關注的主題主要還是安全,首先看一下安全,麥肯錫關于未來12項顛覆性技術,從移動互聯網,一直到可再生能源,第六項就是關于自主駕駛的技術,在他的報告里特別強調了自主駕駛的安全對全球交通安全帶來的潛在好處,同時也特別強調了自動駕駛以后能夠產生的巨大經濟效益,有社會效益,也有經濟效益,報告出來以后,全球范圍里面自動駕駛汽車的試點成為了熱點。
這個圖片比較清晰的給大家展示,汽車的感知,兩個主要的方面,一個是利用自己的傳感器進行環境的感知和認識,第二個利用V2X技術,還有云管端,進行車路協同的駕駛方式,這個是大家不斷的進行技術的探索,對未來進行非常好的描繪,這張圖片大家都用的比較多,在SAE里面描述了五級的自動駕駛,最左邊是人類駕駛目前來講還是最高水平的智能駕駛,最右邊是機器駕駛,基于人工智能,現在非常的熱,整個過程中,人承擔著駕駛的作用,或者說擔負的責任逐漸向機器轉移,這是非常非常美好的愿望,在這個過程中從整車層面可以實現安全、環保,從乘員角度可以做他想做的事情。我曾經開玩笑,如果是大一點的車子,4個人坐在里面中國人可以打打麻將。
但是現在很殘酷,我也拿出了兩個典型的事故,一個是特斯拉的事故,還有一個是優步的事故,在實際投入試運營,或者商業化的過程當中,它的智能水平還沒有達到L3以上,已經出現了非常重大的惡性事故,我們平常也會聽到關于智能駕駛汽車測試評價的數據,在這種情況下,對它的安全如何進行評價和測量,的確需要我們進行思考。
這里還有兩個非常有代表性的人物,他是智能駕駛汽車的開發者,經過長期的研發以后,他表現出對智能駕駛汽車的保守和謹慎,蘋果的合伙人表現出來悲觀和不信任,他是一個典型用戶的代表,他曾經對智能駕駛汽車非常的推崇,他買了特斯拉車以后,用了以后給出了極低的評價,而且對未來非常悲觀。
這樣一些事件和典型人物的看法,他要提出來一個問題,對智能汽車的安全,測評非常重要的挑戰,這里面結合相關的觀點我總結為三點
第一個是非常重要的差別,目前還處于研發幾輛樣車,在特定環境,特定用途,跟專業駕駛員在一起進行測試評價,這個距離我們汽車動輒一個車型就是幾十萬輛,上百萬量,在全球范圍里面大規模的自由應用,存在一個巨大的差別。
第二個就是目前安全的保證,盡管你做了幾十萬公里的實驗,但是你不能保證我投入市場以后它是絕對安全的。面對這兩個方面的挑戰,我們必須要一起去思考我們怎么樣多。上午有一些答案,但是還不完整。
接下來看一下我們的基本思考,首先看一些數據,谷歌從開始研發自動駕駛汽車一直到成立新的公司以后,對自動駕駛進行測試的數據,基本上2009年年底投入實驗,花了55個月,2015年整個測試里程達到100萬英里,到2018年年底已經達到了1000萬英里,這個期間他在2012年是在每鋼內華達州獲得了測試許可,他的CEO非常保守,實際在接近1000萬英里測試條件下提出了保守和謹慎的態度。他為什么保守,為什么謹慎,看另外一組數據。
我這個車到底怎么安全才可以投入市場,這里有一個假設,假設按照10的六次方,100萬輛車,一天只運行一個小時,運行3年的時間才可以出一次嚴重的事故,這樣算出的數據是10的9次方,第一個數據是現在全球汽車的總量差不多是15億輛,按照同樣的一天,三年里面每天運行一小時,10的9次方的1500倍。還有一個非常重要的數據,我還是剛才的100萬輛車,假設它每個小時運行的里程是20英里,對應的里程就是2×10的4次方,如果我要證明在10的9次方里面是不會產生重大事故的話,我的里程數最少要這么長。
如果你考慮我們要進行統計分析,多種車型,多次實驗,這個數據是不可想象的,而且要保證實驗的過程中如何保證你所采取的場景能體現真實世界里面的,所包含的不是交通參與的要素,而是要包含所謂的能夠體現交通安全,交通風險的要素,而且要保證他們是彼此獨立的、隨即的,怎么實現,這是非常基本的要去解決的問題,解決這樣的問題才能解決安全的標準。
這個是把駕駛員開車的圖畫出來,人在開車的時候有兩個特征非常重要,第一個對交通要素,交通環境是選擇性注意,不是完全注意的,不是像攝像頭把所有信息全部采集下來,不斷的計算,在座的每一個開車人都有這種體驗,不會一直盯著這個路。第二個非常重要的,人是有學習能力的,這張圖如果是機器駕駛,軟件駕駛就是這張圖,左邊這個人也參與駕駛了,我們說共駕的狀態,完全由軟件駕駛,如果按照語音管端的情況,我這個駕駛員可能不在車上,是在云端,是在基礎設施,這個時候就帶來了兩個問題,首先一個問題我測的這個車是不是像虛框畫的方位,甚至把基礎設施放在里面,車的內涵擴大,不再僅僅由汽車制造商負責。
第二個問題就是安全保障問題,我們有人做駕駛員,不管怎么樣他是最終安全的保障者,或者是一個責任者。如果是機器駕駛怎么辦?2018年最新公布的自主駕駛測試脫離報告,所謂脫離報告就是必須要有人介入,不介入就會產生重大事故。超過1萬英里,大部分的車剛剛超過100英里,每100英里就要介入一次,大家可以想象這是多么危險的一件事情。在這種情況下機器駕駛和人類駕駛怎么保障安全的底線。
我們通常采用規模式的開發,如果我們把這樣的規模式應用到智能駕駛汽車的開發,左邊必須要對它所有的要求進行詳細的定義,上午很多專家提到了,有一些標準正在做,右邊就是如何進行驗證,都是非常復雜的。
關于要求我就舉一個例子,比如上面第一行主要是特殊的天氣情況,我們很多車載的傳感器基本上都會失效,你很難獲得你想要的信息,第二行這塊,這些動物你通過網聯的方法也沒有辦法實現,因為小狗不會帶著手機在路上行走,鴨子也不會告訴你它要過馬路。第三行,我們現在說的云端方式,在重大災害面前整個基礎設施都會發生破壞,在這樣的基礎上還要把邊界情況進行組合,形成可操作的規范和要求,實際是非常困難的一件事情,這個是開發要求的挑戰。
我們獲得的信息都有誤差,比如線路規劃的時候,我們經常用導航軟件,過半分鐘去選,出來的結果都有區別,答案并不唯一,而且都是正確的,怎么辦?中間是利用視覺和毫米波雷達融合的方式進行環境感知,這個是車輛檢測的情況,給出的只是正確率,我不知道是什么原因沒搞定,所以你去這個網站上會看到一大堆算法,算法彼此之間的關聯非常弱,你很難找到他們彼此進化的過程,跟他們的原理有關系,包括后面的運動規劃,對于不確定性的系統和不決定性的結果,如何把安全邊界提取出來,如何判斷它的正確性,都是需要深入的思考。
-
互聯網
+關注
關注
54文章
11184瀏覽量
103698 -
自動駕駛
+關注
關注
784文章
13923瀏覽量
166851
原文標題:ICV 2019: 關于自動駕駛汽車開發的思考:測試與評價
文章出處:【微信號:IV_Technology,微信公眾號:智車科技】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論