駕駛腦設計與實現TheDesignandImplementationonDrivingBrain

設計是一個從全局到局部的過程，要高屋建瓴；實現正好反過來，要關注細節。對于輪式機器人中的駕駛腦，無論由上而下還是由下而上都理清楚了，才能構成一個原理型駕駛腦樣機，也才談得上駕駛腦的品質和智商,

駕駛腦設計與實現是仿駕駛員的駕駛智能，不是設計一臺高性能車載計算機！寫在前面駕駛腦設計與實現(上篇)一、呼之欲出的駕駛腦二、駕駛腦架構設計原則和設計約束三、駕駛腦數據流程四、駕駛腦外延——記憶棒五、雙總線架構

一、呼之欲出的駕駛腦駕駛腦將駕駛活動從人的認知活動中抽象并剝離出來,

不少做,更不多做，專門模擬人腦完成低級、繁瑣、持久的駕駛認知，選擇性注意，永遠專注，永不疲倦。駕駛腦的差異反映個人智力和運動協調能力的差異，世界上沒有兩個完全相同的駕駛腦。量產駕駛腦盒子是智能車產業化的前提！駕駛腦≠圍棋腦智能車產業化=---------------------------性能（2020年）

*可靠性（2020年）成本（2020年）將駕駛可靠性從三個9提高到五個9，比人工駕駛高兩個數量級！智能車價格是原車價格的200%，能否接受?產業鏈中傳感器和駕駛腦的性能是關鍵！智能車駕駛腦研發歷史回顧把傳感器、交換機、計算機和服務器移到車里把傳感器藏于車身，把工控機等置于后備箱傳感器和車身一體，

駕駛腦融入車內總線耗電幾千瓦箱子大小10年前的研發耗電幾百瓦抽屜大小5年前的研發耗電幾十瓦飯盒大小當前的研發在后備箱里放著一堆交換機、工控機等軟硬件耗電幾百瓦，啟動慢，通風散熱不好，如何產業化？能否做成一塊板卡？駕駛腦的量產是智能車產業化的必然選擇，要求駕駛腦是一種“大接口、小尺寸、高性能、高可靠、低功耗、低成本”的嵌入式平臺，它可以是一個盒子、一塊板卡，最好是一個芯片。告別工控機時代，迎接板卡時代研發“一大一小兩高兩低”的駕駛腦智能車傳感器種類和數量如何確定？如何配置？車載計算機、操作系統、編程語言如何選擇？如何設計出“不牽一發動全身”的軟件架構？支撐模塊和應用模塊如何劃分？各需多少？如何配置？計算、存儲、帶寬等資源如何冗余？可靠性如何保證？智能化和汽車已有的自動化如何握手？駕駛腦的智商如何提高？

駕駛腦設計的本質是架構物理架構邏輯架構例如：英偉達DrivePX的自動駕駛系統TX1芯片:四核A57+四核A53+4GRAM+64GeMMc+Maxwell256核GPU顯示接口:2組LVDS支持12個2百萬像素相機60幀率的相機接口，4個一組，組內幀同步視頻處理器：“Mobileye:EyeQ3”48針車規組合接口:6個CAN2.0接口4個LIN接口2個FlexRay接口1個Ethernet接口

2個UART接口

1個電源接口獨立TX1芯片，作用僅僅是冗余英偉達DrivePX自動駕駛系統軟件架構OS:NVIDIAVibranteLinux4.0

64-bitKernelLinux,Quickboot,AutoSARRunTimeEnvironment

硬件層：Tegra

X1

處理器操作系統層：Linux操作系統中間件：支撐圖形圖像處理與并行計算汽車開放系統架構基礎軟件應用層英偉達的自動駕駛系統本質上是一臺車載計算機！

回顧近十年來我們參加的比賽和里程碑試驗，智能車各種感知和認知手段，相互依存，彼此纏繞。在各類比賽場、測試場，智能車表現千奇百怪、反反復復，我們困惑過，迷茫過，試來試去，換車、換平臺、加電源、換模塊，通過多車交叉驗證和常態試驗，終于理出了頭緒，形成全新的駕駛腦設計!13FPGAFPGAFPGAFPGAFPGAASICFPGAFPGAGPUASICASICCPU利用微電子技術，采用FPGA+CPU+GPU+ASIC架構，先利用通用芯片生產板卡，研發區別于車載計算機的機器駕駛腦！

和各種車載傳感器相比，駕駛腦的架構設計、模塊劃分和界面約定才是智能車的生命力，進而決定智能車產業的核心競爭力！

這不是一個教授的學術報告，而是一個團隊總工程師的技術版本升級報告，也可以說是一個架構師認知工程最新設計方案；這不是一個共識的總結，而是一個非共識部分或者說特色部分的問題解決方案，幾乎融入我們所有的相關發明專利和實踐經驗，要尊重自己的創造！充分肯定智能車架構1.0中的成功實踐！核心是使用多臺工控機和交換機構成的網絡架構，而以進程表現的各類應用模塊工作在哪臺主機上并不重要！駕駛腦3大認知并列動態路權理論傳感器不相互依賴傳感器布局體現選擇性注意傳感器之間免同步技術點云不進入決策——駕駛腦中的自主核心技術駕駛地圖認知箭頭虛擬交換不同記憶區劃分各種記憶棒等先驗知識與技能我們和谷歌有什么不同？記憶抽象和認知背景已有認知協助當前感知3x3形成的試驗方法學智能化和自動化握手機制一次、二次規劃隔離我們和谷歌有什么不同？駕駛員認知坐標系路口SLAMiSLAM多車交叉驗證雙駕雙控人機協同共駕點云不進入決策——駕駛腦中的自主核心技術但是，智能車架構1.0也存在問題，……“猛獅4號”智能車傳感器等硬件物理連接圖后毫米波雷達CAN線GPS慣導

串口線頂8線激光雷達前8線激光雷達前1線激光雷達后1線激光雷達交換機網線網線網線網線網線左耳攝像頭右耳攝像頭USB線USB線OBD診斷接口串口線車內左攝像頭車內中攝像頭車內右攝像頭1394視頻傳輸線1394視頻傳輸線1394視頻傳輸線下位機控制器串口線工控機工控機工控機以太網工控機3+操作系統工控機2+操作系統工控機1+操作系統支撐模塊進程監控虛擬交換日志管理交互調試應用模塊圖像預處理GPS預處理感知雷達預處理認知路徑導航道路要素映射路口記憶棒危險場景記憶棒泊車記憶棒人工干預決策行為油門控制制動控制其它控制方向盤控制信息融合驅動模塊激光雷達毫米波雷達超聲波雷達紅外雷達GPSIMU圖像類傳感器驅動模塊雷達類傳感器驅動模塊GPS類傳感器驅動模塊單目相機雙目相機BDSIMU智能車軟件模塊架構圖發送者物理層千兆以太網接收者應用層傳輸層UDP網絡層IP物理層千兆以太網應用層傳輸層UDP網絡層IP智能車架構1.0存在問題分析由于UDP是一種面向事務的簡單不可靠信息傳送服務，盡管傳輸效率高。但它不對數據包進行排序，無法確知是否安全完整到達，造成基于UDP的虛擬交換的先天不足！虛擬交換虛擬交換人機交互和在線調試占用了智能駕駛實時信息處理的計算資源和帶寬，又沒有規定基于組播技術的虛擬交換中交換的優先級，當通信量增大時出現阻塞和丟包現象，重要小包的丟失會造成車輛失控的嚴重后果！智能車架構1.0存在問題分析二、架構設計原則和設計約束架構設計原則系統原則模塊原則表現原則快樂編程原則系統原則模塊原則表現原則NVIDIA

嵌入式超級計算機iDRIVE

機器駕駛腦系統原則

明確任務目標和系統約束，首先是明確不做什么，其次才是明確做什么，尤其是做強什么。這一點成為駕駛腦架構的特色和亮點。

研發駕駛腦，如果架構師一開始就討論傳感器的高性能、高并發、大流量、大數據以及跨媒體的關聯計算，一開始就討論高智商，只能說明他還不懂得忽略和聚焦，不懂得抽象和分離。

架構師應該在智能車的性能、可靠性和成本等諸多制約因素中，確保架構設計的普適性，當某一傳感器或者某一軟件性能提高后，仍然能夠保證架構的擴展和可持續發展，以及量產后的低成本實現。對架構師而言，傳感器的多少、駕駛智商的高低不應該影響架構；換一個新型傳感器或者軟件模塊新版本，如同汽車換一個車燈；換一個車輛平臺，甚至換一種駕駛風格，都不會影響架構。

不做什么？為什么不做？要不要全地域的高精度地圖？要不要識別全程交通標志牌？要不要做圖像和雷達的全程點云SLAM?要不要識別周邊行人姿態和情緒？要不要識別前方車輛種類和品牌等？先覺后視視而不覺邊視邊覺先視后覺根據前一時刻已擁有的路權，關注當前路權的變化對周邊自然風景、建筑風格、行人年齡姿態行為、是不是美女、行人和寵物的差別、前方車輛品牌，是不是時尚等等，一律熟視無睹。常規的、帶GPU加速的計算機圖像處理強選擇性，利用記憶主動感知，主觀尋找特定駕駛情境強調已有認知協助當前感知！“做什么”舉例：做好做強什么？專注駕駛和駕駛安全做好為智能車和駕駛員服務的駕駛地圖做強選擇性注意做強已有認知協助當前感知做強認知工程學明確任務目標先跑通駕駛腦架構，再優化、升級模塊性能系統架構要有普適性，既適用商用車，也適用乘用車，還適用特種車，最好適用所有輪式機器人架構要穩定，模塊可維護、可重用、可擴展，可多車交叉驗證，界面友好分層與模塊化是智能車軟件工程的重要思想，切分要盡最大可能減少耦合，不從模塊中導出函數核心是工作總線和調試總線的切分，以及調試總線和自學習總線的復用確立“沒有哪個軟件模塊不會被再修改”的原則模塊切分原則表現原則感知的結果表現為反映時序的點云圖簇，認知的結果表現為駕駛態勢圖簇，決策的結果表現為認知箭頭簇。三類時空序列的2.5維的表現形態（CT圖）成為駕駛腦的特色和亮點。通過三類存儲的時空序列的緩沖區隔離，防止死鎖

軟件工程隨著遺產代碼的積累和進化，新系統的架構設計已經取代傳統編碼成為軟件工程的核心問題，軟件開發已經演變為配置為主、編程為輔，駕駛腦研發也不例外。

盡管架構中模塊配置的過程本身還是通過模塊化編程的方式來完成，但本質上這些模塊只是在定制成熟算法的運作方式，其技術難度要比編寫平臺自帶的、或者可以移植過來的高質量的成熟算法至少低一個數量級。悲催的是，多數人在認真地做著相反的事。快樂編程原則基本算法不創新，盡量使用廣泛認可的、成熟、開源算法，移植到相應軟件模塊明確算法中的輸入量和輸出量，自變量和參變量尤其明確試驗中要調整的參變量（如預置閾值、權重、優化系數、選擇性開關等）以及參變量凍結的試驗時間序編程AB角，離線調程序，在線調參數體現人類認知的駕駛腦的架構設計，是智能車項目的精髓。只要架構適用，傳感器缺陷也好，軟件臟代碼也好，算法創新也好，車輛平臺的動力學性質也好，都是局部性的、暫時性的！

智能車傳感器的添加可以從少到多、從低級到高級，例如從單目相機到深度相機，甚至到雷達相機。但是，體現人類認知的駕駛腦架構仍然不變。只要架構合適了，智商提高的關鍵，轉向特定傳感器或特定模塊內部的優化，架構師依然很輕松很瀟灑。需求再分析智能駕駛等級區分離線輔助駕駛自動駕駛（局部時段、局部區域）自駕駛/自主駕駛/無人駕駛以人為本的人機協同共駕ADAS,HUD高德導航碰撞預警等ACC自動緊急剎車等城際高速行駛等類似騎士和馬人馬騎士與馬駕駛腦數據流程圖軟件模塊在雙總線中的連接關系圖駕駛腦軟件架構圖駕駛腦軟件模塊列表駕駛腦板卡物理構成圖弄清駕駛腦設計的四圖一表三、駕駛腦數據流程

類腦駕駛如何受腦科學啟發？

駕駛腦性格短期記憶長期記憶情緒學習和思維動機情緒：拒絕人腦中的情緒進入駕駛腦，永遠不因情緒而分散注意力，始終專注。工作記憶：體現駕駛員的選擇性注意，僅僅關注剛剛過去的以及當前的周邊駕駛態勢。動機：完成出行任務從起點到終點的一次性路徑規劃。學習和思維：通過可用路權和相似性匹配，完成自主決策，控制下一時刻的行為動作。長期記憶：如駕駛地圖，表示駕駛員的知識和經驗。性格：由人的基因決定，反映開車是保守還是張揚，還體現小腦動平衡能力。瞬間記憶視覺殘留

遺忘是人類智能的一個顯著表現。駕駛員在周邊環境世界里，有豐富的瞬間記憶，短期適度的工作記憶，以及反復的長期記憶。越是長期的越抽象越難忘，越是瞬間的越具體忘得越快，表現語言不同，表達粒度也不同。

受腦科學研究成果的啟發，總架構強調記憶認知，建立瞬間記憶區、工作記憶區和長期記憶區。三區的數據空間大小、表達語言、時序間隔等完全不同，要解決三區記憶數據在雙總線和模塊之間傳送和存儲的效率問題。

三區記憶和記憶共享奠定了駕駛腦架構的基本形態！三區記憶和記憶共享記憶認知、計算認知和交互認知三位一體感知理解認知理解認知積累感覺記憶工作記憶長期記憶前饋前饋反饋反饋抽象抽象演繹演繹記憶認知計算認知交互認知構造不同尺度連接組的、三位一體的、多個多層認知網絡瞬間記憶工作記憶長期記憶前饋前饋反饋反饋抽象抽象演繹演繹感知理解（小尺度連接組）認知理解（中尺度連接組）認知積累（大尺度連接組）WORD感知計算

用三類傳感器通道類比人的視覺通道，形成對數極坐標下各自豐富的點云圖片庫，數據量大，可實現傳感器數據的瞬間感知理解，還可通過深度學習、尤其是卷積神經網絡模擬生物視覺神經，也可以通過GPU加速計算，提高瞬間感知能力。在已有認知（路口地圖和路段地圖）的協助下，類比人的視覺通道，三類傳感器通道既要負責任地、又只能盡力而為，形成視覺殘留：GPS+IMU通道：定位、路權檢測、導航

雷達通道：定位、路權檢測、導航

圖像通道：定位、路權檢測、導航三類傳感器通道我在什么地方？周邊有什么？下一步怎么走？SLAM認知箭頭可用路權感知計算和瞬間記憶

感知理解要充分借助駕駛地圖數據庫即時生成的、對數極坐標表達的路段地圖或者路口地圖，還要與視覺殘留關聯，感知理解的結果形成新的瞬間記憶，記憶中的數據隱藏著三個通道各自對定位、路權檢測和導航的力所能及的貢獻。基于路權思想，重數據認知，形成駕駛態勢，發現當前可用路權，進而自主決策，形成認知箭頭；語言抽象形成的知識和經驗的長期記憶反饋給認知計算，駕駛態勢的工作記憶也反饋給感知理解。認知計算腦科學研究表明，工作記憶和長期記憶形成的差異可以從海馬體的神經突觸細胞的化學變化反映出來，通過突觸形狀記錄信息，當CPEB69蛋白質處于元粒態才能執行存儲。工作記憶與長期記憶

點云不進入工作記憶，工作記憶的形態是駕駛態勢圖；長期記憶是對駕駛態勢反復形成的抽象，是用語言對駕駛態勢做語義標注，以經驗和規則的形態表現。決策記憶瞬間記憶動態感知態勢分析自主決策精準控制態勢記憶計算流程讀數據流程反饋：已有認知幫助當前感知工作記憶長期記憶路口記憶路段記憶險情記憶困境記憶泊車記憶反饋讀讀反饋反饋反饋反饋反饋瞬間記憶瞬間記憶態勢記憶態勢記憶決策記憶決策記憶搜索匹配寫寫寫速度變化量轉角變化量點云中隱含著導航、周邊障礙物和SLAM數據路權和路權變化駕駛態勢圖駕駛態勢融合模塊自主決策模塊精準控制模塊在線執行模塊態勢記憶池決策記憶池瞬間記憶池駕駛態勢圖駕駛態勢圖駕駛態勢圖駕駛態勢圖駕駛態勢圖駕駛態勢圖駕駛腦數據流程圖GPS雷達攝像頭感知理解模塊長期記憶池路段記憶路口記憶特定人險情記憶特定人困境記憶特定人泊車記憶四、駕駛腦外延——記憶棒

考駕照時駕駛員的理論考試，并不要求對交通道路地圖的理解和積累。但駕駛員的經驗很重要，在高速路上偶爾會看到駕駛員將車停在一邊問路，是他的駕駛技術不熟練嗎？要不要把全城、全省、全國、全球的高精度道路地圖統統搬到一個特定的駕駛腦中去？為什么近年來如此多的地圖公司提供我們的駕駛地圖始終沒有被用上？質疑：

在智能駕駛中，傳統電子地圖和數字地圖處于什么位置？起什么作用？地圖是不是個傳感器？智能車在第一次出行任務之前是否一定要預先實地學習行駛一遍或多遍？現場跑究竟跑什么？質疑：

每一個特定的駕駛員，每一輛特定的輪式機器人，他走過的路服從二八定律，包括駕駛地圖在內的先驗知識是以他為中心坐標系的長期記憶認知而已……解決方案：駕駛記憶棒駕駛地圖記憶棒路段記憶棒路口記憶棒駕駛記憶棒特定人駕駛案例記憶棒路段駕駛記憶棒路口駕駛記憶棒泊車記憶棒險情記憶棒困境記憶棒……路段駕駛例:

在城市或城際道路上，一般地說，同一路段內具有相同的車道數，且車道寬度保持不變；還具有相同的諸多物理和幾何屬性。對路段駕駛而言，常常要求較高的橫向精度和較低的縱向精度。

根據以下路段地圖數據庫，即時生成在車輛前進方向上的對數極坐標表示的路段地圖。路段名稱起止位置坐標限速km/h車道數據路面數據道間及路邊數據推薦速度車道數車道寬度車道曲率規則程度道路坡度路面質量規則程度隔離帶種類路肩高度規則程度高峰時段平常翠微段(a,b)8033.5m0好+1°柏油好綠化5cm好3070路段駕駛例:

用對數極坐標表示的路段地圖路段名稱起止位置坐標限速km/h車道數據路面數據道間及路邊數據推薦速度車道數車道寬度車道曲率規則程度道路坡度路面質量規則程度隔離帶種類路肩高度規則程度高峰時段平常翠微段(a,b)8033.5m0好+1°柏油好綠化5cm好3070路段地圖在感知中的作用舉例再次確認：雷達識別出道路中間的綠化隔離帶，被地圖確認；GPS-IMU給出本車所在的地圖車道位置，被攝像頭檢測到的車道線確認互相補充：地圖告知進入事故多發區，雷達點云數據反映道路流量增大；地圖告知經過流動商販區，攝像頭發現許多行人沖突消解：雷達識別出道路前方疑似橫向路肩，地圖告知是大陡坡要上橋；地圖給出道路大轉彎曲率，攝像頭丟失車道線；攝像頭看出是下坡，地圖告知是怪坡。以路段駕駛為例:提醒幫助：地圖告知前方是隧道，提醒GPS可能會丟失信號，不再懷疑GPS失鎖；車輛到達坡頂前，提醒前向雷達可能無信息可用，提醒攝像頭無法檢測到車道線，但地圖仍可提供地形坡度等信息，輔助決策。過濾噪聲：地圖告知正在通過粗糙路面，雷達出現抖動噪聲數據需要過濾；地圖告知要通過城鄉結合部路邊家禽菜市場繁鬧區，雷達發現過多、過小、過雜的移動障礙物屬性關聯：地圖告知正在通過大彎道傾斜路面，雷達檢出前方所有移動目標都在減速以路段駕駛為例:路段地圖在感知中的作用舉例五、

雙總線架構

架構設計難在人機交互和協同！

以人為本的人機協同共駕“輪式機器人”駕駛位上的駕駛員（可空缺）程序調試、試驗和維護人員乘員互聯網遠端的車主互聯網遠端的黑客六種人之間的交互雙駕雙控在線干預機器人認知能力目的地表達目的地表達自主駕駛抵抗黑客攻擊

駕駛腦架構設計的特色和關鍵是

交互認知的實現

六種人之間的交互，體現人機協同共駕，為車聯網打下基礎，為提高移動生活品質留有足夠空間,并堵死黑客的攻擊；既不影響傳感器數據的實時性處理，又能夠在線調整軟件模塊中的相關參數，便于試驗調試，成為駕駛腦架構設計又一個難點！感知板塊認知板塊控制板塊交互板塊自學習板塊駕駛腦各板塊都雙總線工作工作總線調試總線每個板塊都在雙總線下工作：駕駛態勢融合雙駕雙控工作總線CAN總線認知板塊雷達數據預處理圖像數據預處理導航數據預處理控制板塊執行板塊自主決策感知板塊交互板塊駕駛員干預和工作總線相連的軟件模塊1KMbps進程監控1虛擬交換1交互控制程序員調試模塊黑客干預遠端車主干預乘員交互日志管理駕駛態勢融合雙駕雙控調試總線CAN總線認知板塊雷達數據預處理圖像數據預處理導航數據預處理控制板塊執行板塊自主決策感知板塊交互板塊駕駛員干預和調試總線相連的軟件模塊1KMbps進程監控2虛擬交換2程序員調試模塊黑客干預遠端車主干預乘員交互日志管理交互控制調試板塊汽車CAN總線工作總線感知板塊認知板塊控制板塊虛擬交換2進程監控2虛擬交換1進程監控1程序員調試交互控制乘員交互遠程干預自主決策紅綠燈檢測導航路權檢測導航路權檢測定位導航路權檢測定位圖像數據預處理雷達數據預處理GPS數據預處理導航路權定位駕駛態勢融合1KMbps1KMbps在位駕駛員干預執行板塊軟件模塊與雙總線連接關系圖定位日志管理調試總線雙駕雙控

盡管每個模塊都連到工作總線和調試總線，但從物理支撐看，工作總線在以太網1上，調試總線在以太網2上，兩者是分開的；從信息流向看，只有交互控制模塊對雙總線是雙跨的！對其它模塊而言，雙總線在邏輯上是隔離的！唯有交互控制模塊可實時干預智能車的行為控制！程序員在線調參數的過程，可理解為程序員在教輪式機器人如何開車真正能夠教機器人開車的應該是有經驗的駕駛員機器人在駕駛員開車的過程中應該具有自學習能力因此，將調試總線擴展為自學習總線，并開創自學習板塊！駕駛態勢融合比對庫生成雙駕雙控自學習總線CAN總線認知板塊雷達數據預處理圖像數據預處理導航數據預處理控制板塊執行板塊自主決策感知板塊自學習板塊決策記憶棒生成決策沖突檢測交互協商駕駛員干預學習準則和自學習總線相連的軟件模塊1KMbps虛擬交換2進程監控2自學習駕駛超腦……OBD接口RTK-GPS/BD慣導+輪速計左右耳攝像機頂全景攝像機內雙目攝像機內單目攝像機右后毫米波雷達左后毫米波雷達后SICK激光雷達頂64線激光雷達頂8線激光雷達前8線激光雷達右SICK激光雷達左SICK激光雷達右前毫米波雷達左前毫米波雷達前SICK激光雷達偵察k偵察偵察偵察偵察偵察偵察偵察偵察偵察偵察偵察偵察偵察偵察偵察偵察3偵察2偵察1感知理解k感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解感知理解3感知理解2感知理解1駕駛態勢T-1時刻……認知理解自主決策自動控制駕駛員事故險情、路口、泊車、困境記憶棒駕駛態勢T時刻認知箭頭雙駕雙控點云等原始數據油門制動轉向調節油門制動轉向調節目的地目的地興趣區數據傳感一次

規劃云感知云搜索云端地圖數據云端感知數據云計算云端先驗知識先驗知識位置信息駕駛腦SLAM駕駛

地圖局部情報T-M時刻駕駛態勢在線執行動態感知態勢分析自主決策精準控制感覺記憶工作記憶認知感知行為交互模塊乘員遠端規劃調試、實驗、維護人員駕駛腦設計與實現(下篇)六、駕駛腦中的小腦——控制板塊七、駕駛腦軟件架構與列表

八、芯片選型和駕駛腦板卡物理構成九、駕駛腦增量式調試和試驗十、駕駛腦架構的開放性和可擴展性

謝謝！感知板塊認知板塊控制板塊交互板塊自學習板塊駕駛腦各板塊都雙總線工作工作總線調試/自學習總線每個板塊都連到雙總線：駕駛態勢融合雙駕雙控工作總線CAN總線認知板塊雷達數據預處理圖像數據預處理導航數據預處理控制板塊執行板塊自主決策感知板塊交互板塊駕駛員干預和工作總線相連的軟件模塊1KMbps進程監控2虛擬交換2日志管理交互控制程序員調試黑客干預遠端車主干預乘員交互駕駛態勢融合雙駕雙控調試總線CAN總線認知板塊雷達數據預處理圖像數據預處理導航數據預處理控制板塊執行板塊自主決策感知板塊交互板塊駕駛員干預和調試總線相連的軟件模塊1KMbps進程監控2虛擬交換2日志管理交互控制程序員調試黑客干預遠端車主干預乘員交互駕駛態勢融合雙駕雙控自學習總線CAN總線認知板塊雷達數據預處理圖像數據預處理導航數據預處理控制板塊執行板塊自主決策感知板塊交互板塊駕駛員干預和自學習總線相連的軟件模塊1KMbps進程監控2虛擬交換2日志管理交互控制決策記憶棒生成學習準則決策沖突檢測比對庫生成自學習總線交互板塊汽車CAN總線工作總線感知板塊認知板塊控制板塊虛擬交換2進程監控2虛擬交換1進程監控1程序員調試交互控制乘員交互黑客干預自主決策紅綠燈檢測導航路權檢測導航路權檢測定位導航路權檢測定位圖像數據預處理雷達數據預處理GPS數據預處理導航路權定位駕駛態勢融合1KMbps1KMbps駕駛員干預執行板塊軟件模塊與雙總線連接關系圖定位遠端車主干預調試總線雙駕雙控日志管理自學習板塊決策記憶棒生成比對庫生成學習準則決策沖突檢測

盡管每個模塊都連到工作總線和調試總線，但從物理支撐看，工作總線在以太網1上，調試總線在以太網2上，兩者是分開的；從信息流向看，只有交互控制和日志管理模塊對雙總線是雙跨的！對其它模塊而言，雙總線在邏輯上是隔離的！唯有交互控制模塊可實時干預智能車的行為控制！應用工作總線交互認知自主決策模塊導航綜合模塊路權信息融合模塊定位信息融合模塊行為油門控制制動控制方向盤控制其它控制感知GPS導航GPS路權檢測GPS定位雷達導航雷達路權檢測雷達定位紅綠燈檢測圖像導航圖像路權檢測圖像定位驅動激光雷達毫米波雷達超聲波雷達紅外雷達GPSIMU圖像類傳感器驅動模塊雷達類傳感器驅動模塊GPS類傳感器驅動模