做一个车规级的产品不一定要做到最好，而是在能满足客户要求的情况下做到低价、高稳定性。RoboSense已将激光雷达定义为“内部集成感知算法的智能传感器（Smart Sensor）”，由“硬件”升级为“智能硬件”。

今年1月23日，成立于2014年、总部位于深圳的激光雷达初创公司 RoboSense（速腾聚创）官方宣布：全球唯一量产车规级激光雷达“Valeo SCALA”项目核心人物LeiLei Shinohara（篠原磊磊）博士加盟公司出任研发副总裁。

RoboSense（速腾聚创）研发副总裁

LeiLei Shinohara（篠原磊磊）博士

这位中日混血儿、在激光雷达系统领域拥有超过10年技术积累的顶尖专家将负责RoboSense激光雷达相关产品的车规级量产推进。加入RoboSense之前，他在法雷奥负责车规级激光雷达、汽车主动安全产品、多传感器融合，并主导首个车规级激光雷达“Valeo SCALA”。任职期间，管理分布于6个国家的传感器产品研发工程师团队，对激光雷达系统、软件、硬件、机械、功能安全进行研发与测试验证。

4月17日，RoboSense联手地平线、菜鸟、Sensible 4、autoX等企业面向自动驾驶乘用车、无人低速小车、RoboTaxi、车路协同四大智慧交通核心应用在2019上海车展发布Smart Sensor System（SSS系统）战略体系。同时，全新超广角补盲激光雷达RS-Bpearl、超高分辨率激光雷达RS-Ruby两款新品首发，并揭秘2021年量产车规级固态激光雷达（RS-LiDAR-M1）的最终形态—内部集成感知算法的智能传感器（Smart Sensor）。

4月17日，RoboSense在上海车展发布Smart Sensor System （SSS系统）战略体系

RoboSense的新战略方针是，将布局已久的LiDAR硬件传感器、AI点云算法与芯片等核心技术结合，针对四大核心应用场景，推出智能感知传感器（Smart Sensor）。该传感器能一站式完成环境信息收集和理解，与传统LiDAR硬件厂商形成定位上的差异：由“硬件”升级为“智能硬件”。

2021年量产车规级固态激光雷达（RS-LiDAR-M1）的最终形态—内部集成感知算法的智能传感器（Smart Sensor）

RoboSense从高集成度、高性能、高可靠性、可生产性、低成本等设计理念出发，选择低成本的905nm激光器，推出了革命性MEMS固态激光雷达系统。继第一代MEMS固态激光雷达RS-LiDAR-M1Pre在CES 2018上首次公开展示后，全新升级的第二代MEMS固态激光雷达RS-LiDAR-M1又在一年后的CES 2019亮相。拥有世界领先的120°视场角和200m探测距离，让全新的RS-LiDAR-M1到达OEMs向RoboSense提出的指标，满足L3+自动驾驶乘用车的高速路况TJP与HWP两项核心功能的安全驾驶需求。

RoboSense 车规级MEMS固态激光雷达RS-LiDAR-M1“升级版”

RoboSense 车规级MEMS固态激光雷达RS-LiDAR-M1“升级版”

本届上海车展，RoboSense更是展示了与CES 2019亮相的RS-LiDAR-M1相比略有“迭代”的“升级版” RS-LiDAR-M1。

“今年在接下来的一段时间里我们要把M1的产品继续按照车规级的流程做下去。”

4月18日下午，RoboSense展台，LeiLei博士如此告诉《中国汽车要闻》。

4月18日下午，《中国汽车要闻》主编邢磊与RoboSense研发副总裁LeiLei Shinohara（篠原磊磊）博士在2019上海车展RoboSense展台。

在大约40分钟的独家访谈中，LeiLei博士与《中国汽车要闻》主编邢磊分享了未来激光雷达技术路线的发展、对L3级别自动驾驶的看法、RoboSense的技术策略以及激光雷达市场的竞合关系。

LeiLei博士表示，加盟RoboSense主要是因为他看中了国内自动驾驶尤其在感知系统方面的快速发展、RoboSense的决策速度以及硬件、软件和算法的结合，包括公司未来的发展方向以及创始人在软件和算法层面的的理解，与他自己的经验和预期高度吻合。

相较OPA（相控阵）和Flash这两种固态激光雷达技术路线而言，LeiLei博士认为MEMS（微振镜）固态激光雷达从整个产业链上游供应的成熟度来说最容易做到量产。选择MEMS来做量产激光雷达的另一个原因是机械式激光雷达如法雷奥SCALA在性能上会有一定的限制：从最多16线升级到32线、64线、或提高解析度要困难很多，同时也不能做到像MEMS这样超过100线，甚至接近于200线的扫描范围。

LeiLei博士强调，虽然1550nm 激光器比905nm激光器的效果要好很多，RoboSense选择使用后者来做量产激光雷达主要是因为整个上游产业链在激光器、探测器等方面都还不够成熟，1550nm激光器还面临对人体表面以及飞行动物眼睛等安全方面的问题。

LeiLei博士与菜鸟无人物流车

他认为如果感知算法效果能提高，可以在硬件方面做一些让步，做到一个“恰到好处”的车规级产品而不一定是最好的产品。

“永远可以做到更好，但有没有用？反倒是做到能满足客户的要求的情况下，硬件做到恰到好处，把成本做到最低，解决方案不是最新的，但是最成熟的方案，整个产业链每个部件都非常成熟，在这个情况下做到低价、高稳定性、满足客户的需求，”他说。

本届上海车展，RoboSense还宣布与地平线达成初步合作意向，为RS-LiDAR-Algorithms激光雷达环境感知算法定制芯片。对此，LeiLei博士表示，RoboSense自己有做算法的能力，与地平线合作侧重于他们的计算平台，RoboSense做基于点云的感知算法，在此基础上来做多传感器融合方面的算法。

“对于激光雷达来说，出创公司也开始领悟到单纯的靠做硬件靠把点云做出来是不够的。说明了我们很早以前看重这一块是比较有远见的，”LeiLei博士说。

2021年，RoboSense向OEM提供的量产版RS-LiDAR-M1的最终形态将是Smart Sensor。智能感知算法写入芯片，嵌入激光雷达，实时解读三维点云数据，直接向自动驾驶车辆输出目标级环境感知结果。

以下是访谈实录（略有删减）：

《中国汽车要闻》：是什么吸引你从一家全球知名的tier-1供应商加盟RoboSense这家中国创业公司？

LeiLei博士：其实从法雷奥到这边之前，我就有回到国内的打算。看到国内市场发展尤其是在自动驾驶和感知这一块非常快，动作也非常迅速。这也是我之前在法雷奥会遇到的一些问题：大公司整个process（流程）比较完善，但也比较繁琐，有很多决策会比较慢一点。在国内特别是小公司、初创公司相对要好一些，这也是吸引我的一个理由。

之前在法雷奥做硬件，在硬件基础上对软件的要求非常高。RoboSense把硬件和软件结合，还有新的Smart Sensor System，从技术方面来说比较吸引我。我一年多以前第一次来RoboSense发现这边算法做得比我在法雷奥做的SCALA的算法还要好。在算法方面从非常前期的时候就看重并把算法做起来，这个是吸引我的另外一个原因。RoboSense的创始人邱总也非常相信我，信任我的能力，有意向让我来帮忙。国内的激光雷达领域里RoboSense我能看到一个比较清晰和未来发展。所以就来这里了。

《中国汽车要闻》：从产品量产落地方面，RoboSense似乎已经有了一个比较好的基础。

LeiLei博士：是的，我们已经有了一个比较好的环境。首先我们的机械式激光雷达已经量产了。有了这个产品会有比较多的客户先从我们这边把我们的一个产品拿到手来体验。前期做自动驾驶研发也好，做ADAS一些功能研发也好，比较早的接触到客户。所以在客户层面已经有了一个好的铺垫。

我们铁定要做成车规级产品落地化。落地化有几种不同的技术方案。我之前在法雷奥的SCALA就是用机械式扫描的方式，但和Velodyne还是不一样的，是另外一种机械式扫描方式。再有就是MEMS固态扫描激光雷达。更远的包括OPA，Flash等几种不同方案。像机械式的SCALA在奥迪A8上已经量产了，也从侧面证明了机械式可以做到量产。有些机械式做不了，但不代表所有机械式都做不了。一个是看工艺，再一个就是看做技术方案的时候，有没有奔着车规级量产，把设计从刚开始的一个根本上来做到可以量产的形态来实现。如果从刚开始做的时候就不是奔着量产去的，以后再怎么考虑，就已经定型了。最近大家都在担心MEMS振镜能不能过得了车规？实际上MEMS产品已经在HUD量产在用了。

《中国汽车要闻》：振镜越小越难做？

LeiLei博士：确切的说，越大越难做，对工艺上要求更高一些。现在一般的用在HUD上的比较小，不care，只需要把激光打到几十厘米的感光片上就行了。在工艺上要求来说相对要弱一些，但是技术是一样的，都是MEMS，一个是镜片小一点，一个是镜片大一些。现在对于半导体工艺的提升可以把机械式镜片做再大一点，从整个镜片可靠性还是能提高做到车规级的需要的。很多的车厂、供应链上都在朝这个方向在做，从芯片做研发的时候已经做了很多验证来确保产品可以量产。在技术路径选择上我们选择了用MEMS来做量产激光雷达。其中也有一个原因，机械式也可以来做，像法雷奥SCALA 一样，但是在一些性能上来说会有一定的限制。法雷奥SCALA现在最多也就做到16线，在这个基础上再开始进行提升做32线、64线、或解析度更高一些的话就非常困难。这个技术限制了它不能够做到像MEMS这样超过100线，甚至接近于200线的扫描范围。

RoboSense与菜鸟联手发布全新量产“新物种”无人物流车。新方案使用一台视场角120°的RS-LiDAR-M1，取代原来两台视场角63°的RS-LiDAR-M1Pre，并加入RS-Bpearl负责侧向感知和盲区扫除，实现无死角覆盖。全新的超广角补盲激光雷达RS-Bpearl拥有360°×90°的超广视场角，30m(10%)探测距离，盲区只有10厘米。

《中国汽车要闻》： MEMS是不是终极解决方案？

LeiLei博士：没有一个真正终极的方案。大家都在说固态激光雷达的时候都在讲终极方案，用OPA或Flash，最后做到完完全全是一个全固态的，没有任何机械部件的，大家都在讲。但是这是一个整个产业链发展成熟度的问题。因为Flash的产业链成熟度已经比较高了，但Flash有一个问题，在现有技术方案层面上做不了太远的距离，因为有人员安全的限制，限制了激光不能无限制的把强度加上去。我之前在大学里是做1550 nm来做激光雷达来测风速的，用到风力发电机的。非常高的位置，几百米高的位置，来探测几百米左右的风速，把激光打出去几百米情况下，当时就有动物保护协会的人就跟我聊过，这个考虑过有鸟飞到这个范围内，鸟的眼睛弄瞎了的话，产品也会有问题。被法律法规对动物法律保护。1550 nm也不是随意就把功率能加高的。可以做的远，但在工业链上的成熟度还是不够高。一个是价格非常高，消耗的电能和功率也非常高，导致性价比不太高。一些Robotaxi的产品可以考虑用，但放在乘用车里不太现实。用MEMS方式，现在来说，最从整个产业链上游供应来说是最容易做到量产的一款产品。当然也不是说其他我们就不做了，在研发其他项目等其他各种各样激光雷达技术经验或 knowhow积累起来，会把M1 这款MEMS固态激光雷达推向市场，做到量产。

《中国汽车要闻》：上海车展和很多tier-1的高层聊，他们认为未来十年主要还是ADAS的增长，比如L2到L3的增长。有种说法是L3必须要配备激光雷达，威马宣布要在2021年量产L3车型。也有更极端的如特斯拉不认为需要激光雷达。L3量产的前景和时间表你怎么看？

LeiLei博士：首先，L3汽车定义不是非常准确。因为L3它本身是对于一些功能来说的，对于终端用户来说实现的功能。比如说实现自动泊车也是L3的一个功能，包括Highway Pilot。

L3确切来说，定义是系统感知系统决策，如果系统处理不了的情况下需要把信息反馈给司机，司机需要在10-20秒之内接管过来。如果能在从A到B点，像A8一样，其实是一个TJP的一个L3的功能，中间必须有隔断，没有对向车开过来，车速在70km/h以下，前面有引导车，这种情况下可以做其他的事儿，说话看书，但是要保持清醒状态，不能睡觉。这就是Eyes off的一个功能。只要能实现这个形式的驾驶，就是L3。

《中国汽车要闻》：感觉L3也没有那么难

LeiLei博士：没有那么难，但也没有那么容易。其实对一个车企来说，他么需要提供给最终客户什么样的用途？像在高速做 Auto Pilot这是L3的一个功能，这个L3是条件限制的，比如说你限制前面有车才能做，比如说你限制晚上不能开，比如遇到雨天、桥梁、有坡度的地方，系统都不能开。这也是L3。在这个情况下，终端用户得到什么呢？可以把开车交给车来接管，但是这样的一个场景只有10%或20%可能对终端用户是非常迷惑的一件事，不知道什么时候让车来开，不知道什么时候自己来接管。

德国ABB三家的方案就是加了激光雷达、摄像头、毫米波雷达等多传感器融合这样一种方式来实现。有些像Tesla之类觉得激光雷达不成熟，就用摄像头和毫米雷达来做，导致了有些场景下会出一些事故。这些事故如果加了激光雷达是可以避免的。但是，你用毫米波雷达和摄像头也可以把这些事故规避掉，你在这个情况下需要把功能关掉，一定要让司机来接管。

想要把整个L3系统做到更多人更长时间来用，加了激光雷达从安全性可以做到非常好的冗余，确保系统可以达到标准。即使两个传感器失效，还有第三个传感器能把场景覆盖到。这也是为什么现在车企会选择毫米波雷达，前置摄像头，和激光雷达的多传感器融合。

《中国汽车要闻》：如何看待竞争对手如海拉投资的AEye以及上游供应商欧司朗要进入下游产业链？

LeiLei博士：AEye我的理解是他们做非常高spec的激光雷达。他们说自己把自己的没用的点云数据给滤掉，这很有意思。有一个事实是对的，点云数据在收集数据的时候数量是非常庞大的，在这个基础上有些方案提供商把所有的点云数据放过来做一个融合再和摄像头数据做一个深度融合。可行吗？也不是不可行，但是要做一个超级计算机来计算。把80%无用的数据来过滤掉，点云数据的时候很多地面的点，很多没必要。在做算法的时候是不会用这些数据的。再有些散点或者雨天造成的噪点都是没用的，在做算法的时候都是要把它滤掉的。AEye也好都有预处理的算法把这些过滤掉。Smart Sensor在内部的时候，数据量庞大，基于庞大数据再用 AI算法以及传感器里面的芯片做感知，把这些结构化数据来输出来，数据就非常小了，甚至可以通过一些车规级以太网接口直接输出到域ECU，也不用非得拿到很大数据量，做下一步处理，拿到一个清晰化结构化数据就可以用了。

竞争是一个好事情。欧司朗做激光雷达是因为单纯从他们的下游客户聊到一些信息，自己做产品就知道他们把那些地方做到更好，把标准化的激光器产品推出来，对整个市场来说是一个好事。

《中国汽车要闻》：Smart Sensor System是不是要弱化“冷冰冰”的硬件，不再谈产品，而是谈功能？

LeiLei 博士：也不是弱化。到最后的主机厂客户也好，终端用户也好，希望得到的是怎么拿来就用。整套自动驾驶的像百度也会来做一些感知算法，tier-1供应商也会做一些这样的东西。到最后客户拿到的不是给他们激光雷达一些点云数据给客户最终的毫米波雷达那些原始数据，他们也不知道该怎么用，也不会用。他们更希望拿到的是他们想要的信息对于自动驾驶最重要的，一个是环境的感知，如果上游供应链能把环境感知已经做好了，直接把产品道路信息输出，减轻他们的工作量。对于客户来说，最终要的还是解决方案。硬件参数做的再高再好也好，如果有非常多的功能，对于客户感觉是无用的话，就不会care了。只要把感知算法效果性能提高了，可以在硬件做一些让步，只要硬件够了完成这些功能就可以了。对于功能是非常重要的。到最后，做到一个车规级的产品不是做的最好，而是怎么做到恰到好处。这是我之前在法雷奥几年学到的一点。永远可以做到更好，但有没有用？如果更好的意义是，反倒是做到能满足客户的要求的情况下，硬件做到恰到好处，把成本做到最低，解决方案不是最新的但是成熟的方案，能在整个产业链每个部件都非常成熟，或者说在接下里的一两年内做到非常成熟的一个产品，这个情况下做到低价、高稳定性、满足客户的需求。过了三年后，客户需求变高了，那个时候我们就会在硬件和软件上提升，尽量少在硬件上提升。

《中国汽车要闻》：你们所在的馆都是初创企业。你们之间如何合作，比如与地平线的合作？

LeiLei博士：地平线也是做计算平台。他本是是比较偏视觉的。我们也有跟地平线的合作。我们与禾赛的区别在smart sensor感知算法比他们强很多倍。我们自己本身有做算法的能力，跟地平线合作更是侧重于他们有计算平台提供出来，我们做基于点云的感知算法，在这个基础上来做一些多传感器融合方面的算法。禾赛在感知这块不是特别强，更加需要依托地平线感知算法的能力把算法做起来。我们跟地平线合作和他们跟地平线的合作模式是不一样的。最终还是验证了一块：对于激光雷达来说，出创公司也开始领悟到单纯的靠做硬件靠把点云做出来是不够的。包括今年年初CES上Velodyne也发布了感知算法的产品。在感知算法方面切入，说明了我们很早以前看重这一块是比较有远见的。

（以上访谈实录由《中国汽车要闻》根据现场录音整理）

附：LeiLei Shinohara（篠原磊磊）博士简历

LeiLei Shinohara （篠原磊磊）博士毕业于东京工业大学，获得系统与控制工程学士学位、机械与控制系统工程硕士学位。2008年进入德国卡尔斯鲁厄理工学院(KIT)，2014年获得电气电子工程博士学位。攻读博士期间，Leilei专注于激光雷达系统研究，长达6年的深耕，研究项目包括光学传感器系统的模拟和设计、光学质量测量系统、相干多普勒风激光雷达系统、基于MEMS微镜的自动驾驶3D激光雷达。作为先进激光雷达项目经理与首席工程师，LeiLei在博士期间参与设计出了超前的激光雷达系统方案，方案最终被德国某顶级Tier-1供应商收购。