□文/刘京运
任何技术的成熟应用都不是一蹴而就的,这中间必将经历一段漫长而艰辛的发展历程,无人驾驶也不例外。面对频频发生的交通事故,公众对无人驾驶增添了几分担忧和质疑,这背后反映出了高昂的发展代价与期望的发展成果之间的矛盾,而如何化解这一矛盾,需要我们在今后很长一段时间里冷静思考。
美国当地时间5月4日(周五)下午,在亚利桑那州钱德勒发生了一起严重的交通事故。一辆银灰色本田轿车与一辆处于自动驾驶模式下的Waymo测试车“迎头”相撞,事故导致本田轿车车头部分严重受损,Waymo测试车左前轮断轴侧倾。
Waymo成立于2016年12月13日,其前身是Alphabet旗下的谷歌无人驾驶汽车项目,由于“师出名门”,因此Waymo一直被外界看做是无人驾驶领域的排头兵。
Waymo事故现场(图源:ABC 15 Arizona)
“Waymo”寓意“A new way forward in mobility”(未来崭新机动方式),但高昂的雄心终究抵不过世俗的非议,在事故发生后,Waymo迅速被舆论的浪潮淹没。尽管警方第一时间出面澄清Waymo测试车无事故责任,但面对接连发生的交通事故,公众显然对无人驾驶的安全性产生了怀疑。
2018年或将载入无人驾驶的发展史册,尽管它并不光彩。
美国当地时间3月18日晚,Uber无人驾驶测试车在亚利桑那州坦佩市郊区,与一名横穿马路的中年妇女相撞,事故导致该女子不幸身亡。
这是人类历史上第一起无人驾驶车致人死亡事件,其意义和影响都远远大于事件本身。
事故发生后,Uber紧急叫停了所有无人驾驶车测试,并积极配合警方展开详细调查。调查结果显示,事故发生时,Uber无人驾驶测试车正处于自动驾驶状态。尴尬的是,就在事故发生前一周,Uber和Waymo还在一起呼吁美国国会尽快通过立法,加速无人驾驶车的市场化进程。
无独有偶,早在2017年3月,Uber无人驾驶测试车就在亚利桑那州发生过一起交通事故,但好在那次事故并没有造成严重的人员伤亡。时隔一年,事故再次发生,后果更加严重,而这一切在业界专家看来,都并非无法避免。
特斯拉 Model X事故现场(图源:ABC News)
就在Uber无人驾驶测试车致人死亡事件发生短短两周后,Uber自动驾驶部门高管Lior Ron被曝即将离职,相关细节Uber方面没有给出任何答复。但可以看出,此次事件对Uber造成的负面影响,在短时间内将无法消除。
美国当地时间5月7日,警方公布了Uber无人驾驶测试车致人死亡事件的最新调查结果,确认当时无人驾驶车检测到了行人的存在,但并未采取任何制动措施。随后,Uber方面也证实了这一说法。
当一切矛头都指向Uber时,这个曾经欣欣向荣的科技公司陷入了可怕的阴霾。
在燃油时代掀起新能源浪潮,在造车之余实现航天梦想,埃隆·马斯克(Elon Musk)特立独行的作风不仅鼓舞了一批青年人,更影响了他自己的“孩子”——特斯拉(Tesla)。
谈及特斯拉,人们往往会联想到两个关键词,“电动汽车”和“自动驾驶”。显然,大多数人都更关心后者。自动驾驶,这一令许多老牌造车大厂都不敢轻易尝试的炫酷“黑科技”,率先在特斯拉Model系列车型上成为了标配。
特斯拉无疑成为了“第一个吃螃蟹的人”,但这背后的艰辛或许只有马斯克自己体会最深。
美国当地时间3月23日,在加利福尼亚州山景城101高速公路上发生了一起严重的交通事故。一辆高速行驶中的特斯拉Model X与路边隔离带相撞,导致车头部分完全损毁,并引发电池起火,驾驶员不幸遇难。
事故发生一周后,特斯拉方面确认:事故发生时,AutoPilot处于运行状态。
尽管特斯拉方面强调,事故的发生与驾驶员操作不当有关,但公众对这一说法似乎并不买账。
事实上,关于特斯拉AutoPilot的争议由来已久。从严格意义上来讲,特斯拉的AutoPilot只能算作辅助驾驶,而并非自动驾驶。但近年来辅助驾驶打着“自动驾驶”旗号的宣传推广,让消费者对于这种辅助驾驶的信任度愈发高涨,从而导致在驾驶过程中注意力愈加涣散,当真正需要人为接管车辆时无法及时介入,最终酿成事故。
尽管特斯拉依旧对AutoPilot信心满满,但AutoPilot似乎已不再像当初那样光鲜亮丽。
入春以来,短短两个月内相继发生多起事故,这让当初那些为无人驾驶振臂高呼的狂热支持者感到心寒。
关于无人驾驶的探讨,早在上世纪初就已经开始了。
近年来,随着以人工智能为代表的科学技术的发展,无人驾驶技术的相关应用迅速普及,这让很多人误以为无人驾驶是一项新兴技术。实则不然,迄今为止,无人驾驶已经走过了近百年的发展历程。
早在汽车刚刚诞生之日起,人们就已经展开了关于无人驾驶的研究。
1925年,美国陆军电子工程师Francis P.Houdina率先提出通过无线电远程操控汽车的想法,并付诸于现实。据《纽约时报》记载,经过改装的无人驾驶车可以通过无线电操控发动引擎、转动齿轮并实现鸣笛,“好像一只幽灵的手握在方向盘上”。
1939年,在纽约世博会上,美国通用汽车公司展示了对未来汽车的构想。当时的通用汽车公司表示,在1960年,美国的汽车将具备自动驾驶功能,当车辆驶入高速公路时,可开启自动驾驶模式,当车辆行驶至高速公路出口附近时,可恢复为人工驾驶。
1953年,美国科幻小说作家艾萨克·阿西莫夫(Lsaac Asimov)发表了名为《Sally》的短篇小说,书中描述了他对2057年人类社会的构想,其中包括无人驾驶汽车与主人之间的动人故事。该小说一经发表便引发了人们对无人驾驶汽车的再次关注,因此,艾萨克·阿西莫夫也曾被很多人误认为是“无人驾驶”概念的发明者。
1956年,美国通用汽车公司对外展示了一款名为Firebird II的概念车,这也是世界上首款配备安全防护和自动导航系统的概念车。
1958年,美国通用汽车公司对外展示了拥有自动驾驶功能的第三代Firebird概念车,英国广播公司现场直播了当时的路测过程。当时车辆的操控原理很简单,即通过预先布置在路面中的线缆向车辆接收器发送脉冲信号。
1966年,美国斯坦福大学SRI人工智能研究中心发明了一款名为Shakey的多功能机器,可执行开关灯等简单的操作,由于其内置传感器和软件系统,因此被外界视为“开创了自主自动导航功能的先河”。
1969年,被誉为“人工智能之父”的美国科学家约翰·麦卡锡(John McCarthy)在一篇名为“电脑控制汽车”的文章中描述了自动驾驶的相关设想,其中包含利用摄像机数据辅助导航等观点,这与当今自动驾驶控制原理相类似。
1977年,日本筑波工程研究实验室成功研制出全球首款基于摄像机进行自动导航的无人驾驶汽车。该车可通过摄像头识别道路上的导航标记,从而沿标记信息的轨迹行驶。
20世纪90年代初,德国慕尼黑联邦国防大学的恩斯特·迪克曼斯(Ernst Dickmanns)教授,带领研究团队研制出了可在实际道路中安全行驶的无人驾驶汽车,安全行驶里程达1000公里。该车可通过摄像机和传感器实时监测道路环境,这对无人驾驶汽车的发展而言具有极其重要的意义。
1998年,意大利帕尔马大学视觉实验室,成功研制出依利用体视觉系统运行的无人驾驶汽车,在长达2000公里的路测中,有94%的路程为自动驾驶,平均时速高达90公里/小时,最高时速可达123公里/小时。
2005年,斯坦福大学研制的无人驾驶汽车成功完成了穿越沙漠的挑战,该车不仅搭载了摄像机,还配备了激光测距仪、GPS传感器、雷达远程视距和英特尔奔腾M处理器等硬件设备。
自此,无人驾驶汽车搭载的硬件设备不断丰富,运行原理也愈加复杂,行业间竞争日趋激烈,尤其是进入二十一世纪以后,各大互联网巨头和硬件厂商纷纷涌入无人驾驶领域,“百家争鸣”的局面逐渐形成。
尽管诸如谷歌、百度这样的互联网企业拥有雄厚的技术积淀,但创业公司与高等院校的实力同样不容小觑。
美国当地时间5月7日,Drive.ai对外宣布将于7月在德克萨斯州弗里斯克市部署无人驾驶出租车。
Drive.ai成立于2015年,是一家位于硅谷的人工智能创业公司,最早由来自斯坦福大学的8名人工智能研究员创建,致力于无人驾驶汽车的开发和研究。目前,吴恩达担任该公司董事一职。
Drive.ai即将部署的无人驾驶出租车改装自日产NV200车型,可同时兼顾载人与载货功能。不仅如此,该车还搭载了10个摄像头、4个激光雷达以及2个毫米波雷达,可充分保障对路面情况的实时监测。此外,车身外部喷有橙色漆面,并搭载了4块LED显示屏,在提高识别度的同时,提供了更好的人机交互体验。
据悉,在运营初期,Drive.ai无人驾驶出租车将配有随车监护员,但在后续阶段,将逐渐取消监护员跟车制。对于这一运营计划,吴恩达坦言,目前无人驾驶系统在特定复杂场景下的判断力,还无法与人类司机相媲美,今后仍需大量数据对无人驾驶系统进行训练,以逐渐完善各项功能。
Drive.ai方面表示,希望其推出的无人驾驶出租车服务,能够像当初转向灯的发明一样,成为全行业的新标准。
近日,来自麻省理工学院的CSAIL团队开发了一款名为MapLite的自动驾驶框架系统,该系统可以帮助无人驾驶汽车,在导航地图上尚未记载的非铺装路面安全行驶。
MapLite可将GPS数据与传感器信息相结合,对车辆前方35米远的道路情况进行实时监测,并规划出安全路径。目前,在普通PC终端,MapLite可操纵汽车以100公里/小时的时速安全行驶。未来,依靠GPU,MapLite有望突破这一速度上限。
CSAIL团队透露,由于MapLite尚未具备海拔分析功能,因此对山路缺乏应对能力。今后,CSAIL团队将持续展开更加深入的研究,因为他们希望,有一天,无地图导航方案可以让无人驾驶汽车在更广泛的未知道路上畅行无阻。
据悉,在5月举办的机器人与自动化会议(ICRA)上,CSAIL团队会介绍关于MapLite的更多研究细节。
无人驾驶技术的发展注定是一个漫长而艰辛的历程,因为它不仅涉及通信、导航和计算机视觉等多学科知识,还与摄像头、传感器和电子芯片等硬件设备的迭代息息相关,无论哪一方面存在短板,都会制约整体的发展速度和水平。
从宏观层面来看,无人驾驶主要包含导航定位、环境感知、路径规划和决策控制等四项核心技术。
无人驾驶汽车判断自身位置的重要途径就是借助导航系统实现自身定位,因此,导航定位技术的发展在一定程度上加快了无人驾驶的发展进程,并为更好地实现路径规划任务提供了保障。
具体而言,导航可分为两种,即自主导航和网络导航。
自主导航主要将GPS作为辅助定位工具,在这一过程中,所有的计算工作都在本地完成,因此终端的存储和计算能力会限制导航水平的提升。
网络导航可依靠无线通信网络实现信息的实时传输,因此复杂的计算工作可在云端服务器完成,导航能力较自主导航而言有了大幅提高。
虽然导航定位技术为无人驾驶汽车指明了前进的道路,但要想实现平安出行,还需要借助环境感知技术。
环境感知技术主要依靠传感器实现对自身姿态和路面信息的检测,相当于为无人驾驶汽车装上了一双“眼睛”。
自身姿态包括速度、加速度和倾角等信息,主要依靠驱动电机、电子罗盘和陀螺仪等设备进行检测。
路面信息主要通过激光雷达和超声波雷达等设备进行检测,但随着计算机视觉技术的逐渐成熟,摄像头在路面信息检测任务中,正扮演者着越来越重要的角色。
MapLite自动驾驶系统(图源:MIT CSAIL)
当无人驾驶汽车通过环境感知技术检测到前方存在障碍物时,需要借助路径规划技术实现避障。
路径规划技术主要分为全局路径规划和局部路径规划。
全局路径规划是指在明确道路上已有障碍物的基础上,规划最佳行驶路线,这一过程将优化机制与反馈机制实现了良好的结合。
局部路径规划是指在已知全局路径的前提下,对局部道路上的突发情况进行临时决策,规划出新的行驶路径。
无人驾驶汽车如何根据道路情况和姿态信息调整自身“行为”呢?这就要用到决策控制技术。
决策控制技术又被称为“无人驾驶汽车的大脑”,主要依据环境感知技术采集到的各项信息,对车辆的行为作出实时调整。决策控制技术主要包含模糊推理、强化学习和神经网络等技术。
谈及“无人驾驶”一词,我们很容易将它与汽车等交通工具联系在一起,但实际上,无人驾驶的应用场景,远不止出行这么简单。
目前,国内已经出现了用于快递配送的无人驾驶车,并完顺利成了路测,有望在不久的将来正式投入运营。由此可以看出,无人驾驶在物流行业拥有广阔的应用前景,未来或许能够节约更多的人力和时间成本。
对于公园和游乐场等大型户外场所而言,保洁一直是一个令人头疼的问题,为此,国内一些科技公司推出了无人驾驶扫地机,实现了在人流密集场景中的无障碍工作,为无人驾驶开辟了新的应用场景。
无人驾驶是自动驾驶的终极目标。根据国际汽车工程师学会(SAEInternational)的划分,自动驾驶主要分为6个级别(L0—L5)。放眼全球,当今自动驾驶技术已经发展到了L3级别,即有限制条件的无人驾驶。可见,从技术角度来看,无人驾驶还有很长一段路要走。
而从社会层面来看,无人驾驶的可靠性一直备受质疑。公众能否在短时间内接受这一新鲜事物,关乎着无人驾驶的发展进程。除此之外,由无人驾驶引发的交通事故该如何定责,在网络水平相对落后的地区应如何推广,这些问题都是困扰无人驾驶发展的重要因素。
尽管无人驾驶尚不完美,但这也不应该成为我们放弃的理由。历史的经验告诉我们,通往成功的道路往往都充满坎坷。
“路漫漫其修远兮,吾将上下而求索”。对于无人驾驶领域的从业者而言,屈原的这句话恰如其分。
当技术变革正在发生时,我们都是时代的见证者。