芯耀
777
“無(wú)人駕駛”與“自動(dòng)駕駛”，傻傻分不清楚？就在之前的一篇文章中，引用了王傳福的一句話(huà)，其說(shuō)的是無(wú)人駕駛是“扯淡”（相關(guān)閱讀：無(wú)人駕駛是“扯淡”？是皇帝的新裝？），隨后也有小伙伴問(wèn)，無(wú)人駕駛和自動(dòng)駕駛有什么區(qū)別？為什么現(xiàn)在一直都在聊自動(dòng)駕駛，卻鮮少有企業(yè)提無(wú)人駕駛？今天智駕最前沿就圍繞這個(gè)話(huà)題和大家簡(jiǎn)單聊聊。
自動(dòng)駕駛和無(wú)人駕駛有什么關(guān)聯(lián)？
人們對(duì)于自動(dòng)駕駛汽車(chē)的夢(mèng)想其實(shí)已經(jīng)有近一個(gè)世紀(jì)了，普遍被人認(rèn)可的第一輛“自動(dòng)駕駛”汽車(chē)是Stanford Cart（斯坦福汽車(chē)）。它最早建于1961年，它可以利用攝像頭和早期的人工智能系統(tǒng)來(lái)繞過(guò)障礙物。
隨后自動(dòng)駕駛的研究就一直沒(méi)有停步，大家非常向往無(wú)人駕駛的場(chǎng)景的，甚至認(rèn)為無(wú)人駕駛在不久便會(huì)成為現(xiàn)實(shí)。但隨著多年的技術(shù)推進(jìn)，很多企業(yè)都發(fā)現(xiàn)無(wú)人駕駛是非常難實(shí)現(xiàn)的，即便到了2025年，自動(dòng)駕駛依舊停留在早期階段，駕駛員的角色很難被系統(tǒng)完全替換。
嚴(yán)格來(lái)說(shuō)，自動(dòng)駕駛是一個(gè)寬泛的技術(shù)范疇，涵蓋了從初級(jí)駕駛輔助（如自適應(yīng)巡航、車(chē)道保持）到高度自動(dòng)化駕駛甚至完全無(wú)人駕駛的全過(guò)程。而無(wú)人駕駛則專(zhuān)指完全無(wú)需人類(lèi)介入、具備全場(chǎng)景自主決策能力的L5級(jí)別駕駛系統(tǒng)，是自動(dòng)駕駛技術(shù)的終極目標(biāo)。目前業(yè)內(nèi)大多數(shù)實(shí)際應(yīng)用和商業(yè)化產(chǎn)品仍停留在L1至L3級(jí)別，也就是所謂的“高階智駕”階段，而真正意義上的無(wú)人駕駛離我們的日常生活還存在一段較長(zhǎng)的路要走。
自動(dòng)駕駛的技術(shù)演進(jìn)
自動(dòng)駕駛的技術(shù)路徑并非一成不變，其中經(jīng)歷了單車(chē)智能與車(chē)路協(xié)同之間的路徑選擇，還有過(guò)純視覺(jué)與激光雷達(dá)之間的感知競(jìng)爭(zhēng)，更經(jīng)歷了重高精度地圖到輕地圖重感知的方案變化，到現(xiàn)在，端到端技術(shù)的崛起，讓自動(dòng)駕駛技術(shù)又進(jìn)入了一個(gè)新的發(fā)展周期。
從技術(shù)架構(gòu)上來(lái)看，自動(dòng)駕駛都離不開(kāi)環(huán)境感知、決策規(guī)劃和控制執(zhí)行3大模塊，只是實(shí)現(xiàn)形式一直在變化。早期的自動(dòng)駕駛系統(tǒng)較多依賴(lài)于高精度地圖數(shù)據(jù)，借助詳盡的道路結(jié)構(gòu)、車(chē)道標(biāo)識(shí)、交通信號(hào)等靜態(tài)信息，結(jié)合定位和路徑規(guī)劃實(shí)現(xiàn)輔助駕駛。但隨著傳感器技術(shù)和人工智能算法的突飛猛進(jìn)，業(yè)界逐漸轉(zhuǎn)向“輕地圖、重感知”的發(fā)展思路。所謂“輕地圖”，即不再依賴(lài)于高精度、靜態(tài)的地圖數(shù)據(jù)，而是通過(guò)實(shí)時(shí)感知和動(dòng)態(tài)數(shù)據(jù)融合來(lái)實(shí)現(xiàn)環(huán)境理解和路徑?jīng)Q策，這種轉(zhuǎn)變背后的核心動(dòng)力是傳感器融合與深度神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)了高速發(fā)展。
“輕地圖”下的環(huán)境感知模塊通過(guò)攝像頭獲取的圖像數(shù)據(jù)、激光雷達(dá)提供的點(diǎn)云信息以及雷達(dá)的距離測(cè)量數(shù)據(jù)，經(jīng)過(guò)預(yù)處理、特征提取和融合處理后，構(gòu)建出周邊環(huán)境的實(shí)時(shí)模型。相較于依賴(lài)高精度地圖預(yù)設(shè)信息的傳統(tǒng)方法，這種基于重感知的方法更加靈活，能夠在面對(duì)道路施工、臨時(shí)障礙物或者環(huán)境變化時(shí)迅速做出反應(yīng)。
深度學(xué)習(xí)模型在這一過(guò)程中發(fā)揮了關(guān)鍵作用，卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等算法不僅能夠?qū)崿F(xiàn)對(duì)復(fù)雜場(chǎng)景中的物體識(shí)別和分類(lèi)，還能夠預(yù)測(cè)交通參與者的行為，提前為車(chē)輛決策提供預(yù)警信息。與此同時(shí)，基于強(qiáng)化學(xué)習(xí)和多任務(wù)學(xué)習(xí)的決策算法也在不斷完善，通過(guò)對(duì)海量真實(shí)道路數(shù)據(jù)的訓(xùn)練，系統(tǒng)逐步具備了在復(fù)雜交通環(huán)境下自主規(guī)劃行駛路線(xiàn)和應(yīng)對(duì)突發(fā)情況的能力。
而在決策與控制環(huán)節(jié)，傳統(tǒng)的規(guī)則驅(qū)動(dòng)方法已經(jīng)逐步讓位于數(shù)據(jù)驅(qū)動(dòng)和模型預(yù)測(cè)控制（MPC）的先進(jìn)技術(shù)?；谏疃葟?qiáng)化學(xué)習(xí)的策略網(wǎng)絡(luò)能夠?qū)崟r(shí)生成最優(yōu)的控制指令，實(shí)現(xiàn)平滑而高效的車(chē)輛運(yùn)動(dòng)。這一過(guò)程中，傳感器的實(shí)時(shí)數(shù)據(jù)起到了至關(guān)重要的作用，使得系統(tǒng)在面對(duì)不斷變化的路況時(shí)能夠快速調(diào)整行駛策略。值得一提的是，端到端駕駛技術(shù)雖然在學(xué)術(shù)界引起了廣泛關(guān)注，但其“黑箱”特性和安全性驗(yàn)證問(wèn)題使得商業(yè)化應(yīng)用仍存在較大挑戰(zhàn)。相比之下，當(dāng)前大多數(shù)自動(dòng)駕駛系統(tǒng)仍然采用模塊化設(shè)計(jì)，在每個(gè)子系統(tǒng)之間設(shè)置嚴(yán)格的安全冗余和容錯(cuò)機(jī)制，從而保證在個(gè)別模塊出現(xiàn)異常時(shí)，整車(chē)依然能夠安全運(yùn)行。
為何無(wú)人駕駛難以實(shí)現(xiàn)？
從硬件層面看，傳感器的性能和成本一直是制約無(wú)人駕駛技術(shù)普及的重要因素。雖然激光雷達(dá)能夠提供高精度的深度信息，但其高昂的價(jià)格和在惡劣天氣條件下的性能衰減，使得車(chē)企紛紛探索利用性?xún)r(jià)比更高的攝像頭和毫米波雷達(dá)組合進(jìn)行多重冗余的方案。計(jì)算平臺(tái)的不斷升級(jí)和專(zhuān)用芯片的推出，也為實(shí)時(shí)數(shù)據(jù)處理和復(fù)雜神經(jīng)網(wǎng)絡(luò)的運(yùn)行提供了堅(jiān)實(shí)的硬件支持。車(chē)載計(jì)算平臺(tái)如今不僅需要支持傳統(tǒng)的數(shù)據(jù)采集和處理，還要兼顧深度學(xué)習(xí)算法的大規(guī)模并行計(jì)算任務(wù)，從而實(shí)現(xiàn)毫秒級(jí)的反應(yīng)速度。這種高性能計(jì)算與傳感器數(shù)據(jù)的緊密結(jié)合，正是“重感知”理念得以實(shí)現(xiàn)的基礎(chǔ)，也是未來(lái)無(wú)人駕駛技術(shù)突破瓶頸的重要支撐。
在軟件層面，算法的優(yōu)化與安全性驗(yàn)證也是無(wú)人駕駛實(shí)現(xiàn)的一大阻礙。自動(dòng)駕駛系統(tǒng)必須在面對(duì)各種復(fù)雜和極端場(chǎng)景時(shí)，保證系統(tǒng)能夠做出準(zhǔn)確判斷，避免因算法失誤導(dǎo)致交通事故。為此，業(yè)界在開(kāi)發(fā)過(guò)程中大量采用仿真測(cè)試與真實(shí)道路測(cè)試相結(jié)合的方法，通過(guò)不斷迭代優(yōu)化神經(jīng)網(wǎng)絡(luò)模型、修正邊緣場(chǎng)景中的失效模式，同時(shí)引入多層次的不確定性建模和置信度評(píng)估機(jī)制。軟件層面的安全驗(yàn)證不僅包括對(duì)感知、決策和控制模塊的獨(dú)立測(cè)試，還需要進(jìn)行系統(tǒng)級(jí)的綜合仿真與硬件在環(huán)測(cè)試，以確保在實(shí)際應(yīng)用中每一個(gè)環(huán)節(jié)都具有足夠的容錯(cuò)能力。特別是在無(wú)人駕駛的研發(fā)過(guò)程中，如何在算法層面保證“零容忍”錯(cuò)誤，是需要重點(diǎn)考量的一大因素。這不僅要在數(shù)據(jù)集上不斷擴(kuò)充訓(xùn)練樣本，更需要在系統(tǒng)架構(gòu)上設(shè)計(jì)出多重安全保護(hù)機(jī)制，使得系統(tǒng)在遇到無(wú)法識(shí)別的邊緣場(chǎng)景時(shí)，能夠自動(dòng)切換到安全模式，迅速完成車(chē)輛的穩(wěn)控與停靠操作。
盡管技術(shù)上取得了諸多突破，自動(dòng)駕駛與距離無(wú)人駕駛依舊有很長(zhǎng)一段路要走。自動(dòng)駕駛作為一個(gè)漸進(jìn)過(guò)程，其目標(biāo)是在現(xiàn)有的輔助駕駛基礎(chǔ)上不斷提升系統(tǒng)的自主決策水平，實(shí)現(xiàn)從半自動(dòng)駕駛到高度自動(dòng)駕駛的過(guò)渡。而無(wú)人駕駛則要求系統(tǒng)能夠在任何復(fù)雜環(huán)境下全權(quán)自主決策，達(dá)到無(wú)需人為干預(yù)的余地。這就要求無(wú)人駕駛系統(tǒng)在各個(gè)層面都達(dá)到極高的安全標(biāo)準(zhǔn)，不僅需要在感知算法上實(shí)現(xiàn)對(duì)細(xì)微變化的精確捕捉，還需要在決策規(guī)劃上具備足夠的預(yù)判能力和應(yīng)急處理策略。雖然現(xiàn)在部分L4級(jí)別的測(cè)試系統(tǒng)已經(jīng)在限定區(qū)域內(nèi)實(shí)現(xiàn)了較為穩(wěn)定的表現(xiàn)，但要達(dá)到L5無(wú)人駕駛的理想狀態(tài)，仍需要在傳感器精度、算法魯棒性以及系統(tǒng)冗余設(shè)計(jì)上繼續(xù)突破。目前車(chē)企和科研機(jī)構(gòu)正積極推進(jìn)這一進(jìn)程，通過(guò)不斷優(yōu)化深度學(xué)習(xí)模型、完善傳感器融合技術(shù)以及構(gòu)建更加嚴(yán)謹(jǐn)?shù)陌踩]環(huán)，為無(wú)人駕駛技術(shù)的未來(lái)打下堅(jiān)實(shí)基礎(chǔ)。
總結(jié)
無(wú)人駕駛作為自動(dòng)駕駛的最高目標(biāo)，要求在現(xiàn)在的自動(dòng)駕駛技術(shù)基礎(chǔ)上進(jìn)一步提升系統(tǒng)的自主決策能力和安全容錯(cuò)水平，隨著深度學(xué)習(xí)、傳感器技術(shù)和車(chē)載計(jì)算平臺(tái)的不斷演進(jìn)，自動(dòng)駕駛系統(tǒng)必將逐步實(shí)現(xiàn)從輔助駕駛向全自動(dòng)駕駛的轉(zhuǎn)變，而無(wú)人駕駛的理想也會(huì)隨著技術(shù)的不斷成熟而逐步走向現(xiàn)實(shí)。對(duì)于車(chē)企而言，如何在追求技術(shù)突破的同時(shí)，確保每一個(gè)環(huán)節(jié)都具備足夠的安全保障，才是未來(lái)發(fā)展的關(guān)鍵；對(duì)于監(jiān)管機(jī)構(gòu)和消費(fèi)者來(lái)說(shuō)，理性認(rèn)識(shí)自動(dòng)駕駛技術(shù)的發(fā)展階段，既不盲目炒作也不過(guò)分擔(dān)憂(yōu)，才能共同推動(dòng)整個(gè)行業(yè)向著更安全、更高效的智能出行方向邁進(jìn)。
