超级解密:无人驾驶是如何炼成的

作者: 莫凡 2020-08-04 13:20:58

 

和很多新产品也一样,大家对自动驾驶的态度也是两极化,分为过于信任和太不信任。有些人过于信任自动驾驶,打开自动驾驶自己就敢玩手机或者睡觉,这已经出了几次人命事故。有些人又太不信任自动驾驶,觉得都是商家的噱头,买了新车连自动泊车入位功能也不太敢尝试。

01 那自动驾驶到底能干什么呢?

这就要从自动驾驶的“天梯”说起了。对新兴技术或者对汽车感兴趣的朋友,一定都看过这么一条新闻,说特斯拉的Autopilot已经具备Level 2,也有称为L2级的自动驾驶能力。如果不了解自动驾驶的天梯,可能很难完全读明白这条新闻。

美国汽车工程学会(SAE)给自动驾驶按水平不同分了六个等级,等级越高自动驾驶的水平越高,最低是Level 0,表示完全没有自动驾驶的能力,最高是Level 5,表示有完全的自动驾驶能力,司机可以坐在驾驶位上安心看书,或者干脆就不再需要驾驶位了。

现在市场上售卖的无人驾驶功能都到了Level 几的水平了呢?前些年业界一度很乐观,关注点已经发散到取消驾驶座以后,应该改成麻将桌还是火锅台了。

但现实很骨感——经过一段时间的实践以后,特别是无人驾驶出现了几次翻车(是字面意义上的“翻车”)以后,大家的头脑逐渐冷静了下来,目前各个无人驾驶的巨头也基本达成了一个共识,认为Level 5实现难度非常高,要真正达到还需要很长的时间,可以肯定最近几年是不可能用无人驾驶代替考驾照了。

当然了,事情也并非两个极端,虽然无人驾驶距离能够让司机下岗还有很长的路要走,但当前也并非只是噱头毫无进展。研发能够适应各种复杂路况的无人驾驶当然很难,但也做数学难题一样,可以先加一点背景限制条件来简化问题。

现在一些具体的应用场景中,无人驾驶确实已经能够达到让司机“放开双手”的水平,譬如现在已经推出了能够在厂区、园区内行驶的无人驾驶公交车,以及能够在特定路段行驶的无人驾驶出租车等等。

按照SAE对无人驾驶的分级,目前市面的各类无人驾驶,包括名气很大的特斯拉的Autopilot,基本还处于Level 2和Level 3的水平,也就是部分自动驾驶和有条件自动驾驶,读起来很拗口,用大白话来说就是能够帮助司机,但不能够替代司机的意思。

我国三部委颁布的《智能网联汽车道路测试管理规范(试行)》也作出要求,测试驾驶人应始终处于测试车辆的驾驶座位上、始终监控车辆运行状态及周围环境,随时准备接管车辆。

前面提到的这些已经上路的无人驾驶公交和无人驾驶出租车,在实际运行中通常都还要配备一到两名安全员,可能和大家想象中“驾驶座上没有人,只有方向盘在空转”的场景略有出入。

有些智能驾驶系统还担心司机过于迷信“无人驾驶”而分心走神,还专门设置了一系列检查司机有没有专心开车的机制,包括检测司机的双手是不是放在方向盘上,以及检测司机的眼睛究竟是盯着行车前方还是在看其他地方。

无人驾驶当前可以说是冰火两重天,每每新产品让人眼前一亮,感觉成功就在眼前,而新事故又让人忧心忡忡,甚至怀疑这条路到底能不能走通。总的来说,无人驾驶作为人工智能技术的典型代表,同样也和很多已经尝试落地的人工智能产品一样,是希望与挑战并存。

我还清楚记得第一次搭乘无人驾驶汽车,虽然分别列坐驾驶座和副驾驶的两位彪形大汉破坏了一点科幻感,但是看着无人操控的方向盘自己旋转,遇到红灯自己刹车,突然出现了行人车辆还懂得自己避让,我仍然像体验了一场大型魔术一样,产生了难以形容的震撼,迫不及待想掀开魔术幕布一窥背后的奥秘。

02 那无人驾驶是怎么实现的呢?

无人驾驶是个非常前沿的研究方向,新闻不少,但系统性介绍这门技术的书并不多,而且寥寥数本当中,大部分还都是科普性质的,缺乏理论知识层面的介绍,难以深入了解背后原理。有这方面需要的同学,我推荐《智能驾驶技术:路径规划与导航控制》。

这是一本硬核的书,读完这本书,你会对无人驾驶的完整流程能够有一个清晰的了解。以下内容是我读完《智能驾驶技术:路径规划与导航控制》以后,自己的理解归纳:

要实现无人驾驶,需要准备三件宝物,高精度地图、传感器和车辆控制系统。

地图一这项好理解,无人驾驶也好,有人驾驶也好,最终都是把车子从起始地开到目的地,关键就是要“认路”。过程我们都很熟悉了,需要借助地图导航。无人驾驶也同样需要地图导航,但是,无人驾驶使用的地图和我们普通的导航地图不太一样,是高精度地图。

有什么不同呢,回想一下,我们的导航地图主要是标识了各种地点,也就是地理信息,但是对于行车相关的信息,譬如交通灯、交叉路、车道规则和道路水平等等,大多是缺乏的。

高精度地图一方面对准确性要求更高,通常需要结合GPS、遥感影像等等测量仪器的结果绘制。另一方面是补充了这些行车信息,甚至对于特殊的车道还做了细致的划分,譬如路口转弯、匝道、小路,都作了分别的标识。

高精度地图需要包含这么多信息,制作成本当然很高,但无人驾驶有了高精度地图,认路就容易的多了,实时计算要求也一下下降很多。

无人驾驶的第二件宝物就是传感器。传感器应该无人驾驶在外形上的标志,现在无人驾驶的车辆,一般都会戴一顶高高的“帽子”,这顶“帽子”就是一种传感器。人类开车需要眼观六路耳听八方,无人驾驶想开车同样也需要耳目,传感器就是无人驾驶的耳目。

有人可能会不太理解,为什么有了高精度雷达还需要传感器呢?在真实环境中开车和游戏里不一样,是不能够“背板”的,行车路上会出现各种意想不到的障碍物需要实时观察,这里的障碍物不仅指狭义的路障,还包括前方出现的行人,和后方突然加速的车辆等等。

哪怕是最简单的红绿灯,我知道这里有红绿灯,那现在究竟是红灯还是绿灯,我该继续行车还是赶紧刹车呢,这都需要通过传感器观察情况。新手司机上路应该都有一个感觉,就是忙乱,要观察的东西太多,人尤如此,更遑论无人驾驶。

为了准确捕捉各种环境信息,无人驾驶使用了多种的传感器来捕捉各类环境信息,包括高清摄像头、红外传感器、激光雷达、毫米波雷达等等,能够捕捉的光信号不仅限于可见光,而且具备360度环视视觉。应该说,在环境信息捕捉方面,无人驾驶所具备的能力已经超过了人类。

最后一项是最核心的一项,也是最难的一项,就是这个车辆驾驶系统。

准确来说,车辆驾驶系统分为软件和硬件两个部分,无人驾驶的车辆首先需要对车辆进行硬件改造,这应该很好理解,你必须得让无人驾驶系统能够控制油门、刹车和方向盘,然后才能谈无人驾驶对吧。这是硬件层面的车辆驾驶系统,在软件层面,就是无人驾驶的“大脑”了。

大脑是关键,前面的地图、耳目再厉害,也得需要有个厉害的大脑才能真正用起来。具体来说就是各种各样的算法,这一部分涉及到很多具体的专业知识,可以细读《智能驾驶技术:路径规划与导航控制》,这里只提一提其中有两个的问题我觉得十分有趣。

第一个问题就是如何训练。无人驾驶依赖人工智能技术,会从各种机器学习、深度学习、深度强化学习的模型中挑选。要使用这些模型,都有一个必经环节,那就是训练,而训练是需要试错的。

读过我写的那本《机器学习算法的数学解析与Python实现》的同学都知道,训练的过程就是不断减少错误的过程,这在别的地方没有问题,但是在无人驾驶这里问题就复杂了,应该没谁希望哪天街上会突然出现一辆发了疯一样的无人驾驶汽车,就算你告诉我模型训练都有这么个过程也不行。

那这个问题是怎么解决的呢?用仿真环境,无人驾驶是在仿真环境中不断学习进化,等训练成了真正意义上的“老司机”才能真正开车上路。

第二个问题叫乘坐体验,这是个很有意思的问题。我们都知道,开车不仅仅要考虑开车,还要考虑乘车。有一种车技烂,不是把车开到河里去,而是开车能把自己给开晕车了,不过,这个问题归为驾驶问题当然可以,不归为驾驶问题当然也可以。

无人驾驶是把这个问题纳入了考虑,首先就需要考虑另一个问题:如何形式化的问题。乘坐体验是一种感受,非常主观,但要使用数学工具解决这个问题,首先就必须要将问题形式化。这个问题简单来说,就是我们人的主观体验,真的可以用莫得感情的数学公式来表达吗?

无人驾驶的研究者回答是:可以的。譬如说刹车,遇到突发情况当然要刹车,但如果刹车太硬太急,乘客又会很容易觉得恶心。这是一对矛盾,而这对矛盾完全可以用数学公式来描述,再进而找到最优解。

具体的内容还有很多,相关数学公式和介绍可以阅读《智能驾驶技术:路径规划与导航控制》的“基于车辆约束的最优轨迹”。

关于作者:莫凡,网名木羊同学。娱乐向机器学习解说选手,《机器学习算法的数学解析与Python实现》作者,前沿技术发展观潮者,擅长高冷技术的“白菜化”解说,微信公众号“睡前机器学习”,个人知乎号“木羊”。

无人驾驶 人工智能 传感器
上一篇:边缘AI在智能家居人机界面(HMI)中的应用 下一篇:机器学习带你横扫乐坛,你就是下一个方文山
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

让机器学习自动帮我们建模,这4个Python库能让你大开眼界

自动机器学习(通常简称为AutoML)是一个新兴的领域,在这个领域中,通过建立机器学习模型来对数据进行建模的过程是自动化的。AutoML能让建模变得更容易,也能让每个人更容易访问。

为AI呐喊 ·  1天前
AI写的文章,真的可以骗过老师了

在过去的几年里,机器学习(ML)和人工智能(AI)的专家们一直致力于研究一些算法,这些算法可以用以前认为人类完全可以写的方式撰写文章和其他类型的内容。

阿浅 ·  1天前
人脸识别,现在连动漫角色都不放过

对于脸型相近、但角色不同的二次元人物,能准确识别出来(脸盲福音)。

萧箫 ·  1天前
人工智能就业方向及前景

  人工智能是目前全球范围内科技竞赛的高地,我国在人工智能领域给予极大的政策支持,目前已经有32家高校开班人工智能相关学科,校外培训机构也纷纷开展人工智能技能培训。高层次人才不断涌入到AI领域,我们需要更清晰的了解人工智能的就业方向以及行业前景。

枫调 ·  1天前
制药企业正在基于AI与基因测序发现真菌更多药用价值

初创企业Hexagon Bio正在寻找关于真菌药用价值的更多可能性。1928年,苏格兰研究员亚历山大·弗莱明(Alexander Fleming)结束假期返回实验室,却发现自己的培养皿意外受到污染,其中长出一种叫做青霉菌的真菌。

佚名 ·  1天前
让球迷重返英超赛场,AI能做什么?

尽管COVID-19商情的阴霾仍未散去,但今年英超联赛的首周末比赛却迎来了个难得的“好天气”。

科技行者 ·  1天前
人工智能在机械故障诊断中的应用方向

所谓机械故障诊断,就是通过机械运行中的相关信息来识别其技术状态是否正常,确定故障的性质与部位,寻找故障起因,预报故障趋势,并提出相应对策。那么,人工智能在机械故障诊断中起什么作用呢?

佚名 ·  2天前
从娃娃抓起:学习AI的优秀时机是初中时期

人工智能这场革命席卷整个世界,学习人工智能和机器学习早已不再是计算机科学专业人员的专利,各个学科背景的研究生甚至高中生都在探索这个领域。这就引出了一个基本问题:开始学习人工智能的优秀时期在什么时候?

读芯术 ·  2天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载