<mark id="oztn4"></mark>
0
| 本文作者： 易建成 | 2017-07-04 18:03 |
雷鋒網(wǎng)按：今年是 CICV（中國國際智能網(wǎng)聯(lián)汽車技術(shù)年會(huì)）舉辦的第四年，這個(gè)被業(yè)內(nèi)譽(yù)為智能網(wǎng)聯(lián)行業(yè)最有影響力的技術(shù)年會(huì)，內(nèi)容也從 ADAS 擴(kuò)展到智能網(wǎng)聯(lián)汽車各方面的技術(shù)，如傳感器開發(fā)與智能安全系統(tǒng)、人工智能與自動(dòng)駕駛、高精度地圖與定位、V2X等等。
今年大會(huì)的主題重點(diǎn)討論的是 L3 自動(dòng)駕駛汽車的量產(chǎn)問題。在 CICV 年會(huì)期間，中國工程院院士、歐亞科學(xué)院院士、中國人工智能學(xué)會(huì)理事長李德毅就這一話題帶來了主題演講：L3 的挑戰(zhàn)與量產(chǎn)。以下內(nèi)容由雷鋒網(wǎng)編輯與整理（有刪減）：
近年來，汽車輔助駕駛空前繁榮，從輔助人工駕駛(L1）轉(zhuǎn)型到部分自動(dòng)駕駛（L2）、再到機(jī)器自動(dòng)駕駛（L3），從早先的預(yù)警、提醒駕駛員跨越到機(jī)器自駕為主、固定駕駛員的角色不復(fù)存在，L3量產(chǎn)的勢(shì)頭不可阻擋，也為位置服務(wù)業(yè)（LBS）開辟了新戰(zhàn)場(chǎng)。
目前幾乎所有路上的自動(dòng)駕駛汽車都還處在 L2 等級(jí)，都要由人掌控，包括特斯拉在內(nèi)。美國加州車管局發(fā)布的 2016 年度自動(dòng)駕駛報(bào)告中，最高水平的 0.2 次/千英里的干預(yù)頻率，屬于哪一級(jí)別的自動(dòng)駕駛？
汽車自動(dòng)駕駛時(shí)，可以有時(shí)釋放人的腳，有時(shí)釋放人的手，甚至可以同時(shí)釋放人的手和腳。但可不可以釋放人的注意力，釋放人的駕駛認(rèn)知？
糟糕的是，越是信任自動(dòng)駕駛，越容易造成駕駛員注意力不集中。因此，不能釋放駕駛員認(rèn)知的所有自動(dòng)，都不能稱之為自動(dòng)駕駛。
從 L2 到 L3 的跳躍，是掌控權(quán)由人轉(zhuǎn)移到機(jī)器，難在哪里？這里有三點(diǎn)質(zhì)疑：自動(dòng)駕駛等級(jí)轉(zhuǎn)換點(diǎn)如何估量？掌控權(quán)交接點(diǎn)如何度量？掌控權(quán)交接過程中的事故如何度量？
在國際汽車工程師協(xié)會(huì) J3016 標(biāo)準(zhǔn)中，唯 L2 到 L3 的跳升是質(zhì)變，明確了駕駛掌控權(quán)由人轉(zhuǎn)移到車，跳升的界定很明確。
L3 的挑戰(zhàn)和量產(chǎn)，實(shí)際上應(yīng)對(duì)的是自動(dòng)駕駛車上路要獲得駕照，是底線要求。至于 L3、L4、L5 的差別，是獲得駕照的自動(dòng)駕駛車的技巧和經(jīng)驗(yàn)積累的多少而已。
可以說汽車人已經(jīng)把汽車?yán)锏淖詣?dòng)控制做到了極致，同時(shí)也觸碰到了自動(dòng)化的天花板。光靠自動(dòng)化解決不了無人駕駛。于是，人工智能來了。
汽車是在開放的不確定的環(huán)境下行駛，人工駕駛常常會(huì)遇到偶發(fā)的大霧、大學(xué)、大雨、大風(fēng)等天氣狀況：
狹小胡同、崎嶇小道、傍山險(xiǎn)路、積水、涉水、賓雪、低劣、地陷等道路狀況：紅綠燈失效、道路施工、事故突發(fā)、行人違規(guī)、車輛醉駕、熙熙攘攘農(nóng)貿(mào)集散區(qū)通行狀況。連新手駕駛員都難以完成這些駕駛?cè)蝿?wù)，經(jīng)驗(yàn)駕駛員往往能夠靈活處置，而自駕車如何應(yīng)對(duì)呢？
一旦突破了自動(dòng)駕駛所設(shè)置的窗口條件，如地理柵欄、氣候柵欄、以及人文地俗柵欄，馬上需要進(jìn)行駕駛掌控權(quán)的交接。在這樣的交接過程中的事故也許比純粹的人工駕駛更危險(xiǎn)。
那么，L3 的基本問題是要解決車的問題，還是解決人的問題？
這里的「車」是指把車越做越好，做成軟件定義的機(jī)器，實(shí)現(xiàn)自動(dòng)駕駛。而「人」是指把駕駛員的認(rèn)知用機(jī)器人替代，是有記憶、決策和行為能力的人之主題，實(shí)現(xiàn)自主駕駛，有技巧，有個(gè)性。
一個(gè)事實(shí)是，汽車是從馬車演變而來，作為動(dòng)力工具，汽車的馬力可達(dá)到 100 匹馬力，但汽車遠(yuǎn)遠(yuǎn)不如馬車應(yīng)對(duì)不同負(fù)荷、不同天氣、不同路面、不同車輛情況下的適應(yīng)能力。汽車的感知、認(rèn)知能力遠(yuǎn)遠(yuǎn)不如馬這個(gè)認(rèn)知主體，老馬識(shí)途，車不如馬。
*案例：超車并道工況中的預(yù)測(cè)和控制
在自動(dòng)駕駛過程中，駕駛員和周邊車輛的交互認(rèn)知哪里去了？駕駛員的經(jīng)驗(yàn)和臨場(chǎng)處置能力由誰來替代？由此一個(gè)重要結(jié)論是：自動(dòng)駕駛，好在專注，永不疲勞。自動(dòng)駕駛，難在擬人，不僅在車。
人在回路中的預(yù)測(cè)與控制被駕駛腦取代
如果要釋放駕駛員的注意力，釋放駕駛員的駕駛認(rèn)知，必須要有一個(gè)物化駕駛員在線認(rèn)知的智能代理——駕駛腦，否則難以自動(dòng)。
駕駛員腦不等于駕駛腦。前者裝了太多東西，會(huì)分散注意力，會(huì)疲勞。后者僅僅用于駕駛，永遠(yuǎn)專注，永不疲勞。有了駕駛腦，「人類第一殺手」的罪名將不復(fù)存在。
我們將汽車上所有的傳感器分成四大類：它相當(dāng)于人的眼睛、耳朵、鼻子，來感知周圍的景觀。
駕駛過程中，駕駛員在回路中的預(yù)測(cè)與控制是汽車自身無法替代的。輪式機(jī)器人駕駛腦應(yīng)運(yùn)而生，它不同于雷達(dá)等傳感器的感知，要去完成包括記憶認(rèn)知、計(jì)算認(rèn)知和交互認(rèn)知在內(nèi)的駕駛認(rèn)知，成為智能車產(chǎn)業(yè)化鏈條中的重要零部件，車載機(jī)算機(jī)和機(jī)器人操作系統(tǒng)也無法替代。
駕駛腦自主應(yīng)對(duì)駕駛過程中常常遇到偶發(fā)的各種各樣的不確定性。可利用微電子技術(shù)、采用 CPU+GPU+FPGA+ASIC 架構(gòu)生產(chǎn)專用芯片和板卡，研發(fā)駕駛腦。
我們比任何時(shí)候都更需要研究駕駛員，學(xué)習(xí)駕駛員，分析駕駛員行為大數(shù)據(jù)，構(gòu)建駕駛員的智能代理——駕駛腦。
經(jīng)驗(yàn)駕駛員不但要符合駕規(guī)，安全行駛，文明行駛，其經(jīng)驗(yàn)還體現(xiàn)在節(jié)能技巧、駕乘舒適性、對(duì)不同動(dòng)力學(xué)的車輛適應(yīng)性等方面。
世界上駕駛員的經(jīng)驗(yàn)和行為，如同人的行走姿態(tài)，各各不同，可用駕駛行為作為駕駛員的身份識(shí)別，成為駕駛指紋。而標(biāo)桿駕駛員是經(jīng)驗(yàn)駕駛員中的杰出代表。
智能車研發(fā)的困難，不僅僅是汽車動(dòng)力學(xué)的性質(zhì)和各種各樣的傳感器要求，更重要的是要研發(fā)和駕駛員一樣在線的「機(jī)器駕駛腦」，模擬實(shí)現(xiàn)人在回路的自主預(yù)測(cè)和控制，應(yīng)對(duì)車輛行駛中的不確定性。
將人在回路中的自主駕駛讓車廠去模擬，是難以承受之重。把機(jī)器駕駛腦的研發(fā)讓車廠去做，是難以承受之重。
集圖靈獎(jiǎng)、諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)和美國心理學(xué)會(huì)終身成就獎(jiǎng)于一身的人工智能早期學(xué)者赫伯特·西蒙（Herbert.A. Simon）的工作啟發(fā)了我們，有了線控、數(shù)控汽車，通過深度學(xué)習(xí)，挖掘駕駛員對(duì)方向盤、動(dòng)力踏板、制動(dòng)踏板的駕駛行為大數(shù)據(jù)，就可以判斷并獲得特定駕駛員技巧的個(gè)性。駕駛技巧和開車目的地?zé)o關(guān)。
傳統(tǒng)汽車僅僅是駕駛員手、腳和力量的延伸，控制車輛行為的是人。線控汽車裝備了傳感器之后，用駕駛腦提到駕駛員認(rèn)知，并獲得駕駛指紋和駕駛技巧，使得汽車成為駕駛員自己、或者說讓機(jī)器成為自己，這應(yīng)該是人工智能時(shí)代最有意義的問題之一。
關(guān)于駕駛腦的暢想，不同的駕駛腦，認(rèn)知水平可以有差異，技巧和經(jīng)驗(yàn)也可以有不同，但都具備了基本的駕駛認(rèn)知能力，是獲得了駕照的自動(dòng)駕駛。
截止 2016 年底，中國產(chǎn)銷汽車超過 2680 萬輛，年產(chǎn)銷量再創(chuàng)全球歷史新高，汽車保有量達(dá)到 2.79 億輛左右，它們都用于什么樣的場(chǎng)景？
對(duì)于自動(dòng)駕駛：
不必將全球所有地域的道路狀態(tài)，都?jí)涸谝惠v特定的車型上；
不必將所有天候條件的應(yīng)對(duì)，都?jí)涸谝惠v特定的車型上；
不必將人類駕駛員的所有駕駛認(rèn)知，都物化濃縮在一個(gè)特定的機(jī)器駕駛腦里；
在特定應(yīng)用場(chǎng)景下，自駕車能否取代駕駛員掌控，取決于能否處置特定場(chǎng)景下的意外情況，能否發(fā)出求助信息要求人工干預(yù)，或者在迫不得已的時(shí)候作出最小損失的決策。
這其中，無人泊車對(duì)解決無人駕駛「最后一公里」的痛點(diǎn)，地位重要。從當(dāng)前的代客泊車市場(chǎng)預(yù)估無人泊車，有很大后裝市場(chǎng)（百億元規(guī)模）。
泊車通常是怠速狀態(tài)，四輪軌跡差異大，體現(xiàn)車輛動(dòng)力學(xué)。泊車工況多樣，手腳并用，繁忙切換，考驗(yàn)小腦，考驗(yàn)駕駛技巧，難搞定；可模擬多種多樣艱難泊車環(huán)境，但用地不大。
讓標(biāo)桿駕駛員反復(fù)泊車，可獲得精準(zhǔn)軌跡和豐富的行為數(shù)據(jù)，用于深度學(xué)習(xí)和訓(xùn)練。
*被李德毅院士稱贊的智行者推出的用于特定應(yīng)用場(chǎng)景的無人配送物流車，搭載速騰聚創(chuàng)16線激光雷達(dá)
如同駕駛員的經(jīng)驗(yàn)是逐漸積累的一樣，從有限分為的特定應(yīng)用的自動(dòng)駕駛車型開始量產(chǎn)，逐漸拓廣，是一條務(wù)實(shí)的、接地氣的路線。
在未來，汽車成為大數(shù)據(jù)的源泉，移動(dòng)社會(huì)的傳感器。駕駛腦有學(xué)習(xí)和自學(xué)習(xí)能力，技巧和經(jīng)驗(yàn)可以在線提升，駕駛腦智能的進(jìn)化速度超過自然人。
全球現(xiàn)有 70 億人、 20 億輛車，年產(chǎn)新車 1 億輛，一旦量產(chǎn)自動(dòng)駕駛汽車上路，且占比越來越大，駕駛腦成為汽車必配，加之智能網(wǎng)聯(lián)崛起，駕駛數(shù)據(jù)和智能越來越累積，駕駛腦越來越聰明，L3 多了，L4 也就慢慢多了，生成 L5 的自動(dòng)駕駛車遲早也會(huì)出現(xiàn)。
從特定的應(yīng)用環(huán)境尋找量產(chǎn) L3 的抓手，人類擺脫了駕駛的羈絆，開始享受移動(dòng)辦公和移動(dòng)生活。偶爾干預(yù)一下脫離的請(qǐng)求，甚至不理睬。自動(dòng)駕駛車自身積累著數(shù)據(jù)和技巧，逐步推廣到更高車速、更加復(fù)雜的道路場(chǎng)景、更多不確定性天氣條件下的自動(dòng)駕駛。
最后用一句話總結(jié)：人工智能以潤物無聲的柔軟改變著整個(gè)世界。
雷鋒網(wǎng)推薦閱讀：
李克強(qiáng)談自動(dòng)駕駛關(guān)鍵技術(shù)的挑戰(zhàn)，揭秘清華大學(xué)智能駕駛探索和實(shí)踐 | CICV 2017
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
