和很多新產品也一樣,大家對自動駕駛的態度也是兩極化,分為過于信任和太不信任。有些人過于信任自動駕駛,打開自動駕駛自己就敢玩手機或者睡覺,這已經出了幾次人命事故。有些人又太不信任自動駕駛,覺得都是商家的噱頭,買了新車連自動泊車入位功能也不太敢嘗試。
01 那自動駕駛到底能干什么呢?
這就要從自動駕駛的“天梯”說起了。對新興技術或者對汽車感興趣的朋友,一定都看過這么一條新聞,說特斯拉的Autopilot已經具備Level 2,也有稱為L2級的自動駕駛能力。如果不了解自動駕駛的天梯,可能很難完全讀明白這條新聞。
美國汽車工程學會(SAE)給自動駕駛按水平不同分了六個等級,等級越高自動駕駛的水平越高,最低是Level 0,表示完全沒有自動駕駛的能力,最高是Level 5,表示有完全的自動駕駛能力,司機可以坐在駕駛位上安心看書,或者干脆就不再需要駕駛位了。
現在市場上售賣的無人駕駛功能都到了Level 幾的水平了呢?前些年業界一度很樂觀,關注點已經發散到取消駕駛座以后,應該改成麻將桌還是火鍋臺了。
但現實很骨感——經過一段時間的實踐以后,特別是無人駕駛出現了幾次翻車(是字面意義上的“翻車”)以后,大家的頭腦逐漸冷靜了下來,目前各個無人駕駛的巨頭也基本達成了一個共識,認為Level 5實現難度非常高,要真正達到還需要很長的時間,可以肯定最近幾年是不可能用無人駕駛代替考駕照了。
當然了,事情也并非兩個極端,雖然無人駕駛距離能夠讓司機下崗還有很長的路要走,但當前也并非只是噱頭毫無進展。研發能夠適應各種復雜路況的無人駕駛當然很難,但也做數學難題一樣,可以先加一點背景限制條件來簡化問題。
現在一些具體的應用場景中,無人駕駛確實已經能夠達到讓司機“放開雙手”的水平,譬如現在已經推出了能夠在廠區、園區內行駛的無人駕駛公交車,以及能夠在特定路段行駛的無人駕駛出租車等等。
按照SAE對無人駕駛的分級,目前市面的各類無人駕駛,包括名氣很大的特斯拉的Autopilot,基本還處于Level 2和Level 3的水平,也就是部分自動駕駛和有條件自動駕駛,讀起來很拗口,用大白話來說就是能夠幫助司機,但不能夠替代司機的意思。
我國三部委頒布的《智能網聯汽車道路測試管理規范(試行)》也作出要求,測試駕駛人應始終處于測試車輛的駕駛座位上、始終監控車輛運行狀態及周圍環境,隨時準備接管車輛。
前面提到的這些已經上路的無人駕駛公交和無人駕駛出租車,在實際運行中通常都還要配備一到兩名安全員,可能和大家想象中“駕駛座上沒有人,只有方向盤在空轉”的場景略有出入。
有些智能駕駛系統還擔心司機過于迷信“無人駕駛”而分心走神,還專門設置了一系列檢查司機有沒有專心開車的機制,包括檢測司機的雙手是不是放在方向盤上,以及檢測司機的眼睛究竟是盯著行車前方還是在看其他地方。
無人駕駛當前可以說是冰火兩重天,每每新產品讓人眼前一亮,感覺成功就在眼前,而新事故又讓人憂心忡忡,甚至懷疑這條路到底能不能走通。總的來說,無人駕駛作為人工智能技術的典型代表,同樣也和很多已經嘗試落地的人工智能產品一樣,是希望與挑戰并存。
我還清楚記得第一次搭乘無人駕駛汽車,雖然分別列坐駕駛座和副駕駛的兩位彪形大漢破壞了一點科幻感,但是看著無人操控的方向盤自己旋轉,遇到紅燈自己剎車,突然出現了行人車輛還懂得自己避讓,我仍然像體驗了一場大型魔術一樣,產生了難以形容的震撼,迫不及待想掀開魔術幕布一窺背后的奧秘。
02 那無人駕駛是怎么實現的呢?
無人駕駛是個非常前沿的研究方向,新聞不少,但系統性介紹這門技術的書并不多,而且寥寥數本當中,大部分還都是科普性質的,缺乏理論知識層面的介紹,難以深入了解背后原理。有這方面需要的同學,我推薦《智能駕駛技術:路徑規劃與導航控制》。
這是一本硬核的書,讀完這本書,你會對無人駕駛的完整流程能夠有一個清晰的了解。以下內容是我讀完《智能駕駛技術:路徑規劃與導航控制》以后,自己的理解歸納:
要實現無人駕駛,需要準備三件寶物,高精度地圖、傳感器和車輛控制系統。
地圖一這項好理解,無人駕駛也好,有人駕駛也好,最終都是把車子從起始地開到目的地,關鍵就是要“認路”。過程我們都很熟悉了,需要借助地圖導航。無人駕駛也同樣需要地圖導航,但是,無人駕駛使用的地圖和我們普通的導航地圖不太一樣,是高精度地圖。
有什么不同呢,回想一下,我們的導航地圖主要是標識了各種地點,也就是地理信息,但是對于行車相關的信息,譬如交通燈、交叉路、車道規則和道路水平等等,大多是缺乏的。
高精度地圖一方面對準確性要求更高,通常需要結合GPS、遙感影像等等測量儀器的結果繪制。另一方面是補充了這些行車信息,甚至對于特殊的車道還做了細致的劃分,譬如路口轉彎、匝道、小路,都作了分別的標識。
高精度地圖需要包含這么多信息,制作成本當然很高,但無人駕駛有了高精度地圖,認路就容易的多了,實時計算要求也一下下降很多。
無人駕駛的第二件寶物就是傳感器。傳感器應該無人駕駛在外形上的標志,現在無人駕駛的車輛,一般都會戴一頂高高的“帽子”,這頂“帽子”就是一種傳感器。人類開車需要眼觀六路耳聽八方,無人駕駛想開車同樣也需要耳目,傳感器就是無人駕駛的耳目。
有人可能會不太理解,為什么有了高精度雷達還需要傳感器呢?在真實環境中開車和游戲里不一樣,是不能夠“背板”的,行車路上會出現各種意想不到的障礙物需要實時觀察,這里的障礙物不僅指狹義的路障,還包括前方出現的行人,和后方突然加速的車輛等等。
哪怕是最簡單的紅綠燈,我知道這里有紅綠燈,那現在究竟是紅燈還是綠燈,我該繼續行車還是趕緊剎車呢,這都需要通過傳感器觀察情況。新手司機上路應該都有一個感覺,就是忙亂,要觀察的東西太多,人尤如此,更遑論無人駕駛。
為了準確捕捉各種環境信息,無人駕駛使用了多種的傳感器來捕捉各類環境信息,包括高清攝像頭、紅外傳感器、激光雷達、毫米波雷達等等,能夠捕捉的光信號不僅限于可見光,而且具備360度環視視覺。應該說,在環境信息捕捉方面,無人駕駛所具備的能力已經超過了人類。
最后一項是最核心的一項,也是最難的一項,就是這個車輛駕駛系統。
準確來說,車輛駕駛系統分為軟件和硬件兩個部分,無人駕駛的車輛首先需要對車輛進行硬件改造,這應該很好理解,你必須得讓無人駕駛系統能夠控制油門、剎車和方向盤,然后才能談無人駕駛對吧。這是硬件層面的車輛駕駛系統,在軟件層面,就是無人駕駛的“大腦”了。
大腦是關鍵,前面的地圖、耳目再厲害,也得需要有個厲害的大腦才能真正用起來。具體來說就是各種各樣的算法,這一部分涉及到很多具體的專業知識,可以細讀《智能駕駛技術:路徑規劃與導航控制》,這里只提一提其中有兩個的問題我覺得十分有趣。
第一個問題就是如何訓練。無人駕駛依賴人工智能技術,會從各種機器學習、深度學習、深度強化學習的模型中挑選。要使用這些模型,都有一個必經環節,那就是訓練,而訓練是需要試錯的。
讀過我寫的那本《機器學習算法的數學解析與Python實現》的同學都知道,訓練的過程就是不斷減少錯誤的過程,這在別的地方沒有問題,但是在無人駕駛這里問題就復雜了,應該沒誰希望哪天街上會突然出現一輛發了瘋一樣的無人駕駛汽車,就算你告訴我模型訓練都有這么個過程也不行。
那這個問題是怎么解決的呢?用仿真環境,無人駕駛是在仿真環境中不斷學習進化,等訓練成了真正意義上的“老司機”才能真正開車上路。
第二個問題叫乘坐體驗,這是個很有意思的問題。我們都知道,開車不僅僅要考慮開車,還要考慮乘車。有一種車技爛,不是把車開到河里去,而是開車能把自己給開暈車了,不過,這個問題歸為駕駛問題當然可以,不歸為駕駛問題當然也可以。
無人駕駛是把這個問題納入了考慮,首先就需要考慮另一個問題:如何形式化的問題。乘坐體驗是一種感受,非常主觀,但要使用數學工具解決這個問題,首先就必須要將問題形式化。這個問題簡單來說,就是我們人的主觀體驗,真的可以用莫得感情的數學公式來表達嗎?
無人駕駛的研究者回答是:可以的。譬如說剎車,遇到突發情況當然要剎車,但如果剎車太硬太急,乘客又會很容易覺得惡心。這是一對矛盾,而這對矛盾完全可以用數學公式來描述,再進而找到最優解。
責編AJX
-
人工智能
+關注
關注
1791文章
47208瀏覽量
238284 -
自動駕駛
+關注
關注
784文章
13787瀏覽量
166405
發布評論請先 登錄
相關推薦
評論