當前位置: 首頁 » 公司動態 » 無人駕駛急需解決兩大問題

公司動態

無人駕駛急需解決兩大問題

發布時間:2018-12-06

當我們還在感慨駕駛是一件費心費力的事情時,無人駕駛技術的進步已經逐步開始了解放我們的雙手到大腦的發展,在 O'Reilly 和 Intel人工智能 2018 北京大會上,營長與前百度硅谷研發中心創始核心成員李力耘博士聊了聊,李力耘表示目前無人駕駛技術上最亟待解決的技術是:是傳感器(在高端風淋室凈化車間生產)的能力跟它的價值的平衡、無人駕駛的規劃控制兩大問題。

   無人駕駛急需解決兩大問題:規劃控制和傳感器價格高圖片來源:圖蟲創意
   無人駕駛發展的價值
   無人駕駛技術的發展,對人類來說不僅僅是解放了雙手,還解放了大腦。我們的注意力不需要集中在駕駛上,這將為經濟效益和社會效益帶來極大進步。
   無疑在北京和美國硅谷這種交通環境下,開車對我們來說并不是一種享受,它需要花費很多的時間和精力,如果無人駕駛技術得到普及,可以把開車的時間解放出來,可以在車上查查郵件,看看新聞,甚至休息一下。另外,無人駕駛對經濟的生態也會帶來一些變化,例如無人產業鏈或許就會改變商圈的選址。
   數據顯示,人類開車大概每百萬公里的量級就會出現一次致命事故,無人駕駛發展至今,已經行駛上千萬公里,發生了 Uber 的事故,相對來講,無人駕駛反倒是比人類駕駛安全系數更高。
   無人駕駛取代司機是一個漫長的過程,可以看到,無人駕駛的測試是配備有司機的。如果無人駕駛技術得到普及,可以做整體全局上的智能城市的優化,比如說大家可以有一個集中的調度的系統,來優化去同樣目的地人群,并提倡共享出行。
   無人駕駛技術不僅僅解放了人類的精力和效率,最終的方向是建立智慧城市,智能交通的規劃,隨著這種統籌的發展,也許司機的比例逐漸減少,但最終取代司機的這一天,可能還有很長的路要走。
   國內的測試環境更具挑戰
   李力耘認為,美國現代的無人駕駛技術,還是遠遠領先于國內的,從加州交管局的匯報的數據可以看到,國內頂尖的 Apollo 與 Google Waymo 和 Uber 相比還是有一定差距的。
   另外一點, 無人駕駛的人才在美國硅谷比較多 ,這是一個非常重要的一個差別,Google Waymo、Uber 等都積累了很多無人駕駛的人才,國內在這方面仍處于剛剛開始積累的階段。
   國內的測試環境更具有挑戰,政府提供了很多的支持,無論是交管法規,還是技術設施,都給予很多的支持,加上中國人對新事物的接受程度很快,像這些移動支付,O2O 這種都是美國沒見過的模式,國內很快接受了,在這方面有很大的優勢。
   所以,在這種落地跟轉化上中國的優勢很大,美國是技術上的比中國積累的深厚,另外人才方面,隨著中國人才漸漸的積累和爆發,最終差距不會很大。
   亟待解決的兩大技術
   無人駕駛技術目前最亟待解決的技術有兩個部分:
   第一,是傳感器的能力跟它的價值的平衡問題
   據法國權威市場分析機構 Yole Développement 的統計,智能駕駛主要通過攝像頭(長距攝像頭、環繞攝像頭和立體攝像頭)和雷達(超聲波雷達、毫米波雷達、激光雷達)實現感知的;當前最先進的智能汽車采用了 17 個傳感器(僅指應用于自動駕駛功能),預計 2030 年將達到 29 個傳感器。
   舉個例子來說,激光雷達技術并不是「原子彈科技」,這項技術只是需要更多的沉淀,更多的精力來把它做的更好、更精。從技術上來說是存在成本降低的可能性。
   現在每一個激光雷達廠商都說,只要給我多大量,我就能把成本做下來,所以只要技術方案定下來,降成本是一定可以降的,它的更多挑戰是怎么把這個雷達給沉淀更加穩定,更加精準、更加適合無人車的使用。
   第二,無人駕駛的規劃控制
   無人駕駛技術在正常行駛的方面已經解決的很好,但是遇到一些異常情況,如出現一些行人不守交規,或者是一些極端情況的時候,我們怎么把長遠的問題,通過算法處理好,這是一個挑戰。
   或許無人駕駛測試幾百萬公里級別,才出現一次 Uber 事故的場景,無人車測試的時候也會盡量避免這樣的事情,而在這個領域里面,規劃控制和模擬器是可以發力的一個點。
   用模擬器和人工智能去檢測一些車的極限能力,或者是在一些極端情況車輛的反應情況,這些場景往往不太能通過采集數據,或者通過正常的手段來進行學習跟測試的。
   對人工智能期待過高
   很多人都覺得人工智能不夠「智能」,這是因為大家對人工智能的期待過高,從無人車的角度,人腦是一個神經網絡,是經過了很多年迭代的,就是說你生下來的時候是一個設計好的網絡,這個網絡叫做基因跟生物學上的大腦。
   除此之外,比如說你長到 16 歲開始開車,其實你的大腦的感知已經訓練了十幾年了,你對這個世界的理解,不是說像無人車這樣,弄很多圖片,然后訓練,人的大腦的感知能力是非常強大,所以,人工智能要真的能達到這個人的感知能力,還有很長的路要走。
   人工智能現在隨著計算機視覺發展,在感知和預測上都有顯而易見的應用,但是在決策規劃上,應用并沒有這么直接。隨著人工智能的發展,決策規劃也已經向有數據驅動的方向開始轉變。
   通過采集人開車的數據,和機器開車數據的區別,來訓練我們的算法。 讓我們的算法開車越來越像人的行為,這是人工智能開始滲透到決策規劃的一個方向,未來有一天人工智能也會成為決策規劃上一個主流的算法。
   各個城市關于無人駕駛的法規剛剛出臺,目前還沒有那么健全,但這也是擁抱無人駕駛技術變化的一個很好的體現。另外在這些法規的督促下,更合法又有效去的去提高整個系統的穩定性和能力,然后把這個系統做的更好。
   很多人將無人駕駛技術發展看作是技術與法律的博弈,其實這更像是一個互相發展、互相適應的過程。