如果你有关注自动驾驶技术,你可能看过从 Google 到特斯拉,再到很多创业公司的自动驾驶展示影片和图片,但是它们大多有一个共通性──都是发生在阳光灿烂、地面干燥的环境下。
对于自动驾驶汽车来说,这样的环境是“完美”环境。但是在真实世界里,这样的“完美”环境并不总是出现。人们开车会遇上下雨、下雪、起雾甚至风暴(对中国驾驶们来说,雾霾更是避不开的情况)。在这样恶劣的天气下,能见度低、地面打滑等,都会让人类驾驶犯错,对于重度依赖感测器来探测环境的自动驾驶汽车来说,它是更难解决的问题,就连 Google 也没能搞定。
不过最近,一家名为 Drive.ai 的创业公司公布了一段测试影片,让很多人都震惊了:他们在一个大雨倾盆的夜晚,开着自家研发的自动驾驶汽车,就在 Google 的眼皮底下,让机器人驾驶完成雨夜开车这个挑战。
影片里可以看到,整段自动驾驶测试有好几个亮点:
在 10 秒处,开始下起了倾盆大雨,而自动驾驶汽车并未受到影响;
30 秒处,出现了非常窄的街道,而且两边停有车辆,还有来车交会;
1 分钟处,在没有红绿灯而只有 Stop 标志的十字路口,一辆车插到 Drive.ai 车前抢行;
1 分 50 秒处,路口红灯坏了;
2 分 35 秒处,由于大雨,路面都是积水,车灯一片反射,但是自动驾驶车辆并未受到影响。
发给 PingWest 的声明里,Drive.ai 的联合创始人兼 CEO Sameep Tandon 称,这段影片是在山景城(也是 Google 总部所在地)拍摄的。这整段影片都是在全自动驾驶下完成,完全没有人工干预;此外,整段影片没有剪辑,只是快转。
雨夜、交通号志故障、车辆抢行……Sameep Tandon 说:“这就是驾驶们每天都会遇到的情形。任何成功的自动驾驶技术都会需要解决无数这样难以预料的情况,面对各式各样的驾驶条件,但是目前没有几家公司可以真正做到这样。”
这是 Drive.ai 第一次发表自己产品的影片。之前我们曾经介绍过,Drive.ai 是加州第一批拿到自动驾驶汽车测试许可的公司之一,几位联合创始人均来自大名鼎鼎的史丹佛人工智能实验室。他们的目标是使用深度学习技术,打造一个像人类思考的自动驾驶软件。
中美跨境的基金和创新孵化机构 InnoSpring 是 Dirve.ai 的早期投资机构之一,从 2015 年 3 月就开始孵化 Drive.ai。它的硅谷总经理王笑告诉我们:“Dirve.ai 的早期 8 个联合创始人,几乎把史丹佛做驾驶的 AI 实验室全包了。”这个实验室出了许多名人,最为人熟知的是 GoogleX 的创始人 Sebastian Thrun 和后来接手的吴恩达。Drive.ai 不仅有人工智能在驾驶应用上的积累,还有 Google 做了 10 年的资源和经验。
她称 Drive.ai 总结了 Google 的几大弯路,分别是:太过依靠昂贵的激光雷达感测器,Google 在 Velodyne 定制的感测器加起来价格在 20 万美元左右,昂贵的价格是商业发展的绊脚石;其次,太过依赖高清 3D 地图,由于高清 3D 地图获得价格昂贵,临时变量不可控,造成技术严重 overfitting (过适应);另外,软件技术后端的平台延展性有限,自动驾驶软件不一定可在短期内跨平台支持多家汽车厂商。
而 Drive.ai 一开始就要做一辆用低配备激光雷达、便宜的照相机、Google 2D 地图就能上路的无人驾驶车,并且用深度学习解决了价格─认知准确性─商业模式可延展性,3 个息息相关又互相牵制的问题,经历两个月开发后就上路了。 “这段在雨天漆黑夜晚上路的影片,也是 Drive.ai 的实力展示。”王笑说。
所以和 Google 的 Waymo、特斯拉以及一众汽车厂商都不同,Drive.ai 主要聚焦在软件层面,希望以此提供价格低廉的自动驾驶解决方案。 Sameep Tandon 说:“深度学习技术可以让它像人类大脑那样处理信息和做决策……我们的团队有打造未来交通的专业能力。”
为什么恶劣天气是自动驾驶难以克服的难题?
雨雪等极端天气一直是自动驾驶汽车的瓶颈。一名自动驾驶行业的从业者告诉我们,雨雪天气很容易让自动驾驶汽车变成“睁眼瞎子”:自动驾驶汽车往往依靠摄影镜头、雷达、GPS 和光学雷达系统的组合来辨识路况和周边环境,雨雪等情况会造成遮挡、反射等,降低了雷达和相机对重要交通标志,比如对车道线的辨识等,光靠 GPS 并无法准确定位汽车位置。
就像人类驾驶需要各种标识,比如车道线等,来定位自己在路上的位置一样,自动驾驶汽车也需要如此。这意味着它们也需要更多细节丰富、精确的地图数据,这也就是为什么各大汽车公司和科技公司都竞相从诺基亚手里购并 HERE 地图的原因。
但是除了地图数据,汽车也需要可靠的感测器来提供汽车周边的即时环境,光学雷达可以做到这一点,但是当下雨或下雪的时候,它们的感测会受到干扰,可靠度大大降低。
要解决这个问题,一个办法是安装极其昂贵的硬件。The Verge 称,特斯拉在去年 10 月后,更新了自家自动驾驶硬件系统,在车身四周一共安了 8 个镜头来提供 360° 视野、感测 250 米的距离,还有 1 个雷达和 12 个超声感测器到原来两倍大的范围,一个增强版的前向毫米波雷达,能够帮助汽车在雨雪、雾尘等天气下探测到前方车辆。
这样做效果虽好,但是成本大为上升,很难成为面向大众的自动驾驶汽车解决方案。
Google 的 Waymo 也一直在测试在雨雪天气下的自动驾驶情况。他们甚至还在感测器外壳上装了雨刷器,来保证感测器的能见度。不过这样做效果不是太理想,所以 Waymo 的车在下雨天里十分谨慎,一旦受影响就会停在路边,直到情况好转。而现在,Waymo 也开始在一些天气多变的地区,比如华盛顿州等进行更多雨雪天气下的自动驾驶测试。
另外感测器的供应商如 Quanergy ,都在研发激光雷达的数位过滤器,让激光雷达可以减少雨雪干扰,能在极端天气里工作。同样的,目前这项技术的进展还比较有限。
福特算是恶劣天气自动驾驶的尝鲜者之一,去年也曾经在自家测试场地测试过雪天自动驾驶,并公布了影片。
这次 Drive.ai 没有透露他们的自动驾驶汽车的硬件规格,也没有给出更多技术细节,只表示正在用深度学习和神经网络来训练自己的自动驾驶系统。它不仅可辨识人和检测物体,而且还能和其他车辆对话。 Drive.ai 的联合创始人兼总裁卡罗尔‧莱利(Carol Reiley)之前接受 PingWest 品玩采访时表示:
Drive.ai 聚焦在汽车的“大脑”,主要用深度学习技术来打造自动驾驶的人工智能系统,让电脑自己训练自己、做出正确的决定,而不是试着把所有做法都提前写在电脑里。
路面情况是动态的、有无穷的可能性(相比之下,围棋的步数仍是有限的,这也就是为什么人工智能可以下围棋、但是没法开车),开发人员不可能列出所有情况、提前设定好所有做法,所以,让机器像人类一样获得训练、自己学习才是更有效的。
或许这正是 Drive.ai 这次挑战“雨夜自动驾驶”成功的关键。
(本文由 PingWest 授权转载;首图来源:Drive.ai)
延伸阅读:
- NVIDIA 获准在加州公共道路测试自驾车