当前位置:首页 > 智能新能源汽车 > 正文

自动驾驶到底行至何处?又困在哪里?

2021-08-31 14:08
【新能源汽车网】

??原创·作者 | 张嘉豪

当你在蹊径上遇见一辆改装后真的把屋子架在轮子上的房车,人类驾驶员可能会在发出好奇地赞叹后战战兢兢避开房车的移动,而你的自动驾驶系统却有可能判断这是一栋不会移动的屋子。

当在蹊径上遇见一位穿着可爱的恐龙衣服的小孩子时,你那没见过这些“奇装异服”的自动驾驶系统也极有可能将其判断为无法识其余物体。更危险一些的情形是,若是有人心血来潮要cosplay红白色的路锥,那自动驾驶系统对路况的明白就可能会完全错误。

这些看似极端的情形,实在指向了一个共通的问题:人在感知和识别周围环境时,可以很自然地连系“上下文语境”做出判断,然而自动驾驶的车辆现在还不能很好地做到这一点。

在自动驾驶领域,造型肖似屋子的房车、穿恐龙衣服过马路的小孩,这些在蹊径上不常见的情形被称为边缘情形或界限情形(Edge Case或Corner Case)。这些充满了巧合性与不能预见性的边缘情形,造成了自动驾驶系统在蹊径上难以消除的不确定性,也是人类对自动驾驶不信托感的泉源之一。

事实上,即将已往的这个8月,自动驾驶在中美都遭受着凶猛地质疑和讨论。在中国,一辆开启辅助驾驶的蔚来汽车发生车祸,造成车毁人亡;大洋彼岸的特斯拉因2018年以来的11起事故,也遭到了美国国家公路交通平安治理局(NHTSA)的观察。

一面是风景无限的大风口,一面是揪悦耳心的平安事故,自动驾驶到底行至那边?又困在那里?

在众多因素中,边缘情形被视作自动驾驶生长中的一个瓶颈,制约着自动驾驶的平安性和商业化落地历程。甚至可以说,自动驾驶行业80%的起劲,都是要解决20%的边缘问题。

值得小心的“边缘”

自动驾驶(包罗辅助驾驶)汽车被允许在蹊径上行驶后,平安事故在不停发生,特斯拉、Uber、Waymo、蔚来……许多着名车企和自动驾驶企业都被卷入其中。2018年头以来,特斯拉汽车在美国已经发生了11起与“应抢救援场所有关”的事故,共造成1人殒命、17人受伤。

特斯拉失事的“应抢救援场所”,正是边缘情形的一个案例。应抢救援现场往往会有响应的忠告措施,好比闪着警灯的警车、照明棒和亮灯的通告牌、交通锥等,但处于自动驾驶状态的特斯拉车辆却无法很好地识别出前方放置的这种忠告措施。

类似的问题不只存在于特斯拉身上。本月引发社会普遍讨论的蔚来事故也与应抢救援场所有关。8月12日,开启NOP领航的高速行驶的ES8先是撞上了路边的桩桶,随后又撞击快车道上的一辆高速公路养护车,伟大的袭击力导致公路养护车侧翻,ES8车主也不幸身亡。

而就在一个月前,据湖州高速交警宣布的新闻,G25 长深高速往南京偏向2242公里周围,高速施工区域内发生了一起交通事故。一辆开启辅助驾驶模式的蔚来汽车突入施工区域,追尾了正在施工除去作业的施工养护车辆。事故造成两车损坏,施工预警设施受损,两车职员差异水平受伤。

从上述的案例中我们不难看出一个静止的交通锥会给自动驾驶带来怎样的危害。然则,要知道交通锥只是边缘情形的一个显示。庞大的蹊径状态给自动驾驶带来的挑战另有许多。

中科院战略咨询院产业科技创新中央汽车行业特聘研究员鹿文亮曾示意,“现在自动驾驶80%的手艺问题都获得领会决,剩下20%的长尾问题,常被称为corner case,是制约高级别自动驾驶生长的要害。这也是行业常说的用80%的精神解决20%的问题。”

“20%的问题”无法消除的缘故原由在于,一方面,蹊径交通自己的庞大性决议着蹊径环境的不能控性,完全稳固、没有突发情形的状态无法获得保障;另一方面,由于交通自己主要的地域特征,差异区域往往会出现出完全差其余蹊径环境。

好比,在中国大部门地方,野生动物泛起在蹊径上的概率极低,一样平常情形下自动驾驶的车辆没有时机学习和识别这样的情景。然则在一些国家和区域,蹊径上泛起鹿、狮子、熊等野生动物的概率相对中国较高,这时,一辆基于中国蹊径的自动驾驶汽车所面临的风险将会升高。

反过来,由于中国蹊径交通拥堵情形以及包罗灵活车介入者之间的交互行为更庞大,在外洋测试的车辆在中国蹊径上行驶也将面临着更多的不确定性。正若有人所挖苦的那样,“在美国蹊径上得跑好几周的数据,在北京五环路上跑一圈就有了。”

边缘情形难以解决,在一些危险的突发情形下,人类似乎把一些过大的权力交给了自动驾驶系统。

例如,随着自动驾驶车辆的泛起,一个与曾经被人们普遍讨论的“电车难题”相类似的“隧道逆境”泛起了:一辆自动驾驶的汽车载着搭客正准备进入隧道,突然跑出来一个孩子,此时,单靠刹车已经来不及使汽车减速从而保证孩子的存活。在这样的情形下,车内车外的生命天平似乎掌握在了自动驾驶系统的手上,而自动驾驶又到底该若何做出决议?

“电车难题”

“隧道逆境”并没有一个尺度谜底,行业能做的,只有尽可能缩短自动驾驶的反映时间、提高自动驾驶的判断准确性,让更多的边缘情形能提前被预判、被解决。

搭建仿真天下

从手艺上来说,边缘情形指的是一套系统中一个参数或是条件为极值,在这样的极端情形下,系统就会出现出某种不正常的状态。在自动驾驶领域,当特殊或突发情形发生时,一辆无法实时合理地捕捉并识别障碍物和环境的自动驾驶汽车,很有可能造成事故的发生以及职员的伤亡。

要解决边缘情形,现实上就是要确知自动驾驶的能力界限。现在,确知能力界限有三种方式,划分是仿真测试、封锁蹊径测试和公共蹊径测试。

其中,仿真测试因其较高的效率和平安性,越来越被各大厂商看重。其意义在于,现实生涯中80%的场景都是正常情形,而这些正常情形对于机械处置边缘情形的能力并没有辅助,仿真系统则正可以通过模拟发生几率为20%的边缘情形,来提升机械的学习效率。

图片中“泉源难题”、“标注难题”、“处于闭环中”的数据,正是边缘情形的主要体现 (泉源:特斯拉)

在最近的AI日上,特斯拉宣布了自己的一套仿真系统。原本,涉及到自动驾驶,马斯克总是对于市面上盛行的事物显得“不伤风”。无论是从其始终坚持的纯视觉感知蹊径上,照样从其对于自动驾驶仿真系统的态度上,都不难看出这一点。

两年前,马斯克对仿真系统的态度是,没有什么模拟手艺能媲美摄像头采集场景下的真实性和庞大性。而两年后,马斯克和他的特斯拉一改此前态度,对仿真测试加大投入,这也一定情形下说明晰业内的主流偏向。

特斯拉仿真系统

马斯克又一次打脸的缘故原由,或许是自动驾驶要求的测试里程着实太大。特斯拉AI日上宣布的数据显示,其Autopilot 仿真器中确立了 2000 英里长的蹊径,已经有 3.71 亿张模拟图像和 4.8 亿个立方体;最早一批提出仿真系统的Waymo到达了现实场景2000万英里,仿真超 100亿英里的级别。

试想,若是Waymo超100亿英里的仿真旅程都在公然或封锁蹊径上用车队来验证,将花费何等重大的资金、职员和时间。

身世Waymo、现任海内无人驾驶公司轻舟智航团结首创人及CEO的于骞告诉「真探」:“仿真测试是通向自动驾驶的必由之路。通过大量仿真系统测试,先找到一个很好的参数空间,这样就阻止了需要在蹊径上直接测试的难题,可以把整个开发流程大大加速。”

举例来说,闯红灯在现实蹊径中对照难网络,但在一个仿真模拟系统中,交通讯号灯的状态是可以自己凭证需要来控制的,这样就阻止了时间的虚耗从而提升效率。此外,仿真系统中可以通过参数的调治,来复现现实场景中的一些细微转变,如车辆的提速、减速。

不外,只管仿真测试有着多方面的优势,其焦点逻辑依然是提升效率,对自动驾驶的最终磨练照样要在公共蹊径上测试完成。于骞在谈到路测和仿真测试的关系时示意,仿真测试并不是要取代蹊径测试,“整个自动驾驶行业平安是一个天条,只有路测才是最终的磨练尺度”。

除了以“仿真+路测”作为主要手段以外,自动驾驶的领域也在推出行业配合认可的平安尺度和具有更高性能的工具。

作为一个还在不停生长的领域,现在自动驾驶行业的平安尺度正在形成。2020年4月,由卡耐基·梅隆大学专家牵头确立的Edge Case Research宣布了一份名为UL 4600的自动驾驶汽车平安尺度,称其为“自动驾驶汽车的第一份平安尺度”。

卡耐基·梅隆大学Phillip Koopman博士在谈到UL 4600指出,这份针对自动驾驶汽车的平安尺度与传统平安尺度最大的差异在于,后者告诉人们“若何做到平安”,而UL 4600则强调的是“什么才是平安的”。

而在工具层面,各企业和机构也取得了一定希望。2019年,Edge Case Research推出了感知压力测试和风险剖析系统Hologram;今年4月13日,英国初创公司dRISK宣布推出其边缘案例再培训工具(edge case retraining tool),并将其首次实现商业应用。该工具可以辅助自动驾驶汽车(AV)实时检测到高风险事宜,性能提升6倍。

可以看到,憧憬着无人驾驶梦想的同时,人类也在应对边缘情形方面起劲着:对于自动驾驶行为的界限不停举行探索、在焦点领域取得手艺的突破、确立起行业配合认可的平安尺度……自动驾驶绝不只是一个手艺问题,更不是车企拿来卖车的营销话术,想要真正实现这个梦想,需要行业作为一个整体在手艺、执法律例、社会认知方面不停起劲。

这注定是一条满布荆棘的蹊径,人类对自动驾驶的审阅远比对自己更为苛刻。只有在自动驾驶的平安性比人类驾驶员凌驾一个量级时,其或许才有资格换取到人类真正的信托。

性感可爱丝袜女郎高清写真/High definition photo of sexy and lovely stockings girl
标签