 CPU 核心以及大量 DSP 和微控制器每秒处理超过 53Gbps 的传感器数据。可靠性方面Tensor 超算设计寿命为 10 年或 29万公里配备液冷热管理系统在高温下冷却关键组件在低温下加热组件。高压连接器和电子外壳达到 IP6K7 或更高密封标准并使用耐腐蚀镀层。双电源架构保证持续供电通过极端温度、冲击、振动、电磁兼容性测试保证硬件满足车规要求。存储方面Tensor 最高支持 19TB 车载存储用于记录传感器和自动驾驶数据。这些 SSD 与三星电子合作开发采用 E1.A 形态并满足车规标准。车辆还内置专用黑匣子系统即使遭遇严重碰撞或火灾也要尽可能保留关键数据用于事故追溯和安全分析。2. 算法与模型Tensor 的自动驾驶软件建立在 Tensor Foundation Model 之上。这套AI系统从真实和仿真数据中学习驾驶任务包括感知、预测和规划。输入侧采用多模态融合把超高分辨率摄像头、激光雷达、雷达和定向音频麦克风的数据整合在一起提升恶劣天气、眩光和夜间场景下的可靠性。训练数据来自专用数据采集车队。这些车辆由专家驾驶员手动驾驶并配备完整传感器套件用来捕捉理想驾驶行为。筛选后的数据上传到云端由高性能 GPU 分析并识别关键场景。Tensor和Oracle合作建设了大规模数据采集、可视化、真值生成、机器学习训练和评估基础设施。模型通过真实道路测试、海量数据集和高保真仿真验证用于提升感知准确性、预测建模和安全轨迹规划。训练方法上Tensor 使用模仿学习复制优秀人类驾驶行为。同一个场景下多个好司机可能给出不同但都合理的驾驶轨迹。因此Tensor 的神经网络并不是只输出单一路径而是生成多个候选轨迹并为每条轨迹分配置信度。系统再根据安全指标、车辆动态约束、乘坐舒适性和社会化驾驶规范进行评估选出安全、舒适、高效的路径最后交给线控执行系统完成。预测模块使用 Transformer 架构用来分析多个交通参与者之间的互动。自动驾驶不能只预测单个车辆或行人怎么走还要理解他们之间怎样互相影响车辆变道会影响旁车行人犹豫会影响前车骑行者绕开障碍物会改变后车决策。Tensor 也采用了双系统架构系统 1 负责快速、本能的实时驾驶响应处理常规驾驶中的连续控制和即时反应系统 2 负责慢思考用更深入的推理处理复杂环境和罕见边缘案例。系统 2 使用多模态视觉语言模型 VLM训练数据既包括专有数据集也包括互联网上多样的图像和视频用来提高对罕见场景的识别和推理能力。这些模型的实时推理由车载超级计算机完成不依赖云端。3. 地图策略Tensor 自动驾驶系统被设计为像经验丰富的驾驶员一样思考熟悉道路同时也能应对变化没有把高清地图当作唯一依赖。如下图所示灰色线条和阴影区域代表先验高清地图品红色线条则表示 AI 通过传感器融合实时识别出的道路特征。当准确地图可用时Tensor 会将其无缝整合进决策过程更有信心地理解道路布局和车道标线能够更早地完成决策。但如果道路被重新划线、临时施工、地图缺失或地图与现场不一致时Tensor 会立即切换到实时感知。通过融合摄像头和激光雷达数据AI 能完整详细地识别车道线、道路边缘和边界并通过摄像头输入识别交通灯同时将它们匹配到正确车道。同时Tensor的AI系统会持续评估地图数据可靠性这种结合地图预见性与实时感知适应性的双重能力为准确性、韧性和最高安全水平提供了最佳方案。03 执行系统Tensor 可以同时支持 Level 0 手动驾驶、Level 2 辅助驾驶、Level 3 有条件自动驾驶和 Level 4 完全自动驾驶并能在不同模式之间切换。为了让 L4 真正进入座舱体验Tensor 采用了折叠方向盘、可折叠踏板和开放式地板布局。1通过与 Autoliv、ZF、Veoneer 等供应商合作Tensor 推出量产折叠方向盘。自动驾驶模式下方向盘和踏板保持静止不会像传统自动驾驶车辆里那样方向盘自己转动。折叠机构噪声低于 45 分贝方向盘可以在数秒内收起。Tensor 自研的防夹滑动中控屏可遮蔽收起后的方向盘额外释放约 15CM 的胸前空间。2执行层面Tensor 使用真正的线控系统。传统机械转向、制动和油门被电子信号取代AI 可以在无人输入时直接控制车辆运动。线控转向系统采用全面冗余双电源、双通信通道、双绕组电机和冗余传感器贯穿链路符合 ISO 26262 ASIL D 要求。手动驾驶时自适应转向比会根据车速自动调整减少交叉手换手操作。线控系统还带来机械解耦的驾驶体验道路振动被隔离转向反馈可调。解耦式制动系统提供更平顺、无振动的制动踏板并支持可调踏板阻尼。3Tensor 还配备完全冗余的四轮转向系统。后轮可正负 7° 转向使这辆大型车拥有约 18.5 英尺5.6米的转弯半径接近紧凑型车水平。4制动系统采用博世最新线控制动技术具备三重冗余架构整合 Bosch ESP10、DPB2 解耦式助力制动以及冗余电子驻车制动 EPB在电源、通信和功能层面提供冗余支持实现 ISO 26262 ASIL D的安全等级。系统可优化制动能量回收支持自动紧急制动并实现从 65 英里/小时105公里/小时到完全停止仅 125 英尺38米的制动距离。04 安全冗余Tensor 的安全框架覆盖 UL 4600、ISO 26262 和 ISO 21448。可规模化的 L4 Robocar 不只需要传感器和算法还需要一套能承受故障的电子电气架构不仅靠硬件冗余也靠故障管理、降级运行和最小风险策略。Tensor 的 EEA 从传感器、通信链路、线控驾驶系统、电源到热管理都按冗余思路进行了设计。1采用区域式架构在车辆顶部、前部和后部布置专用区域控制器以减少线缆长度、简化线束、提升可靠性并管理配电和设备通信。2支持完整 OTA 更新覆盖控制器、激光雷达、摄像头甚至传感器清洁系统。因此从传感器、控制器到执行器的软件和固件都可远程更新不需要物理接入。3关键网关使用可复位电子保险丝而不是传统熔断保险丝。电子保险丝可在过载或短路时切断电源保护关键组件问题解决后由系统自动恢复或由技术人员远程恢复。4电力架构也按 ASIL D 标准设计覆盖高压电力系统、低压配电和通信网络并具备实时健康监测和预测性维护能力。这一点对L4自动驾驶很重要因为自动驾驶不是“能开”就结束系统必须持续知道自己哪里健康、哪里降级、哪里需要维护。5Tensor 使用多热源耦合热泵回收超级计算机、传感器和其他组件废热用于座舱和电池加热冬季续航可提升超过 20%。更关键的是自动驾驶功能的热管理回路与车辆主热系统物理隔离。即使主系统出现冷却液泄漏自动驾驶系统也能在较长时间内保持运行让 AI 有时间进入最小风险状态比如安全靠边停车。6Tensor 增强线控驾驶系统的 FIT为10也就是每十亿设备小时 10 次故障这意味着每 1 亿运行小时中转向故障少于 1 次。先进冗余制动系统即使一个制动组件失效也能保持可用并自动平衡四轮制动力让车辆受控停车。7轮胎和被动安全也被纳入 L4 系统。Tensor 将缺气保用轮胎用于 L4 自动驾驶车辆轮胎被扎破后可让车辆以 45 英里/小时72公里/小时继续行驶最长一小时给自动驾驶系统足够时间寻找安全地点。另外1软件层面Tensor 采用三层架构主系统、次级系统和应急系统。正常情况下主系统管理所有自动驾驶任务。如果传感器或硬件出现问题系统会把控制权转移给次级备份系统次级系统使用更少传感器和专用 GPU 继续运行。极罕见的灾难性故障中第三层应急系统启动将车辆安全停下。最小风险机动 MRM 是其中的关键回退能力。系统会根据本车状态和周围交通条件选择合适的 MRM 类型通过车辆控制降低风险并停车。MRM 不是简单“一脚刹停”而是在故障、道路环境和交通流之间做安全折中。2Tensor 还集成独立 AEB 自动紧急制动系统由近距激光雷达数据驱动。激光雷达能降低夜间、强眩光等情况下 AEB 失效概率在最后时刻自动介入避免碰撞或降低事故严重程度。碰撞检测系统则融合激光雷达、惯性测量单元和 16 个机械波式碰撞传感器用于精确识别事故并防止二次伤害。05 面向个人的Robocar设计挑战Tensor 一直强调自己不是 Robotaxi而是私人拥有的 Robocar。个人 Robocar和 Robotaxi 最大的区别是没人每天替车主维护它这个区别会改很多技术要求。今天的 Level 4 自动驾驶车辆大多是 Robotaxi它们频繁返回集中车场进行车辆维护、传感器清洁、软件更新、硬件检查和更换。换句话说Robotaxi 车队不能脱离运营方的监管这使它们与消费者真正想要的个人 Robocar有根本不同。个人 Robocar 必须被设计为独立运行不依赖每日技术监督并长时间、可靠地服务车这要求技术的成熟度和可靠性显著更高。因此Tensor 把自主清洁、自主保护、自主自检、远程诊断和 OTA 都放进自动驾驶系统的设计考量之内。1Tensor 的自动驾驶系统所使用的每个激光雷达和摄像头都配备完整清洁技术包括专用清洗液喷嘴、小型雨刷和除霜器。Tensor 是全球首款配备专为激光雷达设计雨刷的量产车拥有 13 个传感器雨刷和 30 个清洁喷嘴。考虑到自动驾驶传感器清洁的额外需求Tensor 配备超大清洗液储液罐让车主无需频繁加注。储液罐有两个智能液位传感器监测液位。当需要加注时Tensor 可以在车主方便时提醒车主手动补充作为 Robocar它也可以无缝自动驶往服务中心完成加注。2不同于日夜运行的 Robotaxi个人汽车可能长时间停放。为确保传感器保持清洁和受保护Tensor 是全球首款配备自动保护传感器盖板的车辆当车辆关闭或未处于自动驾驶模式时盖板会自动关闭。这些盖板保护精密光学部件免受污垢、沙粒、灰尘、石块和其他环境危害。3不同于每天接受人工检查的 Robotaxi个人 Robocar 必须在安全启用自动驾驶模式前自主进行详细自检。Tensor 利用专用传感器和先进 AI 进行全面自检。例如专用红外摄像头持续监测激光雷达镜片和挡风玻璃一旦发现可能影响自动驾驶安全的划痕或损伤就立即报告。在个人车辆的组件可能面临磨损、冲击或意外损坏时个人 Robocar 必须尽可能自主诊断和处理问题。Tensor 配备先进车载诊断和复杂远程诊断系统可自动提醒并协调客户服务快速解决技术问题且无需车主介入。4Robotaxi 可以容忍较长启动时间但个人 Robocar 必须快速启动不能让车主等待。Tensor 的集成硬件和软件为快速启动和快速自检而设计。此外它的预测 AI 会学习车主的使用习惯提前准备车辆确保车主需要它时它总是就绪。5启动场景更复杂。Robotaxi 通常从集中管理、维护良好、网络良好的车场开始运行。相比之下个人 Robocar 可在任何地方启动包括没有 GNSS 或 5G 连接的地下车库这会对硬件时间同步和定位造成挑战。Tensor 先进的 GNSS 与车联网控制单元可与 AI 和软件协同轻松管理这些困难场景。6Tensor 个人 Robocar 可在高度多样的环境中轻松自动泊车包括车库、停车楼或家庭空间无论是否有 GNSS 或 5G 连接。Tensor 先进的 AI 泊车系统与 HomeLink 技术集成可自动开启和关闭车主的车库门实现完全免手操作便利。7为进一步提升车主便利性Tensor 支持通过先进机械臂进行全自动充电。充电口盖会自动开启和关闭并具备防夹技术以提升安全性。8Robotaxi 有时还会依赖车场内有线连接更新Tensor 的全面 OTA 系统可完全远程更新从传感器到执行器的每个组件的软件和固件无需任何物理参与。06 结语Tensor 的Robocar自动驾驶系统有几个明显的特征第一强调多模态传感器路线。摄像头、激光雷达、4D毫米波雷达、声学、GNSS、IMU、轮速、超声波、水位、碰撞、胎压和烟雾探测共同组成一套机器人感知系统。第二把“传感器能长期工作”放到和“传感器性能”同等重要的位置。清洁、加热、盖板、防眩光、镜头健康检测、底盘下检查、自主补液和快速自检都是个人 L4 车辆绕不开的工程问题。第三大算力支撑大模型。8 颗 NVIDIA Drive Thor-X、超过 8000 TOPS、10 个 GPU、144 个 CPU 核心、53Gbps 实时传感器数据流、最高 19TB 车载存储支持实现面向 L4 的多模态模型、预测、规划、VLM 推理和安全冗余。第四把线控执行和功能安全放在系统中心。线控转向、线控制动、线控油门、四轮转向、三层软件冗余、失效保护、AEB、碰撞检测、缺气保用轮胎等等共同构成从决策到执行再到失效回退的闭环。第五从个人拥有场景出发而不是从车队运营场景出发。自动泊车、自动充电、远程诊断、OTA、自主清洁、自动保护盖板、隐私控制、端到端加密、可选远程引导这些都不是传统 Robotaxi 宣传里最显眼的内容却决定一辆私人 Robocar 能不能真正独立生活在用户身边。相对于面向公司运营的Robotaxi面向个人的Robocar要考虑的设计约束更多。Robocar是真正把汽车、车规超算、线控执行和大模型系统集成在一起的移动智能体。扩展阅读雪岭万字解析L3自动驾驶冗余模式和设计纲要——“不怕系统不行就怕系统不知道自己不行”自动驾驶系列一L3自动驾驶汽车简介个人观点未必准确欢迎讨论。我是雪岭研究感知、控制和人工智能的技术、产品和应用欢迎交流。