自动驾驶的道路上还有10%的技术问题需要解决

  • 2020-10-28 15:37
  • 科技日报

10月21日,全国首辆运行正常的5G无人公交车在苏州着陆。这款无人公交车,在苏州高铁新城亮相,在开放的城市道路上行驶,速度可达20-50 km/h,这款无人公交车不仅具有避开行人、自动变道、自动转弯、识别红绿灯等基本功能,还能应对城市中各种复杂的交通场景,如穿越人车混合的路口、处理后面的交通拥堵、“鬼探头”。

此前,10月12日,北京也开通了试点打车,其中包括海淀和亦庄。10月12日,北京电话超过2600。早在今年4月,长沙就全面开通了无人出租车服务。

自动驾驶服务是否一个接一个的落地,意味着它的商业化正在接近?

商业化迎来了最好的时机

目前自动驾驶的落地情况如何?发展到什么程度了?

“2019年12月,中国首次提出新基础设施的概念,掀起新一波浪潮。新的基础设施包括七个主要部分:5G、物联网、工业互联网、卫星互联网、人工智能、云计算和区块链。其中三大板块是自主驾驶软件——5G、AI、大数据中心(云计算)的核心技术。”轻舟知行联合创始人兼CEO于谦在接受《科技日报》采访时表示。

在钱看来,自主驾驶处于这些领域的交汇点,是新基础设施的典型应用。再加上近几年智能城市和智能交通相关政策的不断完善,可以说中国自主驾驶商业化迎来了最好的时机。

“整体落地方面,仅从近年来无人驾驶行业创业公司的情况来看,以2018年为分界点,无人驾驶领域确实有两个创业的黄金窗口。”于谦说。

第一个黄金窗口出现在2015年到2017年之间。这期间出现了一批自动驾驶公司。这个阶段的融资主要取决于估计的产品规模和团队背景。当时市场对L4级自动驾驶(全自动驾驶)产品的落地抱有很高的期望,并设定了很多乐观的短期目标。

“当最近的目标没有实现时,市场感到失望,并重新建立了对着陆时间的新认识。这时候遇到了资本寒冬,自主驾驶创业公司的声音就少了很多。”于谦说。

2019年后,人们对L4级别自动驾驶的期望开始回归理性。随着技术的进一步成熟,市场需求也呼唤无人产品登陆。同时,国家各项政策相继出台,相应的法律法规也逐步完善。随着硬件成本的大幅下降,L4级自动驾驶的短期落地场景逐渐清晰。

于谦表示,目前业内预计低速载人场景在公共道路上的落地运营时间约为1-3年,低速装载场景在公共道路上的落地运营时间为3-5年。虽然这几年各种物流车辆和汽车轮渡都投入了试运营,但这些试运营只局限在园区内,这里的落地指的是在开阔的道路上的落地。

无人驾驶小型公共汽车更有可能着陆

部分应用的落地是否意味着自主驾驶即将投入商业运营?自动驾驶的商业化还有多远?

在钱看来,自动驾驶能否商业化取决于不同的自动驾驶水平和不同的场景。比如L2自动驾驶(部分自动驾驶)的方案已经登陆了很多生产车辆。

“无人驾驶出租车作为当前市场最大、最具挑战性的部分,是复杂城市交通环境中无人驾驶的最终目标。但是,无人出租车着陆周期长,速度快,

目前,业界对无人驾驶小巴在开放道路上的商业应用较为乐观。无人小巴在国内很多城市开始正常运营,可以满足城市地铁衔接和微流通衔接的需求。

比如苏州在2020年7月发布了全球首个城市微循环无人小公共汽车市民体验路线,随后登陆国内首个运营正常的城市公共道路无人小公共汽车项目,并部署了无人小公共汽车的多条城市微循环路线。苏州无人公交项目将设置多条线路,覆盖新高铁城市周边9.8平方公里,解决居民“最后三公里”问题。这是目前国内最大的无人公交车项目,也是唯一运营正常的城市公共道路无人公交车项目。

于谦说,无人小巴有三个优点。第一,在中低速场景下,可以控制乘客对速度的预期,速度保持在20-50km/h之间,第二,固定路线和同一路线上的汽车反复训练,可以保证行车安全,实现红绿灯优先和预警。三是满足多人出行需求,有社会效益,在公共道路上享有优先权。

“无人小巴的应用场景结合了固定路线低速、多人出行权优先、部署基于5G的道路协调等优势,否则将成为L4级自动驾驶最快的实用着陆场景。”于谦说。

90%的技术问题已经解决

有专家指出,目前困扰自主驾驶的主要困难在于其决策规划和感知,认为这两个问题目前没有解决办法。这个观点已经被很多人认可了。现实是这样吗?

于谦认为,无论是决策规划还是感知,都可以归结为自主驾驶的长尾问题。自动驾驶技术已经解决了90%的问题,但剩下的10%可能需要同样多甚至更多的精力来解决。这10%包括许多角案。比如车辆遇到野鸭之前,工程师甚至不知道会有野鸭问题。因此,边界问题需要被发现和解决。

那么如何发现和解决边界问题呢?

“除了收集大量数据,更重要的是建立自动化生产工厂,通过自动化工具将不断收集的有效数据处理成可用的模型。以更快、更有效的方式应对边界问题。”于谦说。

于谦以上面的野鸭场景为例。如果需要专门为这些场景开发特殊的模型,那么将会有无穷无尽的场景需要处理。但是在自动化的帮助下,只要对数据进行标记,这种情况就可以在下一次系统更新中得到更好的处理,节省了很多工程师的时间。

“以感知为例很好理解,但其实策划技术也是一样的。为了对汽车做出准确的规划,最原始的方法是工程师编写规则——。大量的工程师编写大量的规则,但是这种方法不容易维护,不能满足最新的需求;进一步,奖励函数——的设计比写规则简单多了;然后,系统利用数据自动学习奖励函数。这个过程就是向自动化发展的过程。”于谦说。

头条推荐
图文推荐