自动驾驶发展现状及人工智能在自动驾驶中的作用
赵昕海
自动驾驶的概念:
美国汽车工程师协会自驾分级(SAE)
L0 无自动,完全依靠个人
L1 辅助驾驶 前碰撞预警、行人探测与防撞预警
驾驶主体仍然为人
L2 部分自动驾驶
车道保持、自动变道功能等,这时汽车已经能够部分掌控方向盘
L3 有条件自动驾驶
环境观察和驾驶操作都有系统完成,人只需要负责对系统提出的请求进行应答。L3阶段。系统的感知能力要更上一层,比如没有车道线的地方,雨雪等恶劣天气情况下的感知能力。
L4 高度自动驾驶
限定区域或者功能下的自动驾驶,人类驾驶员不需要对系统提出的请求进行应答。此时系统具有很强的自主决策能力。
L5 全工况条件下的完全自动驾驶
全区域情况下的自动驾驶,与人类驾驶无异,无论极端环境与情况,均不存在人的接管或干预,完全没有方向盘和踏板
传感器组合
摄像头:图像处理算法,监测精度高,缺点是夜晚、下雨下雪天气。
激光雷达:主要通过向目标物理发射激光束和接受从目标对象上返回过来的激光束测算位置。相对于摄像头探测范围更广,且精度比较高。缺点也是下雨雪雾时精度差,同时成本很高,现在大概要7000美金一台64线
毫米波雷达:工作波长在毫米波波段。这种传感器不受天气变化影响,并且价格便宜。但是不能准确辨别物体类型
超声波雷达:超声波测距较短,主要用于自动泊车等
自动驾驶技术路线:
Google Waymo方案 - 激光雷达主导
Velodyne雷达造价很高,32线雷达要4万美元,64线要8万美元。
谷歌自己研发激光雷达,没量产情况下,已经将成本降低90% 大概是7000美金
Velodyne研究固体激光雷达,未来预计到500美元可行,大批量生产到50美元也不足为奇
Tesla方案 - 机器视觉主导
Google Waymo无人驾驶汽车
自2009年上路以来,已经安全行驶300万英里,人工干预是每1.25次/1千英里
技术阶段:L3走过一半的阶段
产业阶段:
自动驾驶的产业落地已经开始逐步落地
新车企:特斯拉、蔚来、乐视等
传统车企:福特、戴姆勒-梅赛德斯、大众、宝马
跨界巨头:Google Uber Apple 百度
初创企业 驭势科技、智行者、商汤科技
限定区域自动驾驶实现
驭势科技在白云机场的自动驾驶落地项目
短途接驳车、观光车
未来不限定区域自动驾驶
美国高速自动驾驶货车
实现以后将推动、共享经济和智慧城市的发展
车相对于手机是一个更大、更全面的智能终端
产业化落地的关键:
L2到L3
L2到L3 机器如何代替人进行周边行车环境的可靠感知。
现在的问题是机器可以感知,但是不能理解,也是深度学习的瓶颈
人工智能方法-深度卷积网络
深度卷积神经网络-在视觉上监测上已经可以做到人类水平
L3到L4
机器怎么替代人做认知干预,端到端的深度强化网络
深度强化网络-Alpha go
深度学习已经成为自动驾驶感知、决策、控制的基础技术
具有自主学习能力的智能决策与控制,包括具有紧急情况预测在内的自主行为决策系统和数据驱动型智能控制系统
人工智能是升级到L4的关键
除此以外,人工智能算法、完备大数据、芯片与传感器成本及性能
三大芯片巨头、NVIDIA intel 高通转做人工智能芯片、5G通信也是很关键的
深度网络、加低成本的激光雷达、5G通信、高精地图极有可能使周边行车环境的可靠感知与低成本高精导航称为现实、
2017年
Tela 宣布所有新车将安装具有完全自动驾驶功能的硬件系统,直接从L2跳跃到L4/L5,2017年年底完全自动驾驶模式从洛杉矶开往纽约
用户评论