聽說真的紮根無人駕駛領域的CEO都在這裡討論Uber事件
美國時間周日晚上10點左右，Uber的一輛自動駕駛汽車沃爾沃 XC90 SUV在亞利桑那州Tempe市發生交通事故，與一名正在過馬路的行人相撞，行人在送往醫院後不治身亡。Uber車輛在撞上該行人時，正處在自動駕駛狀態，這是史上首例自動駕駛車輛在公開路面撞傷行人致死的案例。
初步調查發現，Uber的無人駕駛汽車當時以61公里的時速在限速56公里的區域內行駛，並沒有試圖剎車。警方在聲明中稱，Uber車輛在發生事故時處於自動駕駛模式，正往北行駛，一名女性在人行道外從西往東穿過一條四車道道路時被它撞倒。當時車上有一名安全員司機，沒有乘客。面對緊急情況，備份司機是否進行了干預動作，目前還不得而知。
為什麼會發生這樣嚴重的交通事故，這會對無人駕駛行業產生怎樣的影響？
全文共300字，閱讀約需9分鐘
黃明明，明勢資本創始合伙人
沒有人敢不贊同該回答
目前市面上能滿足車規的遠距離激光雷達產品在惡劣光照情況下的感知距離都不超過50米，包括此次Uber使用的Velodyne的64線感測器。以Uber時速61公里的車速來計算，50米的感知範圍反應時間僅為3秒，是絕對不夠安全員進行操作，也不夠汽車來進行反應。在基礎的冗餘性和安全性還不完全具備的情況下，就試圖主要依靠演算法直接上升到L4和L5級別，是科技上的大躍進，不利於整個行業的長遠發展。
任何科技的發展都不是一路凱歌高奏的，總是進步和曲折相伴。如果在 20 世紀，汽車賦予人類行動自由，那麼 21 世紀，自動駕駛汽車會賦予人類獨立於汽車的自由。先進效率替代落後生產力這個大勢是不可阻擋。但是，正如汽車帶來了負面效應，自動駕駛汽車也勢必會引發關於安全、網路安全、責任與公平的擔憂，需要從業者更審慎地思考。
下面，我們來聽聽來自明勢資本兄弟會的兩位CEO從不同技術角度給出的見解。
孫偉偉，流深光電創始人
一個不懂廣告植入的老實人
875 人贊同了該回答
謝邀！個人認為「Waymo 2018年開始商業化運營」，以及包括這次在內的、最近陸續出現的很多自動駕駛事故，其實給做激光雷達的創業團隊帶來了非常直接的壓力，同時也是極大的鞭策——自動駕駛的運營已經非常急切，對激光雷達的需求已經極為強勁而迫切——在這種現狀下，不論基於何種技術體制的激光雷達，都必須滿足如下兩點：
1、能迅速量產，自動駕駛汽車，大致可以分為感知層、演算法控制層、執行層，現狀是:執行層已經成熟，演算法控制層有了成熟的案例(如Waymo)，最短腿的，恰恰是最上游的「感知層」。感知層的短板，制約了自動駕駛大規模迅速落地。
因此，「能迅速量產」成為判斷何種激光雷達技術路線能否成功的關鍵。「自動駕駛產業，已經不能承擔起為創業者一個「黑科技」的idea再去花5年以驗證其技術能否成熟的代價了」。
今天就要技術成熟，今年就要能夠量產，不然你根本無法追趕Waymo的腳步。
2、性能強勁，沒有感知能力，是無法實現汽車自動駕駛的。而沒有好的感知能力，首先自動駕駛的性能體驗一定是不好的，更關鍵的是，其安全性就得不到可靠保證，也就必然會出現更多的安全事故。
好的激光雷達，可以讓汽車，看的更遠，看的更清，從而顯著降低自動駕駛演算法的難度。也正因為自研激光雷達強大的感知能力，使得Waymo的自動駕駛水平遙遙領先。
市場在售的激光雷達產品中，性能還遠未達到自動駕駛的需求——面對80km以上時速，至少需要300m以上的作用距離、優於0.2゜的角解析度。
而本次事故中，UBER車輛搭載了Velodyne的HDL-64激光雷達，其戶外實際路況下，其作用距離往往僅有七八十米，惡劣天氣下僅能達到四五十米，在高車速下，根本不能提供足夠的安全作用距離。其角解析度最高也只有0.33゜（還是理論值，由於實際裝調誤差，往往僅為0.5゜），對於該例中91米距離上的直立行人，僅能達到2-3個像素覆蓋，根據約翰遜準則，這剛剛達到探測極限，性能餘量非常不足。
對於無人駕駛的安全要求，我們的觀點是，自動駕駛應該「Better than Human」，即自動駕駛並不僅僅為了達到人類駕駛員的水平，而是要努力做到比人類駕駛員更好、更安全。
首先，人類並沒有機會去選擇自己身體上長出更好的感測器官。人眼，是自然進化產生的，僅能滿足於普通低速行走、奔跑，而不是為了時速100km的高速、複雜運動的精確控制所專門設計出來的。這一點，從「絕大部分交通事故，是人為因素造成的」，也可以反證，即——人眼不是理想的汽車駕駛用感測器。
其次，自然界中，能適應複雜場景下的高速運動控制、避障，其實是有先例的，就是蝙蝠，其進化出基於主動聲波測距原理的器官。而激光雷達測距，就是類似的原理。
因此，在技術可行、成本可控的條件下，更多安全冗餘感測器是完全必要的；「可以直接呈現真實3D場景的多線激光雷達，必然是未來很長一段時間內，自動駕駛最核心的感測器」。
宋陽，知行汽車創始人
細雨月日出，微風燕子斜
1320 人贊同了該回答
感謝邀請。
首先，無人駕駛技術有不同的路徑，不能完全只依靠人工智慧演算法。以人工智慧直接做L4、L5級別的自動駕駛，即使是百度、谷歌這樣的公司，都不能說自己是技術成熟的。「因為純做人工智慧演算法的自動駕駛，需要非常多的數據做訓練，要覆蓋到非常多的情況。而且即使有很多數據，也不一定能夠完全覆蓋極端情況。比如高速公路上風吹過來的易拉罐，它對於車載雷達是一個強反應源，這種情況可能路測多少萬公里也不一定能遇到，所以對於這種情況，人工智慧根本就沒有那麼多的數據樣本來做訓練，也就不會做很好的反應」。再比如，這次的這個人推著自行車切進來的角度是這個人工智慧演算法沒有遇到過的，那麼他就不可能被訓練出一個比較好的結果，這個時候沒有調動其他的演算法做補充，是一種不成熟的表現。
知行汽車的解決路線是採用專家演算法和人工智慧的配合，目前可以做到L3級別，對於四級的演示也可以做，但是我們距離真正的智能駕駛的上路還有一段距離。第一個從功能安全形度來講，做L4級別的話，要做到D級的功能安全，無論是在軟體和硬體，還是感知、決策、融合、控制執行的每一步都需要冗餘，這是一個很龐大的系統工程。
打個比方，雖然考駕照，可能只需要三個月的時間，但是對於怎樣處理這種突發情況，人是經過非常長時間的訓練，到了18歲的時候才有這樣的認知判斷能力。「道路上的很多情況是不同駕駛者之間的協調過程，是道路的使用者共同協商的結果。有一些特殊的行為模式，只有人才能夠去體會的，人工智慧演算法不一定完全能體會」。
Uber做的是L4、L5級別的自動駕駛，雖然有安全員，但安全員會覺得你這車達到L4、L5的水平了，他不會全神貫注地關注著車，他的意識和精力是分散的。在這種情況下，車本身要做L4、L5級別的功能安全，要對路上的情況進行功能分解。比如突然竄出行人，或前車突然掉下來一個紙箱。所有這些情況都要分析，對我使用者和對行人會造成什麼樣的影響。這次的情況有多種可能，一個是感知層沒感覺到，另一個是決策層沒有做正確決策，還有可能是剎車失控了，各種情況都有。但最大的可能性是Uber連一級自動駕駛對行人和自行車的自動緊急剎車都沒做好。當一級的自動駕駛沒有做好、冗餘沒有做好、功能安全沒有做好的時候，就要直接上L4、L5級別的自動駕駛，而且在公共道路上路測，就相當於是殺人機器，這是不合格的。
這次的事件對行業來說是一個挫折，但更是一個警醒。自動駕駛和無人駕駛是未來，沒有任何人可以阻擋這個趨勢，如果有人說不承認智能化、網聯化、電氣化和共享化這四個趨勢的話，那他一定會被這個行業所淘汰。但是我們做自動駕駛車，是要真正的腳踏實際的一個過程。
感謝兩位CEO的回答！未來明勢資本會推出更多CEO論道選題，歡迎大家繼續關注！
TAG:明勢資本 |