无人车成功挑战上海路况,连续5小时不接管,谷歌自动驾驶之父看了都打Call...

程序员的成长之路

互联网/程序员/技术/资料共享 

关注

阅读本文大概需要 8 分钟。

箫 鱼羊 发自 凹非寺 
量子位 报道 | QbitAI

让谷歌“无人车之父”Sebastian Thrun都点赞的自动驾驶技术,是什么样的?

就像老司机的操作一样——又快又稳。

例如,面对走到机动车道上的行人,灵活操作避让,而不是小心翼翼地跟在后面:

懂得审时度势,在繁忙的商业区,看哪条道车流量比较少,就果断变道:

遇上从侧面突然冲出来的摩托,也能轻松避让,不慌不忙:

没错,这是滴滴正在测试的最新自动驾驶系统。坐在驾驶座上的安全员,全程双手离开方向盘。

上面还只是普通操作。

对于自动驾驶系统来说,更大的挑战在于逆光、夜间、大型车辆密集等场景。

这些情况下,传感器设备和自动驾驶系统往往会遭遇更为复杂的干扰。

那么滴滴的最新自动驾驶系统又表现如何?

占据镜头30%以上的大片光线,并不影响它判断红绿灯,依旧以正常速度继续行驶:

夜间进行无保护左转时,面对对向直行车辆,也会迅速判明情况,而不是一味等待:

路遇大车丝毫不惧,避让后方来车后,立刻选择变道超车:

甚至在连续5小时完全无人接管的情况下,从白天开到夜晚,也没有发生什么事故。

一年前,滴滴自动驾驶在上海开放公众测试时,还是个谨慎的新手司机。

如今,它已经变得更加游刃有余。

滴滴“老司机”,如何快速练成?

那么问题来了,滴滴的自动驾驶“新手司机”,在短短一年时间内,究竟是经历了怎样的修炼,才有了如今这样更加接近人类司机的表现呢?

感知优化

首先,还是要从感知技术的优化说起。

不妨先以路遇大型车辆这个场景来举例。

人类司机普遍有一个共识,开车上路,尽量避着大车走。其中一个重要原因是,大车自身的盲区多,也容易遮挡旁车的视线。

对于传感器而言,这样的挑战同样存在。

根据滴滴自动驾驶公司COO孟醒介绍,当RoboTaxi接近大车时,大车很可能会占满传感器的视野,导致传感器判断失真。

这种时候,来自摄像头或者激光雷达的单一信号就不够可靠了。滴滴的方案,就是将不同的传感器信号进行组合:

在识别出大型车辆之后,不是单纯依靠机器学习的方式去进行跟踪,还要加入点云分割等技术,进一步判断大车的边界距离,增强自动驾驶系统对于大车边界的理解。

另外一个对传感器考验不小的场景,是日落时分,司机们在路上经常遇见的逆光场景

在某些情况下,夕阳的光晕甚至会占据整个摄像头视野的30%以上。

意味着对比度低的情况下,有些人和物会在摄像头里“隐身”。

此前,特斯拉频频在白色大卡车上栽跟头,就可能与此有关。

为此,滴滴的工程师们在多传感器融合方案的基础上,还做了很多动态数据增强的工作,以确保在不同亮度条件下,都能准确识别和避让行人、汽车,以及其他路面上的物体。比如在对比度、白平衡比较差的情况下,去放大、加亮一些比较重要的场景。

前文也说到,滴滴这一次连续5个小时的show,从白天一直开到了黑夜。

事实上,即使对于人类司机而言,夜间开车的体验也与白天大相径庭。

为了更自如地在夜幕中行驶,滴滴的自动驾驶系统也被专门训练出了夜间模式

一方面,是有针对性地收集夜间数据,训练专门的夜间模型——尤其对于摄像头来说,夜晚采集到的数据与白天截然不同,能看到的人和物、能看清的距离、识别的角度都可能发生变化。

另一方面,同样是多传感器融合方案——融合3-4种平行的识别方式。并且,根据夜间交通参与者置信度的不同,工程师们也对不同识别方式的权重做了有针对性的调整。

值得一提的是,这样的夜间模式,会根据时间和外界亮度的情况,自动开启。

另外,针对视频中没有展示出来的天气变化的影响,孟醒也做了补充说明。

具体而言,滴滴自动驾驶把天气分为4档:

  • 第一档,光照条件良好的普通天气;

  • 第二档,稍微复杂的天气情况,如小到中雨;

  • 第三档,大到暴雨、大风等场景;

  • 第四档,沙尘暴、台风等极端天气。

孟醒表示,绝大多数的天气场景,如今滴滴自动驾驶系统都能覆盖得不错,这其中也引入了不少新的算法。

以大雨场景为例,滴滴引入了一种新的激光雷达信号处理方式:

利用激光雷达多次发射、多次回收信号,这样回收的回波中就包含了不同的形态和相位信息。对这样更丰富的信号进行处理,系统就能够判断出哪一些物体是可以穿透的,而哪一些又是不能穿透的。

至于沙尘暴、台风天这样不适宜出行的极端天气,孟醒坦言,这对于当下的自动驾驶技术研发来说不是最重要的场景。

原因很简单,想要常态化运营,可靠性是非常重要的。

基于这样的前提,滴滴当前需要重点捕捉的,是那些发生概率较高、影响较大的出行场景。

行为决策

说完了感知方面的提升,在行为决策方面,滴滴自动驾驶系统又是怎么向人类老司机靠拢的呢?

首先,在被投喂了大量人类司机驾驶车辆数据之后,滴滴自动驾驶系统对于交通参与者行为的预测准确性,有了明显的提升。

这也是为什么面对与其他车辆、行人的博弈,如今的滴滴“老司机”显得更为自信。

孟醒谈到,对于RoboTaxi而言,可靠性是最重要的,也就是说,车一定不能出事故。而“事故”不仅仅是指安全事故,也包括体验上的事故,如车辆频繁急刹,让乘客觉得不舒服。

更进一步,还有效率层面的“事故”——自动驾驶车辆不能因为一个复杂的场景,一直卡死不动。

而说到可靠性,滴滴自动驾驶系统还有一项“绝招”,就是“安全模式”。

可以看到,在下面这样一个幼儿园附近的场景下,道路两旁临时停放了许多等待接小朋友放学的车辆,同时还会有大量行人、电动车出现。

这些动态因素的变化、叠加,就对自动驾驶的预测、决策和规划提出了更高的要求。

对此,滴滴自动驾驶系统配备了风险评估模式。

当风险指数(Risk Potential)上升时,安全模式就会被启动,RoboTaxi就会以更谨慎的方式去驾驶车辆,提升安全系数。

滴滴“老司机”,如何快速迭代?

去年6月才刚刚面向公众推出载人测试服务,短时间内又有了明显的进步,滴滴的自动驾驶技术,进展不可谓不快。

但其实也并不出人意料。

毕竟滴滴自动驾驶是“富二代”。

自动驾驶技术上,滴滴具有独特的优势——有目标,有路径,有资源,还加上一点国内环境的条件。

首先,有目标。

相比于其他自动驾驶车企,滴滴从一开始就看到了自己的“终点”——RoboTaxi。

没错,并非像Waymo等公司一样纯技术驱动,而是从落地场景出发,思考所需技术。

至于技术出来后如何运营?不用考虑。

滴滴的网约车平台,已经提供了自动驾驶商业化落地的方式,例如,自动驾驶与有人驾驶同时派单,根据路况、天气和路径决定派单模式,同时为用户提供服务等。

其次,相比于如Uber一类的网约车平台,滴滴在自动驾驶上的技术路径又更加明确。

例如,如何使用从网约车平台采集的真实场景数据。

背靠滴滴平台的自动驾驶,每天订单数量平均达数千万,加之司机的行驶轨迹和安装在交通工具上的桔视设备,全年可以采集近1000亿公里的真实场景数据

凭借这些真实数据和仿真系统数据,滴滴自动驾驶能形成经营、安全和技术三张地图,可以在10秒内筛选出最具有测试价值的地点。

此外,滴滴还基于从桔视设备上采集的数据,为网约车司机开发出了智能化驾驶安全系统:

不仅能对车外的前向碰撞、前车急刹、车道偏离等场景及时预警,还能在司机进入疲劳状态前,通过语音提醒司机注意行车通风、及时休息、避免疲劳驾驶,让出行更安全。

这个名为“基于桔视的AIoT智能驾驶感知平台”的项目,已经在今年4月10日,获评吴文俊人工智能科技进步奖“企业技术创新工程项目”。

对于滴滴而言,目标和路径都很明确,“无非是怎么执行的问题”;但其他企业,就不一定有这么明确的方向了。

除此之外,滴滴的自动驾驶资源,也确实丰富——人才、资金……都有足够的底气。

孟醒在采访中表示,目前团队已经超过500人,而支撑研发和技术迭代,资金也比较充裕。

加之国内也高度重视V2X(车联网)技术的推进工作,各地都在建成车路协同自动驾驶的相关设备和道路,又为实现真正的自动驾驶,进一步创造了条件。

而在这次“5小时无接管”的视频中,也包含了支持V2X的部分道路测试。

天时地利人和,滴滴都有了。

滴滴自动驾驶,下一步往哪开?

滴滴自动驾驶,自2016年组建团队以来,已有5年研发历史。

起步并非最早,发展速度却绝对算是最快之一:

2019年8月,滴滴官宣将自动驾驶业务升级为子公司,运营和研发架构一应俱全;

2020年6月,RoboTaxi项目落地上海,正式开放公众自动驾驶测试体验;

2020年11月,滴滴与北京汽车集团合作的新一代L4自动驾驶车亮相;

同月,滴滴自动驾驶成为首家获得上海三个测试区牌照企业,总里程达530.57公里;

现在,滴滴又发布了全球首个5小时连续无监管路测视频,测试车辆在环境感知、行为决策、运动规划与控制等方面的表现,连“无人车之父”都给予了极高的评价……

所以,滴滴自动驾驶,下一步会往哪开?

据孟醒透露,在技术路径上,滴滴自动驾驶将会经历三个阶段,包括性能测试可靠性落地

在进行性能测试时,开发团队会迅速搭建一个车辆模型,并用各种场景去挑战它,理解它的性能边界,即目前研究技术所能达到的最高性能。

接下来,就是提升自动驾驶系统的可靠性了,这里面的核心,是求稳。只有靠真实数据的迭代,才能检验出系统的稳定性来。

最后,才到量产落地的环节。

对于滴滴而言,这几个阶段会有重叠的部分,因此更多时候会并行进行,但目前的研究重心,仍然放在“可靠性”这一阶段上。

而这一阶段,也是滴滴最有信心与其他车企拉开差距的一环。

目前,滴滴尚未透露具体落地时间,表示商用化仍然取决于硬件成本、车企平台、政策体系等因素,“还需要与行业一同合作实现”。

但能够确定的是,滴滴自动驾驶技术研发,未来将仍然聚焦于网约车场景。

至于滴滴是否会进军自动驾驶卡车赛道,孟醒只表示:

目前,更多是在技术层面上保持关注。

在滴滴自动驾驶上一轮融资后,我们说滴滴手握中国最好的自动驾驶资源,起点和势头会有所不同。而且在中国搞自动驾驶,没有人不羡慕滴滴。

而现在技术上的快速迭代和进展,也是对这种资源优势的最好印证。

让谷歌“无人车之父”Sebastian Thrun都点赞的自动驾驶技术,是什么样的?

就像老司机的操作一样——又快又稳。

例如,面对走到机动车道上的行人,灵活操作避让,而不是小心翼翼地跟在后面:

懂得审时度势,在繁忙的商业区,看哪条道车流量比较少,就果断变道:

遇上从侧面突然冲出来的摩托,也能轻松避让,不慌不忙:

没错,这是滴滴正在测试的最新自动驾驶系统。坐在驾驶座上的安全员,全程双手离开方向盘。

上面还只是普通操作。

对于自动驾驶系统来说,更大的挑战在于逆光、夜间、大型车辆密集等场景。

这些情况下,传感器设备和自动驾驶系统往往会遭遇更为复杂的干扰。

那么滴滴的最新自动驾驶系统又表现如何?

占据镜头30%以上的大片光线,并不影响它判断红绿灯,依旧以正常速度继续行驶:

夜间进行无保护左转时,面对对向直行车辆,也会迅速判明情况,而不是一味等待:

路遇大车丝毫不惧,避让后方来车后,立刻选择变道超车:

甚至在连续5小时完全无人接管的情况下,从白天开到夜晚,也没有发生什么事故。

一年前,滴滴自动驾驶在上海开放公众测试时,还是个谨慎的新手司机。

如今,它已经变得更加游刃有余。

滴滴“老司机”,如何快速练成?

那么问题来了,滴滴的自动驾驶“新手司机”,在短短一年时间内,究竟是经历了怎样的修炼,才有了如今这样更加接近人类司机的表现呢?

感知优化

首先,还是要从感知技术的优化说起。

不妨先以路遇大型车辆这个场景来举例。

人类司机普遍有一个共识,开车上路,尽量避着大车走。其中一个重要原因是,大车自身的盲区多,也容易遮挡旁车的视线。

对于传感器而言,这样的挑战同样存在。

根据滴滴自动驾驶公司COO孟醒介绍,当RoboTaxi接近大车时,大车很可能会占满传感器的视野,导致传感器判断失真。

这种时候,来自摄像头或者激光雷达的单一信号就不够可靠了。滴滴的方案,就是将不同的传感器信号进行组合:

在识别出大型车辆之后,不是单纯依靠机器学习的方式去进行跟踪,还要加入点云分割等技术,进一步判断大车的边界距离,增强自动驾驶系统对于大车边界的理解。

另外一个对传感器考验不小的场景,是日落时分,司机们在路上经常遇见的逆光场景

在某些情况下,夕阳的光晕甚至会占据整个摄像头视野的30%以上。

意味着对比度低的情况下,有些人和物会在摄像头里“隐身”。

此前,特斯拉频频在白色大卡车上栽跟头,就可能与此有关。

为此,滴滴的工程师们在多传感器融合方案的基础上,还做了很多动态数据增强的工作,以确保在不同亮度条件下,都能准确识别和避让行人、汽车,以及其他路面上的物体。比如在对比度、白平衡比较差的情况下,去放大、加亮一些比较重要的场景。

前文也说到,滴滴这一次连续5个小时的show,从白天一直开到了黑夜。

事实上,即使对于人类司机而言,夜间开车的体验也与白天大相径庭。

为了更自如地在夜幕中行驶,滴滴的自动驾驶系统也被专门训练出了夜间模式

一方面,是有针对性地收集夜间数据,训练专门的夜间模型——尤其对于摄像头来说,夜晚采集到的数据与白天截然不同,能看到的人和物、能看清的距离、识别的角度都可能发生变化。

另一方面,同样是多传感器融合方案——融合3-4种平行的识别方式。并且,根据夜间交通参与者置信度的不同,工程师们也对不同识别方式的权重做了有针对性的调整。

值得一提的是,这样的夜间模式,会根据时间和外界亮度的情况,自动开启。

另外,针对视频中没有展示出来的天气变化的影响,孟醒也做了补充说明。

具体而言,滴滴自动驾驶把天气分为4档:

  • 第一档,光照条件良好的普通天气;

  • 第二档,稍微复杂的天气情况,如小到中雨;

  • 第三档,大到暴雨、大风等场景;

  • 第四档,沙尘暴、台风等极端天气。

孟醒表示,绝大多数的天气场景,如今滴滴自动驾驶系统都能覆盖得不错,这其中也引入了不少新的算法。

以大雨场景为例,滴滴引入了一种新的激光雷达信号处理方式:

利用激光雷达多次发射、多次回收信号,这样回收的回波中就包含了不同的形态和相位信息。对这样更丰富的信号进行处理,系统就能够判断出哪一些物体是可以穿透的,而哪一些又是不能穿透的。

至于沙尘暴、台风天这样不适宜出行的极端天气,孟醒坦言,这对于当下的自动驾驶技术研发来说不是最重要的场景。

原因很简单,想要常态化运营,可靠性是非常重要的。

基于这样的前提,滴滴当前需要重点捕捉的,是那些发生概率较高、影响较大的出行场景。

行为决策

说完了感知方面的提升,在行为决策方面,滴滴自动驾驶系统又是怎么向人类老司机靠拢的呢?

首先,在被投喂了大量人类司机驾驶车辆数据之后,滴滴自动驾驶系统对于交通参与者行为的预测准确性,有了明显的提升。

这也是为什么面对与其他车辆、行人的博弈,如今的滴滴“老司机”显得更为自信。

孟醒谈到,对于RoboTaxi而言,可靠性是最重要的,也就是说,车一定不能出事故。而“事故”不仅仅是指安全事故,也包括体验上的事故,如车辆频繁急刹,让乘客觉得不舒服。

更进一步,还有效率层面的“事故”——自动驾驶车辆不能因为一个复杂的场景,一直卡死不动。

而说到可靠性,滴滴自动驾驶系统还有一项“绝招”,就是“安全模式”。

可以看到,在下面这样一个幼儿园附近的场景下,道路两旁临时停放了许多等待接小朋友放学的车辆,同时还会有大量行人、电动车出现。

这些动态因素的变化、叠加,就对自动驾驶的预测、决策和规划提出了更高的要求。

对此,滴滴自动驾驶系统配备了风险评估模式。

当风险指数(Risk Potential)上升时,安全模式就会被启动,RoboTaxi就会以更谨慎的方式去驾驶车辆,提升安全系数。

滴滴“老司机”,如何快速迭代?

去年6月才刚刚面向公众推出载人测试服务,短时间内又有了明显的进步,滴滴的自动驾驶技术,进展不可谓不快。

但其实也并不出人意料。

毕竟滴滴自动驾驶是“富二代”。

自动驾驶技术上,滴滴具有独特的优势——有目标,有路径,有资源,还加上一点国内环境的条件。

首先,有目标。

相比于其他自动驾驶车企,滴滴从一开始就看到了自己的“终点”——RoboTaxi。

没错,并非像Waymo等公司一样纯技术驱动,而是从落地场景出发,思考所需技术。

至于技术出来后如何运营?不用考虑。

滴滴的网约车平台,已经提供了自动驾驶商业化落地的方式,例如,自动驾驶与有人驾驶同时派单,根据路况、天气和路径决定派单模式,同时为用户提供服务等。

其次,相比于如Uber一类的网约车平台,滴滴在自动驾驶上的技术路径又更加明确。

例如,如何使用从网约车平台采集的真实场景数据。

背靠滴滴平台的自动驾驶,每天订单数量平均达数千万,加之司机的行驶轨迹和安装在交通工具上的桔视设备,全年可以采集近1000亿公里的真实场景数据

凭借这些真实数据和仿真系统数据,滴滴自动驾驶能形成经营、安全和技术三张地图,可以在10秒内筛选出最具有测试价值的地点。

此外,滴滴还基于从桔视设备上采集的数据,为网约车司机开发出了智能化驾驶安全系统:

不仅能对车外的前向碰撞、前车急刹、车道偏离等场景及时预警,还能在司机进入疲劳状态前,通过语音提醒司机注意行车通风、及时休息、避免疲劳驾驶,让出行更安全。

这个名为“基于桔视的AIoT智能驾驶感知平台”的项目,已经在今年4月10日,获评吴文俊人工智能科技进步奖“企业技术创新工程项目”。

对于滴滴而言,目标和路径都很明确,“无非是怎么执行的问题”;但其他企业,就不一定有这么明确的方向了。

除此之外,滴滴的自动驾驶资源,也确实丰富——人才、资金……都有足够的底气。

孟醒在采访中表示,目前团队已经超过500人,而支撑研发和技术迭代,资金也比较充裕。

加之国内也高度重视V2X(车联网)技术的推进工作,各地都在建成车路协同自动驾驶的相关设备和道路,又为实现真正的自动驾驶,进一步创造了条件。

而在这次“5小时无接管”的视频中,也包含了支持V2X的部分道路测试。

天时地利人和,滴滴都有了。

滴滴自动驾驶,下一步往哪开?

滴滴自动驾驶,自2016年组建团队以来,已有5年研发历史。

起步并非最早,发展速度却绝对算是最快之一:

2019年8月,滴滴官宣将自动驾驶业务升级为子公司,运营和研发架构一应俱全;

2020年6月,RoboTaxi项目落地上海,正式开放公众自动驾驶测试体验;

2020年11月,滴滴与北京汽车集团合作的新一代L4自动驾驶车亮相;

同月,滴滴自动驾驶成为首家获得上海三个测试区牌照企业,总里程达530.57公里;

现在,滴滴又发布了全球首个5小时连续无监管路测视频,测试车辆在环境感知、行为决策、运动规划与控制等方面的表现,连“无人车之父”都给予了极高的评价……

所以,滴滴自动驾驶,下一步会往哪开?

据孟醒透露,在技术路径上,滴滴自动驾驶将会经历三个阶段,包括性能测试可靠性落地

在进行性能测试时,开发团队会迅速搭建一个车辆模型,并用各种场景去挑战它,理解它的性能边界,即目前研究技术所能达到的最高性能。

接下来,就是提升自动驾驶系统的可靠性了,这里面的核心,是求稳。只有靠真实数据的迭代,才能检验出系统的稳定性来。

最后,才到量产落地的环节。

对于滴滴而言,这几个阶段会有重叠的部分,因此更多时候会并行进行,但目前的研究重心,仍然放在“可靠性”这一阶段上。

而这一阶段,也是滴滴最有信心与其他车企拉开差距的一环。

目前,滴滴尚未透露具体落地时间,表示商用化仍然取决于硬件成本、车企平台、政策体系等因素,“还需要与行业一同合作实现”。

但能够确定的是,滴滴自动驾驶技术研发,未来将仍然聚焦于网约车场景。

至于滴滴是否会进军自动驾驶卡车赛道,孟醒只表示:

目前,更多是在技术层面上保持关注。

在滴滴自动驾驶上一轮融资后,我们说滴滴手握中国最好的自动驾驶资源,起点和势头会有所不同。而且在中国搞自动驾驶,没有人不羡慕滴滴。

而现在技术上的快速迭代和进展,也是对这种资源优势的最好印证。

<END>

扫码加入技术交流群,不定送书

推荐阅读:

IntelliJ IDEA 2021.1正式发布!快来看看又有哪些神仙功能加入!

SpringBoot 注解原理,自动装配原理,图文并茂,万字长文!

互联网初中高级大厂面试题(9个G)

内容包含Java基础、JavaWeb、MySQL性能优化、JVM、锁、百万并发、消息队列、高性能缓存、反射、Spring全家桶原理、微服务、Zookeeper、数据结构、限流熔断降级......等技术栈!

⬇戳阅读原文领取!                                       朕已阅 

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页
实付 9.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值