我們想看看汽車用人工智慧所面對的世界，卻意外地走進安迪·沃霍爾

2017-08-27 機器之能

博世寶馬原型車展示了沃霍爾式的世界，為未來的機器人汽車奠定基礎。從汽車製造向智能製造轉型的過程中，它扮演著技術方案中不可分割的一部分。

編譯 | Rik R 劉燕

自動駕駛汽車的一項必備技能是看清周圍的環境，不被幻覺錯視所迷惑。一輛車的觀察工具並非前照大燈，而是由金屬、玻璃和塑料部件製成的特殊設備，並依靠大量的計算能力來保持視覺能力，否則，汽車的大腦便不能在正確的時間做出正確的決策。

通過博世（ Bosch ）公司提供的一個自動駕駛原型車，我們可以了解汽車視覺的工作原理，順便領略德國的鄉村景象。更意外地是，我們還看到原來安迪·沃霍爾與未來的交通圖景之間會有這麼多共同點。

20/20 虛擬視覺

這個原型車的外觀看起來像是德國公路上隨處可見的寶馬 3 系列旅行車，那麼它有什麼特別之處嗎？落座副駕後，我們注意到擋風玻璃上安裝有許多攝像機、感測器和雷達，儘管我們被告知這次短途旅行只使用單眼相機。中心控制台有許多不同的輸入埠，其上還裝有一塊附加板，儀錶板上安裝著一個平板電腦。

這種技術相對簡單——至少理論上如此。安裝有攝像機的擋風玻璃負責記錄畫面，並將圖像發送到后座箱的計算機中。這些信息在到達車載大腦前，它們首先會被傳輸進英偉達公司生產的一個圖形處理單元（GPU）中。儀錶盤上的平板電腦只作演示之用。

人工智慧幫助我們的原型車將周遭環境分為 19 個類別。每個類別都由不同顏色標識，看起來像一種波普藝術。它知道街道和人行道之間的區別，並能夠識別各種各樣的物體，例如交通標誌、交通信號燈、行人和各類車輛，包括汽車、卡車和自行車。這輛原型車可以識別路況，像人類那樣判斷哪些情況可以安全駛過，哪些情況需要剎車。

這輛車能夠以驚人的速度和準確度識別出前方路況；不會把路牌錯當成一棵樹或是一個玩滑板的小孩。想想就覺得不可思議：我們正坐在一輛駕駛技術與自己不相上下的寶馬車中。

學習過程

原型車學習到的一切技能都來自於博世的研發部成員。

「我們有一個離線的訓練過程，」研究工程師 Dimitrios bariamis 在與《Digital Trends》的一次訪談中解釋道，「我們給汽車提供注釋過的圖像，比如：圖像的這部分有一個行人，這部分是一條街等等。然後我們把這些信息輸入到汽車中，並給它提供攝相機傳來的圖像，這些圖像已經根據之前學習到的參數被處理過了。系統知道圖像的這部分是一條街道，因為它看起來與之前在訓練過程中看到的那種街道一樣。」

Bariamis 和他的團隊已經向該系統輸入了成千上萬張屏幕截圖，這些圖像是取景自德國各個城市的車載視頻畫面，比如慕尼黑、法蘭克福和斯圖加特。他們還使用了戴姆勒公司城市景觀數據集（ Cityscapes Dataset ）中的圖片，該數據集也把世界分成了 19 個類別。這些被注釋過的圖像會在汽車行進的過程中幫助其學習，即使是行進在一個之前從未到過的小鎮。「人工智慧生成未知事物，」Bariamis 告訴我們。

該軟體甚至可以在暴雨天對周遭世界進行分類，但是它還沒有在雪天被測試過。Bariamis 很樂觀，他不認為雪會妨礙汽車視覺。現在，他的團隊已經確定，限制汽車視覺的因素只與它之前是否見過這種路況有關，還包括一些硬體問題。例如，該系統之前從未「看到過」公路的樣子，那麼它可能就無法識別出一個收費站。還有一種情況是，比如鳥類的分泌物遮擋住了攝像機鏡頭，那麼該車也會失去視覺能力。

該項目由博世前瞻性思維研發團隊負責，下一步推進方案完全取決於該公司的研發團隊以及客戶需求。

Bariamis 告訴我們，這種技術可以與較為基礎的駕駛輔助功能進行集成，比如自適應巡航控制、高級半自動軟體，甚至全自動汽車。最重要的是，它可以經過適當修改來用於各種用途。上文介紹的視覺軟體是將世界分為 19 種顏色，但如果你需要更詳細的信息，也可以添加更多類別，或刪去一些不需要的類別。

博世寶馬原型車展示了沃霍爾式的世界，為未來的機器人汽車奠定基礎。從汽車製造向智能製造轉型的過程中，它扮演著技術方案中不可分割的一部分。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！