从ADAS到自动驾驶,我们还有多长的路要走?

作者:BENNY HAR-EVEN

过去,我们一直习惯于对未来难以实现的事情做出承诺。早在1968年上映的科幻电影《2001太空漫游》中,导演便向我们呈现了飞行员在木星轨道上发现黑色巨石的场景,然而直到50年后的2018年,美国才宣布重返月球计划。过去,我们也曾想过不需要道路,但现实是,司机懒洋洋地盯着导航而不关注窗外,导致那些会飞的车子事故频发。不过,1982年上映的电影《霹雳游侠》中,我们看到了四轮、无人驾驶的KITT霹雳车,成为电影中标志性的事物。直到今天,我们依旧对此着迷。那么,无人驾驶可能实现吗?显然,答案是肯定的。

从ADAS到自动驾驶,我们还有多长的路要走?

近年来,特斯拉创始人埃隆·马斯克不断讲述着自己的无人驾驶梦想,现在取得了一些成功,客户也开始为其“自动驾驶仪和全自动驾驶能力”买单。

然而,虽然自动驾驶仪是行业领先的L3自动驾驶系统,支持先进驾驶辅助系统(ADAS)功能,但要实现"全自动驾驶",它仍然有很长的路要走。

另一个麻烦是,撞车事件频发,甚至有些是致命的,为那些希望给自动驾驶汽车踩刹车的人提供了充足理由。虽然这些都很棘手,但从宏观上看,很明显,自动驾驶汽车是拯救生命所需的。人类通常并非好司机,全世界每年有135万人在公路上丧生。除了巨大的人力损失外,全球还花费5180亿美元来处理这些事故。解决这些问题意义非凡,在Imagination公司,我们正在努力开发许多基础技术,来达成这个目标。

ADAS 与自动驾驶

虽然自动驾驶汽车还未出现,目前道路上确实有很多新车配备 ADAS 功能,这非常有用。自适应巡航控制可以助力驾驶,有助于保持汽车的安全距离;自动紧急制动比人类反应更快,可以避免冲击;盲点检测,可以帮助避开驾驶员看不到的东西;速度摄像头预警,这在有些国家是合法的;车道偏离预警,可以避免漂移。L2汽车也可以在缓慢行驶的交通中前进和刹车,改变车道,走高速公路出口,所有这些都可以没有驾驶员的干预。

不过,驾驶员监控系统将注意力从道路上转向车内的薄弱点——驾驶员。正如Imagination公司首席营销官大卫•哈罗德(David Harold)所观察到的,“在这里,汽车不是在看外面的世界——它是在看着你。你怎么开车?你累了吗?很快,将会发展到情绪检测——你在生气吗?您是否面临路怒的风险?”当然,汽车将如何处理路怒情况仍待讨论:给你喷些冷水吗?播放一些詹姆斯 · 布伦特的音乐?那会让人更糟吗?

ADAS 要求驾驶员始终保持警惕和观察,并准备好接管方向盘(2020 年 1 月, 我在CES期间从Lyft上招乘了一辆"自动驾驶" 汽车,司机正是这样做的)。

现在,每辆出厂的特斯拉都搭载了他们的最新芯片,特斯拉官方声明,每辆车都有能力,至少在硬件方面,全自动驾驶,司机不必参与,可以信任汽车驾驶大部分旅程。《日经商业新闻》援引一家日本汽车公司的工程师的话说,这意味着特斯拉领先其它行业对手6年,这些对手还无法与之竞争。Imagination汽车总监杰米·布鲁姆(Jamie Broome)不太同意。“特斯拉比其他人做得更好的地方是专注,”他说。“他们做到这一点,交付东西也很快。他们愿意承担前进途中遇到的风险——准备着采用外来方案。”

Imagination人工智能总监安德鲁·格兰特(Andrew Grant)也认为,技术已经到位,可以更广泛地实现自动驾驶,即运行先进的神经网络,为自动驾驶算法提供动力。“目前在自动驾驶上我们(Imagination)处于独特的位置,拥有GPU 和多个神经网络加速器 (NNA)。”

Imagination 的单 NNA 内核能够提供高达 10 TOPS的算力。不过,行业某些参与者缺乏远见,格兰特指出,在与一些公司交谈时,他们很难理解为何需要性能如此高的神经网络。

从ADAS到自动驾驶,我们还有多长的路要走?

“人们无法真正理解为什么他们需要超过四个TOPS的处理能力,而现在我们可以将10 TOPS的核心组成集群,从而实现数百TOPS的算力。”格兰特指出,奥迪可能已经在一辆A8车上匹配特斯拉级的自动驾驶能力,但没有像特斯拉那样四处宣扬。

关键的区别是,那款A8是一辆展示车,而特斯拉已经把它的自动驾驶芯片装配在他们销售的每辆车中。正如马斯克公开说过的,“如果你买了一辆车,而它没有完全自动驾驶的硬件,就像买了匹马”。

格兰特同意这是每个汽车制造商都应该做的事情,只是自动驾驶的秘密不在硬件中,而是软件。虽然初始成本存在,但生产成本将随着规模经济而下降。

数据中的价值

现实情况是,硬件访问真正有价值的东西——数据,特别是真实世界的数据。这些数据将训练神经网络模型,使自动驾驶汽车成为可能。格兰特举了一个汽车的例子,系统相信它遇到了一辆“飞行自行车”。在分析这些数据时,汽车看到的是挂在自行车架上的自行车,但由于汽车相信看到一辆"飞行自行车"之前,还没有遇到过这种情况。一旦受过训练,将其添加到训练模型,每辆车都将了解这是什么。

布鲁姆认为:“自动驾驶的真正诀窍是收集数据。这是获胜的关键。市场上的汽车越多,收集的场景和情况的数据就越多,获胜的机会就越大。”他还举例说明算法如何从经验中学习,从而改善每个人的驾驶体验。他举的例子是特斯拉在自动驾驶模式时,行进中反复轻微制动,但这会引发乘客的不安。这是因为算法检测到其它车道上的汽车在轻微漂移,就像一个紧张的新司机,系统过度使用刹车,随着理解数据系统学习如何改进。

关于数据的另一个问题是谁拥有数据?自动驾驶汽车将产生大量数据,其中很大一部分将提供汽车所在位置,及其行驶速度。但是这些数据属于自动系统供应商、汽车制造商还是车主?甚至该如何定义车主?自动驾驶汽车将迎来拼车服务,如创新型初创企业Cruise正在拓展的业务,这将对汽车的所有权性质产生深远的影响。

未来五年

那么,这个行业能否联合起来与特斯拉竞争?首席功能安全工程师大卫•哈亚姆(David Higham)对此充满信心,他们将与其他制造商一起,准备5年的时间来打造真正的L4自动驾驶汽车。他还表示,消费者需要很长时间才能信任这些系统。“作为一名消费者,我不会盲目相信无人驾驶汽车,我需要一些证据来证明这些系统是安全的。”这与电子产品的设计与功能安全都有关,例如确保在发生随机意外错误(符合 ISO 26262)时不会发生灾难性故障,并符合实际用途——如即将到来的功能安全标准(SOTIF)所定义的那样。SOTIF是一个更通用的标准,旨在确保自动驾驶汽车不仅在机械上可靠,而且在使用时乘客和行人都是安全的。

显然,我们已经离自动驾驶汽车非常近了,但还需要更多汇聚更多的技术革新才能最终实现这一目标。汽车制造商需要更勇敢地加快创新硬件,将所创造的处理能力在道路上应用,并开始积累这些数据。又或者,抛弃霹雳车梦想,把这些都交给一家公司来实现。

原文链接:https://www.imgtec.com/blog/the-long-and-winding-road-to-autonomous-cars/

声明:本文为原创文章,转载需注明作者、出处及原文链接。

最新文章