「軟核看研報」無人駕駛是否有終點?

2020-12-09 科技慧研報

軟核分享有價值的研究報告

五年前我剛拿到駕照,第二天便開車上路,當晚就在路口追了寶馬的尾巴。前面的寶馬急剎避讓衝出來的行人。後方的我踩剎車不夠快準狠,就悲劇了。幸好寶馬大叔沒有難為我這個萌妹,叮囑我以後綠燈不要著急起步,開著受傷的寶馬消失在了霓虹的車流裡。

當時我就有一個夢想—車能自己開就好了。至少回家我能少挨一頓批。

我也就想想而已。小時候夢想發明一臺自動寫作業的機器人,現在也沒個著落。但科學家不同,在他們眼中,無人駕駛是可能的,且是不可避免的。

汽車早已成為我們生活密不可分的一部分。仿佛從工業革命開始起,它就一直存在。一切如此自然。

自動駕駛從誕生至今,50年實在並不是一段很長的歲月,但已足夠讓這個世界發生巨變。

自動駕駛的軟核科普

我平日閱讀自動駕駛的研究文章,至少得硬著頭皮讀幾遍。因為自動駕駛涉及的知識範圍太廣了。而如果我們更關注「它是誰?它是如何走入尋常百姓家的?」,討論的意義會更實際。

我們聊自動駕駛,首先得區分它的等級,因為一切的技術都是為了爬上更高的等級,實現更高智的目標。在2019年5月,電信管理論壇TMF聯合英國電信、中國移動、法國Orange、澳大利亞Telstra、華為和愛立信等成員,合作定義了自動駕駛網絡L1到L5的高階分級標準。無人駕駛L5是自動駕駛的終極目標。

自動駕駛網絡L1到L5的高階分級標準

L1:輔助運行與維護(如制動防抱死系統)

L2:部分自動駕駛網絡(如自適應巡航系統,自動剎車輔助系統、自動泊車系統等系統)

L3:有條件自動駕駛網絡(如在交通擁堵情況下自動跟車行駛,遠程倒車入庫)

L4:高度自動駕駛網絡(能夠完全自主上路)

L5:完全自動駕駛網絡(進化成智慧機器人)

目前,全世界自動駕駛最先進的研究梯隊在哪個階段?

L3-L4等級。這是第一梯隊車企重點攻破的階段。但各企業在實現高級別自動駕駛的路徑不一樣。

科技巨頭的智能汽車級別相對較高,大多處於L4,技術路線相對激進;傳統車廠、造車新勢力的級別多處於L2到L3升級的階段,技術路線相對穩健。

有趣的是,仔細留意L4級別的配置,是不是很像一個具備五覺六感的人?

你猜對L4級別的公司了嗎?

按照路徑發展下去,無人駕駛正在逐步被實現。現代傳感器+計算機+大數據平臺的能力,和人眼+人腦開車相比較,哪一方更理智?我做不到眼觀八方,而計算機可以做到。

自動駕駛有終點嗎?

計算機可以比人更理智。這不由得引出另一個問題,無人駕駛的汽車究竟有沒有可行性呢?究竟無人駕駛進化到什麼程度才能消除所有安全隱患?

特斯拉在很多年以前就稱通過自身的硬體算法和車身搭載的攝像頭,可以實現無人駕駛。直到2016年,一輛開啟自動駕駛功能的Model S在高速行駛中一頭撞向了一臺白色大貨車。車主當場死亡。這是世界上第一起自動駕駛致死案件。

後續的事故調查揭露,ModelS先是將前方的白色貨車誤認為是一朵白雲,後又因為貨車表面很平整將其判斷為鋪在地面的路牌,最終導致悲劇發生。

危機就是轉機。特斯拉之後進行一些列顛覆性的改寫,目前車輛可以輕鬆完成90%的非幹預駕駛。車輛的系統已經精細到能識別路邊的一顆野草。

自動駕駛的確離我們越來越近了

在科技巨頭們還在爬L4-L5科技樹的時候,我們把目光放回當前:L2和L3的自動駕駛真的已經駛入了我們的生活。

我們日常接觸的多是L2應用。拿我的愛車舉例子,自動泊車系統,面對高難度的車位,簡直是我的福音。混合動力系統,從啟動、行駛到停車的整個過程,在混合動力系統的指揮下,發電機發動機相互配合,讓車子始終保持在一個穩定的低油耗狀態。一個月加一次95的油,省心又省錢。

L3如何大規模應用?幾大企業給出了不同的落地方案。

Waymo發布了RoboTaxi服務WaymoOne。目前已經完成了超過 10 萬次載客。這是無人駕駛商業化變現的一種重要模式。

國內則由百度Apollo領銜。Apollo是全球最大的自動駕駛開放平臺,Apollo已經形成自動駕駛、車路協同、智能車聯三個開放平臺。

把自動駕駛與業務結合最緊密的是滴滴。大數據能力讓滴滴在人工智慧上抄了個捷徑。不過滴滴在一些細節的處理上並不理想。例如雨天無法起步,路口的表現非常保守,行駛車速全程控制在了40km/h以下等等。

自動駕駛另外一個典型例子就是無人配送。美團無人配送車早前已經在北京順義區配送美團買菜的訂單,公開道路常規化運營至今已完成5000多單。

阿里的ET物流實驗室從2015年開始研發無人配送車。如今無人車已在上海、天津等地的校園和居民社區投入使用。

京東X事業部於2016年研發出第一臺無人機原型,無人配送車已在長沙、貴陽等20多個城市落地,並將無人車出售給了日本樂天。

那這是真正的「無人駕駛」嗎?暫時不是。

一個關鍵問題依舊沒有被解決——「無固定場景」。這些服務依舊是在固定場景下實現的,唯一的駕駛場景,獨立的運行路線,與真正意義上的全自動駕駛依舊有很大的差別。

全自動駕駛時代還沒有到來。技術要求的提升、成本把控的降低、道路環境的改善、政策條例的完善、售後服務的轉型,這些因素都會影響無人駕駛落地的可能性。

然而,在實現全自動駕駛的過程中,科技以超乎想像速度在發展。每一次的進步都是效率的提升,都是對人的一次的延展。無人駕駛將會延伸人類的腳。

結尾

時間像潮汐,一轉眼50年過去了。我們已經身處於自動駕駛時代了。

在21世紀,汽車早已是生活中的一種規則。但是汽車工業所帶來的問題也日益凸顯,土地稀缺、能源危機、環境問題已經成為全人類的困境。

科學家和企業家目前已經達成了一種新共識——通過無人駕駛達成新的平衡。

無人駕駛一定能實現我的願望——在更通暢、更安靜的路上,走最科學的路線。我在車內舒服地鬆開手腳,從機械操作的捆綁中解脫。看本書,補個眠,敷個面膜。在準確的時間內,汽車機器人把我安全送達。

也許你會問,無人駕駛有那麼重要嗎?值得嗎?

至少能避免更一些極端的社會悲劇吧。

「科技的進步並非通往單一真理的簡單直線。我們所說的進步,體現在現在去追求更為恰當的世界觀念,和更為融洽地與世界的互動。」——Ian Hacking

最後,感慨一下,自動駕駛發展才50年,就已經使全球汽車產業發生了巨變。我非常好奇:再過50年,我們會迎來一個什麼樣的時代?

畫外音:很多東西一旦被創造出來,就未必是能夠以人的意志為轉移了。我們要做的是做好心理準備。

它也許會在幾十年後到來。

也許永遠不會到來。

又也許,就在不久之後。

#無人駕駛離我們有多遠#

相關焦點

  • 馬斯克「獨孤求敗」的自動駕駛路徑,與特斯拉的「無人計程車」(附...
    「客觀說這是世界上最好的晶片」、「任何依賴雷射雷達的人都註定失敗」、「明年年中,將有超過 100 萬輛特斯拉汽車在路上使用全自動駕駛硬體,這意味著屆時將有 100 萬臺 Robotaxi 的潛力。」經典的埃隆馬斯克再次上線。
  • 「小車看百度,大車看深蘭」,自動駕駛公交駛向千億藍海市場
    在自動駕駛小車賽道,百度、特斯拉等已經領跑行業,那麼,智能時代的公交車應該是什麼樣的?「小車看百度,大車看深蘭」。深蘭科技推出的熊貓智能公交給出了答案,不僅實現了AI智能駕駛,還有手脈支付、無人零售等功能,改變了人們對公交的傳統認知。還有什麼能比自動駕駛更熱?
  • 「差生」特斯拉和「頭牌」Waymo,做自動駕駛有什麼不同?
    在一些業內人士看來,這份報告在成文的視角和方法論上略有偏差,缺失了對「政府關係」和「數據」這兩個重要標準的考量。和政府搞好關係的重要性自不必說。一旦硬體實現商品化,軟體就成了關鍵。實際上不能說是軟體,而是「數據」。數據是驅動自動駕駛技術發展的「燃料」,或者如前英特爾執行長 Brian Krzanich 提出的觀點,「數據是新的石油資源」。
  • 車和家 SEV 是如何「變身」新石器無人物流車的?
    所謂的「白袍巫師」,其實是一輛無人駕駛物流車,來自名為「新石器」的創業公司。從做物流效率工具到「無人駕駛主機廠」對於新石器來說,他們並不應該算是一個「闖入者」,至少從物流角度來說是這樣。事實上,餘恩源幾年以來做的都是「物流領域創新工具」:從快遞員掌上終端到快遞櫃,也曾經嘗試過把無人機應用到物流領域。
  • 百度Apollo破解主駕無人駕駛難題,李震宇闡述三大核心武器
    直白點說,就是將車輛主駕駛位上的安全員拿掉,實現了真正的無人駕駛。 「去掉安全員」,可以稱得上中國自動駕駛行業向前邁出的一大步。 因為不拿掉安全員,自動駕駛車輛成本高昂,司機成本也還在,無人車商業化無從談起。
  • 漫畫「Smoking Gun 民間科捜研調査員 流田緣」真人化
    漫畫「Smoking Gun 民間科捜研調査員 流田緣」真人化 2014-01-15 11:30:57
  • 李彥宏說「Apollo 計劃」 離我們不遙遠,百度明年就量產無人巴士
    「幾個月前我坐無人車上了五環,確實收到了一張開給無人駕駛的罰單,但這也預示著無人駕駛離我們越來越近。」2017 百度世界大會上,百度創始人、董事長兼 CEO 李彥宏說。Apollo 開放平臺也再一次「更新」了目標:百度將與金龍客車在 2018 年推出中國首款無人駕駛微循環巴士「阿波龍」,將自動駕駛量產時間提前了兩年。
  • 2018全球智能駕駛峰會:與新智駕一起,感受2天充電之旅
    基於此,我們還希望為智能駕駛技術的愛好者、汽車行業從業者和一線工程師打造一個全方位的學習交流平臺,今年 4 月,新智駕推出了為智能駕駛行業定製的年度內容服務計劃——新智駕年度會員,主要包含三大內容版塊:每日通訊、大咖Live 和月度研報,滿足讀者每天、每周、每月的學習需求,幫助智能駕駛領域的從業者持續學習刷新,快速自我迭代,成為汽車行業變革的的重要創造者與參與者。
  • 礦山裡的自動駕駛,商業模式正在走向「封閉」
    遠程駕駛模式下的智慧礦山此刻,我們將目光移至位於中國北部邊疆的大唐寶利煤礦。與鄂爾多斯其他200多座傳統煤礦不同,在這裡8臺無人礦卡正在編隊作業,「自動駕駛礦卡司機」坐在安全的控制中心內,以遠程接管的模式掌控無人礦卡的最終控制權。
  • 25+ 智能駕駛重磅嘉賓、1000+ 業內人士齊聚,蘇州相城到底有什麼...
    朱西產認為,如果真正要實現「零傷亡願景」,有先進的碰撞安全技術,初級智能的駕駛員輔助,以及「千裡眼」V2X,最終車輛具備部分自動駕駛或完全自動駕駛功能,「零願景」是能夠實現的。從被動安全技術到自主緊急控制技術,再到自動駕駛技術,朱西產教授會將自己多年的重大項目主導經驗和研究成果與大家展開分享。
  • 無人駕駛商業化?商業駕駛無人化?那些繞口令一般的未來趨勢 | 2016...
    也有市民表示,一開始有一些緊張,但在車輛行駛的時候覺得很舒服,和有人開車並沒有什麼區別。不會開車的人可以從這項技術中獲得幫助。 從外觀上看,這批無人駕駛汽車車身較小,僅能容納兩到三人乘坐,每輛汽車裝有六套雷射雷達檢測系統,車頂和儀錶盤上分別裝有攝像頭,用來掃描障礙和檢測紅綠燈變化。目前,首批投入運營的無人駕駛計程車共有6輛,在2016年底前增至12輛,未來還將繼續增加。
  • 「專利解密」百度助力智慧交通 無人駕駛交通燈識別方案
    無人駕駛車輛需要通過攝像頭、雷射雷達等傳感器感應環境,而對於交通燈,無人駕駛車輛需要在行駛過程中從採集的圖像中實時的去識別前方是否存在交通燈,並且在識別到交通燈後獲取交通信號信息,才能根據交通信號信息對無人駕駛車輛進行控制。
  • 馬斯克推特DISS,何小鵬微博反擊,為「舊怨」也為「新仇」?
    特斯拉曾在 2019 年 3 月起訴跳槽到小鵬汽車的前員工曹光植涉嫌「商業竊密」,詳情可看我們此前的報導:P7 發布前夕,特斯拉要求小鵬汽車交出所有自動駕駛原始碼,小鵬汽車回應稱「霸凌」雖然特斯拉目前沒有直接起訴小鵬汽車。
  • 對於普及無人駕駛,我們有了這四點認識 | 雷鋒網公開課
    本文整理自「硬創公開課 Online | 無人駕駛」專場。分享嘉賓是馭勢科技聯合創始人姜巖,他是北京航空航天大學博士、美國伊利諾大學香檳分校聯培博士研究生,研究領域為自動駕駛系統架構設計和規劃控制。1、靠什麼實現無人駕駛產業化雷鋒網:馭勢具體在做什麼?進度如何?
  • 一個人是否真的優秀,就看這五個「度」
    在我看來,判斷一個人是否真的優秀,往往有五個標準,就看他的身上有沒有五個「度」:溫度、態度、深度、氣度、寬度。而這也是我們應該給自己設立的標準。人是感情動物,所有的音樂作品、文學作品、影視作品,那些最終能打動人心的部分,永遠都離不開一個「情」字。情有兩面,一面是「暖」,一面是「寒」,我們為「暖」潸然淚下,又為「寒」而黯然神傷。而這也成為我們衡量一個人是否優秀的標準之一,那些真正優秀的人,往往都是很溫暖的。
  • 「隨緣」體驗 Auto X 自動駕駛計程車:最棒的環節居然在上車前?
    AutoX 於 2016 年在矽谷成立,是一家無人駕駛技術平臺公司。2020 年 7 月,AutoX 獲得中國唯一一張、全球第二張加州全無人牌照。而在國內,AutoX 已在全國多個城市建設了無人駕駛車隊。在 8 月份,AutoX 宣布在上海嘉定進行面向普通用戶的 Robotaxi 測試。
  • 國產無人計程車上路測試,無人駕駛時代來了
    據媒體報導,AutoX公司近日正式公布了中國首批無人駕駛計程車,深圳市民們要是在街頭偶遇這批由25輛克萊斯勒大捷龍車型組成的RoboTaxi車隊,看到車內無駕駛員請不要驚慌,他們內置了先進的人工智慧司機。
  • 肯德基在上海商用L4無人駕駛,日本網友看了直呼不講武德
    另外,卡哇伊國度看啥都卡哇伊,評論裡還有一堆討論這車外觀可愛,甚至照片中小姐姐可愛的……到2018年,新石器發布了首款L4級無人車,據稱配備自主可控的車規級線控底盤、獨家設計研發的三重自動駕駛安全系統及智能車聯網AI平臺。
  • 微軟發布萬能翻譯器,三星 S8 或漲價,Alphabet 展示新無人駕駛旅行...
    你可以在相應的應用商店搜索「微軟翻譯」或「Microsoft Translator」下載。對話發起者在應用程式中產生一個會議代碼,其他人便可輸入此代碼加入聊天。每個人在自己的手機或 PC 上可以看到或聽到自己設定語言的翻譯結果。目前微軟翻譯支持 9 種語言的語言輸入,和近 60 種語言的文字間翻譯。點評:翻譯這份工作岌岌可危啊。
  • 無人駕駛技術離我們有多遠?
    機械視覺也可以稱作為環境感知,是無人駕駛汽車最重要也是最複雜的一部分。無人駕駛車輛的環境感知層的任務是針對不同的交通環境,對傳感器進行合理的配置、融合不同傳感器獲取的環境信息、對複雜的道路環境建立模型。無人駕駛系統的環境感知層分為交通標誌識別、車道線的檢測與識別、車輛檢測、道路路沿的檢測、障礙物檢測以及多傳感器信息融合與環境建模等模塊。