无人驾驶的规模化难题

作者: 赵子潇 2019-10-23 19:46:31

根据近日消息,谷歌系自动驾驶公司 Waymo 向用户发送了一封邮件,称要去掉无人驾驶出租车的安全员角色,这对于整个行业来说足够振奋人心。

不过,根据 Waymo 目前透露出的消息,我们仍然不清楚这家公司到底投入了多大规模的无人驾驶车队。


Waymo 计划取消驾驶位的安全员角色 | Engadget

只有周边的几条信息能告知一些情况:

  • 在加州机动车管理局(DMV)发布的《2018年自动驾驶接管报告》中,Waymo 在加州共计投放了111辆无人车进行路测,总行驶里程200万公里。
  • 2016年初期Waymo与FCA计划生产100辆,并将在2018 年正式进行实际道路测试,随后,这只自动驾驶车队的规模逐渐增加到600辆,测试总里程突破了600万英里。
  • 2018年10月 Waymo 曾宣布,其自动驾驶车辆在公路上的行驶里程已达到1000万英里(约合1609万公里)。

在提供付费无人驾驶出租车服务 Waymo One 的亚利桑那州,只有一小部分人能享受到这种高科技服务。如果想让更多人体验,就要加大车队的规模,但这件事对于自动驾驶公司来说,似乎非常困难。


Waymo 无人驾驶车辆 | Waymo

作为目前世界上最大的自动驾驶公司,2018年3月,Waymo 表示到2020年将增配2万辆搭配自动驾驶技术的捷豹 I-PACE车型,从而扩大自己在美国亚利桑那州的自动驾驶车队。同年 5月,Waymo 又向菲亚特克莱斯勒豪气预订 6.2 万辆汽车。

即便如此,Waymo 目前也没有一口气投放几千辆自动驾驶汽车运营,更不用说其竞争对手们。尽管每一家公司都在强调在不久的将来进一步扩大自动驾驶车辆的规模,但至少现在看来,都未成定数。

无人驾驶公司扩大规模这件事到底难在哪儿?

硬件难以规模化

如果用 L4 或者 L5 级别的无自动驾驶汽车当作文章的主角,即马路上跑的全部是不需要人类接管的车辆,那么这些车一定会装备大量的传感器,包括激光雷达、毫米波雷达以及多个摄像头等等。

如今的无人驾驶汽车与正常汽车在数量上相比,根本不值一提。如果真的要急速扩大无人驾驶汽车的规模,传感器的生产规模也必须跟上。对于传感器制造商来说,是一个比较大的问题。


无人驾驶汽车周身布满了传感器 | 网络

就激光雷达来讲,最著名的生产厂商 Velodyne 的产品多年来已经得到实际的验证和使用,技术比较成熟,市场上处于领先地位。但因受到繁复的精密光学装调工作量的影响,目前 Velodyne 的产能严重受限,远远跟不上市场的需求。

如果把规模扩大到数百万辆?恐怕不是一件短期内能完成的事。

生产是一个大问题,另一方面,传感器装载在车辆后能否承受不间断的应用,「可靠性」现在还没有实际验证过。如今无人驾驶汽车的行驶都是小规模化的,高度可控的。

而真正在路上行驶大规模车队时,车辆会遇到各种不同道路,包括郊区,野外等恶劣的路况,甚至有可能 24*7 不停歇地在道路上行驶。在这种极端的情况下,传感器能不能持续不断地工作,应对实际应用的考验?


每辆无人驾驶车都必须具备的激光雷达 | Voyage

目前还没有人真正知道现阶段的传感器是否可以始终处理实际应用当中的困难。

现有的无人驾驶车辆明显是在运维人员们的监督之下进行工作的。一旦传感器出现不稳定的情况,工作人员确保能第一时间将其更换。在无人驾驶车辆晚上不工作的时间,工作人员需要对传感器乃至车辆所有的零部件检查一遍,以保证所有部件都处在最佳状态。

如果一旦扩大范围,在全国范围内设置地点以维护传感器、车载计算机,以及修复或更换各类零部件,是一个极大的挑战。目前,无人驾驶公司的精力都在技术研发上,对于建立全国性甚至国际化的运营团队,几乎没有任何经验。

AI 技术的局限

另一个重要原因是技术的问题。

不只是自动驾驶技术的不成熟,其周边的产业也没有实质性的突破。当前无人驾驶汽车都是在限定的范围内行驶,如果换一个地方,无人驾驶汽车会达到同样的效果吗?

答案可能是否定的。一些人认为,只有在限定的区域内对地形有了详细的绘制,无人驾驶汽车才能正常工作。那么,绘制高精度地图的成本就限制了无人驾驶汽车很难在新地方迅速开始运营。

无人驾驶汽车如果只在一个区域内反复行驶,很可能它没学到如何在其他地方驾驶。就像一个十几岁的新手司机,习惯于在自己的社区开车,但害怕在空旷的高速道路上开车。

以及,每一个国家的驾驶习惯和法律条款都不一样,一套自动驾驶系统基本不可能在两个国家使用。换句话说,无人驾驶汽车很难进行规模复制,不管是地图、区域,或者是国家。

同样,回到车辆本身来看,根据英特尔预测,2020 年,一辆无人驾驶汽车一天至少产生 4TB 的数据,在本地或是在云端,这都是一个巨大的数据量,需要大量的存储。假如按照美国汽车保有量 2.5 亿辆计算,2.5 亿乘以 4TB 再乘以一年 365 天,数据量变成了天文数字。在中国,数字有增无减。

如果利用 V2V(车对车)通信让车辆之间交互,可能对于无人驾驶交通状况有一定帮助。但现在,使用 V2V 通信技术的无人驾驶汽车基本不存在。一旦扩大规模,成千上万辆无人驾驶汽车在道路上行驶,相互之间都发射出 V2V 的电子信号,会不会发生数据爆炸性增长?


无人驾驶汽车之间如何交互也是问题所在 | Pioneering Minds

与 Waymo 产生直接竞争的自动驾驶公司 Cruise 曾被寄予厚望。Cruise 曾表示在 2019 年底推出大规模无人驾驶出租车服务,但丝毫不出意外的是,这项服务被推迟,其 CEO 称将进一步扩大 Cruise 在旧金山的测试基础设施,为将来大规模推出无人驾驶出租车服务做准备。

Cruise 的例子证明,规模化推出自动驾驶,不是件容易的事。反观国内,已推出无人驾驶出租车服务的百度,在长沙首批投放了 45 辆量产车,在特定路段提供试乘体验。另一家无人驾驶公司小马智行(Pony.ai)CEO 彭军表示:「无人车行业的分水岭就在于规模数量,100 辆无人车就是一个门槛,很多公司达不到这一步,就会融资困难被淘汰掉。」

当技术研发已经发展到比较成熟的时候,规模化也许是无人驾驶行业当中最要紧的事。造出一辆无人驾驶汽车,或者研发出一套无人驾驶的系统,只是产业的开头。当它放在真实的生活中,成为人们日常出行的一部分,才算获得成功。毕竟在商业上,产生收益才是硬道理。

无人驾驶 谷歌 自动驾驶
上一篇:搭建容易维护难!谷歌机器学习系统血泪教训 下一篇:AI 怎么知道人类对话在说什么?微软研究团队告诉你
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

机器学习公平性研究,走在正确的道路上吗?

随着人工智能的发展,机器学习的技术越来越多地被应用在社会的各个领域,来帮助人们进行决策,其潜在的影响力已经变得越来越大,特别是在具有重要影响力的领域,例如刑事判决、福利评估、资源分配等。

丛末 ·  2020-02-07 15:14:23
容量是GPT-2的1.7倍!谷歌打造神经对话模型Meena

谷歌的研究人员认为:开放域对话研究除了是一个引人入胜的研究课题之外,这种对话机制还可以产生许多有趣的应用程序,例如进一步人性化的计算机交互、改进外语练习以及制作可关联的交互式电影和游戏角色。

AI前线小组 译 ·  2020-01-30 14:50:16
关于人工智能,2020年必考的十大趋势

不知不觉,2019已彻底离我们远去,回顾过去的一年,人工智能毫无疑问是2019年的扛鼎关键词。

读芯术 ·  2020-01-16 22:51:24
AI 不再高大上 更贴近生活

进入到 2020 年,AI 在行业中的发展已经超脱了单纯技术创新和突破的范畴,而是走向产品和产业融合,并由此体现出商业回报价值。由此,AI 的商业化落地,越来越成为衡量一家科技巨头在技术战略、产品规划、生态构建等方面综合实力的关键指标。

I/O ·  2020-01-16 16:18:49
自动驾驶知识科普 自动驾驶汽车的七大核心技术

目前自动驾驶L3商业化技术已经成熟,L4级/L5级加速发展进入验证试点阶段。本文将为大家科普下目前自动驾驶汽车所要涉及哪些核心技术,到底离真正商用落地,技术上还需要哪些升级。

自动驾驶之家 ·  2020-01-09 08:42:23
自动驾驶2019关键词:蛰伏过冬与曲线救国

在吆喝了这么多年之后,自动驾驶的热度终于降了下来。除了全球资本市场进入寒冬期,投资人从一掷千金变得谨小慎微,更重要的原因在于自动驾驶企业普遍面临技术壁垒,加之投入高、回报周期长、商业化难等因素,初创公司的数量并没有出现爆发式增长,而之前经历过大浪淘沙活下来的企业则选择蛰伏着。

于本一 ·  2020-01-08 10:48:02
美国宣布限制AI软件出口中国:无人机、自动驾驶首当其冲

2020来了,技术管制有改善吗?放弃幻想吧。路透社最新消息,美国最新出口管制措施已经上膛:这次专门针对AI软件出口,并且专门针对中国。

边策 李根 ·  2020-01-06 10:28:53
谷歌、苹果、英特尔们的“医疗数据隐私保卫战”:三种AI技术你最倾向哪一个?

回顾人工智能技术的发展历史,我们可以看到,隐私问题并没有被当成一把悬在头上的“达摩克利斯之剑”。但是机器学习的一个分支——保护隐私的机器学习——试图探索可能防止个人识别数据泄露的方法。而联邦学习、微分隐私和同态加密被认为是最有前景的三种技术。

李雨晨 ·  2020-01-02 14:23:25
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载