狂人马斯克在年初放出豪言壮语,大概两年后,特斯拉将生产一辆没有方向盘或踏板的汽车,2020 年特斯拉将推出 100 万辆无人驾驶出租车,为了加快进度,马斯克不仅自研自动驾驶芯片,同时对激光雷达价格奇高严重阻碍无人驾驶落地忍不住吐槽,并誓言“任何依赖激光雷达的人都是注定要死,一旦解决了视觉识别激光雷达就变得一文不值”。
无人驾驶时代的到来,一方面取决于技术的成熟,另一方面还需要 AI 能够达到取代甚至超越人类智慧的能力。
无人车不是新鲜事物
人类学会开车并不是一件轻松的事情,拿到驾照仅仅意味着在了解了基本的驾驶技能,以及交通规则,但从一名“新手”到熟练的“老司机”,熟练的应对各种路况、天气环境、突发状况,需要不断的学习,积累经验,纵使如此,也极少有人能车生无患。
为此,早在很多年前,就有人开始琢磨是否能够让机器代替人类驾驶。如果看过今年大火的 HBO 播放的《切尔诺贝利》电视迷你剧集,应该会对前苏联处理核泄漏事故中,对用遥控无人车清理核反应堆屋顶的桥段记忆颇深。彼时,无人车的思路来源于人类的太空计划,美国、苏联等国家都曾研究过,但这些绝密的技术并不轻易示人。
美国国防高级研究计划署( DARPA )与陆军合作,在 1984 年发起自主地面车辆( ALV )计划,并在千禧年之后随着 DARPA 无人驾驶挑战赛的举办,让无人驾驶从“军方计划”第一次走向普罗大众视野。
不只是美国,传统汽车强势方欧洲、日韩也有过“无人驾驶”的早期探索。德国在上世纪末就开始研究军用的排爆、侦查、安全巡检的无人车,日本的筑波工程研究实验室也在 80 年代开发出了第一个基于摄像头来检测前方标记或者导航信息的自动驾驶汽车,而放弃了之前一直使用的脉冲信号控制方式。
中国在无人车领域,也早有研究。国内目前许多初创的无人驾驶公司,核心创始人员大都来自国防科大、北理工、清华大学等院校,国内的无人车也继承了从军方需求、院校开发、无人车比赛的路径,真正走进大众视野,也才是近几年的事。
国内无人车领域泰斗李德毅院士,旗下门生众多,对于无人车的发展自然颇有心得。李院士面对国内外对于无人驾驶的争相追捧,曾表示从 1984 年~2018 年,无人驾驶汽车已经走过了 0~1 的阶段,即科研探索期,直到 2025 年之前,都将处于产品孵化期,完成从 1~10 的过程,要达到完全的成熟,这个过程将会走的非常漫长。
制约无人驾驶技术进一步成熟,有产品的可靠性不强和成本的居高不下。
基础能力匮乏
无人驾驶需要感知系统和控制、决策、执行系统的充当左膀右臂,早期这些技术用于军方以及航天的研究需求,未公之于众,也未被商业公司所关注。核心原因就在于这些技术不够成熟,商业化成本太过高昂。
丰田公司的日本普锐斯混合动力车从 2003 年开始提供自动停车辅助服务,而雷克萨斯很快就为其雷克萨斯 LS 轿车添加了类似的系统。这类系统是一个无人驾驶系统的简化儿童版,但从这些汽车巨头的动作可以看出,无人驾驶技术的实现还未到火候。
在感知层面,传统的传感器有摄像头、毫米波雷达、超声波雷达等,除却各自在环境适应上的天然不足,在探测距离上,超声波雷达常见的在 4-8 米左右,24Ghz 毫米波雷达早期在几十米左右,而摄像头的发展,也仅在近几年随着智能手机的发展才有了高质量成像的进步。这些传感器在灵敏度、精度上同人类驾驶员有着巨大的差距,因此一直没有让业界看到无人驾驶落地的可能。
直到 2004 年车载激光雷达鼻祖 Velodyne 的创始人 David Hall 参加了 DARPA 无人车挑战赛,其全景摄像头方案被证明失败,于是 David Hall 便发明了让 Velodyne 声名大噪的 360° 旋转式激光雷达,让人们看到了无人车技术上实现的可能。
激光雷达的出现,能够较大程度上弥补之前传感器在精度、灵敏度上的缺陷,但其造价高昂,毕竟是一个新鲜事物。这个问题直到 14 年后,依然没有解决,也因此有了马斯克的抱怨。
但到底无人车需不需要激光雷达,谷歌比特斯拉更有发言权。从商业角度来看,谷歌是发力无人驾驶最有代表的一家公司。
向Waymo看齐
早在 2009 谷歌开始秘密开发无人驾驶汽车项目,该项目现在被称为 Waymo。该项目最初由 Sebastian Thrun 领导,他曾是斯坦福人工智能实验室的主任,也是谷歌街景服务的共同发明人。
谷歌通过一辆改装的丰田普锐斯在太平洋沿岸行驶了 1.4 万英里,历时一年多。许多在 2005 至 2007 年期间工作研究的 DARPA 工程师都加入到了谷歌的团队,并且使用了视频系统、雷达和激光自动导航技术。
2010 年 7 辆车组成的 Google 无人驾驶汽车车队开始在加州道路上试行。从早期的无人车上研发开始,谷歌就在车顶配置了旋转式的激光雷达。这也是为什么当今看到的无人车创业公司们,都会效仿谷歌做法在无人车顶上配置激光雷达的原因。2017 年初,Waymo 首次开始制造自己的激光雷达传感器,以大幅降低其无人驾驶汽车业务的成本。
今年三月份,Waymo 正式开卖激光雷达,承诺向不会与其出租车业务进行竞争的客户销售为无人驾驶汽车开发的激光雷达传感器。但 LiDAR 团队负责人西蒙·韦尔盖塞( Simon Verghese )在接受采访时称:随着扩大车队规模,需要确保传感器套件的成本也随之降低。2018 年 Waymo 宣布计划采购最多 62000 辆克莱斯勒 Pacifica 混动面包车,车辆将被用于扩大 Waymo 在全美公共无人驾驶车队阵容。
在此之前,特斯拉还在解决 Autopilot 因过度宣传“全自动驾驶”遭遇的内外纷争。
无人车还缺个驾驶脑
激光雷达目前在感知技术上能够部分弥补传统传感器的一些劣势,尽管价格昂贵、产业链未成熟、难符合车规级认证,但仍然无法 cover 全部环境。正如早在 2017 年奥迪就发布了搭载 Level 3 级别自动驾驶技术的新款 A8,信誓旦旦的表示在当年会成为全球首个把 L3 自动驾驶量产车送上公共道路的汽车厂商。过去的两年,国内外仍难觅 L3 级 A8 的踪影。
对于自动驾驶系统而言,想要成熟的商业化落地,目前需要克服的远不止技术层面的短板,还有 AI 智慧上的类人化。
马斯克旗下的脑机接口初创公司 Neuralink,希望在 2020 年年底之前开始对人类患者进行试验,想要将人脑连接到计算机上。马斯克表示,人类面临被人工智能 (AI )超越的风险,但如果人脑能通过与电脑连接,将让人类实现“某种与人工智能的共生”。
在智慧上,人工智能与人类有着非常大的距离,这并不是阿尔法狗赢下人类围棋比赛就可以类比的,在 AI 未达到连续学习,举一反三、归纳总结等处理解决突发情况的能力前,无人驾驶的大脑还无法胜任驾考的公开道路测试。
大脑的核心在于超强算力的处理器+处理逻辑,前者是 AI 芯片的战场,后者则是各种深度学习神经网络的努力所在。二者目前虽有了长足的进步,但离智慧还相差甚远。在此之前,自动驾驶系统依然需要同新手成年人一样在固定场地学车,与成年人相比,自动驾驶系统在学习能力上还有较大的短板。
如果不容易理解,可以听听李德毅教授的解答:无人驾驶的核心是驾驶脑,重点在于提升交互智能, 记忆智能,而非传统的计算智能。驾驶活动更多的是技巧,记忆和经验,而不是知识、推理和计算。驾驶脑的差异,反映的是个人的智力和运动协调能力的差异,世界上没有两个完全相同的驾驶脑。
现在谈公开道路无人驾驶技术的商业化为时尚早,诚如特斯拉在年初宣布 Model 3 已经可以实现完全的自动驾驶,不需要车主对方向盘进行干预。但在官方宣传页中,仍然是~目前可用的功能需要驾驶员主动进行监控,车辆尚未实现完全自动驾驶。上述功能的激活与使用将需要数十亿英里的行驶里程的论证,以达到远超人类驾驶员的可靠性;同时还有赖于行政审批(某些司法管辖区可能会需要更长的时间)。随着上述自动驾驶功能的进化与完善,您的车辆将通过 OTA 空中软件更新而持续升级。
这些声明,是不是似曾相识?