自動駕駛卡車最可能實現Level 4,2022年依然等待自動駕駛汽車。

選自ACM

作者:Keith Kirkpatrick

機器之心編譯

編輯:杜偉、陳萍

自動駕駛一直是汽車領域的熱門話題,那麼現如今它發展到什麼程度了呢?全自動駕駛時代又何時到來呢?這篇文章提供了一些有用的洞見。

過去十年,技術和汽車專家預測全自動駕駛汽車「即將」到來,它們無需任何主動監控或人類駕駛員的輸入即可在公共道路上行駛。

伊隆·馬斯克曾預測特斯拉能夠於2021年底交付全自動駕駛汽車,不過他在2017年、2019年和2020年也做過類似的預測。

遺憾的是,每次預測都未能成真,主要是因為現實世界人們的安全擔憂,尤其是自動駕駛汽車如何在惡劣條件或情況下運行。

近日發表在Communications of the ACM上的一篇文章《Still Waiting for Self-Driving Cars》中,作者對當前各類自動駕駛汽車的發展現狀、自動駕駛面臨的技術難題、各家汽車制造商采用的自動駕駛方案以及在道德和監管層面需要做出的改變等諸多方面進行了綜述性分析。

自動駕駛汽車的現狀

盡管 2021 年10月特斯拉發佈了AutoPilot全自動駕駛《FSD》功能,但應承認,全自動駕駛汽車仍未出現。

相反,大多數汽車制造商提供的系統具備了國際汽車工程學會《SAE》定義的六個自主級別中的前三個,這六個自主級別范圍從Level 0《無駕駛自動化》到Level 5《所有條件下的全自動駕駛功能》。

現在,大多數新車具備一些Level 1駕駛輔助技術,包括自動剎車、車道保持輔助和自適應續航控制。

更加高級的系統,如特斯拉的 Autopilot 或者通用的Super Cruise,屬於Level 2級別,表明汽車可以自動控制速度和轉向,但需要駕駛員保持專註並在發生緊急情況時接管車輛。

本田和奧迪等其他制造商正專註於研發允許汽車完全控制的Level 3自動駕駛系統,但僅限於非常特定的情況,比如低速行駛、天氣良好或者在事先批準的道路上。

特斯拉Autopilot系統。

圖源:tesla

中佛羅裡達大學 Pegasus 教授和 Provost 傑出研究教授 Peter Hancock表示,很多汽車制造商都想要盡可能地超越Level 2和Level 3。

但是,最有可能具備Level 4功能的是自動駕駛長途卡車。

Hancock認為,由於全球卡車司機短缺,可能會更有力地推動自動駕駛卡車的開發,至少在美國州際公路上是這樣。

這些公路按照特定的設計標準建造,通常交通狀況良好,並且在相向交通之間設有物理障礙。

事實上,自動駕駛技術初創公司Aurora Innovation宣佈它正在建立一個Level 4自動駕駛系統,並計劃在2023年推出自動駕駛卡車業務,2024年推出自動駕駛叫車業務。

該公司向Communication表示,它已經與聯邦快遞、優步、豐田以及沃爾沃和PACCAR等卡車OEM合作開發合作夥伴生態系統《partnership ecosystem》,專註於將自動駕駛技術推向市場。

自動駕駛卡車最可能實現Level 4,2022年依然等待自動駕駛汽車。

自動駕駛卡車。

圖源:aurora

自動駕駛面臨的技術難題

種種跡象表明,自動駕駛的廣泛應用距離成為現實仍需等待數年時間,這主要是由於開發精確傳感器和攝像頭以及改進處理傳感器捕獲數據的算法時面臨著挑戰。

自動駕駛汽車的車載攝像頭和傳感器可以檢測到物理世界和車輛可能遇到的各種物體,比如道路標志、交通信號燈、其他車輛或行人、特定的車道標記、坑窪、碎片、爆裂的卡車輪胎、水坑等。

圖源:pexels

大多數系統采用自下而上的方法來訓練汽車導航系統,包括接受識別上文特定物體或條件的訓練。

然而,考慮到可能遇到的各種潛在物體以及物體移動或對刺激物《stimuli》做出響應的近乎無限的方式,比如由於照明條件、眩光或陰影,道路標志可能無法得到精確地識別;動物和人在面對迎面沖撞而來的車輛時做出不盡相同的反向。

所有這些使得訓練過程需要巨量的數據。

數據被饋入到AI訓練算法中,這些算法在設計時旨在幫助車輛解釋遇到的物體和行動,以安全地調整自身車速和位置,即使是在車輛未曾行駛過的道路上或者從未遇到過的物體。

但是,現在使用的算法仍然難以識別現實場景中物體。

比如,在涉及特斯拉Model X的一場事故中,車載感應攝像頭未能在明亮的天空中識別出卡車的白色側面。

不同車企采用不用的解決方案

許多自動駕駛汽車事故涉及所謂的「緊急情況,edge cases」,例如在道路上遭遇行人和動物,具有攻擊性的駕駛員進行破壞性駕駛或者駕駛員故意違反交通法規等緊急情況。

為了解決這些難題,研究人員正在研究高清 (high-definition,HD) 地圖系統,這類技術比GPS還要精確。

此外,研究人員還可以發展通信技術,使得車輛與公路上的基礎設施可以交互,以幫助自動駕駛汽車在這些緊急情況下保持安全。

圖源:pexels

然而,通信網絡具有延遲性。

奧迪、本田、豐田、沃爾沃和 Aurora Innovation 的自動駕駛開發團隊采用的方法是結合光檢測和測距技術,通常稱為激光雷達《LiDAR》。

Aurora 公司表示,他們已經設計了一款專有傳感器 FirstLight Lidar,它采用 FMCW《Frequency Modulated Continuous Wave》激光雷達,可以看到前方四分之一英裡《約 400 米》處的情況,還可以即時測量車輛周圍物體的速度。

這項技術的使用為自動駕駛系統提供了更多的時間來進行剎車或安全操作,尤其是重型自動駕駛卡車。

與此同時,自動駕駛初創公司Waymo正專註於提供叫車服務。

該公司表示,Waymo Driver自動駕駛技術在很大程度上是按照L4自動駕駛準則運行的,並細化了包括車道標記、交通標志、信號燈、路邊石和人行橫道等在內的地圖。

此外,該系統基於超過2000萬英裡的真實駕駛和超過200億英裡的模擬駕駛數據進行構建,使Waymo駕駛員能夠準確預測其他道路駕駛員、行人或物體可能會做什麼。

圖源:waymo

目前正在德國測試的一種潛在中間解決方案是利用遠程駕駛員來控制車輛。

總部位於柏林的初創公司 Vay 一直在柏林測試一支遙控電動汽車車隊,並計劃今年在歐洲甚至美國推出出行服務。

該服務允許客戶訂購一輛遙控汽車,並讓汽車將用戶帶到想要到達的目的地;如果車輛到達目的地,用戶下車,之後數英裡外的人類遠程駕駛員停放車輛或將其引導至下一個客戶,該公司聲稱其系統旨在滿足最新的汽車安全和網絡安全標準,並部署冗餘的硬件組件和蜂窩網絡連接。

行業觀察人士對這種遠程操作車輛是否安全持懷疑態度。

「延遲和連通性是一個大問題,盡管可能通過一些新技術或更先進的通信技術得到改善。

」技術和管理咨詢公司 kVA by UL 負責自動駕駛和功能安全的全球工程經理 Gokul Krithivasan說。

該公司主要從事關於自動駕駛汽車方面的安全和培訓,以及相關安全標準的制定。

雖然Krithivasan沒有特別評論Vay的模型或方法,但他表示,司機面臨的緊急情況通常是需要在幾毫秒內做出決定,而網絡冗餘導致的任何延遲問題可能會讓完全遠程的司機難以在緊急情況下做出響應。

「在SAE L4自動駕駛應用的典型實現中,遠程操作人員不需要連續控制車輛,而是需要執行或觸發自動控制邏輯中已經配置的適當的最小風險操作,」Krithivasan解釋道。

訓練一個可以理解人類行為的系統

然而,為了讓自動駕駛系統在所有駕駛場景中都能安全運行,仍然需要圍繞算法開發和測試進行,以確保車輛導航系統能夠處理道路中不同對象的交互情況,例如行人和司機的交互、司機和司機的交互。

通常,如果行人即將過馬路或正在過馬路,駕駛員和行人會進行眼神交流,並使用非語言提示來指示對方移動的方向和速度。

同樣,假如缺乏這種眼神交流,自動駕駛系統也應該會向駕駛員發出信號,表明行人或其他駕駛員沒有注意自己的駕駛,他/她應該采取規避措施以避免或減輕碰撞。

Hancock表示,我們可以訓練一個系統來識別這些線索,但這需要大量的計算量和訓練時間,可能花費數年時間才能開發出一個可靠和值得信賴的系統。

與此主題相關的一個大領域是感知功能支持,人類和自動化之間存在很大的感知差異。

我們通常能理解人類駕駛事故,而對自動駕駛事故感到困惑,所以,當我們看到一場人類駕駛事故時,我們會說,是的,我能理解這是怎麼發生的。

但當我們看到自動駕駛事故時,我們會說,好吧,這太荒謬了——我不知道那輛車怎麼會犯這樣的錯誤。

通常,人類駕駛員會積累足夠的經驗,可以安全地處理其他駕駛員做出的不合理或意外出現的情況,通常是通過減速、靠邊或簡單地保持其行駛速度和方向,以便人類、動物或其他車輛可以在自己周圍行動。

英國利茲大學應用行為建模主席 Gustav Markkula 說:當前的自動駕駛算法對人類行為沒有足夠復雜的隱含理解,以有效地處理交通中的交互。

在道路中人類之間有那種隱含的理解,例如司機了解行人在進行什麼,行人和司機進行交互以確保自身安全。

監管方面面臨的挑戰

全自動駕駛汽車商業化的最大障礙可能是道德和責任問題,例如如果自動駕駛汽車造成人員傷亡或財產損失,由哪一方承擔過錯。

多年來,美國政府拒絕監管特斯拉的 Autopilot 和通用汽車的 SuperCruise 等輔助駕駛系統。

不過這種趨勢正在改變,2021年6月,美國政府表示,所有汽車制造商必須報告涉及駕駛員輔助系統的撞車事故。

此外,美國國家公路交通安全管理局(NHTSA)於2021年8月啟動了一項調查,調查涉及特斯拉Autopilot導致的緊急車輛追尾事故。

此外,2021年10月,美國政府任命杜克大學研究自動駕駛系統的工程學教授Missy Cummings為NHTSA的高級安全顧問。

Cummings一直對特斯拉和聯邦政府對Autopilot等駕駛輔助系統的處理持批評態度。

盡管Cummings的任命不太可能促進政府立即制定相關規則,但 NHTSA長達五年的指南明確規定,如果自動駕駛系統顯示出可預見的違反駕駛安全證據,該機構有權進行幹預,這種情況經常出現在You-Tube視頻中,視頻中司機在駕駛座位上睡覺、玩遊戲或從事其他會轉移司機注意力的活動,盡管特斯拉的說明書中有警告。

完全自主的 L5 駕駛系統可能需要十年或更長時間,至少在部署到私人用戶和運營車輛方面。

技術問題、監管問題和持續的芯片短缺都成為阻礙完全自主系統發展的障礙。

完全自動駕駛可能會首先部署在商用車輛上,包括自動駕駛卡車、叫車服務和班車。

除了擁有購買這些車輛所需的資金外,商業實施更有可能將操作限制在特定的已知道路上,以及為自動駕駛車輛建立和執行公司特定的安全操作參數。

原文鏈接:https://cacm.acm.org/news/259392-still-waiting-for-self-driving-cars/fulltext