柴春泽知青网_巨资投入无人驾驶车辆研发,到底有什么好处呢?

知青文化 09-11 阅读:23 评论:0
柴春泽知青网_巨资投入无人驾驶车辆研发,到底有什么好处呢?,

Photo by Bram Van Oost on Unsplash,本文来自微信民众号:市政厅(ID:shi-zheng-ting),作者:郭敏,交通工程师


2004年3月,美国举办了第一届无人驾驶竞赛,即业内赫赫有名的DARPA大奖赛。


2004年的竞赛场地选在戈壁地区,愿望避开行人和居住区的滋扰。不过,即使在如许相对抱负的驾驶环境下,依然没有一辆车完成赛程。但这次竞赛激起了业内、高校极大的热忱。竞赛完毕当天,组委会就宣告,18个月后再次竞赛,奖金也从本来的100万美圆增加到200万美圆。


2005年10月,竞赛继承。终究有五个车队离别自力完成212千米的赛程。斯坦福大学取得第一名,卡内基梅隆大学取得第二名。时隔两年,2007年11月举办了第三届DARPA大奖赛,以都市地区为主题,终究有六支部队完成竞赛,取得了奖金。



2005年,第二届DARPA大奖赛,斯坦福队和卡内基梅隆队分获第一名和第二名。泉源:https://newatlas.com/go/4720/


面向无人驾驶的DARPA大奖赛虽然只举办了三届,但被公以为无人驾驶的里程碑事宜。以至有些人以为,这是当代无人驾驶手艺的出发点,与传统无人驾驶手艺举行了区隔。


大学和厂商的连系,大幅推动了一些手艺的生长,以至还从中诞生了新手艺——这些手艺在本日的媒体上常被提到,比方人工智能、机械视觉、深度进修、高清舆图,等等。


为何要生长无人驾驶车辆?


DARPA大奖赛使无人驾驶车辆成为民众议论的话题。其中有一个题目须要细致回覆:为何要生长无人驾驶车辆,到底有什么优点呢?


这是很着实的社会题目,也是贸易题目,须要有清楚的答案,协助无人驾驶车辆可持续生长,防止发生不切现实的希冀。


这几年,这个题目获得了正确的回覆,一些最初的误区也得以理清。


很多人以为,无人驾驶手艺一旦成熟,会像如今的汽车一样进入平常家庭。实在,假如细致测算下无人驾驶的本钱,如许的形式不会是其手艺成熟后的主要贸易形式。到达全自动的无人驾驶车辆,应当不会在你我的采购清单里,至少在看得见的将来是云云


这几年来,业界已构成共鸣。无人驾驶车辆分为两大块,一块是传统车辆构成的包(vehicle package),而另一块是自动驾驶包(autonomous package)


传统的车辆或许只需一二十万元人民币,但假如加上自动驾驶包,本钱会飙升数倍,以至到达上百万。除此以外,自动驾驶包里的精密仪器须要常常保养和调校。对连机油都不会加、轮胎不会换的私人车主来说,无人驾驶汽车一样平常的保养和调校用度生怕无力负担,也不划算。


因而,全自动的无人驾驶车辆,其运用对象并非私人车主,而是平常说的商用营运车辆。比方物流公司、出租车公司等。近几年,在运输范畴飞速生长的“出行即效劳”(MaaS)及同享汽车观点,已逐渐落地。对商用营运车辆来说,无人驾驶能够节约人工本钱,足以摊销自动驾驶包带来的本钱。这也是同享汽车企业,如Uber、Lyft,投入巨资研发无人驾驶车辆的缘由。


而关于无人驾驶车辆的优点,Dr. Emilio Frazzoli给出了一串数据,以证实无人驾驶车辆将在平安、削减拥堵、改良康健、进步生产力、同享汽车五个方面带来庞大优点。


这些数据是以美国市场为例,每一年能带来的效益或市场大抵以下:


平安会有8710亿美圆的效益;

削减拥堵大约有1000亿美圆;

改良康健大约有500亿美圆;

进步生产力大约有12000亿美圆;

汽车同享到达了惊人的18000亿美圆。


这些数据足以回覆为何生长无人驾驶车辆的题目。虽然人们也有差别意见,但大多依然赞许其结论,只是对其平安考量有贰言。在一些研究者看来,其带来的变乱效益及对社会的孝敬,足以成为投资的来由,但进步生产力和同享汽车的效益,不能完整肯定。


Dr. Emilio Frazzoli给出了一串数据。Self-Driving Cars and Artificial Intelligence,Dr. Emilio Frazzoli,2016。泉源:http://peatix.com/event/188419/


无人驾驶的分类:辅佐驾驶和自动驾驶


2013年,为推动无人驾驶车辆生长,美国途径交通平安管理局(NHTSA)为无人驾驶给出了分级体式格局,一共分为六级,L0-L5。不过,如许的分类被国际汽车工程师联合会(SAE)以为不专业。SAE在2014年推出了照样L0-L5六级的更加专业的分类表,NHTSA于2016年接受了一分类法。这个分类法在2018年更新到了第三版——SAE J3016-2018。无人驾驶汽车企业在引见自身的产物时,平常都邑援用SAE的分类表来为产物定位。


很多国内报道里,常常会涌现国际汽车工程师联合会(SAE)的分类表,却标为美国途径交通平安管理局(NHTSA),偶然会被业内笑话。



国际汽车工程师联合会的无人驾驶分类表,SAE J3016-2018。泉源:https://www.sae.org/

注:因为手艺仍在生长,业界未有共鸣,本文不辨别无人驾驶的一些名词,如无人驾驶、自动驾驶,也不辨别Autonomous Cars、Driverless Cars、Self Driving Cars等名词。


不过,有个区分很主要,就是差别分级代表的司机义务题目。


在这张分类内外,L0-L1是地道的人工驾驶,意味着司机对驾驶负全责;L2-L3是机械辅佐人工驾驶的车辆,照样司机对驾驶负全主责,但有机械辅佐,机械会负担一部分义务,平常称这个级别为辅佐驾驶;L4-L5是自动驾驶,司机不必担任驾驶,而由车辆自行驾驶。L4和L5的区分是地区的区分,L4为有限局限,比方只在一些省市里,而L5则不限地区,环球通用。


现在市面上商用能到达的最高级别都没有凌驾L3,最多协助司机做些诸如跟车行驶、自动停车的事情。稍有庞杂的环境,辅佐驾驶就难以掌握车辆,必须由司机来接受。毕竟出了变乱,机械不会负担义务。


对普通人而言,假如搞不清辅佐驾驶和自动驾驶的区分,只需记着这些义务区分就可以够了。


也有媒体报道,辅佐驾驶和自动驾驶的区分在于外部环境的支持。没法做到自动驾驶,是因为没有智能网联或智能运输系统支持,假如有支持,就可以做到自动驾驶。


实在,这是一种误区。不管用什么样的外部支持,辅佐驾驶都没法到达自动驾驶级别,L3到L4是个门坎,可否逾越这个门坎取决于车辆自身。自动驾驶的寄义在于,自力完成种种场景下的行驶,自力是指没有任何外部助力。


专访导演:“斥资3000元”的罗小黑是这样打造出的

这和人类司机驾驶车辆一样,领了驾驶证的司机,应当能自身一个人开车,须要锻练的司机是不合格的司机。后面会引见智能网联或智能运输系统与无人驾驶车辆的关联。


生长无人驾驶汽车的差别途径


这几年,环球生长无人驾驶汽车的厂商很多,也构成了差别生长途径。现在的生长途径大抵可归为两类。


一类是从L0到L1,再到L2。虽然有些车辆也会被归入无人驾驶车辆,但实质上是辅佐驾驶车辆,应用辅佐驾驶装备给司机供应发起,或在简朴环境下完成明白的操纵。另一类是直接切入L4全自动驾驶阶段,在这个阶段逐渐成熟。全自动驾驶的车辆是指那些搭客只需输入目标地,就自动带你到目标地的车辆。


无人驾驶两条差别的生长途径。图中白圈是参考资料作者以为现在最为抢先者如今所处的阶段。泉源:Deep Learning for Self-Driving Cars (2018 version)Dr. Emilio Frazzoli, CTO, nuTonomy


这两条生长途径和贸易形式有关,也和初始投入有关。蓝箭头的途径,其投入更大,须要的时间长,本钱高,时期并没有收入。而黄箭头的途径,则边卖边研发,本钱压力轻很多,也是如今汽车厂商喜好的形式。不过,黄箭头的生长途径能够会面对难以超出L4这个级别的停滞,停留在L2-L3层面。


停止现在,这两类差别的生长途径,都涌现了充足证实其可行性的实例。用两个目标推断,一个是行驶里程数,另一个是同时投放车辆数,几家抢先企业都已过了公认的合格线。


辅佐驾驶车辆,以特斯拉为例,行驶里程数已凌驾10亿千米,从深度进修手艺的角度看,积聚的数据相称雄厚,投放的车辆数也到达了50万辆,早已过了1万辆的门坎。


而自动驾驶车辆,以谷歌相干的Waymo为例,行驶里程数已过1万万千米的门坎,也有设计要投放凌驾2万辆。而同为L4自动驾驶级别的Uber,追逐速率非常快,很快就要超出这些门坎。


因而,现在看来,这个行业的远景比较乐观,能够继承向前测试或商用。


而对看热闹的普通人来说,能够经由历程上面两个目标来相识现实才。对羁系部门来说,要比普通人多些视察体式格局,比方请求各家企业及时上报遇到的状况或不测,以视察产物的才。无人驾驶车辆的事前羁系难以做到,路上能够涌现的场景过量,难以逐一检测,连主要场景也很难掩盖,只能把羁系放在事中或预先了。


因而,无人驾驶车辆是不是合格,并不能经由历程鉴定会或试验场得出结论。羁系部门最多在约请专家评测实地测试后,发个请求有限的测试资历,至于是不是合格,只能套用俗话,是骡子是马,拉出来溜溜,才逐步看清。假如在试验场都邑发生不测,或跑不完整程,如许的无人驾驶车辆面对的应战确切很大。


以上这些历程,仍有很多手艺和法律上的细节,须要好好揣摩。


无人驾驶车辆怎样相识路上的交通?


李飞飞在TED上讲过,怎样教计算机明白图片。实在这是无人驾驶车辆怎样看懂途径和交通的一种体式格局。


计算机经由历程对标注过的照片举行大批进修,大抵相识每种物体的寄义,并明白这些物体之间的关联,这是人工智能的深度进修手艺的大抵做法。为何要有1万万千米的里程数和投放1万辆如许的目标,就是与练习机械明白须要的场景数目有关。达不到如许的目标,就没法练习出基础合格的机械。


然则,途径上的场景、关联要比照片雄厚很多。车辆除了要明白,还要做决议计划。比方,在行人浩瀚的斑马线前,人类司时机边守候边逐步往前推动,构成与行人的互相博弈,但无人驾驶对如许的博弈缺少充足的算法。在无序的环岛也是云云,假如无人驾驶缺少充足的博弈才,会历久守候,给环岛添乱。


算法是明白的症结。这是现在一切企业都面对的瓶颈。企业间的差别也主要在算法上。



庞杂的斑马线前,缺少掌握的环岛。泉源:Self-Driving Cars: State of the Art (2019),Lex Fridman,MIT


算法和信息输入有关,也就是怎样取得信息,而辅佐驾驶和自动驾驶有很大区分。辅佐驾驶采纳的是视觉装备+深度进修为主体的组合体式格局,以较低的投入猎取最大的效益,但存在不精确和受环境束缚大的瑕玷。而自动驾驶采纳Lidar+自动驾驶舆图为主,视觉辅佐+深度进修辅佐的体式格局,来猎取高精度和全天候的才,不过瑕玷是太贵,也太难保护。从搭载的装备看,辅佐驾驶信息取得的数目和才要显著弱于自动驾驶车辆的装备。因而,取得信息的装备是限制辅佐驾驶车辆逾越L3到L4之间的鸿沟,逾越会非常困难。


固然,很多公司推出的无人驾驶车辆,搭载了自动驾驶信息猎取装备,却只能做辅佐驾驶的事儿,这应当是算法不过关形成的。



两种驾驶形式采纳的信息猎取体式格局。泉源:Self-Driving Cars: State of the Art (2019),Lex Fridman,MIT


无人驾驶车辆和网联车、协同ITS是什么关联?


和无人驾驶车辆一样,网联车(Connected Cars)、协同智能运输系统(Cooperative Intelligent Transport Systems,C-ITS)和出行即效劳(Mobility as a Service,MaaS)也在迅猛生长。媒体常常会殽杂这些观点,以为是无人驾驶车辆的构成部分。实在,这些手艺并不相同,建立主体差别,运用目标也不相同。


不过,将来这些手艺会亲昵连系在一起,转变全部运输系统,也转变都市的运营体式格局。在此简朴引见下它们之间的关联。


不管在哪级,无人驾驶车辆都存在盲区,这和人开车一样。Lidar用镭射光平面扫描周边环境来构成及时舆图,360度全景平面的舆图,把停滞物一个不漏地放进自动驾驶舆图里,这是比人类开车有上风的处所。然则,和人眼一样,镭射光会被物体遮挡而看不见,就有了盲区,比方看不见建筑物后的车辆,也看不见车辆背地的行人。


网联车(Connected Cars)的手艺能够处理上面的盲区题目。网联车手艺经由历程在路上设置种种检测装备,将“看到”的信息通知经由本地的车辆。假如装置位置适宜,能够“看到”路上一切的状况,一个不漏。不管人工驾驶照样自动驾驶的车辆,都能够用这些信息补足自身的盲区,推断是不是会遇到建筑物后的车辆或车辆背地的行人,做出合理决议计划。


而协同智能运输系统的手艺,是将种种先进交通系统获得的交通数据整合。协同就是跨平台整顿信息,剖析数据,得出更全面的结论,比方将信号灯的数据、几千米以远的交通状况、途径施工状况、变乱状况、周边的效劳设施和效劳才,将诸如超视距、超才(超才指能预知火线是不是会拥堵,靠交通掌握系统来展望并示知自动驾驶车辆)的信息整合起来,通知路上须要的车辆。


这些东西在无缝连接后,将看得更多更远,而无人驾驶车辆的岂不是倍增了?


小结


虽然业内比较看好无人驾驶车辆的将来,然则,即使乐观的视察者也只能提出辅佐驾驶明白的时间表,很难肯定自动驾驶的时间表。途径上的场景过于雄厚,使用者之间的企图和关联也很难用算法形貌,差别地区之间的文化背景和交通规则差别也很大,这些都成为无人驾驶车辆生长的限制要素。


不过,即使将来并不那末肯定,手艺投入依然是值得的,在自动驾驶手艺的生长历程当中,构成的各项效果足以让变乱能一点点降下来,让社会效力一点点升上去。这个历程,也是巨大的历程。


本文来自微信民众号:市政厅(ID:shi-zheng-ting),作者:郭敏,交通工程师(本文部分内容能够存在手艺上的争议或讹夺,望包涵,迎接配合讨论。)

版权声明

本文仅代表作者观点,不代表百度立场。
本文系作者授权百度百家发表,未经许可,不得转载。

相关推荐