現(xiàn)在無人駕駛的熱潮,起源于 2005 年,美國國防部舉辦的 DARPA Grand Challenge 。04 年的第一屆沒有選手跑出來,但是 05 年在荒野的比賽,有多支隊(duì)伍成功跑完,斯坦福大學(xué)和卡耐基梅隆大學(xué)獲得了第一、二名。
1. 無人駕駛行業(yè)的現(xiàn)狀分析
1.1 The origin: DARPA
現(xiàn)在無人駕駛的熱潮,起源于 2005 年,美國國防部舉辦的 DARPA Grand Challenge 。04 年的第一屆沒有選手跑出來,但是 05 年在荒野的比賽,有多支隊(duì)伍成功跑完,斯坦福大學(xué)和卡耐基梅隆大學(xué)獲得了第一、二名。
而 2007 年的 DARPA Urban Challenge ,把挑戰(zhàn)放到了城市路況中,這次是卡耐基梅隆大學(xué),斯坦福大學(xué)和弗吉尼亞理工大學(xué)分別獲得了第一,二,三名。
(圖 01 兩屆非常關(guān)鍵的 DARPA Challenge,推動(dòng)了無人駕駛在學(xué)術(shù)界的研究)
通過美國國防部的比賽,向世人證明了無人駕駛技術(shù)上的可能性。
1.2 Google 延續(xù)了 DARPA 的技術(shù),從 09 年一直在不斷的研發(fā)
Google 看到 DARPA 中無人駕駛技術(shù)的未來,于 2009 年將斯坦福 AI Lab 的負(fù)責(zé)人,也是 DARPA 中斯坦福大學(xué)隊(duì)原型車的負(fù)責(zé)人 Sebastian 招到 Google,和他的原班人馬一起,繼續(xù)無人駕駛領(lǐng)域的研究。Google X 于 2010 年 1 月正式成立。
(圖02 斯坦福大學(xué) AI Lab的負(fù)責(zé)人 Sebastian)
(圖03 Google 早年的無人車)
從 09 年到 2016 年 6 月,Google 的無人車?yán)塾?jì)行駛了 2,777,585 公里。光 2016 年 8 月這一個(gè)月,無人車就行駛了 202,777 公里。
截止到現(xiàn)在,Google 的無人車已經(jīng)累計(jì)行駛了 500 萬公里。最新的技術(shù)實(shí)力,可以達(dá)到平均連續(xù) 8000 公里 1 次人工干預(yù)的水平。
2016 年 12 月,Google 正式將 Google X 中的無人駕駛業(yè)務(wù)分拆出來,成立了獨(dú)立公司 Waymo。
(圖04 無人駕駛從 GoogleX 中獨(dú)立出來,成立了子公司 Waymo)
由于 Google 對無人駕駛技術(shù)的大力推進(jìn),在硅谷大家都能看到最前沿的技術(shù)似乎已經(jīng)能很快的得到普及。目前,Google 的無人駕駛技術(shù)還是公認(rèn)世界最高的水平。
1.3 Tesla 的探索—激進(jìn)的先驅(qū)者
Tesla 從 2014 年底的車型開始,就為用戶提供可選的“輔助駕駛包”。采用的是Mobileye 提供的 ADAS 技術(shù)。
隨后,由于技術(shù)路線上的差異,Tesla 于2016 年 7 月終止了和 Mobileye 的合作。目前 Tesla 的技術(shù)路線主要依靠 8 個(gè)環(huán)繞攝像頭,1 個(gè)毫米波雷達(dá)和12個(gè)超聲波傳感器。
Tesla 的野心越來越大,宣稱要在 2017 年末實(shí)現(xiàn)完全無人駕駛,而 2019 年全面上路。
(圖05 Tesla 的 Autopilot --主要基于攝像頭來做識(shí)別)
(圖06 Tesla 當(dāng)時(shí)的合作伙伴,Mobileye 的設(shè)備)
(圖07 專業(yè)做 ADAS 的企業(yè) Mobileye)
(圖08 Tesla 的多傳感器方案)
僅靠最簡單的 ADAS 系統(tǒng),在光照好的條件下也可以實(shí)現(xiàn)相當(dāng)高的精度,但是業(yè)內(nèi)普遍認(rèn)為其安全性不達(dá)標(biāo)。
Tesla 的論據(jù)是,目前 Tesla 的車在 “ 輔助駕駛模式 ” 下累計(jì)行駛了 13 億英里,而目前的事故概率相當(dāng)?shù)停辽偈侨祟愅壤锍滔碌亩种弧K阅壳暗?a href="http://www.1cnz.cn/tags/自動(dòng)駕駛/" target="_blank">自動(dòng)駕駛系統(tǒng),已經(jīng)可以實(shí)現(xiàn)強(qiáng)于人類兩倍的性能。
現(xiàn)實(shí)中, 2016 年 5 月,Tesla 的一名車主開啟自動(dòng)駕駛模式,在車上看視頻,直接撞到拖車上身亡。根據(jù)事后調(diào)查,Tesla 由于有免責(zé)聲明,要求車主對駕駛負(fù)責(zé),而不能完全交給系統(tǒng),Tesla 得以被判免責(zé)。
(圖9 Tesla 車在自動(dòng)駕駛模式下的嚴(yán)重事故)
(圖10 嚴(yán)重事故后損毀的車)
因此,Tesla 一方面宣稱其技術(shù)可以實(shí)現(xiàn) Level 4 以上的“完全無人駕駛”,現(xiàn)實(shí)中為了免責(zé),則要求用戶僅將其當(dāng)做輔助駕駛來使用。
雖然 Tesla 的技術(shù)路線較為激進(jìn),但是因?yàn)槠鋸V泛的消費(fèi)者基數(shù),吸引到了資本市場的強(qiáng)烈關(guān)注,可以說掀起了無人駕駛的熱潮。
因?yàn)?Google 的車雖然在默默進(jìn)步,但知道,乘坐過的人較少,而 Tesla 的車,有廣大的車主基數(shù)。車主通過直觀感受,覺得光是 ADAS 系統(tǒng)就離人們想象中的無人駕駛不遠(yuǎn)了。畢竟 99% 的安全,和 99.9% 的安全,在消費(fèi)者看來其差異并不明顯。
(圖11 Tesla 的銷售店,有奢侈品的感覺)
另一方面,Tesla 極其擅長制造話題,也起到了推波助瀾的作用。
(圖12 Tesla 相關(guān)的新聞不斷)
1.4 Uber 和 Apple 的探索
2015 年 Uber CEO 正式宣布要用無人駕駛技術(shù)來提供服務(wù),招了一些卡耐基梅隆的研究員,使用 LiDAR + 攝像頭的多傳感器融合技術(shù)。
2016 年 8 月,Uber 收購了做無人駕駛的公司 Otto。同年 9 月,Uber 正式在匹茲堡提供基于無人駕駛系統(tǒng)的出租車服務(wù)。同年 12 月,在舊金山提供同樣的服務(wù)。
截止至今,Uber 的技術(shù)還略遜一籌,實(shí)際效果沒有達(dá)到 Uber 的預(yù)期。目前 Uber 的車隊(duì)有 43 輛車,無人駕駛模式下每周行駛 20,000 英里,平均連續(xù) 0.8 英里一次人工干預(yù)。
(圖13 Uber 的無人駕駛租車)
(圖14 Uber 的無人駕駛技術(shù)受到了較大的質(zhì)疑)
Apple 于 2014 年末開始正式啟動(dòng)內(nèi)部名為“ Project Titan ”的野心勃勃的造車計(jì)劃—完全無人駕駛的電動(dòng)車。據(jù)內(nèi)部人士透露,Apple 是和一家機(jī)器人公司合作開發(fā)的技術(shù)原型車,采用最新的多傳感器融合技術(shù)。該機(jī)器人公司是 Virginia Tech spin off 出來的公司,也曾經(jīng)是 Virginia Tech 參加 DARPA Challenge 的團(tuán)隊(duì)和合作伙伴。
起初 Apple 是希望造一臺(tái)類比 Tesla 的電動(dòng)車,但 16 年戰(zhàn)略發(fā)生了變化,Apple 希望打造一臺(tái)“完全無人駕駛”的電動(dòng)車。這輛車上不會(huì)有方向盤,預(yù)計(jì)最早 2020 年投入市場。
而 2017 年 6 月,Apple CEO 對公眾承認(rèn)了蘋果對無人駕駛領(lǐng)域的興趣,但是否認(rèn)了造車,而是說在研究無人駕駛技術(shù)的軟件。
(圖15 Apple 的 Titan 計(jì)劃)
1.5 無人駕駛技術(shù)指標(biāo)對比—距離實(shí)現(xiàn) Level 4 還有多遠(yuǎn)?
盡管指標(biāo)的選擇有所差異,按照加州的規(guī)定,申請了無人駕駛牌照的公司需要報(bào)備各自的無人駕駛運(yùn)行情況。其中最核心的指標(biāo),是累計(jì)無人駕駛下的里程數(shù),和平均連續(xù)無人工干預(yù)里程數(shù)。
(圖16 Waymo,車廠代表的 Nissan 和 Uber 的指標(biāo)對比)
從結(jié)論來看,Google 的技術(shù)依然瑤瑤領(lǐng)先其他可比公司,累計(jì)行駛了 500 萬公里,而最新的技術(shù)可以達(dá)到平均連續(xù) 8000 公里 1 次人工干預(yù)。作為主機(jī)廠中比較先進(jìn)的Nissan,大概是平均 230 公里 1 次人工干預(yù)。而 Uber 的水平,大概還停留在平均1.5 公里 1 次人工干預(yù),可以看到大家的差距還較大。
國內(nèi)的百度,據(jù)消息稱,目前水平和 Uber 相當(dāng)。
根據(jù)業(yè)內(nèi)普遍的看法,如果無人駕駛車輛的安全性能夠達(dá)到人類的 10 倍以上,就可以完全替代人。那么也許完全實(shí)現(xiàn)無人駕駛需要的技術(shù)目標(biāo),大約在連續(xù) 10 萬公里1 次人工干預(yù)的水平。
恰恰因?yàn)?Google 的水平已經(jīng)非常高,讓資本市場看到了短期內(nèi)(3-5年)實(shí)現(xiàn)足夠安全性的可能,目前各家企業(yè)都在拼命沖刺技術(shù)的最后五公里。
1.6 蓬勃涌現(xiàn)的無人駕駛初創(chuàng)企業(yè)—向勝利發(fā)起沖鋒的號(hào)角
從 2015 年開始,不斷出現(xiàn)做無人駕駛的初創(chuàng)企業(yè)。這里我們摘取了一些典型的,做接近于 Level 4 (無人駕駛和輔助駕駛的定義見后續(xù)分析)技術(shù)的企業(yè),供大家分析。
(圖17 根據(jù)網(wǎng)上信息收集整理的主要 Level 4 無人駕駛 startup )
可以看出,2015 年和 2016 年,有很多從大公司,大學(xué)出來的初創(chuàng)公司開始進(jìn)入該領(lǐng)域。無人駕駛系統(tǒng)的開發(fā),呈現(xiàn)出百花齊放的狀態(tài)。無人駕駛技術(shù)的黃埔軍校,有斯坦福大學(xué),Google,和國內(nèi)的百度。
按照上述的分析,這些研究無人駕駛 Level 4 技術(shù)的企業(yè),都在努力試圖用各自的技術(shù)方案,實(shí)現(xiàn)安全性達(dá)標(biāo),成本可控的“無人駕駛最后五公里”。
究竟誰能夠摘取最終的桂冠呢?我們認(rèn)為類比汽車行業(yè)的引擎,電池管理技術(shù)等核心模塊,無人駕駛技術(shù)應(yīng)該也不會(huì)呈現(xiàn)出一家獨(dú)大的情況。最終應(yīng)該有大公司,也有一些初創(chuàng)公司可以做出性能和成本達(dá)標(biāo)的產(chǎn)品。
1.7 無人駕駛還是輔助駕駛
根據(jù) SAE 的分類,無人駕駛從 Level 0 到 Level 5 。更加詳細(xì)的分類標(biāo)準(zhǔn)在網(wǎng)上已經(jīng)有很多,我們就不做詳細(xì)的科普。這里做一下簡單的定義,并且給大家舉例說明一下。
(圖18 無人駕駛的分類簡述)
根據(jù)定義,Level 2 到 Level 3 應(yīng)該劃分為“輔助駕駛”的范疇。之所以稱之為輔助駕駛,是因?yàn)檫@個(gè)等級(jí)下,駕駛員要承擔(dān)駕駛的完全責(zé)任,無人駕駛系統(tǒng)不承擔(dān)一切事故的后果。
目前 Level 2 的 ADAS 系統(tǒng)的成本價(jià)降到 1,000 人民幣以內(nèi),前裝的售價(jià)也在數(shù)千人民幣以內(nèi),可以算是得到了較好商業(yè)化的汽車智能化配件。海外有著名的 Mobileye,國內(nèi)也有很多做 ADAS 系統(tǒng)的對標(biāo)企業(yè)正在努力趕超。
Level 2 的技術(shù)雖然可以實(shí)現(xiàn)全面的駕駛輔助,但是由于對安全性的要求較低,效果很多時(shí)候是根據(jù)駕駛員的主觀感受而決定的,可以說技術(shù)門檻也相對較低。目前很多主機(jī)廠,都在研發(fā)自己的 ADAS 系統(tǒng),對 Mobileye 進(jìn)行替換。
Level 3,是在 Level 2 的基礎(chǔ)上,增加了更多的傳感器,提高安全系數(shù)后,能夠在部分路況下完全接管汽車的控制的系統(tǒng)。比如說一輛車從市區(qū)開到高速公路,在高速公路上可以實(shí)現(xiàn)無人駕駛下的定速巡航(Tesla 已經(jīng)提供這項(xiàng)功能)。但是其問題是,由于適應(yīng)的路況較為少,而且系統(tǒng)還是要求在發(fā)出請求后人類駕駛員必須在六秒鐘之內(nèi)接管,無法實(shí)現(xiàn)真正的人類替代。
對于國內(nèi)目前涌現(xiàn)出來,做低速無人車如機(jī)場擺渡車,園區(qū)高爾夫車等等的企業(yè),由于行駛速度非常低(10 km/h),安全性的要求也會(huì)低很多。一般而言,我們將其技術(shù)歸類到 Level 2 到 Level 3 。
而 Level 2,Level 3,雖然有著較為可見的應(yīng)用,他們所需要的技術(shù)和 Level 4 以上還是涇渭分明的。也許和很多人想象得不同,并不能實(shí)現(xiàn)從 Level 2 向 Level 4 的逐漸升級(jí)。Level 4 的主要技術(shù),是要實(shí)現(xiàn)在市區(qū)環(huán)境下的完全無人駕駛—這需要系統(tǒng)具備極高的安全性。而 Level 4 的最大特征,在于給定事先定好的區(qū)域,就可以實(shí)現(xiàn)“完全無人駕駛”。這樣的話,商業(yè)上可以實(shí)現(xiàn)對人類駕駛員的替代,可以改變傳統(tǒng)的生產(chǎn)關(guān)系。而 Level 2,Level 3 的技術(shù),最終還是“幫助”人類駕駛員把車開得更好而已。
正因?yàn)?Level 4 有著巨大的技術(shù)挑戰(zhàn)和相應(yīng)的更廣闊的市場空間,目前 Level 4 無人駕駛技術(shù)是市場關(guān)注的焦點(diǎn)。
2. 無人駕駛行業(yè)的現(xiàn)狀分析
2.1 車載傳感器一覽
無人車使用的傳感器,大的來說有以下這些類別:激光雷達(dá),攝像頭,GPS (包括差分 GPS),IMU (慣性制導(dǎo)),毫米波雷達(dá),超聲波雷達(dá)等等。
雖然人類可以只通過視覺和聽覺就實(shí)現(xiàn)駕駛,但是機(jī)器人缺乏能夠有效識(shí)別場景的大腦,需要通過更強(qiáng)的“五感”,來彌補(bǔ)這個(gè)缺陷。傳感器,可以說是無人駕駛汽車的眼睛和耳朵。
(圖19 車載傳感器的案例)
2.2 主要傳感器之 LiDAR
而現(xiàn)在不同傳感器類別中,源自于 DARPA 的激光雷達(dá)( LiDAR ),被認(rèn)為是無人駕駛最重要也是最必不可缺少的傳感器。相比起其他傳感器,他最大的優(yōu)勢在于對于空間的測量非常精確,可以保證相對高的安全系數(shù)。
(圖20 傳感器的優(yōu)劣勢對比)
(圖21 Velodyne 的 64 線,32 線和 16 線 LiDAR )
(圖22 LiDAR 眼中的世界)
目前全球的 LiDAR 供應(yīng)幾乎被 Velodyne 壟斷。價(jià)格昂貴,最便宜的 16 線 7,900 美金,最貴的 64 線 80,000 美金一臺(tái)。
機(jī)械式激光雷達(dá)通過高速旋轉(zhuǎn),能夠通過點(diǎn)云形成對周邊空間環(huán)境的準(zhǔn)確感知,各家無人駕駛廠商需要開發(fā)自己的點(diǎn)云特征識(shí)別技術(shù)。
2.3 LiDAR 開發(fā)的激烈競爭
目前全球范圍內(nèi),技術(shù)比較成熟的廠商還只有源自 DARPA 的 Velodyne 一家。但是也有數(shù)不盡的初創(chuàng)公司誕生,試圖挑戰(zhàn) Velodyne 的壟斷地位。
而 LiDAR 本身,也有一個(gè)最新的技術(shù)方向,就是摒棄 Velodyne 的機(jī)械旋轉(zhuǎn)設(shè)計(jì),用相控陣技術(shù)實(shí)現(xiàn)固態(tài)的激光雷達(dá)。固態(tài)的激光雷達(dá)雖然最高線數(shù)只能到達(dá) 16 線。但是更易量產(chǎn),成本也可以做得更低。被普遍認(rèn)為是激光雷達(dá)的究極解決方案。最終的成本,可以降到 100 美金一個(gè),和攝像頭相仿。
(圖24 Quanergy 開發(fā)中的固態(tài) LiDAR )
(圖25 Lumina 開發(fā)中的固態(tài) LiDAR 的效果圖)
(圖26 Quanergy 規(guī)劃中的固態(tài)產(chǎn)品和價(jià)格)
2.4 只采用攝像頭是否靠譜— Deep Learning 的能力邊界在哪里
今年由于 DNN(Deep Neural Network),也就是深度學(xué)習(xí)技術(shù)的進(jìn)步,有很多基于此的新算法誕生。很多學(xué)者說僅僅依靠 DNN 技術(shù),就可以實(shí)現(xiàn)類似人類的駕駛—只依靠攝像頭的視覺信息,實(shí)現(xiàn) Level 4 級(jí)別的無人駕駛。
其代表,就是來自于 Princeton 大學(xué) AI 領(lǐng)域的教授肖建雄創(chuàng)立的 Auto X,和來自于斯坦福大學(xué) AI Lab,著名 AI 三駕馬車吳恩達(dá)太太創(chuàng)立的 Drive.ai。
然而,也許是發(fā)現(xiàn)只依靠視覺信息和 DNN 無法實(shí)現(xiàn) Level 4 要求的安全性,加上攝像頭單一傳感器的局限性,這兩家企業(yè)目前都已經(jīng)改變了當(dāng)初宣稱的做法。
AutoX 說他們是“Camera First ”,未來 LiDAR 降價(jià)后會(huì)加上 LiDAR。而 Drive.ai說他們在使用 DNN 算法來識(shí)別 LiDAR 產(chǎn)生的點(diǎn)云—而不是僅僅用在攝像頭上。
從我們的角度看來,因?yàn)?LiDAR 降價(jià)是個(gè)必然到來的事情,因?yàn)閮r(jià)格高昂而不用LiDAR,降低系統(tǒng)整體的安全性與可靠性,可能得不償失。
(圖27 AutoX 的車,有多個(gè)攝像頭 )
(圖28 AutoX 的車載攝像頭陣列 )
(圖29 Drive.ai 的車,可以看到六個(gè) 16 線 LiDAR 組成的陣列)
(圖30 Drive.ai 的 LiDAR 下的識(shí)別圖像,DNN 適用的對象也延伸到了點(diǎn)云數(shù)據(jù))
2.5 Level 4 無人駕駛的新技術(shù)體系—多傳感器融合和 DNN 算法
Google 開始做無人車是在 2009 年,基于斯坦福參加 DARPA 比賽時(shí)候的原型車。由于 2009 年攝像頭的算法效果并不好,導(dǎo)致 Google 在今后的開發(fā)上,非常依賴LiDAR。不斷對 LiDAR 算法遇到的 corner case(例外)進(jìn)行算法層面的補(bǔ)充,也就是打補(bǔ)丁。而且,為了提高安全性,Google 甚至自己制造了世界上唯一的 128 線LiDAR。也就是說,Google 的技術(shù)體系中,高線數(shù) LiDAR 是必不可缺的主傳感器。
而近年來,主要有以下三個(gè)新的動(dòng)向。
A. 多顆低線數(shù) LiDAR 對高線數(shù) LiDAR 的模擬和替換
由于高線數(shù) LiDAR 的生產(chǎn)工藝要求極高,Velodyne 和谷歌的產(chǎn)量有限,而且成本非常高,導(dǎo)致使用 LiDAR 的技術(shù)方案普及遇到很大的苦難。近年來,有很多初創(chuàng)公司發(fā)現(xiàn)通過組合好多顆 16 線的 LiDAR,也能達(dá)到不遜于單顆高線數(shù) LiDAR 的效果。
(圖31 多顆 LiDAR 陣列對 64 線 LiDAR 的替代案例)
B. 多傳感器,尤其是 LiDAR 和攝像頭的算法融合
由于近年計(jì)算機(jī)視覺和深度學(xué)習(xí)算法的發(fā)展,攝像頭的圖像識(shí)別能力相比 2010 年前后有了質(zhì)的飛躍。在傳統(tǒng)使用 LiDAR 為主傳感器的 Level 4 無人駕駛,和采用更便宜的攝像頭為主傳感器的 Level 2 ADAS 方案的基礎(chǔ)上,有了將 LiDAR 和攝像頭數(shù)據(jù)進(jìn)行融合的新嘗試。通過 LiDAR 和攝像頭這兩種傳感器的優(yōu)勢互補(bǔ),可以用更加低性能的傳感器,實(shí)現(xiàn)更高的安全性。
(圖32 攝像頭和 LiDAR 數(shù)據(jù)的深度融合示意圖)
C. 對于 LiDAR 點(diǎn)云數(shù)據(jù),采用 DNN 算法
Google 的時(shí)代,DNN 還沒有得到廣泛的應(yīng)用。所以 Google 對于點(diǎn)云的識(shí)別,采取的還是類似于 Computer Vision 的算法—提取特征。但是由于最近 DNN 的效果逐漸得到證明,也有一些新的嘗試,用 DNN 來做點(diǎn)云數(shù)據(jù)的學(xué)習(xí),并且識(shí)別物體。這個(gè)效果雖然還有待驗(yàn)證,但是我們相信最終這個(gè)方法在數(shù)據(jù)量大了以后會(huì)超越傳統(tǒng)的特征識(shí)別算法。
(圖33 DNN 在 LiDAR 數(shù)據(jù)中的應(yīng)用例)
(圖34 Nvidia 的 DNN 方案)
2.6 無人駕駛是泡沫嗎?
對于無人駕駛普及而言,最關(guān)鍵的因素是性能和價(jià)格。
從價(jià)格的角度,業(yè)內(nèi)普遍認(rèn)為最貴的激光雷達(dá),會(huì)在今后五年內(nèi)價(jià)格降低到不礙事的程度。
現(xiàn)在問題的關(guān)鍵因素在于,無人駕駛是否能符合大家的預(yù)期,在可預(yù)見的短期內(nèi)達(dá)到技術(shù)的成熟。
近年,谷歌的技術(shù)已經(jīng)達(dá)到了 8,000 公里一次人工干預(yù)的水平。這個(gè)水平對于很多人而言,已經(jīng)非常接近于實(shí)現(xiàn)了 Level 4 。而 Tesla,更是激進(jìn)的認(rèn)為僅靠攝像頭和超聲波雷達(dá),毫米波雷達(dá)的方案,就已經(jīng)能夠?qū)崿F(xiàn)兩倍于人的駕駛能力。讓我們保守一點(diǎn),假設(shè)連續(xù) 100,000 公里一次人工干預(yù)是 Level 4 無人駕駛的基礎(chǔ)要求。
(圖35 技術(shù)的發(fā)展預(yù)測圖,黃線是 Google 的方案,紅線代表新的技術(shù)體系)
根據(jù)剛才所述,采用新的技術(shù)架構(gòu)下,我們認(rèn)為 Level 4 無人駕駛技術(shù),有希望在 2025 年之前的某個(gè)時(shí)間,達(dá)到足夠好的安全性。而無人駕駛是否破滅,則要取決于圖中虛線所代表的未來的技術(shù)進(jìn)展。
另外,根據(jù) Gartner 著名的 Hype Cycle 來看,無人駕駛已經(jīng)處于泡沫期的最后階段。而他們的預(yù)測中,無人駕駛的普及需要遠(yuǎn)大于 10 年的時(shí)間。Gartner 對于無人駕駛技術(shù)還是抱著相對保守的態(tài)度。
(圖36 Gartner 著名的 Hype Cycle 圖)
最終無人駕駛是否會(huì)是一個(gè)泡沫,有待于接下來三年內(nèi)技術(shù)的進(jìn)步來揭開這個(gè)謎題。我們團(tuán)隊(duì)對無人駕駛技術(shù)的未來,充滿信心。
3. 中國市場的獨(dú)特性
3.1 中國道路的技術(shù)挑戰(zhàn)
目前世界的無人駕駛路測,主要是在硅谷地區(qū)。而中國的道路交通情況,相比起硅谷,或者其他發(fā)達(dá)國家,路況更加復(fù)雜。目前主流的無人駕駛算法,都需要解決 corner case 的問題,無論是通過不斷更迭算法打補(bǔ)丁的方式,還是通過 DNN,收集數(shù)據(jù)來解決,都需要實(shí)際上接觸大量的 corner case,才能夠?qū)崿F(xiàn)。
因此,把硅谷的算法平移到中國,是一定會(huì)失敗的。比如 Google 在舊金山灣區(qū)跑得很完美的無人車,開到德州就問題百出了,更不要說來中國了。
(圖37 中美路況的對比)
因此,中國市場急需要針對中國的路況而開發(fā)的系統(tǒng),不在中國進(jìn)行大規(guī)模的路測收集數(shù)據(jù),就無法實(shí)現(xiàn)在中國本土的 Level 4 無人駕駛落地。
3.2 中國的無人駕駛發(fā)展現(xiàn)狀
根據(jù)工信部推出的《中國制造 2025 》的規(guī)劃,中國 2020 年,2025 年關(guān)于無人駕駛的目標(biāo)如下:
在《中國制造 2025 》重點(diǎn)領(lǐng)域技術(shù)路線圖中,智能網(wǎng)聯(lián)汽車分為 DA、PA、HA、FA 四個(gè)級(jí)別,其中, PA 指部分自動(dòng)駕駛,HA 指高度自動(dòng)駕駛, FA 指完全自主駕駛,駕駛權(quán)完全移交給車輛。
2020 年,汽車信息化產(chǎn)品自主份額達(dá) 50%,DA、PA 整車自主份額超過 40%,掌握傳感器、控制器關(guān)鍵技術(shù),供應(yīng)能力滿足自主規(guī)模需求,產(chǎn)品質(zhì)量達(dá)到國際先進(jìn)水平。啟動(dòng)智慧交通城市建設(shè),自主設(shè)施占有率 80% 以上。
2025 年,汽車信息化產(chǎn)品自主份額達(dá) 60%,DA、PA、HA 整車自主份額達(dá) 50% 以上;自主智能卡車開始大規(guī)模出口。制定中國版完全自主駕駛標(biāo)準(zhǔn),基于多源信息融合、多網(wǎng)融合,利用人工智能、深度挖掘及自動(dòng)控制技術(shù),配合智能環(huán)境和輔助設(shè)施實(shí)現(xiàn)自主駕駛,可改變出行模式、消除擁堵、提高道路利用率,綜合能耗降低 10%,減少排放 20%,減少交通事故數(shù) 80%,基本消除交通死亡;FA 智能化裝備率 10%,自主系統(tǒng)裝備率 40%。
另一方面,國內(nèi)也有很多企業(yè),高校,開始自主研發(fā) Level 4 無人駕駛系統(tǒng)。典型的比如百度,Volvo,國防科大和上汽等。很多都已經(jīng)實(shí)現(xiàn)了較長距離的高速公路實(shí)驗(yàn),以及封閉區(qū)域內(nèi)的實(shí)驗(yàn)。
(圖38 中國部分企業(yè),高校,研究所的無人駕駛車路測)
-
無人駕駛
+關(guān)注
關(guān)注
98文章
4057瀏覽量
120467
發(fā)布評(píng)論請先 登錄
相關(guān)推薦
評(píng)論