当前位置:首页 > 新闻中心 > 媒体扫描

媒体扫描

瞭望:智能驾驶商用难题待解

  • 发表日期:2018-07-27 【 【打印】【关闭】
  •     近日,于常熟举行的第29届国际电气与电子工程师协会(IEEE)智能车大会中,五辆智能车均能够实现直线行驶、路口右转时提前进入右车道并平稳转向、车辆交互、避开障碍物、通过平行驾驶管控中心进行远程遥控应急接管等功能。 

        在人工智能的助力下,智能驾驶落地难题正逐一得到破解。 

        在IEEE智能车大会主席、中科院自动化所研究员王飞跃看来,智能驾驶近年进步很快:“我们每年举办中国智能车未来挑战赛,十年间智能驾驶展现了巨大变化,从第一届挑战赛时,人走路就能超过智能车,第二年人跑步能超过智能车,到现在,无人驾驶智能车的速度已经和实际道路上的传统车没多大区别了。” 

        当前,智能汽车产业规模快速扩大,已成为我国汽车产业转型升级的重要突破口,对于打造万亿级新产业、构建智慧社会、抢占未来战略制高点具有重大意义。 

        面对这一庞大的新兴市场,传统车企、互联网企业、产业资本争相涌入,加大在智能汽车领域的布局,中国智能车产业正在以跨界融合的态势快速发展。但作为“不允许出错”的智能驾驶系统,其安全性是始终绕不开的话题——2016年,美国发生自动驾驶模式的Tesla Model S与卡车相撞事故;2018年,美国又发生Uber自动驾驶测试车与一名推着自行车的行人相撞并致死的事故。 

        虽然事故率极低,但在复杂的开放道路交通环境下,自动驾驶汽车的自主行驶安全仍是公众关注的焦点。因此,在过去的几年中,尽管不断有公司宣称将要实现智能驾驶车的量产,但处在“风口”的智能驾驶,其大规模商用的挑战仍不能忽视。 

         

        炙手可热的L4级自动驾驶 

        智能驾驶是目前人工智能领域具颠覆性的智能系统,它能有效减少交通事故、缓解交通拥堵、降低能耗、节约物理空间,深刻变革我们的交通运输与出行方式。 

        “汽车诞生已经有100多年的历史,发展到现在,车辆本身安全性能已经非常成熟,但驾驶员的操作失误是不可避免的,美国统计数据显示,超过90%的致死交通事故,与人类驾驶员操作失误有关。”加拿大滑铁卢大学人工智能与无人车联合研究中心执行主任、中科院自动化所客座研究员曹东璞告诉记者,无人驾驶技术能够克服这个弱点,使道路行驶更加安全。 

        但就目前而言,清华大学计算机系教授邓志东认为,基于深度学习的计算机视觉较接近于人的感知能力,但大数据人工智能缺乏认知理解能力,还是主要的技术挑战。他解释说,“感知—决策—规划—控制”分层架构的无人车越来越明显地表现出环境适应性差、自主学习能力不足的问题,尤其在应对复杂交通环境时远远不及人类驾驶员。 

        作为当前全球新一轮科技革命和产业发展制高点竞争的重要领域,智能驾驶吸引了像Google、Tesla、百度等众多科技企业及整车厂参与其中,不少企业纷纷推出自己的高度自动驾驶商业化计划。 

        根据美国汽车工程师协会(SAE)的定义,汽车自动驾驶系统分为L0~L5共6个级别,L3级代表某些条件下的自动驾驶,L4和L5级则分别指高度自动驾驶和完全自动驾驶。 

        在国外,Google Waymo、通用、福特、奥迪、沃尔沃、英特尔-Mobileye等全球20多家企业均已宣称,2021年前后将实现L4级智能车量产。 

        “许多人认为2021年前后将是无人驾驶汽车的产业元年。”邓志东向《瞭望》新闻周刊举例说,2017年,Google Waymo已在美国凤凰城Chandler镇100平方英里范围内,对600辆克莱斯勒插电式混合动力L4级自动驾驶汽车进行社会公测,这是Waymo自动驾驶商业化落地的前奏。此外,通用的第四代量产型自动驾驶汽车Cruise AV,已经完全抛弃方向盘、制动和油门踏板,并向美国交通运输部提交安全申请,计划投资1亿美元在2019年实现量产。 

        在国内,多家科技公司宣称要研制L4级智能车或网联化智能车。专家介绍,中国市场2016年发布了未来自动驾驶的蓝图,在路线图中,2020年我们希望实现有条件自动驾驶,到2025年开始实现高度或完全自动驾驶汽车。 

        邓志东认为,2021年是无人驾驶汽车产业元年的另一个客观依据,是自动驾驶产业生态上游的第3代纯固态激光雷达,它是能够实现低成本、车规级量产目标的核心零部件之一。目前已出现许多工程样机甚至是车规级别的量产激光雷达样机,如美国Quanergy公司的S3、Velodyne公司的Velarray、Luminar公司1550纳米波长的大功率激光雷达。 

         

        L3级大规模商用还有多远 

        尽管业界研发L4级自动驾驶汽车的热情持续高涨,但现在L4级汽车相关的核心零部件大多达不到车规级,全世界也还没有合法生产上路的L4级汽车。 

        西班牙阿尔卡拉大学副校长、IEEE国际智能交通协会主席米格尔·安吉尔·索特洛认为,“现在媒体很多报道说一些智能车已经达到L4级,判断一个智能车达到L4级,要有很多应用案例在里面,不能只看在产业园区、物流里面的简单应用场景。未来5~10年可能才会实现L4级量产车。现在行业内只有奥迪在2017年发布了全世界第一款L3级量产车。” 

        专家认为,L4级无人驾驶和老百姓生活无缝对接尚需时日。现在能做到的只是辅助驾驶,主要开发L2、L3级自动驾驶汽车,这还不是完全可靠的自主驾驶。 

        奥迪于2017年发布了60km/h以下拥堵模式的L3级自动驾驶量产车,后续将有更多整车厂跟进。业内共识是,2020年将可实现L3级自动驾驶汽车的更大规模量产。具体而言,L3级指的是在某些特定的驾驶模式和环境下实现自动驾驶,系统正常工作时驾驶员无需负责车辆控制也无需注意驾驶情况,仅需要在系统提出干预需求时重新接管驾驶即可。 

        曹东璞向本刊记者举例说,L3级自动驾驶汽车能够在通过高速公路收费口后,到下高速之前,两者之间大部分时间车可以自动驾驶。但他同时强调,“虽然现在比较容易就能攒出一辆所谓的L3级自动驾驶样车,但要真正实现L3级智能车大规模量产,仍需迈过多道坎。 ” 

        智能汽车是一个集环境感知、动态决策与规划、运动控制与执行等多功能于一体的综合系统,相关研究涉及新一代人工智能、计算机科学、控制科学与工程、通信工程、车辆工程、测绘工程等诸多学科与领域,是典型的跨学科高新技术综合体,需要多方核心产业的合力支撑。 

        专家普遍认为,相比于国外企业踏实做事,国内企业提的概念很多,炒得很热,但真正沉下心来做基础应用研究、做硬件的还比较少,很多底层关键技术被欧美国家掌控,如先进激光雷达、高端自动驾驶芯片等关键零部件、底盘线控技术等。 

       “从产业链条来看,国内专业做雷达等传感器的公司离大规模量产商用仍需一段努力,同时面临着国外竞争对手的巨大压力。无人驾驶是新兴产业,产业链条上的大部分主体仍处在早期阶段。”曹东璞说。相比国内,国外围绕自动驾驶的产业生态正在快速形成之中。 

        在智能车产业生态中,上游关键零部件产业包括车规级的激光雷达及多模态传感器融合模组,以及自动驾驶芯片及车载计算机。从车规级的自动驾驶芯片及低功耗的车载计算机来看,主要有英伟达的DrivePX系列、英特尔-Mobileye的低功耗EyeQ系列。“全球人工智能芯片的最新排名,前三名分别是英伟达、英特尔、恩智浦。前15位里面有两家中国芯片企业,华为排名12,还有中国台湾的联发科,排名第15位。”邓志东向记者介绍。 

        自动驾驶企业的全球排名亦可见一斑。2017年,美国科技网站The Information发布了自动驾驶企业全球排名,综合评分5分以上的有17家企业,前三名是Google Waymo、Uber、戴姆勒,国内只有百度、滴滴出行两家企业上榜。 

         

        智能驾驶的挑战 

        而从更大的视角看,智能驾驶在产业链条以外需要解决的问题还有很多。人们认为,智能驾驶最大的挑战在于如何证明其安全性,这需要大量测试,甚至需要上亿小时的实际驾驶测试。 

        “一般来说,国内智能车路测数据的质、量与国外Google等公司都还有一定距离,像Tesla,是回收用户实际开车的数据。”曹东璞认为,国内研究,大部分是内部的测试,有的是在模拟器中模拟无人驾驶的小时数、公里数。 

        但模拟器不是现实环境,还需要在现实环境中做测试,这就导致奇高的测试成本。索特洛提到,目前欧美等国有非常多的倡议,主要目的是创造出一个环境,在未来两三年中通过实验室实验,缩短测试时间,但这需要模拟器比人的模拟更严格,达到99%的置信区间。 

        “无人车测试必须依赖虚拟采样测试来加大覆盖性,因为实际测试的时间和费用太高,我们接受不了。”清华大学自动化系副教授李力告诉记者,他们为此建立了与实际交通系统相平行的人工交通系统,来模拟和表示复杂系统的特定场景,以受控的形式产生更多因果关系明确、数据格式规整、便于探索利用的大数据。 

        曹东璞还提到,相比于国外将一个领域做到精细、深入,国内许多情况下对细节重视还不够。有时候,即便做到了99%,产品成败仍取决于最后的1%。他以智能车的人机交互向记者举例,“行驶中的L3级车需要驾驶员接管时,接管信息提示的设定就是一个很复杂的任务,提示信息少了可能驾驶员没有接收到,提示信息多了可能又会使驾驶员反感。小细节做不好会直接影响用户体验。” 

        此外,邓志东等专家认为,要实现无人驾驶并不是简单的技术问题,还涉及交通系统、道路设计等多个领域,是一个系统工程。由于深度学习方法缺乏对场景与目标的认知理解能力,因此必须借助于环境建模(高精地图),基于5G通信的云平台,利用车联网,以及智能交通系统、智慧城市的建设,方可加速推动L4级自动驾驶汽车产业的落地实践。 

        要解决的问题不止这些,还涉及标准、法律法规、成本等多项挑战。但在一些特定应用场景,产业界已经给出了答案。 

        在百度2018年人工智能开发者大会上,李彦宏宣布,全球首款L4级量产自动驾驶巴士“阿波龙”量产下线。这种自动接驳小巴车内没有方向盘和油门、刹车踏板等,车身感知系统安装有3个激光雷达、1个毫米波雷达、1套超声波雷达、1个双目摄像头、5个单目摄像头,以及定位系统、计算机硬件系统,可用于园区、厂区、景区、机场等简单受限道路场景。


    原始链接:http://page.palmtrends.com/show.php?id=NPPzglAaglM74

    作者:文/《瞭望》新闻周刊记者扈永顺