当前位置: 首页 > 刨根问底

何时才能在街头随心打到一辆自动驾驶出租车?

07-20


一种是东施效颦,亦步亦趋。

另一种是将军赶路,不追小兔。

前者常怀“追涨”心态,谁火就模仿谁,过程中再调调配比、玩玩概念,火过原创也不是不可能。

后者孤独前行,遇到猛虎挡路、洪水席卷都不稀奇,深知理解是奢侈品。

命运在这里格外公平,尚未站上成功阶梯之前,东施常被嘲讽抄袭,将军总被质疑瞎吹。

可正是有了“抄袭”和“瞎吹”无数回合的对垒,才促使技术不断进化,行业渐趋完善。

在自动驾驶这条崭新的赛道上,AutoX (安途) 是个颇为另类的技术玩家,市场中的各路声音,似乎从未扰乱他们的前行节奏。

上周,AutoX 在上海开了一场发布会,主角是第五代「真无人」自动驾驶系统 AutoX Gen5。

何时才能在街头随心打到一辆自动驾驶出租车?

发布会现场

当下,“安全员坐镇”、“5G 云代驾”被看做是常规操作,可 AutoX 再次走了一条不同的路:拒绝远程操控,聚焦单车安全,发力无人驾驶。

无人驾驶,真的要来了吗?

1、叫一声“自动驾驶”,三界来应

这次发布会有个关键词,是「真无人」。

“真”字的背后,影射了一个长期存在、却又总被忽视的认知误解:自动驾驶分级混淆。

说到这事儿,特斯拉脱不了干系。

自动驾驶分级,最早由美国汽车工程师协会 SAE (Society of Automotive Engineers) 创立,后来成为行业共识。

SAE 把自动驾驶分成六个等级,L0 最基础,叫做完全人类驾驶,你让车干啥它就干啥,L6 最高级,叫做完全自动驾驶,无需你动手,上车就是乘客。

这两个分级中间,按照操作主体及比例的不同,又划分了四级,可以简单粗暴理解为不同智能程度的辅助驾驶。

辅助驾驶的定位就是助手,它可以帮你应对常规路况,但遇到复杂情况,你必须接管车辆。

神奇的是,明明白白的 6 个等级,却被花式翻新,比如特斯拉的 L2.5。

特斯拉的 Autopilot 系统,实质就是一套驾驶员辅助系统。《车主使用手册》写的很清楚,车辆必须由有驾驶执照的人驾驶,而且驾驶员要一直把手放在方向盘上,可在宣传中,特斯拉却使用了“完全自动驾驶”这个词。

在宣传的误导下,驾驶员过度依赖车辆,结果造成多起事故,特斯拉也因此受到联邦事故调查局的审查。

不只是特斯拉,通用汽车、梅赛德斯-奔驰也给部分车型戴上了“自动驾驶”的帽子,还有更多汽车制造商和供应商,在描述驾驶辅助系统时,自封 L2.5。

L2.5,看起来倒也正常,但假设有一天,你听到路边有人夸自家孩子在学校拿到了“良点优”,对,就是这种不可思议的感觉。

眼下,但凡有点上进心的车,都抻着脖子往自动驾驶上靠,这种局面就像云南的菌季,别看地上全是伞伞,各个都说自己是蘑菇,一旦说到煲汤清炒,有的能让你抱着盆盆鲜上天堂,有的能把你装进板板送上天堂。

有一说一,那些打着概念擦边球的辅助驾驶,基本都是毒伞伞,轻则致幻,重则要命。

行业在成熟,一个认知越来越清晰:打着类似 “L2+” 做宣传的企业,非蠢即坏。

回到开车这件事上,抛开正在被驾校教练折磨的死去活来的预备司机外,人类普遍不认为这是挑战:遇山钻洞,遇河过桥,只要眼、手、脚配合的好,十个秋名山都不是事儿。

等到教机器开车,人类驾轻就熟的过程,被拆成了两个环节:感知和决策。

这是两个足够令人发量骤减的挑战,对哪家公司来说,都一样。

2、修炼火眼金睛

感知,就是让机器拥有感知周围环境的能力,总的来说,有两种实现方式:传感器,摄像头。

彼时,自动驾驶赛道上的企业,不约而同选择了“传感器为主,摄像头为辅”的路子,整日思考配几个雷达、位置怎么摆,可深耕计算机视觉多年的 AutoX 创始人肖健雄,却选择了一条与主流不同的路线:主抓摄像头感知。

正是这个选择,让 AutoX 从成立之初,就深陷质疑。

除了超级英雄,没人能自己嗖嗖发射激光,开车全凭一双眼,从常识上看,依靠摄像头,机器完全可以学会开车。

但是,如果单靠常识就能搞技术,那也太儿戏了,这个看似冷门的选择,更多与肖健雄的技术背景有关。

肖健雄是潮州人,胆大点说,和马化腾、李嘉诚都是老乡,他在香港科技大学读完本硕后,又跑到麻省理工学院读完了博士。

毕业后,肖健雄进入普林斯顿大学,成了计算机系的助理教授。

此后,肖健雄三次获得 Google Research 学术大奖,从 0 到 1 搭建起计算机视觉与机器人实验室,“X 教授”的称号,正由此而来。

要成为世界公认的计算机视觉和机器人专家,本就困难,如果再加个限定词“华人”,更是难上加难。

从这一点来看,肖健雄确实成功了。

2016 年,肖健雄创办 AutoX,开始在自动驾驶这条赛道扎根,正是基于过往对计算机视觉的深入研究,肖健雄意识到,摄像头有着尚未被发掘的巨大潜力。

何时才能在街头随心打到一辆自动驾驶出租车?

AutoX创始人:肖健雄

于是,在其他公司都研究车上的传感器“穿搭”时,肖健雄埋头折腾起了摄像头。

让机器学会透过摄像头识别物体,这叫做“图像识别”,要实现这个目标,靠的是大名鼎鼎的“卷积神经网络”(CNN)。

卷积神经网络拥有超强的表征学习能力,只要你给它看的二哈照片足够多,它就可以精准提取出二哈的特征,这以后,不管再遇到躺着、坐着,还是跳钢管舞的二哈,它都能认出。

至此,凭借摄像头,机器有了类人的“眼睛”。

假设前方道路上有个人正走着,摄像头拍到后,CNN 识别为人,这一信息立刻反馈给系统,系统判断需要规避,就会下达相应指令。

值得多说一句的是,摄像头并不是检测到前方有物体,才连拍三十张,而是连续拍照。

但问题是,如果自动驾驶系统完全依靠摄像头,那么,人眼顾不到的盲区,机器也顾不到;光学上人眼看不清的物体,机器同样也看不清。

在这种情况下,肖健雄给作为视觉主力的摄像头,加上了辅助,比如激光雷达等。

辅助的作用,是要让车看到人眼看不到的盲区,看清人眼看不清的环境。

从这次发布会上来看,AutoX 在传感器方面,确实用了心思。

根据现场 PPT 的展示,这套第五代全无人驾驶系统,拥有 50 个传感器,包括 800 万像素的车规级摄像头,全球最高分辨率的 4D 毫米波雷达、高清激光雷达等。

何时才能在街头随心打到一辆自动驾驶出租车?

发布会现场

这几种一看就很牛掰的传感器,到底有什么用呢?

先来看车规级摄像头。

与 AutoX 上一代自动驾驶系统相比,摄像头像素有了大幅提高,直接从 200 万升级到了 800 万,最明显的改变就是让车看的更远、更清楚了。

何时才能在街头随心打到一辆自动驾驶出租车?

发布会现场

这一点对于行车安全来说,意义重大:延长感知距离,就能延长决策距离。

何时才能在街头随心打到一辆自动驾驶出租车?

发布会现场

这就像一个近视的人,不戴眼镜只能看清 5 米,如果前方路口因为施工而暂停通行,这人需要走近才能看到,再另寻他路。如果换成一个眼神好的人,提前看见此路不通,就可以早早规划新路线。

不过,摄像头也会有烦恼。

遇上刮风下雨沙尘暴,摄像头被污渍挡住,势必会影响画面效果。

2019 年,AutoX 第三代自动驾驶系统推出了传感器清洁系统,让车辆具备大雨天连续运行的能力,这次发布的第五代系统,再次提高了清洁能力,既能喷气又能喷水,最大限度保证了摄像头的视觉精度。

此外,发布会上提到的 4D 毫米波雷达,一直被看做是加速自动驾驶落地的黑科技。

毫米波雷达,能测距、测速、测量方位角。

简单说下原理:发射毫米波波段的电磁波,通过返回的时间差实现测距;利用多普勒效应,计算返回电磁波的频率变化实现测速;计算返回电磁波的相位差,进行方位角测量。

由于成本低廉,毫米波雷达一直被应用在自动驾驶的感知方案中,可随着自动驾驶等级的提升,毫米波雷达的不足逐渐被放大:不能测高。

一个与此相关的典型事故,就是特斯拉在台湾撞上侧翻货车。

当时,一辆白色厢式货车侧翻在道路上,等待救援。

没多久,后方一辆疾驰而来的特斯拉 Model 3,径直向侧翻的货车箱体开过来,在一个明显的刹车动作后,特斯拉继续行驶,直到几乎半个车身都嵌进货车中,才被迫停了下来。

何时才能在街头随心打到一辆自动驾驶出租车?

事故现场图

如此大的障碍物挡在路上,特斯拉却没有“看见”,这是因为处在第一责任位的摄像头感知失效后,处在第二责任位上的毫米波雷达,也没能识别出前方障碍物,最终导致事故发生。

想想有点离谱,障碍物竟“凭空消失”。

在大面积白色面前,摄像头失效可以理解,可为什么毫米波雷达也失效了呢?

原来,在毫米波雷达的世界里,静止物体反射的信号都会被过滤掉。

我们都知道,行车环境中有非常多的静止物体,比如前方高挂的交通指示牌、路侧的行道树、人行横道上的栏杆等,如果不过滤掉这些静止物体反射回来的信号,毫米波雷达每看到一个路牌,就会做出前方有障碍物的判断,出现“幽灵刹车”。

可过滤掉静止物体的反射信号后,遇到侧翻的白色货车,一旦摄像头失效,毫米波雷达同样检测不到这个静止的障碍物,事故难以避免。

4D 毫米波雷达,突破了这一难点。

与传统的毫米波雷达相比,4D 毫米波雷达新增了“测高”功能,返回的电磁波所构成的图景,不再停留在没有灵魂的二维世界中,而是呈现出立体状态。

这样一来,它不仅能够判断出前方有障碍物,还能感知到障碍物的形状,再配合算法,甚至可以识别出障碍物是什么,隐约透出一股挑战激光雷达的王者气息。

除了 4D 毫米波雷达外,在 AutoX 发布会上,高清激光雷达也是一个重点。

在高清激光雷达与 4D 毫米波雷达的搭配下,发射和接受的信息点更加密集,实现了每秒超 1500 万的激光点云成像。

更多细节被捕捉到,就能让车辆更精准感知到前方那个小小的黑色物体,到底半张废纸还是轮胎碎片,从而决定是变道还是刹车。

另外,在行车安全问题上,盲区感知一直是个难题。

从发布会上可以看到,AutoX 在盲区配备了 64 线激光雷达,前后左右还设置了 800 万像素鱼眼摄像头,据说可以实现 180 度无死角覆盖,确保车辆没有任何盲区。

可以看到,AutoX 在感知层面用料十足,可大量传感器带来的不只有感知精度的提升,还有对自动驾驶系统软件层面的挑战。

3、脑力大作战

海量的实时数据,对自动驾驶系统的算力是巨大的挑战。

2020 年,AutoX 在国际消费类电子产品展览会 (CES) 上,发布了中国首个无人驾驶级别的车载超算平台 XCU,这次,AutoX 又和英特尔、英伟达有了深度合作。

AutoX 第 5 代 XCU,最多能支持 32 个 800 万像素摄像头,10 个高精激光雷达,以及 10 个 4D 高精度毫米波雷达,支持 2200TOPS 的算力,据说可以完全 hold 住车辆上装备的传感器。

但是,除了算力,只要牵扯到多个传感器,就必须解决一个问题:时间同步。

不同传感器的采样频率、周期都是不同的,车辆在行驶过程中,各个传感器都在捕获环境数据,只有精准的时间同步,才能保证各个传感器在同一时刻采集相同的环境信息,一旦出现误差,就可能引发事故。

和其他厂商利用算法解决不同,AutoX 通过和芯片厂商合作,直接将时间同步嵌入芯片中,实现了硬件级别的真正同步,杜绝了算法层面可能带来的失误。

在第 5 代 XCU 强大算力的支撑下,更多保障行车安全的动作成为可能。

1、基于 4D 毫米波雷达的高稳定定位系统,哪怕激光雷达、摄像头、GPS 统统失效,车辆依然可以实现精准定位。


2、功能安全冗余。AutoX 给车辆的所有关键部位都准备了一套备用,包括但不限于刹车、油门、转向等,假设车辆在行驶过程中,刹车突然出现故障,替补刹车马上上场,接替受伤队友开始工作。


3、在电子电气架构 (EEA) 方面,AutoX 也做了大量工作。比如与车企深度合作,联合打造车规级热管理系统,确保车上仪器永远处于最佳的运行状况,再比如自研了电源管理系统,确保在任何情况下,车辆都能够给其他电子设备提供安全的电源供应。

在“L5 是否需要远程操控”这个问题上,肖健雄给出了与友商不同的结局:不需要。

在他看来,远程操作会带来两个问题:

1、信号强度会影响远程操控效果,而在行车过程中,一秒的延迟就可能带来无法挽回的悲剧,所以重心必须放在单车安全上,保证无论发生什么情况,车辆都可以自己进行安全行驶。

2、远程操作存在黑客攻击的风险。虽说以当下的发展阶段,还不会出现这样的攻击,但在实验室环境中,这种攻击是可以实现的,一旦将来自动驾驶出租车 Robotaxi 落地应用,类似攻击就有可能出现。

回顾整场发布会,肖健雄多次强调,说“要打造平民化的自动驾驶”。

不少人质疑,按发布会上展示的配置,车辆的成本如此之高,这哪里是给平民打造的,明明是给富豪定制的。

这种质疑可以理解,但里面其实有个误解:AutoX 的目标是自动驾驶出租车 Robotaxi,这车是由公司统一运营的,而不是直接对外售卖给消费者的,成本这事儿,交给公司自己操心就好。

作为一个经常有打车需求的人,我倒是希望这种愿意给安全加料的公司多来几家,倘若到时候定价贵,我可以选择不坐,重要的是,我需要这种选择。

毕竟,眼下专注做自动驾驶出租车 Robotaxi 的公司,国内貌似除了滴滴,就是 AutoX。

7 月,烈日炎炎之中,AutoX 第五代「真无人」自动驾驶系统发布会结束了,PPT 上看都挺好,至于是不是真的好,还得数据说话。

4、多聊两句

峰瑞资本的合伙人李丰,谈过一个问题:谷歌级的机会,将在出现在哪里?

基于过往的投资经验,李丰认为,每个行业的发展,都会经历四个阶段:机械化,自动化,数据化,智能化。

谷歌这样的公司,就是在最后一个阶段出现的。

放到汽车行业来看,运力从人力、蓄力转移到汽车,完成了机械化;控制论和计算机的出现,让汽车完成了自动化;车规级传感器的应用,让汽车能够把周边环境都变成数据,再借助强大的算力平台,把所有数据都连通起来,形成坚实的信息平台,把人类从驾驶位上解放出来,这便是数据化阶段。

最后,汽车行业将进入智能化阶段,市场开启良性循环模式:哪家公司安全性高,就会赢得更多用户,而这些更具时效性的数据,又将更进一步促进算法优化、提升安全性。

眼下,自动驾驶正处在数据化的关键阶段,谁能占领技术高地、顺利通过市场考验,谁才能拿到进入智能化阶段的门票,有几率抓住那个谷歌级机会,成为一家改变世界的公司。

谁会是那个幸运儿?值得期待。

何时才能在街头随心打到一辆自动驾驶出租车?



文 | 木子Yanni

嗨,这里是浅黑科技,在未来面前,我们都是孩子。

想看更多科技故事,欢迎戳→微信公众号:浅黑科技。



版权保护: 转载请保留链接: https://liveupdate.qianhei.net/paogenwendi/278.html