|
4月25日至5月4日，2024北京国际车展举行，国内外知名汽车品牌悉数携全新产品以高规格参展。此次车展专门设置了“智驾未来展区”，随处可见“智”字招贴，自动驾驶、智能网联成为这次车展最“吸睛”的元素之一。 5月1日，《杭州市智能网联车辆测试与应用促进条例》正式施行。杭州成为除经济特区外，全国首个以地方立法明确自动驾驶车辆上路具体流程的城市，也是全国首个为低速无人车立法的城市。杭州还自当天起，率先将全市八城区和桐庐县城区作为智能网联车辆测试应用区域，服务人口数量超1000万。 “2024年是智能驾驶规模商用元年。”有国内科技公司高层近日如是说。特斯拉CEO马斯克于4月28日下午抵京后表示：“很高兴看到电动车在中国取得进展，未来所有汽车都将是电动的。”就在近期，马斯克曾表示：“未来几乎所有汽车都将是自动驾驶的”，“人们未来进入汽车就像进入电梯一样，你甚至都不会想到它”。 事实上，近些年，国内外众多车企和科技企业在自动驾驶方面的投入堪称马不停蹄、紧锣密鼓，给汽车产业的智能化进程按下加速键。自动驾驶前景充满了想象空间。但对于很多人来说，“自动驾驶”仅仅是一个充满未来感与科技感的词，既有向往，又有担心：自动驾驶技术难吗？出bug了怎么办？它比人类司机更安全吗？目前，按照国际自动机工程师学会标准，汽车自动驾驶技术可划分为L0至L5共六个级别：L1至L2为驾驶辅助技术；L3是分界线，L3及以上为自动驾驶，但L3在系统发出请求时，人还可以接管驾驶，L4在绝大部分场景下，车辆可实现自动驾驶，且不需要人类司机干预；L5是在任何场景下，都可以实现自动驾驶，也就是完全自动驾驶。
△资料来源：国际自动机工程师学会
其实关于自动驾驶技术的研究，可以追溯到上个世纪五十年代。最近几年，自动驾驶更是让众车企魂牵梦萦、分秒必争。但时至今日，大多数车企自动驾驶水平还处于L2水平，也就是辅助自动驾驶阶段。当前行业主流意见认为，技术从L2循序渐进、不断迭代，最终会达到L4高级别自动驾驶。但在很长时间内，L2可能都会与L4共存。
△资料图可见，实现自动驾驶，并非易事。它是一件极其复杂的系统工程，涉及传感器、计算机、人工智能、通信、导航定位、机器视觉、智能控制等多门学科，而软硬件、政策环境都对其发展有重要影响。毫末智行数据智能科学家贺翔介绍，目前主要有两种技术路径。一种是以激光雷达为核心的融合感知路线，激光雷达、摄像头和毫米波雷达等构成融合感知体系，以华为、小米、蔚来等车企为代表。另一种是纯视觉感知路线，以特斯拉为代表。纯视觉路线对车端和云端算力都提出较高要求，特斯拉为此自研了车端人工智能（AI）芯片和云端训练芯片。这两种技术路径，无论是哪一种，都要完成感知、决策和执行三个环节。如何理解呢？自动驾驶系统开车，跟我们人开车一样，也是靠眼睛（耳朵）、大脑和手脚，分别承担着感知、决策、执行职责。
△资料图它的“眼睛”“耳朵”可以是高清摄像头、激光雷达、毫米波雷达、超声波雷达等感知系统，对车辆、行人、交通信号灯、障碍物等环境做出快速准确的识别，确保其“看得懂物”。以上两种技术路线，主要就是从环境感知方面做的划分，这个环节是后续两个环节的基础。自动驾驶的“大脑”就是“芯片”、算法，用于做决策：车怎么开安全？选择哪条路效率更高？这是“看得懂路”。而控制系统就是用来完成执行动作的“手”和“脚”。我们先来看看融合感知路线，这是目前国内车企实现自动驾驶的主要方式。简单来说，就是通过装载高清摄像头、激光雷达、毫米波雷达等传感器，收集车辆周边信息，再配合高精度地图，做出决策。这种路线，优点十分明显：几种传感器相互配合补充，发挥各自“特长”，数据来源十分多样，这让最终感知结果更加稳定可靠，决策也会更加准确。比如，摄像头可以提供丰富的视觉细节，而激光雷达可以提供精准的距离、速度数据，还能保证夜间、大雾雨雪天等恶劣天气下的识别效率，弥补摄像头的不足。这种技术路线，最大的缺点就是贵——高精度地图和激光雷达，都需要高额投入。
△资料图贺翔介绍，高精度地图作用类似导航地图，但道路信息更丰富，包括车道位置、道路标志、交通信号等，这些信息帮助车辆精确定位并做出导航决策。“但它的应用难点之一，在于建图所需时间和经济成本都非常高昂。”有业内人士介绍，专业绘制车辆携带的各类传感器价值不菲，平均采集成本约为1000元/公里。据悉，华为在上海市采集了两三年的高精度地图，也只覆盖了2.2万公里，而覆盖全上海需要采集3.6万公里。此外，地图需持续维护才能“保鲜”。“城市道路天天在变，有时候今天采集完数据，明天就要改。”业内人士介绍，与此同时，从国家安全角度，政府也只允许厂商每隔几个月刷新一次，还要经历漫长的审核，这让高精度地图很难广泛使用。而在实际使用中，当路况与地图不符时，系统就会让司机接管车辆，频繁接管会直接影响消费者体验。
△资料图在本次北京车展上，已经有不少车型选择了无图智驾方案。甩开高精度地图的自动驾驶，能够适应任何环境，无论地图覆盖与否。“高精度地图成本高、更新慢，正在逐步被城市智驾方案所抛弃。”贺翔表示，为了抛开高精度地图，有的企业开始利用摄像头实时重建车辆多维环境，这些环境数据还能成为仿真训练（指在虚拟环境中构建罕见事故场景，训练系统应对能力）的基础。此外，一颗激光雷达的价格，尽管已经从2017年左右的7万~8万美元降到了现在的小几千元人民币，但相较于几百元的摄像头来说，价格并不低。“十万元左右的车型，配备这样一颗雷达，还是压力很大的。另外，激光雷达刚上车不久，使用寿命还没有得到过市场长期的检验。”贺翔说。多传感器融合方案除了成本高，技术方面也有一定挑战，有业内人士指出，当两种传感器结果发生冲突，系统应相信哪个？“假设总是信摄像头，那激光雷达还有什么用呢？”
△资料图而纯视觉路线聚焦一个“纯”字——只使用摄像头来感知环境。这意味着从认识物体，到测算距离、速度等一切环境信息，都需要靠摄像头来完成。想走这条路线并非易事，因为系统要处理大量图像、视频信息，车端和云端算力、算法都非常重要，主打一个“脑子好使”。（车端需要处理多个高清摄像头大量复杂的数据，而这些处理都必须在车上及时完成以确保反应速度；云端则负责处理大规模的数据分析和模型训练，以持续优化车辆的感知和决策能力）贺翔介绍，这些算法需要能够处理光线变化、天气影响、遮挡和其他视觉噪音，要把更多的二维图片转化为三维物体，从而感知速度和距离，这些都是使用激光雷达很容易处理的问题。这个方案，其实是在模仿人的驾驶习惯：只要是眼睛（摄像头）能够看到的东西，系统就能够识别其中的信息，进而做出正确判断。想要识别得更加准确，就需要自动驾驶系统不断学习并优化驾驶决策，海量数据在这个过程中至关重要。特斯拉就是靠着几百万辆车跑出来的实际驾驶数据，用于训练算法模型、训练系统应对能力，显著改进了其自动驾驶软件性能。这种“车队学习”是特斯拉智能驾驶迎来 “ChatGPT 时刻”（特斯拉FSD V12 发布）的关键因素之一，也是其无需高精度地图的原因之一。
△资料图相较于融合方案，纯视觉感知路线最大优势就是成本更低，更有利于市场大范围推广。但为了更高的安全性和可靠性，纯视觉路线隐性成本并不低，甚至可以说更高，只不过这是“终身受益”：它需要投入更多资源来开发和优化视觉处理算法和计算平台。马斯克今年4月初曾表示，2024年特斯拉针对自动驾驶领域的总投入将达到100亿美元。“纯视觉路线缺陷也较明显，由于摄像头采集到的原始数据是二维图像，不包括距离、速度，车辆仅靠这些信息容易出现误判。”贺翔介绍，在融合感知路线中，即使一个传感器失败或被干扰，其他传感器仍能提供关键数据，而纯视觉感知路线在摄像头遇到失效、被污染等状况时，缺乏同等级备份选项，可能会影响整体系统的可靠性。特斯拉2016年5月的一场事故就曾让其陷入舆论风波：系统摄像头将大卡车的大面积白色车身识别成了“云朵”，而当事车主没有注意路况，最后撞上正在转弯的大卡车。
△资料图贺翔表示，随着AI算法快速发展迭代，计算机视觉经过大量数据训练，可以逐渐弥补摄像头的不足。“这两条路线各有优势，至于行业最终选择走哪条路，将是技术、工程、商业等方方面面博弈的结果。”但贺翔认为，自动驾驶最终应该还是走向纯视觉感知路线，“因为它更像人在开车，只有人眼捕捉到的信息才是最全面的，也只有人才能理解语义。纯视觉感知路线随着算法的不断迭代，学习的不断深入，它能越来越理解人看到的世界，让自动驾驶真正实现智驾。”“会有。只要是机器，就会有bug。”贺翔表示，这些bug可能由多种因素引起，包括软件错误、硬件故障、传感器误读或者数据处理错误等等。不像手机、电脑卡顿，重启后就可正常运行，而且不会造成重大影响，高速行驶的车如果卡顿了，乘客安全如何保证呢？“现在业内是有解决方案的，安全是自动驾驶最应优先考虑的要素。”贺翔说，自动驾驶汽车应该都有一个兜底机制，软硬件一旦报错，车会自动执行刹停，或者是让人类司机接管。
△资料图目前为了解决可能出现的bug，业内采取了很多策略，包括：持续测试和升级。就像手机软件需要更新一样，自动驾驶系统也需要不断进行测试并更新，以确保能处理各种复杂的交通情况。使用备用系统。在车辆中安装多套系统，如果主系统出问题，备用系统可以立刻接管，就像飞机上有多个引擎一样。持续改进算法。不断通过实际道路数据学习和优化，使得系统能更智能地处理各种情况。 这些方法，都是为了不断降低自动驾驶系统出现bug的几率，确保车越开越聪明，越开越好开。“自动驾驶安全性要赶超人类司机，这是自动驾驶技术发明的初衷，其核心目标之一就是要消除人为错误。”贺翔表示，大多数交通事故都是由人为错误造成的，如超速、酒驾、疲劳驾驶、分心、路怒等。自动驾驶系统几乎可以在不分心、不疲劳、不受情绪影响的情况下持续运行，在理论上确实能减少这些常见的人为错误。“自动驾驶的反应速度和精确性，理论上可以做到比人类要更高。”毫末智行CEO顾维灏说，自动驾驶系统能持续高效监测周围环境，即时对周围发生情况做出反应和决策。此外，它们还能够与其他自动驾驶车辆进行通信，协同作业以提高整体交通安全。
△资料图但目前自动驾驶系统由于技术上的不足，在安全上仍面临一些挑战，比如在处理复杂交通场景或罕见事件方面，如果它没有遇到过相关场景，就会做出离谱的决策。比如，前一段时间，一台开启智能驾驶的车辆就撞上了前方侧翻的卡车，因为它没认出来轮子朝天的车，就会认为这个场景是安全的。顾维灏表示，随着自动驾驶系统不断学习优化，其安全性有望逐渐实现并最终超过人类驾驶10倍。“自动驾驶技术的发展，将为我们社会生活的方方面面带来许多积极影响，包括提高交通安全、增加交通效率，以及改善生活质量等。”顾维灏在谈到自动驾驶技术的巨大价值时说道，首先会减少由人为错误引起的交通事故，还可以通过优化行驶路线和速度，减少不必要的停车和急刹车，从而提高交通流的效率，通过与传统交通模式的整合，创造一个更为灵活高效的多模式运输网络。“像北京东三环早高峰的拥堵，或将得到有效缓解。”
△资料图另外，自动驾驶技术可以为老年人、残疾人以及其他没有驾驶能力的人群提供更多的独立出行机会，提升他们的幸福指数；还能把人们从驾驶任务中解放出来，将通勤时间转变为休息娱乐的时间。与此同时，“随着自动驾驶车辆的增加，城市规划和交通基础设施将逐渐适应这一新技术。例如，可能减少停车场和停车空间的需求，因为自动驾驶车辆可以在不需要时自行寻找停车位或返回家中。”……自动驾驶带来的这些改变，将对我们的生活、商业运作和社会结构产生深远影响，推动我们进入一个更安全、更高效、更环保的未来。尽管自动驾驶前景充满了想象空间，现实却很骨感：在实现全面商业化和广泛应用之前，自动驾驶在成本、技术、法律法规、社会接受度等多方面仍面临一些困境。任何产品在真正走向商业落地前，都需面临一个核心问题——成本。自动驾驶成本居高不下是阻碍其普及的因素之一。软硬件开发、数据采集、相关技术测试和验证等各环节都需要大量资金和时间投入。在技术方面，顾维灏表示，尽管自动驾驶技术已取得了显著进步，但仍需解决如感知系统在复杂环境下的可靠性、人工智能决策系统的健壮性等问题。例如，如何提高在恶劣天气或复杂道路条件下的性能，如何提升模仿人类司机的直觉和决策能力等。关于政策和法规，顾维灏介绍，自动驾驶的法律责任、安全标准、隐私保护等方面的法规尚不明确，这对于规范自动驾驶车辆的测试、使用、责任归属等方面造成困难。“例如，如果人类司机和自动驾驶系统开的车相撞，责任应如何判定，是人的事儿？还是厂家的事儿？这都需要在法律法规上做出界定。”此外，不同国家和地区的法律、标准不统一，这给自动驾驶车辆的国际化推广也带来了一定障碍。
△资料图此外，让消费者愿意为相关功能埋单也是当前行业共同困境之一。如今，很多车企和自动驾驶公司已推出了泊车和高速辅助驾驶功能，但城市场景才是让消费者直接感知这项技术的最重要途径，因为城市场景才是人们生活中经常用到的场景。如果自动驾驶不能在高频和刚需场景实现，所有商业规划都是空中楼阁。“搞定城市道路，人们才会更加信任自动驾驶，尤其在中国，中国的城市交通状况太复杂了。像北京早高峰，什么车的自动驾驶遇到都会'疯’。”北京亦庄自动驾驶示范区的一位自动驾驶安全员说。目前，国内的一些头部车企或科技企业也已陆续落地城市场景辅助驾驶。这些城市场景落地让消费者对自动驾驶的信任度有所提升。顾维灏表示，解决这些困境需要技术创新、法律改革、伦理讨论以及社会教育等多方面的努力。“只有这样，自动驾驶技术才能顺利地融入我们的生活，实现其潜在的巨大价值。”这两年，我国陆续出台了一系列如《关于开展智能网联汽车准入和上路通行试点的通知》《自动驾驶汽车运输安全服务指南（试行）》等支持自动驾驶发展的政策，此外，从中央到地方对智慧公路、车路协同等发展也十分重视，多条智慧道路已建成并开启试运行。国内众多车企和科技企业也都在推出基于量产的高阶智驾产品，展示出中国自动驾驶技术的商业化和量产潜力。国外特斯拉FSD V12 版本的推出，更是标志着自动驾驶技术达到了一个新的里程碑。目前，北京、上海、广州、深圳、重庆、武汉，就连山西的最小地级市阳泉等地，都开展了无人驾驶示范区。没有司机的出租车、巡逻车、环卫车等L4级的自动驾驶（完全自动驾驶），在这些地方可以看到。△今年，北京亦庄到大兴国际机场率先开放常态化自动驾驶接驳。但目前多数自动驾驶仍处于L2级的辅助驾驶阶段，发展最快的也就在L3级的先导阶段，贺翔认为，我们距离真正完全自动驾驶的量产还有一定距离。“这中间需要一次质的飞跃。”顾维灏如是说，说来说去，想要真正走入每个人的生活，破解当下发展困境是关键，技术、成本、法律法规、公众接受度等都需要有质的改变。“只有到那个时候，真正的完全自动驾驶（L5级）才能走入我们的生活。”写完这篇稿子后，我对自动驾驶放心了许多，并决定去亦庄感受下自动驾驶，看看乘车体验到底如何。没想到还有意外收获，戳视频↓
|
