是什么導致無人駕駛汽車的商用之路不斷延期？

成都創(chuàng)新互聯(lián)-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設、高性價比玉溪網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式玉溪網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設找我們，業(yè)務覆蓋玉溪地區(qū)。費用合理售后完善，十多年實體公司更值得信賴。

編者按：本文來自微信公眾號“品駕”（ID:ping-Drive），作者：Juny，36氪經(jīng)授權(quán)發(fā)布。

自動駕駛時代一定會到來，這已經(jīng)成為了汽車工業(yè)界的共識。

但對于自動駕駛技術(shù)目前還面臨什么關鍵技術(shù)難題、何時才能真正實現(xiàn)大規(guī)模商用等問題，很多人卻也還是霧里看花、一知半解。

此次，品駕帶著對自動駕駛技術(shù)的求解之心，走進美國密西根大學智能網(wǎng)聯(lián)交通研究中心，專訪Henry Liu教授團隊。就在不久前，由該華人研究團隊所提出的全新自動駕駛汽車智能測試方法登上了《Nature Communications》，在業(yè)界引起了廣泛關注。

▌ 實現(xiàn)自動駕駛技術(shù)的關鍵問題

日產(chǎn)汽車曾在2014年篤定地認為，到2020年市場上將會出現(xiàn)多款無人駕駛汽車，馬斯克也曾在2015年時宣稱，2018年特斯拉L5級別的“完全自動駕駛”就將面世。然而，時至今日，我們?nèi)匀粵]有看到有完全無人駕駛的汽車穿梭于日常生活之中。

那么，是什么導致無人駕駛汽車的商用之路不斷延期？

在回答這個問題之前，我們需要了解一輛合格的自動駕駛汽車是如何產(chǎn)生的。

“自動駕駛汽車是一個很復雜的系統(tǒng)，它的實現(xiàn)不僅需要硬件和軟件的通力協(xié)作，更重要的是要具有智能性并且能夠不斷學習。這就需要海量的自然駕駛數(shù)據(jù)不斷地進行測試與訓練以確保安全。”Henry Liu教授向品駕解釋道。

HenryLiu教授表示，當前各大車廠其實都有能力制造出具有一定程度自動駕駛能力的測試車了，但難點就在于測試層面——如何能夠確保無人駕駛汽車的安全性。

“實際上現(xiàn)在已經(jīng)投入市場的大部分產(chǎn)品都還停留在輔助駕駛階段，最多也就是介于L2-L3級之間。其中主要原因之一就在于，駕駛系統(tǒng)還無法保證汽車能夠在完全脫離駕駛員的情況下足夠安全地行駛。”

據(jù)美國交通部的統(tǒng)計數(shù)據(jù)，人類駕駛員平均每百萬英里會發(fā)生一次碰撞事故，每9000萬英里會發(fā)生一次致死事故，而自動駕駛的安全性能要比人類駕駛員高出三個數(shù)量級才能滿足預期，即一輛無人駕駛汽車要保證開出的十億英里內(nèi)不能發(fā)生任何碰撞事故。

為了達到該安全范圍，需要搜集海量的“問題數(shù)據(jù)”進行分析，同時還要保證這些數(shù)據(jù)是發(fā)生在不同的駕駛環(huán)境下的，而這往往要累積幾千億英里甚至萬億級別的測試里程才能夠進行有效驗證。

安全事故發(fā)生的低概率與車輛行駛環(huán)境的復雜性，成為了在對自動駕駛汽車進行安全性能測試中亟待解決的難題。

▌ 構(gòu)建更高效、更智能的測試環(huán)境

幾千億英里級別的測試里程是一個什么概念呢？

最早涉及自動駕駛技術(shù)研究的Waymo，自2009年正式成立以來，持續(xù)測試了十多年，道路實測才僅有2000萬英里，仿真測試也只有150億英里。

為了完成如此大規(guī)模的測試，讓樣車在真實的環(huán)境中進行“試跑”顯然是遠遠不足的，仿真平臺測試和測試場測試其實是目前各大車廠最主要的數(shù)據(jù)來源。

“簡單來講，仿真測試就像是構(gòu)建了一個基于真實世界的游戲，讓一輛自動駕駛汽車在這個虛擬世界里不停地運行。”文章第一作者封碩博士解釋道，“但由于這個環(huán)境是基于數(shù)學模型構(gòu)建的，如果我們想要計算結(jié)果越接近真實世界，那這個模型的構(gòu)建就越復雜，計算速度也會越慢。”

而為了提高測試的效率，目前很多車廠在仿真測試上都會采用“場景式”的測試方法。

所謂“場景式”測試，就是指測試者會事先將現(xiàn)實世界中車輛可能遇到的情形進行分類，然后按類別來為車輛設置特定的事件，比如讓它身邊行駛的車輛突然從前方切入，或者是在前方道路出現(xiàn)障礙物，從而測試并訓練車輛在這些特定場景下的處理能力。

但是基于場景來進行測試的方法一般是離散、片段的，更適用于自動駕駛的功能性測試，無法有效衡量自動駕駛汽車在投放到真實道路之后的性能表現(xiàn)。

“因為在現(xiàn)實世界中，很多情景并不是割裂開的，比如你在高速上開車，在嘗試變道的同時，還可能同時遇到你前方的車輛急剎車的情況，或者你在交叉路口左轉(zhuǎn)時，你在判斷沒有障礙物的同時，還要能判斷右側(cè)直行的來車。”

自動駕駛汽車在現(xiàn)實中需要經(jīng)歷連續(xù)的、不間斷的復雜駕駛環(huán)境，而當前的場景測試方法并無法解決這個難題。

此次，Henry Liu團隊則針對這一業(yè)界難點，提出了一種全新的駕駛環(huán)境生成方法，該方法基于大數(shù)據(jù)構(gòu)建了一個具有“無偏性”和“挑戰(zhàn)性”的自然駕駛環(huán)境。

什么意思呢？就是在這個仿真環(huán)境里，“陪練”車輛的一切行為都跟真實世界無異，有人變道、有人超車、有人急剎。同時，借助人工智能技術(shù)，還可以有目的地給“陪練”車輛發(fā)出特定指令來“挑戰(zhàn)”被測試的車輛，從而給“主角”車輛營造一種真實而富有挑戰(zhàn)的測試環(huán)境。

這一方法，也是業(yè)界首個能夠構(gòu)建完整加速測試環(huán)境的方案。而通過與類似于Waymo的CarCraft、百度的AADS等模擬的自然駕駛環(huán)境進行對照測試，新的方法可以讓測試進程加快幾百、幾千倍，這意味著，在該系統(tǒng)上每測試一英里，相當于在傳統(tǒng)平臺上測試幾百、幾千英里。

除了在構(gòu)建仿真平臺之外，團隊還在探索一種結(jié)合增強現(xiàn)實技術(shù)的測試場環(huán)境。

如今，無論在在美國和中國，都建有很多的無人駕駛測試區(qū)。測試區(qū)是一片專為訓練無人駕駛汽車的微縮城市，囊括了城市道路、高速、鄉(xiāng)村土路，甚至顛簸的壞路等各類型的道路，同時設有建筑物、紅綠燈、路標和假人，用以驗證無人車算法的正確性。

“但測試場測試的問題在于它是一個與世隔絕的區(qū)域，因此缺少大量的汽車、行人等交通環(huán)境來跟測試車輛進行‘互動’，從而會影響真實投放的效果評定。”

針對這個問題，Henry Liu課題組提出的增強現(xiàn)實方案，能夠?qū)⑦^去空無一人的測試場變成一個“車水馬龍”的世界。跟仿真平臺一樣，除了能夠還原現(xiàn)實生活中復雜情形外，還可以主動為測試車構(gòu)建有挑戰(zhàn)的環(huán)境。

“這就好像是給測試車戴上了AR眼鏡，它會‘看到’測試場里突然多了很多汽車和行人，而且我們還可以在后臺給它在行進過程中設置一些困難, 從而給測試車營造出跟現(xiàn)實世界一樣真實同時也有特定挑戰(zhàn)的環(huán)境。”封碩解釋說。

而該方案接下來也將會在美國自動駕駛測試中心（ACM）進行落地應用，ACM總裁Reuben Sarkar指出，該測試方法將極大降低自動駕駛汽車測試的總成本，使得測試更加安全、可控和可重復，將成為自動駕駛汽車研發(fā)的重要推動力。

▌ 自動駕駛時代已經(jīng)不遠

那么，既然有了更高效、便捷的測試方法，自動駕駛技術(shù)什么時候才能通過安全測試，真正地走向市場呢？

關于這個問題，封碩表示，人類要走向自動駕駛時代，還需要產(chǎn)業(yè)鏈上各個環(huán)節(jié)的共同努力。

目前，自動駕駛的安全測試主要包含兩個方面：一是收集足夠數(shù)量的測試數(shù)據(jù)，尋找車輛本身存在的安全隱患，并評估車輛大規(guī)模投入應用后的安全表現(xiàn)；另一方面則是基于搜集到的測試結(jié)果，不斷提升安全性能使其達到預期，兩個方面是相輔相成、迭代提升的關系。

“對于第一個方面，隨著測試方法的不斷完善，應該在接下來的3-5年內(nèi)就能克服萬億級英里測試所帶來的困難，但是對于基于測試結(jié)果的改良，現(xiàn)在還無法有一個明確的預測，因為這將涉及到傳感器、導航、控制和決策系統(tǒng)等各個部分的協(xié)作，但我個人覺得應該在未來5-10年之內(nèi)，自動駕駛會逐步走向大規(guī)模商用。”

雖然很多車廠和技術(shù)提供商現(xiàn)在都表示自己已經(jīng)實現(xiàn)了L4級的自動駕駛，但封碩告訴品駕，其實L4級的自動駕駛下也分為不同的層次。

“L5級自動駕駛是一個理想化的狀態(tài)，可以理解為一個完美的方案。L4級因為對應用環(huán)境可以進行限制，所以發(fā)展到一定程度以上就可以進行大規(guī)模商用了。但當前的L4級并沒有一個細分的標準。應用環(huán)境的不同導致自動駕駛難度明顯不同。所以現(xiàn)在處于L4級別上的廠商實際上水平也是參差不齊的。”

在市場化路徑上，國內(nèi)外自動駕駛廠商主要有兩種不同的路線。第一種是 “漸進演化”路線，即在傳統(tǒng)的汽車上逐漸增加自動駕駛的輔助功能，并通過已售出的汽車來搜集大量真實世界里的數(shù)據(jù)，最終幫助過渡到完全自動駕駛的階段，比如特斯拉、蔚來、理想、小鵬等。

另外一種則是走“一步到位”路線，即在攻克能夠規(guī)模化應用的自動駕駛技術(shù)之后，再生產(chǎn)真正不需要司機、沒有腳踏板的“全新”自動駕駛汽車，比如Waymo、Cruise、百度Apollo等。

封碩認為，兩種路線從研究角度來看并無明確的優(yōu)劣之分，主要是商業(yè)模式上的區(qū)別。無論選擇哪種路線，大家現(xiàn)在的目標都是搜集大量的駕駛數(shù)據(jù)，進而驗證并提升車輛的安全性能。

而關于各家車企的研究進展，除了每年官方公布的報告外，公開資料其實一直控制在有限范圍，所以目前業(yè)界也不清楚它們的各自技術(shù)研究已經(jīng)發(fā)展至哪個階段，可能哪天某個企業(yè)就會發(fā)布出重磅成果，給行業(yè)帶來顛覆性的改變。

最后，封碩說道，“自動駕駛是一個非常復雜的系統(tǒng)性工程，涉及的專業(yè)領域非常廣，這些年無論是學術(shù)界還是工業(yè)界，都在各自的領域里埋頭苦干，大家是競爭對手也是合作伙伴，但我們共同目標都是希望早日將人類帶入自動駕駛時代，而現(xiàn)在看來，黎明已經(jīng)在不遠處。”

參考：

Henry Liu團隊該課題論文：

Shuo Feng et al. Intelligent driving intelligencetest for autonomous vehicles with naturalistic and adversarial environment,Nature Communications (2021). DOI: 10.1038/s41467-021-21007-8. https://www.nature.com/articles/s41467-021-21007-8

美國密西根大學智能網(wǎng)聯(lián)實驗室：https://traffic.engin.umich.edu/

網(wǎng)站題目：全新自動駕駛測試平臺效率暴漲千倍，華人研發(fā)團隊登上Nature子刊
轉(zhuǎn)載來于：http://chinadenli.net/article2/scccoc.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供電子商務、網(wǎng)站導航、虛擬主機、網(wǎng)站維護、商城網(wǎng)站、建站公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)