小鵬、理想 急改輔助駕駛系統(tǒng)名稱

　　作者： 魏文

　　[ 多類型傳感器融合的解決方案將會進(jìn)一步提升自動駕駛感知系統(tǒng)的可靠性。張林稱，多傳感器融合的感知方案是通過取長補(bǔ)短，互為冗余，來提升感知的精確程度。 ]

　　蔚來車主林文欽日前駕駛ES8汽車啟用NOP領(lǐng)航輔助系統(tǒng)時(shí)發(fā)生事故并不幸逝世，這將自動駕駛技術(shù)推到風(fēng)口浪尖。第一財(cái)經(jīng)記者發(fā)現(xiàn)，受此事影響，造車新勢力企業(yè)理想汽車和小鵬汽車紛紛在官方網(wǎng)站上修改了駕駛輔助系統(tǒng)的名稱，“高級”、“自動”等字眼均被刪除。

　　“現(xiàn)在，很多‘自動駕駛輔助’系統(tǒng)，本質(zhì)上就是L2級駕駛輔助，并不能和自動駕駛畫上等號。”某自主車企自動駕駛工程師張克向記者表示。

　　感知不準(zhǔn)，自動駕駛無法自動

　　按照美國汽車工程師學(xué)會（SAE）的分級，目前特斯拉的Autopilot并不能算作自動駕駛系統(tǒng)。由于11起和Autopilot相關(guān)的事故，美國國家公路交通安全管理局(NHTSA)于當(dāng)?shù)貢r(shí)間8月16日表示，已對特斯拉公司的駕駛輔助系統(tǒng)展開正式的安全調(diào)查。

　　“現(xiàn)在市面上的輔助系統(tǒng)，駕駛主體依舊是駕駛者而非車輛本身，這便決定了這些系統(tǒng)不能被稱為自動駕駛系統(tǒng)。并且在技術(shù)上，我們和真正可靠的自動駕駛系統(tǒng)依舊有著不小的距離。”據(jù)張克介紹，自動駕駛系統(tǒng)主要由感知、認(rèn)知以及控制三大模塊組成。當(dāng)前主流的駕駛輔助系統(tǒng)主要使用攝像頭和毫米波雷達(dá)來進(jìn)行感知，但攝像頭識別精確度較低，難以區(qū)分和天空顏色較為接近的物體；毫米波雷達(dá)的識別精度更高，但對于靜止物體敏感度較低，并且無法準(zhǔn)確識別塑料、布料等材質(zhì)的物體。

　　蔚來方面明確表示，目前版本下的蔚來NIO Pilot還沒辦法識別塑料雪糕筒，以及停駐在前方的障礙物。

　　據(jù)記者梳理，小鵬、特斯拉等車企，目前的駕駛輔助系統(tǒng)亦有類似的問題。也正因如此，上述車企在用戶手冊中，都會將相關(guān)場景單獨(dú)進(jìn)行羅列。

　　自動駕駛行業(yè)專家張林向記者表示，能夠生成三維的位置信息，快速確定物體的位置、大小、材質(zhì)，同時(shí)還能獲得數(shù)據(jù)形成精確數(shù)字模型的激光雷達(dá)，將成為自動駕駛系統(tǒng)感知元件的有效補(bǔ)充。但當(dāng)前激光雷達(dá)的成本依舊較高，需要后期通過規(guī)模化來降低激光雷達(dá)的使用成本。

　　多類型傳感器融合的解決方案將會進(jìn)一步提升自動駕駛感知系統(tǒng)的可靠性。張林稱，多傳感器融合的感知方案是通過取長補(bǔ)短，互為冗余，來提升感知的精確程度。

　　人工智能和算法還需要突破性發(fā)展

　　感知元件之外，自動駕駛系統(tǒng)算法亦極為關(guān)鍵。多傳感器融合的解決方案能夠有效提升識別精度，要準(zhǔn)確識別還依賴于決策的執(zhí)行度。而如何去做出決策，取決于機(jī)器更相信哪種檢測設(shè)備的反饋結(jié)果，這就需要算法策略的介入。

　　“算法需要大量的路測以及場景實(shí)驗(yàn)進(jìn)行不斷測試和優(yōu)化，庫里的場景越多，機(jī)器算法的決策就會越準(zhǔn)確，但遇到邊界情況，庫里沒有相對應(yīng)的場景，算法可能會陷入‘手足無措’或者做出錯(cuò)誤判斷。早前Waymo的一輛自動駕駛車遇到了一個(gè)庫里沒有的場景，車輛自動停下來十幾分鐘，等到工作人員趕到時(shí)，車似乎突然‘想通’了，自己又開走了。”張林認(rèn)為算法可能要比感知元件更加重要。

　　上海交大智能汽車研究所研究員劉君表示，把所有場景都錄入自動駕駛系統(tǒng)幾乎不可能，人工智能需要有舉一反三的能力，這需要算法有遷移學(xué)習(xí)的能力，或者說機(jī)器要具備思考的能力，這需要算法、數(shù)字領(lǐng)域有突破性的發(fā)展。

　　為了解決算法、場景錄入等問題，特斯拉開發(fā)了多任務(wù)學(xué)習(xí)HydraNets神經(jīng)網(wǎng)絡(luò)架構(gòu)、“仿真場景技術(shù)”等新技術(shù)。特斯拉人工智能部門總監(jiān)Andrej Karpathy表示，特斯拉希望用攝像頭來模擬光線進(jìn)入視網(wǎng)膜的過程，通過打造一個(gè)類似動物視覺皮層的神經(jīng)網(wǎng)絡(luò)連接，模擬大腦信息輸入和輸出的過程。而仿真場景技術(shù)可以模擬現(xiàn)實(shí)中不太常見的“邊緣場景”，用于自動駕駛培訓(xùn)。特斯拉工程師可以提供不同的環(huán)境以及其他參數(shù)（障礙物、碰撞、舒適度等），提升算法的訓(xùn)練效率。

　　短期來看，自動駕駛更適合出現(xiàn)在相對固定、簡單的場景中，商用物流、封閉/半封閉園區(qū)、礦山/港口等相對封閉的B端商用領(lǐng)域已經(jīng)開始實(shí)現(xiàn)自動駕駛。2019年上汽集團(tuán)便在洋山港物流園、洋山一期碼頭內(nèi)實(shí)現(xiàn)5G+自動駕駛重卡商業(yè)化落地。

　　對于C端的普通用戶，當(dāng)前自動駕駛功能更多出現(xiàn)在停車場等相對更加簡單的場景之中。威馬汽車創(chuàng)始人沈暉表示：“我們L4級別無人駕駛功能，最終選擇了高頻停車場景的原因，就在于相對封閉的環(huán)境、相對低速的狀態(tài)，安全性更高。”

　　某自主品牌研究院負(fù)責(zé)人陳奕也告訴記者：“目前在有限場景下的無人駕駛已經(jīng)算比較成熟，比如現(xiàn)在很多車企都推出的AVP自動泊車；但是要在更大的場景中實(shí)現(xiàn)自動駕駛，一方面需要感知元件、算法的進(jìn)一步完善，另一方面，由于駕駛主體發(fā)生改變，還需要增加約束條件、劃分清晰的權(quán)責(zé)。”

　　（應(yīng)受訪者要求，張克、張林、劉君、陳奕均為化名）

海量資訊、精準(zhǔn)解讀，盡在新浪財(cái)經(jīng)APP

責(zé)任編輯：戚琦琦