自動(dòng)駕駛的技術(shù)發(fā)展速度一直很迅速，尤其是在過(guò)去的1-2年中，在較低的自動(dòng)駕駛級(jí)別技術(shù)上已經(jīng)實(shí)現(xiàn)了重大突破。車(chē)道偏離系統(tǒng)（Lane departure systems）的功能已經(jīng)從僅發(fā)出警告發(fā)展到全主動(dòng)的車(chē)道保持。防前撞系統(tǒng)（Forward collision systems）在性能和功能上都取得了進(jìn)步，不僅提供了主動(dòng)制動(dòng)功能，而且還能夠檢測(cè)騎自行車(chē)的人、行人以及其他車(chē)輛。但是，與機(jī)器可以實(shí)現(xiàn)的功能相比，在許多方面，人類(lèi)駕駛員所擁有的感知能力仍然遙遙領(lǐng)先，而且在許多關(guān)鍵領(lǐng)域我們?nèi)匀粺o(wú)法提供能夠?qū)崿F(xiàn)SAE 4級(jí)自動(dòng)化所需性能和功能的傳感器。在本文，我們涉及了一些特別具有挑戰(zhàn)性或目前完全無(wú)法解決的情境來(lái)加以說(shuō)明。

技術(shù)挑戰(zhàn) 1 ー

預(yù)測(cè)車(chē)輛在前方道路上的制動(dòng)性能

前向碰撞警告和自動(dòng)緊急制動(dòng)系統(tǒng)（Forward Collision Warning and Autonomous Emergency Braking systems）在制定避免或減輕碰撞事件的決策時(shí)，需要了解路面將提供的制動(dòng)摩擦力。然而，預(yù)測(cè)道路摩擦力比較困難。

對(duì)可能的解決方案的看法

有兩種主要方法可以實(shí)時(shí)估算車(chē)輛在前方道路上的制動(dòng)性能表現(xiàn)。

① 機(jī)載方法（On-boardapproach）

② 基于云的計(jì)算方法（Cloud-basedmapping approach）

技術(shù)挑戰(zhàn) 2 ー

預(yù)測(cè)行人軌跡

在包含行人的環(huán)境中行駛的任何自動(dòng)駕駛汽車(chē)都需要預(yù)測(cè)附近行人路線，并相應(yīng)地調(diào)整其路線以避免碰撞。但是，預(yù)測(cè)人類(lèi)目標(biāo)的運(yùn)動(dòng)軌跡是很困難的，因?yàn)槿祟?lèi)的行動(dòng)常常具有很強(qiáng)的不可預(yù)知性，不會(huì)嚴(yán)格遵守既定的規(guī)則和社會(huì)規(guī)范。

對(duì)可能解決方案的看法

斯坦福大學(xué)和東京大學(xué)都使用各種模型研究了行人軌跡預(yù)測(cè)的各個(gè)方面，其中包括可以學(xué)習(xí)和預(yù)測(cè)人類(lèi)運(yùn)動(dòng)的長(zhǎng)短期記憶（LSTM）模型。東京大學(xué)進(jìn)一步開(kāi)發(fā)了基于LSTM的編解碼器模型，該模型旨在對(duì)運(yùn)動(dòng)軌跡和人類(lèi)交互進(jìn)行編碼，以預(yù)測(cè)人類(lèi)未來(lái)較長(zhǎng)一段路徑的行為表現(xiàn)。這類(lèi)技術(shù)盡管還有很多待開(kāi)發(fā)的地方，但這些預(yù)測(cè)模型最終可能會(huì)提供一個(gè)可靠的解決方案。

技術(shù)挑戰(zhàn) 3 ー

道路上有雜物-我可以開(kāi)過(guò)去嗎？

在看到前方道路上未知屬性的雜物后，大多數(shù)駕駛員能夠決定是避開(kāi)還是開(kāi)過(guò)去。在這段很短時(shí)間內(nèi)，駕駛員在執(zhí)行各種風(fēng)險(xiǎn)計(jì)算，根據(jù)感知到的物體大小、重量和密度，將權(quán)衡停止、轉(zhuǎn)彎或駛過(guò)雜物的相對(duì)風(fēng)險(xiǎn)。在遇到雜物時(shí)，自動(dòng)駕駛汽車(chē)通常會(huì)先經(jīng)歷四個(gè)階段的過(guò)程，然后再?zèng)Q定要采取什么措施。

涉及的階段包括：

① 識(shí)別

② 分類(lèi)

③ 了解物品

④ 開(kāi)過(guò)，避開(kāi)或停止

對(duì)可能解決方案的看法

第一階段和第二階段雖然具有挑戰(zhàn)性，但可使用在現(xiàn)實(shí)世界中經(jīng)過(guò)識(shí)別大量物體訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。提早識(shí)別物體是很重要的，因?yàn)檫@會(huì)使系統(tǒng)有更多時(shí)間余量進(jìn)行后續(xù)階段操作。除此之外，還需要一些額外的系統(tǒng)訓(xùn)練來(lái)幫助對(duì)不常遇到的情景（例如，沙發(fā)從卡車(chē)上掉下來(lái)）進(jìn)行物體分類(lèi)，以完善數(shù)據(jù)庫(kù)。第三階段涉及物體的完整圖片信息的建立，并將涉及來(lái)自多個(gè)傳感器的信息融合。例如，如果識(shí)別出桶型物品，那么它是由什么制成的？是空的還是滿的？無(wú)論最終的行為是撞擊還是避開(kāi)物體，這一最后階段的結(jié)果都會(huì)因一系列的碎片動(dòng)態(tài)行為而變得復(fù)雜。它很可能在起始識(shí)別到接觸這一時(shí)間段內(nèi)移動(dòng)，并且其運(yùn)動(dòng)將取決于一系列因素，包括天氣條件以及我們的車(chē)輛與物體之間的任何其他車(chē)輛的行為。類(lèi)似于先前關(guān)于行人軌跡討論的建模技術(shù)的使用，將來(lái)可能會(huì)為這一挑戰(zhàn)提供解決方案。

技術(shù)挑戰(zhàn) 4 ー

管理不同的天氣條件

當(dāng)前的光學(xué)傳感系統(tǒng)在大霧，大雪或大雨中不能很好地工作。這些條件減小了它們可以工作的范圍，甚至使它們完全無(wú)法工作。在大多數(shù)情況下，人都可以開(kāi)車(chē)，因?yàn)榧词故谴箪F，大雪或雨天，通常也不會(huì)阻止他們安全到達(dá)目的地，即使遲了一點(diǎn)。

對(duì)可能解決方案的看法

在過(guò)去一年左右的時(shí)間內(nèi)，潛在的解決方案已經(jīng)開(kāi)始試用。由于雷達(dá)對(duì)極端天氣條件的敏感度要低得多，因此它可以為這一難點(diǎn)提供解決方案。用于地面的雷達(dá)正在開(kāi)發(fā)，它將被用來(lái)進(jìn)行地面的拓?fù)浞治觯⒔Y(jié)果與道路網(wǎng)絡(luò)數(shù)據(jù)庫(kù)進(jìn)行比較。期望在將來(lái)，該信息可能能夠在任何天氣下幫助車(chē)輛在高速公路上行駛并保持在車(chē)道內(nèi)。

挑戰(zhàn)“這些挑戰(zhàn)是進(jìn)行SAE 4級(jí)車(chē)輛安全部署的重大障礙。”SBD Automotive的自動(dòng)駕駛部門(mén)總監(jiān)Alain Dunoyer博士說(shuō)，“通常情況下，人們說(shuō)法律方面的原因限制了自動(dòng)駕駛的廣泛部署，而實(shí)際上是因?yàn)樵S多關(guān)鍵技術(shù)難點(diǎn)仍未解決。并且法律可以花費(fèi)時(shí)間和精力來(lái)修改，但物理定律不能更改，所以可以在路上看到SAE 4級(jí)車(chē)輛的時(shí)間可能遠(yuǎn)比以前設(shè)想的時(shí)間長(zhǎng)。”