今年1月23日，成立于2014年、總部位于深圳的激光雷達初創公司 RoboSense（速騰聚創）官方宣布：全球唯一量產車規級激光雷達“Valeo SCALA”項目核心人物LeiLei Shinohara（篠原磊磊）博士加盟公司出任研發副總裁。
RoboSense（速騰聚創）研發副總裁
LeiLei Shinohara（篠原磊磊）博士
這位中日混血兒、在激光雷達系統領域擁有超過10年技術積累的頂尖專家將負責RoboSense激光雷達相關產品的車規級量產推進。加入RoboSense之前，他在法雷奧負責車規級激光雷達、汽車主動安全產品、多傳感器融合，并主導首個車規級激光雷達“Valeo SCALA”。任職期間，管理分布于6個國家的傳感器產品研發工程師團隊，對激光雷達系統、軟件、硬件、機械、功能安全進行研發與測試驗證。
4月17日，RoboSense聯手地平線、菜鳥、Sensible 4、autoX等企業面向自動駕駛乘用車、無人低速小車、RoboTaxi、車路協同四大智慧交通核心應用在2019上海車展發布Smart Sensor System（SSS系統）戰略體系。同時，全新超廣角補盲激光雷達RS-Bpearl、超高分辨率激光雷達RS-Ruby兩款新品首發，并揭秘2021年量產車規級固態激光雷達（RS-LiDAR-M1）的最終形態—內部集成感知算法的智能傳感器（Smart Sensor）。
4月17日，RoboSense在上海車展發布Smart Sensor System （SSS系統）戰略體系
RoboSense的新戰略方針是，將布局已久的LiDAR硬件傳感器、AI點云算法與芯片等核心技術結合，針對四大核心應用場景，推出智能感知傳感器（Smart Sensor）。該傳感器能一站式完成環境信息收集和理解，與傳統LiDAR硬件廠商形成定位上的差異：由“硬件”升級為“智能硬件”。
2021年量產車規級固態激光雷達（RS-LiDAR-M1）的最終形態—內部集成感知算法的智能傳感器（Smart Sensor）
RoboSense從高集成度、高性能、高可靠性、可生產性、低成本等設計理念出發，選擇低成本的905nm激光器，推出了革命性MEMS固態激光雷達系統。繼第一代MEMS固態激光雷達RS-LiDAR-M1Pre在CES 2018上首次公開展示后，全新升級的第二代MEMS固態激光雷達RS-LiDAR-M1又在一年后的CES 2019亮相。擁有世界領先的120°視場角和200m探測距離，讓全新的RS-LiDAR-M1到達OEMs向RoboSense提出的指標，滿足L3+自動駕駛乘用車的高速路況TJP與HWP兩項核心功能的安全駕駛需求。
RoboSense 車規級MEMS固態激光雷達RS-LiDAR-M1“升級版”
RoboSense 車規級MEMS固態激光雷達RS-LiDAR-M1“升級版”
本屆上海車展，RoboSense更是展示了與CES 2019亮相的RS-LiDAR-M1相比略有“迭代”的“升級版” RS-LiDAR-M1。
“今年在接下來的一段時間里我們要把M1的產品繼續按照車規級的流程做下去。”
4月18日下午，RoboSense展臺，LeiLei博士如此告訴《中國汽車要聞》。
4月18日下午，《中國汽車要聞》主編邢磊與RoboSense研發副總裁LeiLei Shinohara（篠原磊磊）博士在2019上海車展RoboSense展臺。
在大約40分鐘的獨家訪談中，LeiLei博士與《中國汽車要聞》主編邢磊分享了未來激光雷達技術路線的發展、對L3級別自動駕駛的看法、RoboSense的技術策略以及激光雷達市場的競合關系。
LeiLei博士表示，加盟RoboSense主要是因為他看中了國內自動駕駛尤其在感知系統方面的快速發展、RoboSense的決策速度以及硬件、軟件和算法的結合，包括公司未來的發展方向以及創始人在軟件和算法層面的的理解，與他自己的經驗和預期高度吻合。
相較OPA（相控陣）和Flash這兩種固態激光雷達技術路線而言，LeiLei博士認為MEMS（微振鏡）固態激光雷達從整個產業鏈上游供應的成熟度來說最容易做到量產。選擇MEMS來做量產激光雷達的另一個原因是機械式激光雷達如法雷奧SCALA在性能上會有一定的限制：從最多16線升級到32線、64線、或提高解析度要困難很多，同時也不能做到像MEMS這樣超過100線，甚至接近于200線的掃描范圍。
LeiLei博士強調，雖然1550nm 激光器比905nm激光器的效果要好很多，RoboSense選擇使用后者來做量產激光雷達主要是因為整個上游產業鏈在激光器、探測器等方面都還不夠成熟，1550nm激光器還面臨對人體表面以及飛行動物眼睛等安全方面的問題。
LeiLei博士與菜鳥無人物流車
他認為如果感知算法效果能提高，可以在硬件方面做一些讓步，做到一個“恰到好處”的車規級產品而不一定是最好的產品。
“永遠可以做到更好，但有沒有用？反倒是做到能滿足客戶的要求的情況下，硬件做到恰到好處，把成本做到最低，解決方案不是最新的，但是最成熟的方案，整個產業鏈每個部件都非常成熟，在這個情況下做到低價、高穩定性、滿足客戶的需求，”他說。
本屆上海車展，RoboSense還宣布與地平線達成初步合作意向，為RS-LiDAR-Algorithms激光雷達環境感知算法定制芯片。對此，LeiLei博士表示，RoboSense自己有做算法的能力，與地平線合作側重于他們的計算平臺，RoboSense做基于點云的感知算法，在此基礎上來做多傳感器融合方面的算法。
“對于激光雷達來說，出創公司也開始領悟到單純的靠做硬件靠把點云做出來是不夠的。說明了我們很早以前看重這一塊是比較有遠見的，”LeiLei博士說。
2021年，RoboSense向OEM提供的量產版RS-LiDAR-M1的最終形態將是Smart Sensor。智能感知算法寫入芯片，嵌入激光雷達，實時解讀三維點云數據，直接向自動駕駛車輛輸出目標級環境感知結果。
以下是訪談實錄（略有刪減）：
《中國汽車要聞》：是什么吸引你從一家全球知名的tier-1供應商加盟RoboSense這家中國創業公司？
LeiLei博士：其實從法雷奧到這邊之前，我就有回到國內的打算。看到國內市場發展尤其是在自動駕駛和感知這一塊非常快，動作也非常迅速。這也是我之前在法雷奧會遇到的一些問題：大公司整個process（流程）比較完善，但也比較繁瑣，有很多決策會比較慢一點。在國內特別是小公司、初創公司相對要好一些，這也是吸引我的一個理由。
之前在法雷奧做硬件，在硬件基礎上對軟件的要求非常高。RoboSense把硬件和軟件結合，還有新的Smart Sensor System，從技術方面來說比較吸引我。我一年多以前第一次來RoboSense發現這邊算法做得比我在法雷奧做的SCALA的算法還要好。在算法方面從非常前期的時候就看重并把算法做起來，這個是吸引我的另外一個原因。RoboSense的創始人邱總也非常相信我，信任我的能力，有意向讓我來幫忙。國內的激光雷達領域里RoboSense我能看到一個比較清晰和未來發展。所以就來這里了。
《中國汽車要聞》：從產品量產落地方面，RoboSense似乎已經有了一個比較好的基礎。
LeiLei博士：是的，我們已經有了一個比較好的環境。首先我們的機械式激光雷達已經量產了。有了這個產品會有比較多的客戶先從我們這邊把我們的一個產品拿到手來體驗。前期做自動駕駛研發也好，做ADAS一些功能研發也好，比較早的接觸到客戶。所以在客戶層面已經有了一個好的鋪墊。
我們鐵定要做成車規級產品落地化。落地化有幾種不同的技術方案。我之前在法雷奧的SCALA就是用機械式掃描的方式，但和Velodyne還是不一樣的，是另外一種機械式掃描方式。再有就是MEMS固態掃描激光雷達。更遠的包括OPA，Flash等幾種不同方案。像機械式的SCALA在奧迪A8上已經量產了，也從側面證明了機械式可以做到量產。有些機械式做不了，但不代表所有機械式都做不了。一個是看工藝，再一個就是看做技術方案的時候，有沒有奔著車規級量產，把設計從剛開始的一個根本上來做到可以量產的形態來實現。如果從剛開始做的時候就不是奔著量產去的，以后再怎么考慮，就已經定型了。最近大家都在擔心MEMS振鏡能不能過得了車規？實際上MEMS產品已經在HUD量產在用了。
《中國汽車要聞》：振鏡越小越難做？
LeiLei博士：確切的說，越大越難做，對工藝上要求更高一些。現在一般的用在HUD上的比較小，不care，只需要把激光打到幾十厘米的感光片上就行了。在工藝上要求來說相對要弱一些，但是技術是一樣的，都是MEMS，一個是鏡片小一點，一個是鏡片大一些。現在對于半導體工藝的提升可以把機械式鏡片做再大一點，從整個鏡片可靠性還是能提高做到車規級的需要的。很多的車廠、供應鏈上都在朝這個方向在做，從芯片做研發的時候已經做了很多驗證來確保產品可以量產。在技術路徑選擇上我們選擇了用MEMS來做量產激光雷達。其中也有一個原因，機械式也可以來做，像法雷奧SCALA 一樣，但是在一些性能上來說會有一定的限制。法雷奧SCALA現在最多也就做到16線，在這個基礎上再開始進行提升做32線、64線、或解析度更高一些的話就非常困難。這個技術限制了它不能夠做到像MEMS這樣超過100線，甚至接近于200線的掃描范圍。
RoboSense與菜鳥聯手發布全新量產“新物種”無人物流車。新方案使用一臺視場角120°的RS-LiDAR-M1，取代原來兩臺視場角63°的RS-LiDAR-M1Pre，并加入RS-Bpearl負責側向感知和盲區掃除，實現無死角覆蓋。全新的超廣角補盲激光雷達RS-Bpearl擁有360°×90°的超廣視場角，30m(10%)探測距離，盲區只有10厘米。
《中國汽車要聞》： MEMS是不是終極解決方案？
LeiLei博士：沒有一個真正終極的方案。大家都在說固態激光雷達的時候都在講終極方案，用OPA或Flash，最后做到完完全全是一個全固態的，沒有任何機械部件的，大家都在講。但是這是一個整個產業鏈發展成熟度的問題。因為Flash的產業鏈成熟度已經比較高了，但Flash有一個問題，在現有技術方案層面上做不了太遠的距離，因為有人員安全的限制，限制了激光不能無限制的把強度加上去。我之前在大學里是做1550 nm來做激光雷達來測風速的，用到風力發電機的。非常高的位置，幾百米高的位置，來探測幾百米左右的風速，把激光打出去幾百米情況下，當時就有動物保護協會的人就跟我聊過，這個考慮過有鳥飛到這個范圍內，鳥的眼睛弄瞎了的話，產品也會有問題。被法律法規對動物法律保護。1550 nm也不是隨意就把功率能加高的。可以做的遠，但在工業鏈上的成熟度還是不夠高。一個是價格非常高，消耗的電能和功率也非常高，導致性價比不太高。一些Robotaxi的產品可以考慮用，但放在乘用車里不太現實。用MEMS方式，現在來說，最從整個產業鏈上游供應來說是最容易做到量產的一款產品。當然也不是說其他我們就不做了，在研發其他項目等其他各種各樣激光雷達技術經驗或 knowhow積累起來，會把M1 這款MEMS固態激光雷達推向市場，做到量產。
《中國汽車要聞》：上海車展和很多tier-1的高層聊，他們認為未來十年主要還是ADAS的增長，比如L2到L3的增長。有種說法是L3必須要配備激光雷達，威馬宣布要在2021年量產L3車型。也有更極端的如特斯拉不認為需要激光雷達。L3量產的前景和時間表你怎么看？
LeiLei博士：首先，L3汽車定義不是非常準確。因為L3它本身是對于一些功能來說的，對于終端用戶來說實現的功能。比如說實現自動泊車也是L3的一個功能，包括Highway Pilot。
L3確切來說，定義是系統感知系統決策，如果系統處理不了的情況下需要把信息反饋給司機，司機需要在10-20秒之內接管過來。如果能在從A到B點，像A8一樣，其實是一個TJP的一個L3的功能，中間必須有隔斷，沒有對向車開過來，車速在70km/h以下，前面有引導車，這種情況下可以做其他的事兒，說話看書，但是要保持清醒狀態，不能睡覺。這就是Eyes off的一個功能。只要能實現這個形式的駕駛，就是L3。
《中國汽車要聞》：感覺L3也沒有那么難
LeiLei博士：沒有那么難，但也沒有那么容易。其實對一個車企來說，他么需要提供給最終客戶什么樣的用途？像在高速做 Auto Pilot這是L3的一個功能，這個L3是條件限制的，比如說你限制前面有車才能做，比如說你限制晚上不能開，比如遇到雨天、橋梁、有坡度的地方，系統都不能開。這也是L3。在這個情況下，終端用戶得到什么呢？可以把開車交給車來接管，但是這樣的一個場景只有10%或20%可能對終端用戶是非常迷惑的一件事，不知道什么時候讓車來開，不知道什么時候自己來接管。
德國ABB三家的方案就是加了激光雷達、攝像頭、毫米波雷達等多傳感器融合這樣一種方式來實現。有些像Tesla之類覺得激光雷達不成熟，就用攝像頭和毫米雷達來做，導致了有些場景下會出一些事故。這些事故如果加了激光雷達是可以避免的。但是，你用毫米波雷達和攝像頭也可以把這些事故規避掉，你在這個情況下需要把功能關掉，一定要讓司機來接管。
想要把整個L3系統做到更多人更長時間來用，加了激光雷達從安全性可以做到非常好的冗余，確保系統可以達到標準。即使兩個傳感器失效，還有第三個傳感器能把場景覆蓋到。這也是為什么現在車企會選擇毫米波雷達，前置攝像頭，和激光雷達的多傳感器融合。
《中國汽車要聞》：如何看待競爭對手如海拉投資的AEye以及上游供應商歐司朗要進入下游產業鏈？
LeiLei博士：AEye我的理解是他們做非常高spec的激光雷達。他們說自己把自己的沒用的點云數據給濾掉，這很有意思。有一個事實是對的，點云數據在收集數據的時候數量是非常龐大的，在這個基礎上有些方案提供商把所有的點云數據放過來做一個融合再和攝像頭數據做一個深度融合。可行嗎？也不是不可行，但是要做一個超級計算機來計算。把80%無用的數據來過濾掉，點云數據的時候很多地面的點，很多沒必要。在做算法的時候是不會用這些數據的。再有些散點或者雨天造成的噪點都是沒用的，在做算法的時候都是要把它濾掉的。AEye也好都有預處理的算法把這些過濾掉。Smart Sensor在內部的時候，數據量龐大，基于龐大數據再用 AI算法以及傳感器里面的芯片做感知，把這些結構化數據來輸出來，數據就非常小了，甚至可以通過一些車規級以太網接口直接輸出到域ECU，也不用非得拿到很大數據量，做下一步處理，拿到一個清晰化結構化數據就可以用了。
競爭是一個好事情。歐司朗做激光雷達是因為單純從他們的下游客戶聊到一些信息，自己做產品就知道他們把那些地方做到更好，把標準化的激光器產品推出來，對整個市場來說是一個好事。
《中國汽車要聞》：Smart Sensor System是不是要弱化“冷冰冰”的硬件，不再談產品，而是談功能？
LeiLei 博士：也不是弱化。到最后的主機廠客戶也好，終端用戶也好，希望得到的是怎么拿來就用。整套自動駕駛的像百度也會來做一些感知算法，tier-1供應商也會做一些這樣的東西。到最后客戶拿到的不是給他們激光雷達一些點云數據給客戶最終的毫米波雷達那些原始數據，他們也不知道該怎么用，也不會用。他們更希望拿到的是他們想要的信息對于自動駕駛最重要的，一個是環境的感知，如果上游供應鏈能把環境感知已經做好了，直接把產品道路信息輸出，減輕他們的工作量。對于客戶來說，最終要的還是解決方案。硬件參數做的再高再好也好，如果有非常多的功能，對于客戶感覺是無用的話，就不會care了。只要把感知算法效果性能提高了，可以在硬件做一些讓步，只要硬件夠了完成這些功能就可以了。對于功能是非常重要的。到最后，做到一個車規級的產品不是做的最好，而是怎么做到恰到好處。這是我之前在法雷奧幾年學到的一點。永遠可以做到更好，但有沒有用？如果更好的意義是，反倒是做到能滿足客戶的要求的情況下，硬件做到恰到好處，把成本做到最低，解決方案不是最新的但是成熟的方案，能在整個產業鏈每個部件都非常成熟，或者說在接下里的一兩年內做到非常成熟的一個產品，這個情況下做到低價、高穩定性、滿足客戶的需求。過了三年后，客戶需求變高了，那個時候我們就會在硬件和軟件上提升，盡量少在硬件上提升。
《中國汽車要聞》：你們所在的館都是初創企業。你們之間如何合作，比如與地平線的合作？
LeiLei博士：地平線也是做計算平臺。他本是是比較偏視覺的。我們也有跟地平線的合作。我們與禾賽的區別在smart sensor感知算法比他們強很多倍。我們自己本身有做算法的能力，跟地平線合作更是側重于他們有計算平臺提供出來，我們做基于點云的感知算法，在這個基礎上來做一些多傳感器融合方面的算法。禾賽在感知這塊不是特別強，更加需要依托地平線感知算法的能力把算法做起來。我們跟地平線合作和他們跟地平線的合作模式是不一樣的。最終還是驗證了一塊：對于激光雷達來說，出創公司也開始領悟到單純的靠做硬件靠把點云做出來是不夠的。包括今年年初CES上Velodyne也發布了感知算法的產品。在感知算法方面切入，說明了我們很早以前看重這一塊是比較有遠見的。
（以上訪談實錄由《中國汽車要聞》根據現場錄音整理）
附：LeiLei Shinohara（篠原磊磊）博士簡歷
LeiLei Shinohara （篠原磊磊）博士畢業于東京工業大學，獲得系統與控制工程學士學位、機械與控制系統工程碩士學位。2008年進入德國卡爾斯魯厄理工學院(KIT)，2014年獲得電氣電子工程博士學位。攻讀博士期間，Leilei專注于激光雷達系統研究，長達6年的深耕，研究項目包括光學傳感器系統的模擬和設計、光學質量測量系統、相干多普勒風激光雷達系統、基于MEMS微鏡的自動駕駛3D激光雷達。作為先進激光雷達項目經理與首席工程師，LeiLei在博士期間參與設計出了超前的激光雷達系統方案，方案最終被德國某頂級Tier-1供應商收購。