智能駕駛商用難題待解
△第29屆IEEE國際智能車大會上展示的無人駕駛汽車
文/《瞭望》新聞周刊記者 扈永順
近日，於常熟舉行的第29屆國際電氣與電子工程師協會（IEEE）智能車大會中，五輛智能車均能夠實現直線行駛、路口右轉時提前進入右車道並平穩轉向、車輛交互、避開障礙物、通過平行駕駛管控中心進行遠程遙控應急接管等功能。
在人工智慧的助力下，智能駕駛落地難題正逐一得到破解。
在IEEE智能車大會主席、中科院自動化所研究員王飛躍看來，智能駕駛近年進步很快：「我們每年舉辦中國智能車未來挑戰賽，十年間智能駕駛展現了巨大變化，從第一屆挑戰賽時，人走路就能超過智能車，第二年人跑步能超過智能車，到現在，無人駕駛智能車的速度已經和實際道路上的傳統車沒多大區別了。」
當前，智能汽車產業規模快速擴大，已成為我國汽車產業轉型升級的重要突破口，對於打造萬億級新產業、構建智慧社會、搶佔未來戰略制高點具有重大意義。
面對這一龐大的新興市場，傳統車企、互聯網企業、產業資本爭相湧入，加大在智能汽車領域的布局，中國智能車產業正在以跨界融合的態勢快速發展。但作為「不允許出錯」的智能駕駛系統，其安全性是始終繞不開的話題——2016年，美國發生自動駕駛模式的Tesla Model S與卡車相撞事故；2018年，美國又發生Uber自動駕駛測試車與一名推著自行車的行人相撞並致死的事故。
雖然事故率極低，但在複雜的開放道路交通環境下，自動駕駛汽車的自主行駛安全仍是公眾關注的焦點。因此，在過去的幾年中，儘管不斷有公司宣稱將要實現智能駕駛車的量產，但處在「風口」的智能駕駛，其大規模商用的挑戰仍不能忽視。
炙手可熱的L4級自動駕駛
智能駕駛是目前人工智慧領域具顛覆性的智能系統，它能有效減少交通事故、緩解交通擁堵、降低能耗、節約物理空間，深刻變革我們的交通運輸與出行方式。
「汽車誕生已經有100多年的歷史，發展到現在，車輛本身安全性能已經非常成熟，但駕駛員的操作失誤是不可避免的，美國統計數據顯示，超過90%的致死交通事故，與人類駕駛員操作失誤有關。」加拿大滑鐵盧大學人工智慧與無人車聯合研究中心執行主任、中科院自動化所客座研究員曹東璞告訴記者，無人駕駛技術能夠克服這個弱點，使道路行駛更加安全。
但就目前而言，清華大學計算機系教授鄧志東認為，基於深度學習的計算機視覺較接近於人的感知能力，但大數據人工智慧缺乏認知理解能力，還是主要的技術挑戰。他解釋說，「感知—決策—規劃—控制」分層架構的無人車越來越明顯地表現出環境適應性差、自主學習能力不足的問題，尤其在應對複雜交通環境時遠遠不及人類駕駛員。
作為當前全球新一輪科技革命和產業發展制高點競爭的重要領域，智能駕駛吸引了像Google、Tesla、百度等眾多科技企業及整車廠參與其中，不少企業紛紛推出自己的高度自動駕駛商業化計劃。
根據美國汽車工程師協會（SAE）的定義，汽車自動駕駛系統分為L0～L5共6個級別，L3級代表某些條件下的自動駕駛，L4和L5級則分別指高度自動駕駛和完全自動駕駛。
在國外，Google Waymo、通用、福特、奧迪、沃爾沃、英特爾-Mobileye等全球20多家企業均已宣稱，2021年前後將實現L4級智能車量產。
「許多人認為2021年前後將是無人駕駛汽車的產業元年。」鄧志東向《瞭望》新聞周刊舉例說，2017年，Google Waymo已在美國鳳凰城Chandler鎮100平方英里範圍內，對600輛克萊斯勒插電式混合動力L4級自動駕駛汽車進行社會公測，這是Waymo自動駕駛商業化落地的前奏。此外，通用的第四代量產型自動駕駛汽車Cruise AV，已經完全拋棄方向盤、制動和油門踏板，並向美國交通運輸部提交安全申請，計劃投資1億美元在2019年實現量產。
在國內，多家科技公司宣稱要研製L4級智能車或網聯化智能車。專家介紹，中國市場2016年發布了未來自動駕駛的藍圖，在路線圖中，2020年我們希望實現有條件自動駕駛，到2025年開始實現高度或完全自動駕駛汽車。
鄧志東認為，2021年是無人駕駛汽車產業元年的另一個客觀依據，是自動駕駛產業生態上游的第3代純固態激光雷達，它是能夠實現低成本、車規級量產目標的核心零部件之一。目前已出現許多工程樣機甚至是車規級別的量產激光雷達樣機，如美國Quanergy公司的S3、Velodyne公司的Velarray、Luminar公司1550納米波長的大功率激光雷達。
L3級大規模商用還有多遠
儘管業界研發L4級自動駕駛汽車的熱情持續高漲，但現在L4級汽車相關的核心零部件大多達不到車規級，全世界也還沒有合法生產上路的L4級汽車。
西班牙阿爾卡拉大學副校長、IEEE國際智能交通協會主席米格爾·安吉爾·索特洛認為，「現在媒體很多報道說一些智能車已經達到L4級，判斷一個智能車達到L4級，要有很多應用案例在裡面，不能只看在產業園區、物流裡面的簡單應用場景。未來5~10年可能才會實現L4級量產車。現在行業內只有奧迪在2017年發布了全世界第一款L3級量產車。」
專家認為，L4級無人駕駛和老百姓生活無縫對接尚需時日。現在能做到的只是輔助駕駛，主要開發L2、L3級自動駕駛汽車，這還不是完全可靠的自主駕駛。
奧迪於2017年發布了60km/h以下擁堵模式的L3級自動駕駛量產車，後續將有更多整車廠跟進。業內共識是，2020年將可實現L3級自動駕駛汽車的更大規模量產。具體而言，L3級指的是在某些特定的駕駛模式和環境下實現自動駕駛，系統正常工作時駕駛員無需負責車輛控制也無需注意駕駛情況，僅需要在系統提出干預需求時重新接管駕駛即可。
曹東璞向本刊記者舉例說，L3級自動駕駛汽車能夠在通過高速公路收費口後，到下高速之前，兩者之間大部分時間車可以自動駕駛。但他同時強調，「雖然現在比較容易就能攢出一輛所謂的L3級自動駕駛樣車，但要真正實現L3級智能車大規模量產，仍需邁過多道坎。 」
智能汽車是一個集環境感知、動態決策與規劃、運動控制與執行等多功能於一體的綜合系統，相關研究涉及新一代人工智慧、計算機科學、控制科學與工程、通信工程、車輛工程、測繪工程等諸多學科與領域，是典型的跨學科高新技術綜合體，需要多方核心產業的合力支撐。
專家普遍認為，相比於國外企業踏實做事，國內企業提的概念很多，炒得很熱，但真正沉下心來做基礎應用研究、做硬體的還比較少，很多底層關鍵技術被歐美國家掌控，如先進激光雷達、高端自動駕駛晶元等關鍵零部件、底盤線控技術等。
「從產業鏈條來看，國內專業做雷達等感測器的公司離大規模量產商用仍需一段努力，同時面臨著國外競爭對手的巨大壓力。無人駕駛是新興產業，產業鏈條上的大部分主體仍處在早期階段。」曹東璞說。相比國內，國外圍繞自動駕駛的產業生態正在快速形成之中。
在智能車產業生態中，上游關鍵零部件產業包括車規級的激光雷達及多模態感測器融合模組，以及自動駕駛晶元及車載計算機。從車規級的自動駕駛晶元及低功耗的車載計算機來看，主要有英偉達的DrivePX系列、英特爾-Mobileye的低功耗EyeQ系列。「全球人工智慧晶元的最新排名，前三名分別是英偉達、英特爾、恩智浦。前15位裡面有兩家中國晶元企業，華為排名12，還有中國台灣的聯發科，排名第15位。」鄧志東向記者介紹。
自動駕駛企業的全球排名亦可見一斑。2017年，美國科技網站The Information發布了自動駕駛企業全球排名，綜合評分5分以上的有17家企業，前三名是Google Waymo、Uber、戴姆勒，國內只有百度、滴滴出行兩家企業上榜。
智能駕駛的挑戰
而從更大的視角看，智能駕駛在產業鏈條以外需要解決的問題還有很多。人們認為，智能駕駛最大的挑戰在於如何證明其安全性，這需要大量測試，甚至需要上億小時的實際駕駛測試。
「一般來說，國內智能車路測數據的質、量與國外Google等公司都還有一定距離，像Tesla，是回收用戶實際開車的數據。」曹東璞認為，國內研究，大部分是內部的測試，有的是在模擬器中模擬無人駕駛的小時數、公里數。
但模擬器不是現實環境，還需要在現實環境中做測試，這就導致奇高的測試成本。索特洛提到，目前歐美等國有非常多的倡議，主要目的是創造出一個環境，在未來兩三年中通過實驗室實驗，縮短測試時間，但這需要模擬器比人的模擬更嚴格，達到99%的置信區間。
「無人車測試必須依賴虛擬採樣測試來加大覆蓋性，因為實際測試的時間和費用太高，我們接受不了。」清華大學自動化系副教授李力告訴記者，他們為此建立了與實際交通系統相平行的人工交通系統，來模擬和表示複雜系統的特定場景，以受控的形式產生更多因果關係明確、數據格式規整、便於探索利用的大數據。
曹東璞還提到，相比於國外將一個領域做到精細、深入，國內許多情況下對細節重視還不夠。有時候，即便做到了99%，產品成敗仍取決於最後的1%。他以智能車的人機交互向記者舉例，「行駛中的L3級車需要駕駛員接管時，接管信息提示的設定就是一個很複雜的任務，提示信息少了可能駕駛員沒有接收到，提示信息多了可能又會使駕駛員反感。小細節做不好會直接影響用戶體驗。」
此外，鄧志東等專家認為，要實現無人駕駛並不是簡單的技術問題，還涉及交通系統、道路設計等多個領域，是一個系統工程。由於深度學習方法缺乏對場景與目標的認知理解能力，因此必須藉助於環境建模（高精地圖），基於5G通信的雲平台，利用車聯網，以及智能交通系統、智慧城市的建設，方可加速推動L4級自動駕駛汽車產業的落地實踐。
要解決的問題不止這些，還涉及標準、法律法規、成本等多項挑戰。但在一些特定應用場景，產業界已經給出了答案。
在百度2018年人工智慧開發者大會上，李彥宏宣布，全球首款L4級量產自動駕駛巴士「阿波龍」量產下線。這種自動接駁小巴車內沒有方向盤和油門、剎車踏板等，車身感知系統安裝有3個激光雷達、1個毫米波雷達、1套超聲波雷達、1個雙目攝像頭、5個單目攝像頭，以及定位系統、計算機硬體系統，可用於園區、廠區、景區、機場等簡單受限道路場景。
TAG:科記說 |