物联传媒 旗下网站
登录 注册
RFID世界网 >  新闻中心  >  物联网新闻  >  正文

无人驾驶急需解决两大问题:规划控制和传感器价格高

作者:本站收录
来源:中国工控网
日期:2018-12-05 09:43:15
摘要:无人驾驶技术在正常行驶的方面已经解决的很好,但是遇到一些异常情况,如出现一些行人不守交规,或者是一些极端情况的时候,我们怎么把长远的问题,通过算法处理好,这是一个挑战。

  当我们还在感慨驾驶是一件费心费力的事情时,无人驾驶技术的进步已经逐步开始了解放我们的双手到大脑的发展,在 O'Reilly 和 Intel人工智能 2018 北京大会上,营长与前百度硅谷研发中心创始核心成员李力耘博士聊了聊,李力耘表示目前无人驾驶技术上最亟待解决的技术是:是传感器的能力跟它的价值的平衡、无人驾驶的规划控制两大问题。

  图片来源:图虫创意

  无人驾驶发展的价值

  无人驾驶技术的发展,对人类来说不仅仅是解放了双手,还解放了大脑。我们的注意力不需要集中在驾驶上,这将为经济效益和社会效益带来极大进步。

  无疑在北京和美国硅谷这种交通环境下,开车对我们来说并不是一种享受,它需要花费很多的时间和精力,如果无人驾驶技术得到普及,可以把开车的时间解放出来,可以在车上查查邮件,看看新闻,甚至休息一下。另外,无人驾驶对经济的生态也会带来一些变化,例如无人产业链或许就会改变商圈的选址。

  数据显示,人类开车大概每百万公里的量级就会出现一次致命事故,无人驾驶发展至今,已经行驶上千万公里,发生了 Uber 的事故,相对来讲,无人驾驶反倒是比人类驾驶安全系数更高。

  无人驾驶取代司机是一个漫长的过程,可以看到,无人驾驶的测试是配备有司机的。如果无人驾驶技术得到普及,可以做整体全局上的智能城市的优化,比如说大家可以有一个集中的调度的系统,来优化去同样目的地人群,并提倡共享出行。

  无人驾驶技术不仅仅解放了人类的精力和效率,最终的方向是建立智慧城市,智能交通的规划,随着这种统筹的发展,也许司机的比例逐渐减少,但最终取代司机的这一天,可能还有很长的路要走。

  国内的测试环境更具挑战

  李力耘认为,美国现代的无人驾驶技术,还是远远领先于国内的,从加州交管局的汇报的数据可以看到,国内顶尖的 Apollo 与 Google Waymo 和 Uber 相比还是有一定差距的。

  另外一点, 无人驾驶的人才在美国硅谷比较多 ,这是一个非常重要的一个差别,Google Waymo、Uber 等都积累了很多无人驾驶的人才,国内在这方面仍处于刚刚开始积累的阶段。

  国内的测试环境更具有挑战,政府提供了很多的支持,无论是交管法规,还是技术设施,都给予很多的支持,加上中国人对新事物的接受程度很快,像这些移动支付,O2O 这种都是美国没见过的模式,国内很快接受了,在这方面有很大的优势。

  所以,在这种落地跟转化上中国的优势很大,美国是技术上的比中国积累的深厚,另外人才方面,随着中国人才渐渐的积累和爆发,最终差距不会很大。

  亟待解决的两大技术

  无人驾驶技术目前最亟待解决的技术有两个部分:

  第一,是传感器的能力跟它的价值的平衡问题

  据法国权威市场分析机构 Yole Développement 的统计,智能驾驶主要通过摄像头(长距摄像头、环绕摄像头和立体摄像头)和雷达(超声波雷达、毫米波雷达、激光雷达)实现感知的;当前最先进的智能汽车采用了 17 个传感器(仅指应用于自动驾驶功能),预计 2030 年将达到 29 个传感器。

  举个例子来说,激光雷达技术并不是「原子弹科技」,这项技术只是需要更多的沉淀,更多的精力来把它做的更好、更精。从技术上来说是存在成本降低的可能性。

  现在每一个激光雷达厂商都说,只要给我多大量,我就能把成本做下来,所以只要技术方案定下来,降成本是一定可以降的,它的更多挑战是怎么把这个雷达给沉淀更加稳定,更加精准、更加适合无人车的使用。

  第二,无人驾驶的规划控制

  无人驾驶技术在正常行驶的方面已经解决的很好,但是遇到一些异常情况,如出现一些行人不守交规,或者是一些极端情况的时候,我们怎么把长远的问题,通过算法处理好,这是一个挑战。

  或许无人驾驶测试几百万公里级别,才出现一次 Uber 事故的场景,无人车测试的时候也会尽量避免这样的事情,而在这个领域里面,规划控制和模拟器是可以发力的一个点。

  用模拟器和人工智能去检测一些车的极限能力,或者是在一些极端情况车辆的反应情况,这些场景往往不太能通过采集数据,或者通过正常的手段来进行学习跟测试的。

  对人工智能期待过高

  很多人都觉得人工智能不够「智能」,这是因为大家对人工智能的期待过高,从无人车的角度,人脑是一个神经网络,是经过了很多年迭代的,就是说你生下来的时候是一个设计好的网络,这个网络叫做基因跟生物学上的大脑。

  除此之外,比如说你长到 16 岁开始开车,其实你的大脑的感知已经训练了十几年了,你对这个世界的理解,不是说像无人车这样,弄很多图片,然后训练,人的大脑的感知能力是非常强大,所以,人工智能要真的能达到这个人的感知能力,还有很长的路要走。

  人工智能现在随着计算机视觉发展,在感知和预测上都有显而易见的应用,但是在决策规划上,应用并没有这么直接。随着人工智能的发展,决策规划也已经向有数据驱动的方向开始转变。

  通过采集人开车的数据,和机器开车数据的区别,来训练我们的算法。 让我们的算法开车越来越像人的行为,这是人工智能开始渗透到决策规划的一个方向,未来有一天人工智能也会成为决策规划上一个主流的算法。

  各个城市关于无人驾驶的法规刚刚出台,目前还没有那么健全,但这也是拥抱无人驾驶技术变化的一个很好的体现。另外在这些法规的督促下,更合法又有效去的去提高整个系统的稳定性和能力,然后把这个系统做的更好。

  很多人将无人驾驶技术发展看作是技术与法律的博弈,其实这更像是一个互相发展、互相适应的过程。