正在阅读:

5G时代下,我们离自动驾驶还有多远?

扫一扫下载界面新闻APP

5G时代下,我们离自动驾驶还有多远?

无人驾驶汽车的发展又一次无可奈何地遵循了技术成熟度曲线。时至今日,我们不得不承认,无人驾驶的发展比大家预想的要更难、更慢。

文|陈根

5G时代的到来和商用的加速把无人驾驶再一次推向风口。事实上,2020年曾是许多汽车企业和科技巨头计划推出量产无人驾驶汽车的关键时间节点。而当我们真正胜身处2020年时,除了波云诡谲的疫情和暗流涌动的国际局势,似乎很少有人主动提及无人驾驶行业当年的慷慨和激荡,其未来的发展也越发模糊。

有关苹果汽车推出无人汽车的传闻一直不断,但是今年苹果汽车专利的曝光似乎证实了传闻的真实性。之后,华为也官宣了华为无人驾驶操作系统内核(含虚拟化机制)获得Safety领域最高等级功能安全认证(ISO 26262 ASIL D)的消息。这些似乎并不能否认无人驾驶显示出的明显降温。与此同时,曾经喊出豪言壮语的各大厂商,都在模糊无人驾驶汽车的上市时间,或者在已经确定的车型宣传上,备注“特定的、受限的适用范围”。

不难承认,2016年无人驾驶的横空出世确实给我们带来了惊喜。Waymo、Uber的无人驾驶路测曾让业内为之一振,也让许多汽车企业倍感压力。之后我们见证了Waymo和Uber向汽车企业采购几千几万台汽车用于无人驾驶车辆研发、改制和生产,也见证了通用汽车和福特汽车对无人驾驶的巨额投入。但随着时间的流逝,无人驾驶车辆造成的车祸、对于安全员的讨论、企业之间对于“出走者”的诉讼等,渐渐让叹息多于惊喜。

无人驾驶汽车又一次无可奈何遵循了技术成熟度曲线。时至今日,我们不得不承认,无人驾驶的发展比大家预想的要更难、更慢。在无人驾驶全面商用之前,我们还要跨越哪些障碍?

无人驾驶技术系统可靠性尚不符合商业要求

无人驾驶的兴起与“人工智能”的蓬勃发展密不可分。在1956年的达特茅斯会议中,几位年轻学者就“如何用机器模仿人类在各个方面的智能”的问题进行了讨论,这次讨论催生了“人工智能”这一全新的概念,也开启了风云激荡的新时代。无人驾驶的研究架构中,自然也追随着理论框架,把人类驾驶汽车的行为进行拆解,并且试图利用算法和机器智能提升整个行为的安全和效率。

人类驾驶汽车的过程粗略拆分,可以分为几个步骤:首先观察周围车辆情况、交通指示灯。然后依据自己的目的地方向,通过油门、刹车和方向盘,进行加速/减速、转弯/变道以及刹车的操作。这个过程在无人驾驶的研究中被细分为感知层、决策层和控制层。推演,传感器、机器以及人工智能算法的结合,将完全超越人类驾驶的过程。

这个看似完美无瑕的推演却不得不面临技术的困境。有组合式的传感器可以以汽车为中心进行360°全覆盖扫描,以AlphaGo为代表的机制智能已经证明了在速度、精确度等方面机器可以远超过人类。当机器做出决策后,通过线控系统将信号传递到汽车的转向系统、制动系统和传动系统,可以确保信号的快速性以及准确性。人工智能下的感知、决策和控制似乎分别达到了朝越人类的水平。但正如前人工智能顶尖学者,斯坦福大学的李飞飞教授在与历史学者,《人类简史》、《未来简史》作者,尤瓦尔 赫拉利( Yuval Noah Harari)对谈中强调的,世界的存在不是两个群体,真是的社会远比这个复杂。除了算法之外,还有很多玩家和规则。在无人驾驶研究进入深水区的时候,传感器、芯片以及数据的问题也在逐渐暴露。

从无人驾驶的传感器角度来看,作为外部路况探测的传感器,其收集的信息将作为驾驶决策的输入,这是驾驶决策的重要保障。可以说,没有完整的信息,就不可能支持决策系统做出正确、安全的驾驶决定。虽然众多的传感器在单一指标上可以超越人眼,但是融合的难题以及随之而来的成本困境,成为无人驾驶演进过程中面临的第一个严峻考验。

多传感器的问题同时也埋下了下一个问题的隐患,那就是芯片的性能。如果需要更全面的了解外部路况信息,就需要部署更多的传感器。更多的传感器就对融合提出了更高的要求,而且在高速度的情况下,由于路况信息的变化,所带来的数据信息也更为海量。

根据英特尔的测算,一台无人驾驶的汽车,配置了GPS、摄像头、雷达和激光雷达等传感器。这些设备每天将产生约4TB待处理的传感器数据,如此巨大的数据量必须有强大的计算设备来支撑。而即使是英伟达这样的顶级GPU企业,也在算力和功耗的平衡上几乎达到了天花板。所以近年来,专用计算平台更多的走进人们的视野,包括谷歌投入应用的AI专用芯片TPU、国内顶尖创业公司地平线推出的BPU,特斯拉也在投入巨资进行无人驾驶芯片的研究。在短时间内,这都将是无人驾驶要跨越的巨大技术障碍。

来自道路的无人驾驶阻碍

无人驾驶除了现阶段面临的技术瓶颈,在后续的商业化开发上,将持续面临商业和技术上的矛盾。从商业的逻辑上来说,无人驾驶在一二线城市,甚至是城市的中心区域,可以产生最大的商业价值。但是从目前的技术条件来说,无人驾驶无法一步到位进入一二线城市,还需要更多的测试进行验证,以保证安全性和可靠性。简言之,当前的道路测试还不能推动大规模无人驾驶汽车的普及。

因此,无人驾驶在城市的郊区(或者新区)进行封闭场地测试以及公开道路测试,便成为了过渡方案。目前,为了保证车辆上路的安全性,无人驾驶车辆必须要进行仿真测试和封闭场地测试,并且在此基础上逐渐在开放道路进行测试。

封闭场地方面,位于北京通州、西安经济技术开发区和重庆高新区的三家无人驾驶封闭测试场已经得到交通运输部的认定。同时,全国还有多个城市已经建成或正在建设无人驾驶的封闭测试场地。

在开放道路测试方面,2018年4月,工业和信息化部、公安部、交通运输部就已经联合发布了《智能网联汽车道路测试管理规范(试行)》,对于测试主体、测试驾驶人及测试车辆、测试管理、事故处理等方面进行了规定。此后,北京、上海、重庆、长沙等多座城市也出台了各地的道路测试管理规定,其中多座城市已经发放了无人驾驶路测牌照。在获得某地无人驾驶路测牌照的基础上,无人驾驶测试车辆可以在该地区划定的开放道路测试区域(道路)内,进行测试。

综合来看,各地区在开放道路的划定方面,大多以城市郊区作为起始点,并(计划)逐步向城市中心区、核心区扩展。目前开放的测试道路大多位于城市郊区,人口居住密度低、交通流量小、道路较为通畅、地形较为简单。例如,北京44条开放测试道路(总长度约123公里)位于经济技术开发区、顺义区和海淀区;上海5.6公里开放测试道路位于嘉定区;福州6公里开放测试道路位于平潭岛麒麟大道;重庆12.5公里开放测试道路位于礼嘉环线;广州33条道路45.6公里路段位于黄埔区、白云区、花都区和南沙区;长沙7.8公里开放测试道路位于湘江新区;杭州5条开放测试道路位于未来科技城。

但是,目前的过渡方案依然存在着以下三个问题,依然制约着无人驾驶的进一步发展。

首先,由于场景过于单一,无法反映真实的城市出行场景。目前选择的开放道路测试区域大多位于城市的郊区,交通流量小、道路较为通畅。但是大多数一二线城市的普遍出行场景恰恰与之相反,大部分情况下是繁忙的、拥堵的,甚至会出现很多人车混杂的情况。即使在简单场景下验证成功的技术方案,在进入城市核心区之后,依然需要技术团队再次攻克难关以及进一步升级方案。同时,由于道路数据的属地性,技术方案的验证成功只能仅仅证明在此道路上的成功,拓展性有限,在进入其他道路后依然需要再次进行验证。

其次,由于缺乏测试场景数据,多家公司在相同的场景下做重复验证,浪费技术资源。目前正在进行的封闭道路测试以及开放道路测试,对于数据的归属性缺乏统一的标准。并且,大多缺乏通用数据的共享以及交易机制,所以大部分道路测试的数据都仅仅归属于测试主体。

最后,由于场景远离出行业务的主要需求区域,这使得测试仅限于技术验证,无法进行商业模式的探索。因为选择的开放道路大多位于城市的郊区,并非出行业务的主要需求区域。所以许多诸如无人驾驶出租车、无人驾驶小巴等业务探索缺乏实际有效的需求,只能以技术验证为主,辅助以部分对外公开展示,无法收集实际的、反映真实需求的数据,更无法在此基础上进行产品和服务的升级、商业模式的探索。在此背景下,许多商业化的运营设想只能从理论到理论,从设想到设想,从方案到方案,无法真实落地来探索模式的可行性。

背离大众的无人驾驶

无人驾驶在刚出世的时候被赋予了无限的期盼,无论是科技公司还是汽车行业,都把无人驾驶当作面向终端者的产品和解决方案。

而事实永远比想象要来的骨感。在无人驾驶安全性和可靠性不断提升的同时,成本也一起双飞。根据公开数据,无人驾驶汽车之外的传感器和运算设备等,总价格几乎相当于一台奔驰E级汽车。这也意味着在现有技术条件下,可以实现L4级无人驾驶功能的汽车,价格将接近百万元。

当然根据摩尔定律,技术投入和规模效应会极大提升产品的性能,并且极大降低成本。业内许多同行常常举例说,2005年1万美金的毫米波雷达,经过10多年已经降到了100美金。但是问题的关键是,就算价格降低到1/100,普通消费者是否愿意接受呢?

根据德勤的《全无人驾驶的未来—先进汽车技术消费者需求调查》显示,中国、印度和韩国的消费者对于无人驾驶技术的偏好度位居世界前列,对于先进技术消费者愿意支付一点额外费用。以中国消费者为例,2014年,消费者愿意额外付费1440美元。而到了2016年,已经大幅降低到700美元。这样的情况并非只出现在中国,美国消费者在2014年愿意支付的费用为1370美元,2016年降低到925美元。同期的韩国,2014年还在1780美元的高位,到2016年已经大幅降低到415美元。这也意味着,目前消费者愿意接受的额外付费和现有的价格,相差了近100倍。

于是,无人驾驶的使用方从终端消费者切换到出行公司,这背后也有诸多的无可奈何。百度在湖南长沙率先开展的无人驾驶出租车示范运营的成果显示,无人驾驶出租车的每公里成本在20元左右,其中车辆成本和运营成本各占一半。因为百度目前开展的试点运营,还需要安全员在座,从而对紧急状态进行干预。

即使去除人工成本,每公里成本依然高达15元左右。与此形成比较的是,国内一线城市的出租车约为3元/公里,网约车约为5元/公里。可以推导得出,如果运营方不进行大规模烧钱补贴的话,目前阶段的无人驾驶出租车,依然不是面向大众市场的产物。

或许,跨时代技术的发展真的需要时间的积淀。人工智能的概念起始于1956年的达特茅斯会议,历经两次高潮和低谷,由于大数据和出现和深度学习的崛起,人工智能才能在六十多年后实现从概念到落地的过程。

无人驾驶也可能如此,这个时代依旧等着我们去征服,去挑战,我们翻过了更多的观念和技术的大山才走到了今天。从最原始的人的双脚,到被人类驯化的马、驴以及马车、牛车等。同时,轿子与畜力工具长期并存。再往后,随着蒸汽机的出现,汽车、火车代替了原始的交通工具。车辙所及,到处都是自交通工具诞生以来的社会变革。自古如此,及今也是如此。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

5G时代下,我们离自动驾驶还有多远?

无人驾驶汽车的发展又一次无可奈何地遵循了技术成熟度曲线。时至今日,我们不得不承认,无人驾驶的发展比大家预想的要更难、更慢。

文|陈根

5G时代的到来和商用的加速把无人驾驶再一次推向风口。事实上,2020年曾是许多汽车企业和科技巨头计划推出量产无人驾驶汽车的关键时间节点。而当我们真正胜身处2020年时,除了波云诡谲的疫情和暗流涌动的国际局势,似乎很少有人主动提及无人驾驶行业当年的慷慨和激荡,其未来的发展也越发模糊。

有关苹果汽车推出无人汽车的传闻一直不断,但是今年苹果汽车专利的曝光似乎证实了传闻的真实性。之后,华为也官宣了华为无人驾驶操作系统内核(含虚拟化机制)获得Safety领域最高等级功能安全认证(ISO 26262 ASIL D)的消息。这些似乎并不能否认无人驾驶显示出的明显降温。与此同时,曾经喊出豪言壮语的各大厂商,都在模糊无人驾驶汽车的上市时间,或者在已经确定的车型宣传上,备注“特定的、受限的适用范围”。

不难承认,2016年无人驾驶的横空出世确实给我们带来了惊喜。Waymo、Uber的无人驾驶路测曾让业内为之一振,也让许多汽车企业倍感压力。之后我们见证了Waymo和Uber向汽车企业采购几千几万台汽车用于无人驾驶车辆研发、改制和生产,也见证了通用汽车和福特汽车对无人驾驶的巨额投入。但随着时间的流逝,无人驾驶车辆造成的车祸、对于安全员的讨论、企业之间对于“出走者”的诉讼等,渐渐让叹息多于惊喜。

无人驾驶汽车又一次无可奈何遵循了技术成熟度曲线。时至今日,我们不得不承认,无人驾驶的发展比大家预想的要更难、更慢。在无人驾驶全面商用之前,我们还要跨越哪些障碍?

无人驾驶技术系统可靠性尚不符合商业要求

无人驾驶的兴起与“人工智能”的蓬勃发展密不可分。在1956年的达特茅斯会议中,几位年轻学者就“如何用机器模仿人类在各个方面的智能”的问题进行了讨论,这次讨论催生了“人工智能”这一全新的概念,也开启了风云激荡的新时代。无人驾驶的研究架构中,自然也追随着理论框架,把人类驾驶汽车的行为进行拆解,并且试图利用算法和机器智能提升整个行为的安全和效率。

人类驾驶汽车的过程粗略拆分,可以分为几个步骤:首先观察周围车辆情况、交通指示灯。然后依据自己的目的地方向,通过油门、刹车和方向盘,进行加速/减速、转弯/变道以及刹车的操作。这个过程在无人驾驶的研究中被细分为感知层、决策层和控制层。推演,传感器、机器以及人工智能算法的结合,将完全超越人类驾驶的过程。

这个看似完美无瑕的推演却不得不面临技术的困境。有组合式的传感器可以以汽车为中心进行360°全覆盖扫描,以AlphaGo为代表的机制智能已经证明了在速度、精确度等方面机器可以远超过人类。当机器做出决策后,通过线控系统将信号传递到汽车的转向系统、制动系统和传动系统,可以确保信号的快速性以及准确性。人工智能下的感知、决策和控制似乎分别达到了朝越人类的水平。但正如前人工智能顶尖学者,斯坦福大学的李飞飞教授在与历史学者,《人类简史》、《未来简史》作者,尤瓦尔 赫拉利( Yuval Noah Harari)对谈中强调的,世界的存在不是两个群体,真是的社会远比这个复杂。除了算法之外,还有很多玩家和规则。在无人驾驶研究进入深水区的时候,传感器、芯片以及数据的问题也在逐渐暴露。

从无人驾驶的传感器角度来看,作为外部路况探测的传感器,其收集的信息将作为驾驶决策的输入,这是驾驶决策的重要保障。可以说,没有完整的信息,就不可能支持决策系统做出正确、安全的驾驶决定。虽然众多的传感器在单一指标上可以超越人眼,但是融合的难题以及随之而来的成本困境,成为无人驾驶演进过程中面临的第一个严峻考验。

多传感器的问题同时也埋下了下一个问题的隐患,那就是芯片的性能。如果需要更全面的了解外部路况信息,就需要部署更多的传感器。更多的传感器就对融合提出了更高的要求,而且在高速度的情况下,由于路况信息的变化,所带来的数据信息也更为海量。

根据英特尔的测算,一台无人驾驶的汽车,配置了GPS、摄像头、雷达和激光雷达等传感器。这些设备每天将产生约4TB待处理的传感器数据,如此巨大的数据量必须有强大的计算设备来支撑。而即使是英伟达这样的顶级GPU企业,也在算力和功耗的平衡上几乎达到了天花板。所以近年来,专用计算平台更多的走进人们的视野,包括谷歌投入应用的AI专用芯片TPU、国内顶尖创业公司地平线推出的BPU,特斯拉也在投入巨资进行无人驾驶芯片的研究。在短时间内,这都将是无人驾驶要跨越的巨大技术障碍。

来自道路的无人驾驶阻碍

无人驾驶除了现阶段面临的技术瓶颈,在后续的商业化开发上,将持续面临商业和技术上的矛盾。从商业的逻辑上来说,无人驾驶在一二线城市,甚至是城市的中心区域,可以产生最大的商业价值。但是从目前的技术条件来说,无人驾驶无法一步到位进入一二线城市,还需要更多的测试进行验证,以保证安全性和可靠性。简言之,当前的道路测试还不能推动大规模无人驾驶汽车的普及。

因此,无人驾驶在城市的郊区(或者新区)进行封闭场地测试以及公开道路测试,便成为了过渡方案。目前,为了保证车辆上路的安全性,无人驾驶车辆必须要进行仿真测试和封闭场地测试,并且在此基础上逐渐在开放道路进行测试。

封闭场地方面,位于北京通州、西安经济技术开发区和重庆高新区的三家无人驾驶封闭测试场已经得到交通运输部的认定。同时,全国还有多个城市已经建成或正在建设无人驾驶的封闭测试场地。

在开放道路测试方面,2018年4月,工业和信息化部、公安部、交通运输部就已经联合发布了《智能网联汽车道路测试管理规范(试行)》,对于测试主体、测试驾驶人及测试车辆、测试管理、事故处理等方面进行了规定。此后,北京、上海、重庆、长沙等多座城市也出台了各地的道路测试管理规定,其中多座城市已经发放了无人驾驶路测牌照。在获得某地无人驾驶路测牌照的基础上,无人驾驶测试车辆可以在该地区划定的开放道路测试区域(道路)内,进行测试。

综合来看,各地区在开放道路的划定方面,大多以城市郊区作为起始点,并(计划)逐步向城市中心区、核心区扩展。目前开放的测试道路大多位于城市郊区,人口居住密度低、交通流量小、道路较为通畅、地形较为简单。例如,北京44条开放测试道路(总长度约123公里)位于经济技术开发区、顺义区和海淀区;上海5.6公里开放测试道路位于嘉定区;福州6公里开放测试道路位于平潭岛麒麟大道;重庆12.5公里开放测试道路位于礼嘉环线;广州33条道路45.6公里路段位于黄埔区、白云区、花都区和南沙区;长沙7.8公里开放测试道路位于湘江新区;杭州5条开放测试道路位于未来科技城。

但是,目前的过渡方案依然存在着以下三个问题,依然制约着无人驾驶的进一步发展。

首先,由于场景过于单一,无法反映真实的城市出行场景。目前选择的开放道路测试区域大多位于城市的郊区,交通流量小、道路较为通畅。但是大多数一二线城市的普遍出行场景恰恰与之相反,大部分情况下是繁忙的、拥堵的,甚至会出现很多人车混杂的情况。即使在简单场景下验证成功的技术方案,在进入城市核心区之后,依然需要技术团队再次攻克难关以及进一步升级方案。同时,由于道路数据的属地性,技术方案的验证成功只能仅仅证明在此道路上的成功,拓展性有限,在进入其他道路后依然需要再次进行验证。

其次,由于缺乏测试场景数据,多家公司在相同的场景下做重复验证,浪费技术资源。目前正在进行的封闭道路测试以及开放道路测试,对于数据的归属性缺乏统一的标准。并且,大多缺乏通用数据的共享以及交易机制,所以大部分道路测试的数据都仅仅归属于测试主体。

最后,由于场景远离出行业务的主要需求区域,这使得测试仅限于技术验证,无法进行商业模式的探索。因为选择的开放道路大多位于城市的郊区,并非出行业务的主要需求区域。所以许多诸如无人驾驶出租车、无人驾驶小巴等业务探索缺乏实际有效的需求,只能以技术验证为主,辅助以部分对外公开展示,无法收集实际的、反映真实需求的数据,更无法在此基础上进行产品和服务的升级、商业模式的探索。在此背景下,许多商业化的运营设想只能从理论到理论,从设想到设想,从方案到方案,无法真实落地来探索模式的可行性。

背离大众的无人驾驶

无人驾驶在刚出世的时候被赋予了无限的期盼,无论是科技公司还是汽车行业,都把无人驾驶当作面向终端者的产品和解决方案。

而事实永远比想象要来的骨感。在无人驾驶安全性和可靠性不断提升的同时,成本也一起双飞。根据公开数据,无人驾驶汽车之外的传感器和运算设备等,总价格几乎相当于一台奔驰E级汽车。这也意味着在现有技术条件下,可以实现L4级无人驾驶功能的汽车,价格将接近百万元。

当然根据摩尔定律,技术投入和规模效应会极大提升产品的性能,并且极大降低成本。业内许多同行常常举例说,2005年1万美金的毫米波雷达,经过10多年已经降到了100美金。但是问题的关键是,就算价格降低到1/100,普通消费者是否愿意接受呢?

根据德勤的《全无人驾驶的未来—先进汽车技术消费者需求调查》显示,中国、印度和韩国的消费者对于无人驾驶技术的偏好度位居世界前列,对于先进技术消费者愿意支付一点额外费用。以中国消费者为例,2014年,消费者愿意额外付费1440美元。而到了2016年,已经大幅降低到700美元。这样的情况并非只出现在中国,美国消费者在2014年愿意支付的费用为1370美元,2016年降低到925美元。同期的韩国,2014年还在1780美元的高位,到2016年已经大幅降低到415美元。这也意味着,目前消费者愿意接受的额外付费和现有的价格,相差了近100倍。

于是,无人驾驶的使用方从终端消费者切换到出行公司,这背后也有诸多的无可奈何。百度在湖南长沙率先开展的无人驾驶出租车示范运营的成果显示,无人驾驶出租车的每公里成本在20元左右,其中车辆成本和运营成本各占一半。因为百度目前开展的试点运营,还需要安全员在座,从而对紧急状态进行干预。

即使去除人工成本,每公里成本依然高达15元左右。与此形成比较的是,国内一线城市的出租车约为3元/公里,网约车约为5元/公里。可以推导得出,如果运营方不进行大规模烧钱补贴的话,目前阶段的无人驾驶出租车,依然不是面向大众市场的产物。

或许,跨时代技术的发展真的需要时间的积淀。人工智能的概念起始于1956年的达特茅斯会议,历经两次高潮和低谷,由于大数据和出现和深度学习的崛起,人工智能才能在六十多年后实现从概念到落地的过程。

无人驾驶也可能如此,这个时代依旧等着我们去征服,去挑战,我们翻过了更多的观念和技术的大山才走到了今天。从最原始的人的双脚,到被人类驯化的马、驴以及马车、牛车等。同时,轿子与畜力工具长期并存。再往后,随着蒸汽机的出现,汽车、火车代替了原始的交通工具。车辙所及,到处都是自交通工具诞生以来的社会变革。自古如此,及今也是如此。

本文为转载内容,授权事宜请联系原著作权人。