Our News

关于主动驾驶线路之争的一些思索

关于主动驾驶线路之争的一些思索

yobo体育全站app-官方下载 // 2022-04-28

主动驾驶行业内一直存在两个线路之争 ,一个是感知方案之争,一派以为应该走纯视觉线路,一派以为应该走视觉与雷达的交融线路 ;另外一个是无人驾驶的实现路径之争 ,一部门以为需要走从L1慢慢迈向L4的渐进式线路,另外一部门以为应该走直达L4的超过式线路。

本文将别离阐发下这两种线路之争中差别模式的区分,并提出一些思索 。

1. 感知方案:纯视觉 VS 多传感器交融

汽车实现主动驾驶起首需要可以或许“瞥见”周围情况 ,并对于情况内的各类静态 、动态物体有必然的认知,这个历程即是主动驾驶的“感知”,感知需要依靠安装在车体上的各类传感器实现 ,例如摄像头、激光雷达、毫米波雷达等等。

今朝主流的感知方案有两种 , 一种因此Waymo为代表的多传感器交融方案,即同时使用摄像头以及雷达收罗信息,别离哄骗摄像头以及雷达特色 ,处置惩罚各自擅长的数据类型以及使命,并将处置惩罚成果举行交融获得同一的感知成果; 一种因此Tesla为代表的纯视觉线路,即仅使用摄像头作为传感器举行信息收罗 ,构建纯计较机视觉收集举行感知成果输出,近似于人眼的感知模式。

先来看下这几种差别传感器的能力特征:

整体来讲,激光雷达看患上远看患上清 ,但看不见近处,是个远视眼,拥有夜视能力 ,但对于恶劣气候力所不及,同时只能瞥见三维布局,看不见二维平面布局;毫米波雷达是能看远也能看近 ,但越远越看不清晰 ,是个近视眼,不仅拥有夜视能力,且拥有恶劣气候前提下能瞥见的超能力 ,不外一样看不见二维平面布局 ;而摄像头仅凭自身能力很难正确判定间隔,但有算法加持,可以成长出这项能力 ,且摄像头能瞥见更多的信息,包孕车道线等二维布局 、物体分类、颜色等,是个超等眼 ,但在光芒欠安、有雨雪雾等恶劣情况下,能力存在短板 。

通常为经由过程“后交融”体式格局将差别传感器的感知成果举行交融,即每一个传感器各自自力处置惩罚天生方针数据 ,当所有传感器完成方针数据天生后,再由主处置惩罚举行交融。

图片来历:3D视觉工坊

而 纯视觉线路仅使用摄像头作为感知传感器,其思绪是纵深成长 ,经由过程摄像头收罗到更多条理的数据信息 ,并经由过程连续前进的强盛算法,从数据中挖掘到需要的成果。

图片来历:电车之家网

下面咱们别离从工程成本 、技能繁杂度、成长潜力三个维度来对于比下这两条感知线路 。

工程成本

比拟于激光雷达以及毫米波雷达,摄像头的成本是最低的 ,单目相机的价格一般低于100美元,而激光雷达的价格此刻约莫在5000美元之内,有专家猜测将来几年跟着激光雷达的普及 ,成本会降至500美元如下,但也仍旧高于摄像头的成本,是以纯视觉方案的体系成本是要远低于多传感器交融方案的。

技能繁杂度

多传感器交融方案的繁杂度重要表现在“交融”层面 ,因为差别传感器特征差别,所收罗的数据类型也有很年夜差异,不管是前交融照旧后交融的思绪 ,都需要将差别模态的数据同一映照到统一个专门为交融设计的时空平面,这内里需要思量交融错位、信息丢掉等问题,同时还需要解决当差别传感器感知成果差别时 ,应该选择信托谁的问题。

成长潜力

小鹏汽车副总裁吴新宙曾经经暗示 ,视觉的潜力是没有止境的,它真的是一个宝藏,持久来看 ,视觉是无所不克不及的,可是这个能力的增加是有一个历程的 。

针对于摄像头夜视能力差的问题,特斯拉提出了直接基于“光子”作为神经收集输入的视觉感知处置惩罚的方案 ,“光子”是摄像头收罗数据最原始的情势,传统的视觉方案中会接纳ISP(图象旌旗灯号处置惩罚)模块来对于摄像机收罗到的原始图象数据举行加工,获得质量更好的图象 ,是模拟人眼的成像道理,但这个步调会致使一部门原始信息丢掉,直接接纳“光子”数据可以最年夜限度的保留原始信息 ,是以在黑夜中,纵然是行人微弱的反光,也会被记载到光子的变化 ,这使患上摄像头得到了逾越人眼的夜间视距 ,成长成熟后可以解决纯视觉方案的夜间鲁棒性问题 。

而对于于雨雪雾等恶劣气候下的鲁棒性问题,激光雷达也其实不可以或许解决,毫米波雷达虽然受滋扰较小 ,但因为毫米波雷达自身特征,致使其精度会跟着间隔衰减较着,是以也只能合用于近场问题 ,相较之下,视觉线路最具解决这个问题的潜力,视觉的基本思绪是对于人眼的模仿 ,人类在恶劣气候下开车时,会按照少许可见的线索对于其他汽车或者行人的运动轨迹举行猜测,只管即便规避危害 ,理论上视觉算法充足强盛时是可以到达人类在恶劣气候下的感知能力,特斯拉在视觉感知收集中引入了时空影象能力,使患上感知不仅基于瞬时事务 ,还能联合以前时刻的事务行止理 ,这晋升了神经收集的猜测能力,再加之对于“光子”的感知,使患上纯视觉方案在恶劣气候下的感知能力有年夜幅晋升 ,最新的特斯拉FSD9.0在恶劣气候下的体现也证明了这一点。

同时,比拟多传感器交融的感知架构,纯视觉感知架构更具备美感 ,交融架构触及多模态耦合,体系节点多,布局比力烦复 ,而视觉架构使用同一布局的数据作为输入,完成端到端进修,输出方针使命成果 ,总体布局很是简约整齐,这使患上纯视觉线路的算法效率以及体系运行效率都要更胜一筹。

综合上述几个维度来看,笔者以为因为年夜部门公司视觉算法还不敷成熟 ,且主动驾驶的安全性至关主要 ,是以短时间需要雷达来补余能力,但跟着视觉算法的日渐成熟,多传感器交融方案可能仅是过渡方案 ,纯视觉方案才是结局 。

2. 无人驾驶实现路径:渐进式 VS 超过式

主动驾驶根据SAE等级划分为L1-L5,此中L1-L3一般称为辅助驾驶,驾驶的焦点主体仍旧是人 ,而L4-L5称为无人驾驶,驾驶的焦点主体是车,因为L4级以上的无人驾驶从技能到工程层面都有相称年夜的繁杂性 ,是以行业内主动驾驶公司为实现无人驾驶接纳了两种差别的线路。

一种因此特斯拉 、蔚小理等新权势车企为代表的渐进式线路,接纳从L1慢慢进阶到L5的成长体式格局,今朝基本处于L2+阶段 ,正在向L3迈进中,渐进式线路的焦点是要成立从数据到算法的迭代闭环,哄骗不停扩展范围的高质量数据连续优化算法 ,慢慢霸占主动驾驶这项繁杂使命的各项焦点环节 ,终极实现全无人驾驶。

一种因此Waymo 、baiduApollo等科技公司为代表的超过式线路,这类线路的基本思惟是以为低等级主动驾驶的技能框架难以直接迁徙至L4级无人驾驶,在资源有限的环境下需要直接聚焦终极形态 ,是以寄但愿于一步到位实现无人驾驶,重要经由过程年夜范围车队获取路测数据来练习无人驾驶算法收集,超过式线路的焦点是要找到合适落地的场景及贸易模式 ,今朝已经经实现落地的场景重要有Robotaxi、Robobus等乘用处景和口岸、矿山等商用处景 。

下面别离从贸易模式以及面对的重要挑战两个维度来对于比下这两条线路。

贸易模式

咱们知道周全无人驾驶的终极实现是一个持久的战争,不成能一挥而就,是以不管是哪一种线路 ,拔取何种贸易模式来保障落地以及造血能力以确保可连续成长是至关主要的。

渐进式线路的贸易模式重要是经由过程自行造车或者者与车企互助造车实现快速量产落地获取贸易利润,会按照用户现阶段的现实需求或者适量指导需求慢慢落地主动驾驶功效,如高速巡航 、自立停车等 ,经由过程OTA软件迭代进级的模式终极天然而然过渡到彻底无人驾驶,这套模式会比力器重落地成本,是以在硬件选型、供给链整合、制造程度等方面会投入较年夜精神 。

超过式线路初期重要是经由过程本钱的注入来供血 ,但本钱是需要回报的 ,跟着技能的不停成长,各企业正在慢慢摸索贸易落地之路,以实现自我造血 ,今朝的贸易模式重要有两种,一种是经由过程Robotaxi 、Robobus等满意交通办事需求,获取办事价值 ,一种是切入非凡的场景,如口岸、矿山等,这种场景伤害系数高 ,经由过程主动驾驶替换人事情业,以节省高额人力成本,这套模式对于落地成真相对于渐进式没有那末敏感 ,但要求切入的场景要充足正确且主动驾驶算法要充足有用。

比拟较而言,今朝渐进式线路的贸易模式更为清楚,超过式线路因为可落地的场景有限 ,贸易模式还在连续探索中。

重要挑战

渐进式线路以及超过式线路面对的挑战是差别的 ,前者的重要挑战是进入门坎相对于较低致使竞争猛烈,后者的重要挑战是政策法例及技能成熟速率不及预期致使持久耗损伟大 。

接纳渐进式成长线路的重要有三类公司,一类是造车新权势 ,包孕外洋的特斯拉,海内的造车新权势蔚来、抱负 、小鹏等,一类是传统主机厂 ,例如疾驰、上汽、长城等,另有一类是科技公司,包孕华为 、baidu、小米等 ,各种权势接踵了局争取市场空间,致使竞争很是猛烈,而要由渐进式终极实现无人驾驶需要确保盘踞必然市场范围 ,是以终极会有部门企业面对裁减,今朝仅特斯拉处于领先身位,其他家差距其实不较着。

而接纳超过式线路要实现落地需要同时具有技能成熟以及配套的政策法例完美两年夜前提 ,此中技能成熟度层面无人驾驶面对的最年夜挑战是应答极度场景(corner case)的处置惩罚机能 ,而仅凭路测获取的数据要笼罩全数极度场景可能需要很长周期,再加之有关无人驾驶的政策法例完美时间不成控,是以会致使终极可以或许实现全场景无人驾驶落地的时间可能遥遥无期 ,在这个历程中需要耗损的资金量伟大。

是以,因为渐进式线路贸易模式清楚和面对的挑战相对于可控,除了了少数资金雄厚或者者已经有场景率先落地的企业对峙只走超过式线路以外 ,年夜部门企业更偏向于选择渐进式线路,包孕一些原本走超过式线路的企业,也最先统筹渐进式线路 ,选择两条腿同时走路 。

写在末了

不管是感知方案照旧实现路径的选择,有一个底层思索逻辑是一致的,就是无人驾驶的终极方针是甚么 ,基于方针思索线路 。

马斯克在AI Day上提出要将无人驾驶技能迁徙至更广泛的场景,打造人形呆板人,小鹏、小米等企业入局四足呆板人 ,李彦宏在baiduAI开发者年夜会上也提出“汽车呆板人”的观点 ,是以咱们有理由以为无人驾驶不单单是提高汽车运行效率的东西,其终极方针也许是形成以汽车为载体的通用人工智能技能。

假如因此打造“通用人工智能”为方针,那末数据的富厚性以及质量则很是主要 ,算法为数据办事,算力为算法办事,数据是驱感人工智能技能成长的“核燃料” ,谁先把握数据,谁便占患上实现通用人工智能的先机。

从这个角度看的话,视觉线路可以或许得到更底层的数据 ,可以包罗颜色 、纹理 、语义等多维信息,渐进式线路的特征决议了需要连续扩展量产范围,便也更有可能得到笼罩全场景的数据 ,是以这两个线路多是更靠近无人驾驶终极方针的选择 。

yobo体育全站app-官方下载


上一篇:昂科威plus空间年夜,慎重又时尚 下一篇:宽体轿跑造型+后驱,2023款宝马8系实拍,炫酷又霸气,加快4.3秒

发表评论

我们的伙伴

our partners