为什么今天的L4无人驾驶无法达到终局?

镁客网 中字

离人的水平还远,数据的平均价值密度越来越稀疏、采集成本越来越高,今天的方法,要到达明天,看似不可能的任务。

有人会问,Waymo不是最近宣称要在凤凰城实施前排无安全员的运营了吗?如果是5596英里的平均事故率,Waymo是不可能大规模商业化的,他们的做事态度还是比优步/Otto的“安全第三”靠谱,要知道,出一起人命事故,可能就失去顾客对其的信任。

我想可能是几个原因:

1. 凤凰城的路况比加州城郊公路简单,这个从Waymo的宣传视频可以看出来,凤凰城可以说气候宜人,人烟稀少。

2. 凤凰城的区域更小,算法已经overfit。

3. 无独有偶,Waymo也在加州申请了前排无人的测试车牌照,但有远程遥控。因此,不排除在凤凰城也有远程遥控作为最后的冗余。

加州的亚军获得者,通用汽车2017年的水平是每1200英里有一次干预,考虑到是在旧金山的更复杂路况中获得,让人刮目相看。为此,他们还专门diss了一下Waymo,在各项指标的复杂度上,旧金山是凤凰城的1.6到46.6倍。但是,最近的一篇文章显示,通用汽车在旧金山也是捡了些简单的道路,隧道、掉头、单车道、一些十字路口和环状交叉路口都刻意避过了。去年说好了要去纽约,现在却发现旧金山的很多经验几乎很难用在纽约。

那么,是否今天的L4就完全没有价值了呢?下面该怎么走才能到达明天?

对此,驭势科技做了一系列的战略规划,现与大家一起探讨。

首先是探索多场景融合后的算法泛化能力

用人话说就是,熟读唐诗三百首,不会做诗也会吟。

做无人驾驶,需要广度(大跨度的多种场景)和深度(每个场景下特定技术的深入研究)双管齐下,其中开放道路L4也是场景的一种。所有场景的无人驾驶都实现了,全场景无人驾驶才会实现。一方面每种场景都有其独特的算法需求,另一方面不同场景下无人驾驶系统大部分的功能是共用的,技术之间的泛化是可行的。

驭势科技从去年开始尝试多种场景的L4,包括机场滑行道、机坪和航站楼的无人驾驶(需要A照特殊训练的司机,与飞机会车、穿过长隧道、上下立交桥),微循环的无人驾驶(开放的嘈杂环境、非结构化道路),大型停车场的无人驾驶(开放的狭窄环境、多层室内的精准定位)等。不同的场景着重训练了驾驶智能的不同能力。

在某个主机厂客户的现场监督下,该车连续做远距离的自动代客泊车,每一次完成后都用红色胶带记录了泊车位置,完成20次后,对记录位置的误差进行测量,在没有启用库位线相对定位的前提下,绝对定位误差区间是左右7厘米、前后10厘米。考虑到其中包括了定位和控制的误差(车上安装的是还未量产化的低成本线控系统),而且车上没有激光雷达,这个基于视觉的定位系统基本达到了室内停车场高精度自动代客泊车的产品化要求。

随后的一个重要发现是,在多种异质的场景里交叉训练,比在一种场景里(比如熟悉的几条大马路)训练更有用。停车场的系统在机场和微循环的场景中经过了大量的训练和验证。

紧接着,我们做了一个大胆的尝试,把算法转移到1辆新的、装备同样软硬件系统的车上,经过短短1个星期的适配和训练,这辆车已然具备了相当强的复杂城市环境L4能力。

这条路覆盖了结构化城市道路、国道、环岛、隧道、换道、城镇道路,既有简单的单向车道,也有双向车道,既有大货车,更有人车混行。在大约10公里的开放道路上,无论途经隧道光线发生剧烈变化且丢失GPS信号时,还是被大货车环绕时,或者在环岛快速转向时,甚至因为季节变化导致的环境变化中,视觉系统都全程提供了稳定的不亚于高精度导航系统的定位结果。之所以视觉系统能够作为主传感器,源于上面在停车场、机场和微循环的积累。

必须说明,这辆车本来是做自动代客泊车的,线控的限速在40公里左右,也没有64线激光雷达,但是它在短短1个星期所呈现出来的能力,远超我们的预期。目前,北京、上海等地已经颁布开放道路测试细则,我们将与主机厂合作,基于去年的积累,积极申请牌照,继续探索泛化能力的极限。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存