自動駕駛有多難

近期接連不斷的特斯拉交通事故報道中，自動駕駛輔助系統AutoPilot成為經常出現的名詞。有人問：「特斯拉的車怎麼了？」在我們看來，或許並非車怎麼了，而是一項先進技術的運用策略怎麼了。因為，自動駕駛這件事真的不像廣告中看到、投資人理解的那麼簡單。

按照汽車智能化的進程表，自動駕駛是終極目標，沒錯。但未來真的已來？或者，還有半步之遙？無論特斯拉的AutoPilot系統或是為「自動駕駛」誕生的谷歌Waymo，要達到「完全自動駕駛」（即任何交通環境、時間下都可以自主安全行駛）都需要對三個「小問題」有更好的解決方案。

感知能力

讓一輛汽車擁有與健康人類一樣的駕駛感知能力，這是汽車自動化的基礎。特斯拉和Waymo分別選擇了攝像頭和LIDAR激光雷達技術作為各自的主導，在配合毫米波雷達等各類感測器後，甚至具有人類所沒有的「超視」能力——比如雨霧、黑暗天候或是車輛周邊。

但攝像頭依然存在局限，因為在車輛行進中即時處理攝像頭拍到的2D或偽3D畫面對計算機處理系統的要求非常高！LIDAR呢？雖然能通過激光掃描獲得真實的3D數據，但它的探測範圍太小、精度不高、價格昂貴。於是一些對人類來說簡單的問題，比如光影的突變、飛舞在路上的塑料袋，對自動駕駛汽車而言都是麻煩事兒。

除了視覺外的其他感知能力也是重要的，比如聽覺系統能幫助擁有高級駕駛技能的人發現某些視野範圍外的危險信號或警告聲......。據我們所知Waymo設置了聽取警笛聲的麥克風，特斯拉是否也有這方面考慮？但要聽懂多種聲音和語言、實現與人類完全一樣的感知能力絕非易事。

GIF

美國車主發現特斯拉AutoPilot可能「看不懂」某些複雜彎道

廠商還需要考慮，當一個攝像頭突然壞了，能依靠其他感測器獲得同樣的信息嗎？

預判能力

預判，對於駕駛至關重要，無論舒適度、經濟性還是安全性。優秀的人類駕駛者可以通過看到、聽到的一連串信息，快速做出對外界或自己的預判。比如靠肢體語言甚至視線焦點預測某個路邊行人的動作，或是對暴風雨後即將折斷的大樹做出判斷......。

面對這些情況，用機器預判，會進一步對信息處理的速度、數量有更高要求。因為要實現機器預判，要對每一個物體進行跟蹤分析，不僅僅是即刻發生的，還有前一秒的。

規劃能力

即便最散漫的人類駕駛員，也會在不知不覺中做出各種駕駛規劃。除了路線規劃那種常態行為，很多是突髮狀態下迅速決定的。比如在車流量極高的情況下匯入快車道或是山區遇到塌方前兆時，你都要做出規劃（決斷），加速、剎車、還是躲避？

總之，讓人最擔心的是，系統在這時候被」卡住了「。對於自動駕駛系統來說，預先導入什麼樣的駕駛策略意味著規劃能力的強弱，但那只是基礎。或許能自主學習並」根據地域交通特徵「實現策略的進化將更符合用戶的要求。

GIF

或許在AI和預設程序的幫助下可以達成大部分的駕駛規劃。但，那一小部分特殊情況呢？

看了這些，當得知美國某位「黑客」開發出僅1000美金、用手機完成感知的「自動駕駛儀」後，還會為他鼓掌嗎？

對於特斯拉和Waymo迥異的設計思路，你會選擇誰？

▼▼▼

自動駕駛科技方面進步有多快？

有人用美國最先進的F35戰機

與特斯拉的MODEL 3相比較

明天，我們以」分解到螺絲釘級「的拆解分析為你解讀

在特斯拉MODEL 3身上的重大發現！

敬請關注！

安易行

是美國WBI汽車基因解析合作夥伴，

致力於提供細分到車型的

數據分析、產品改進和營銷推廣解決方案

AnYiXing is partner of WBI

on automobile DNA analysis,

specialized in providing data analysis,

product improvement and

PR/marketing

promotion solution per detailed car models.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！