尽管挑战重重，但水、陆、空都期待着无人驾驶
2020-04-29 16:12:15 来源：麦姆斯咨询 评论：0 点击：
无论是ADAS还是自动驾驶汽车都具有广阔的前景，但它们仍需要时间来变得更成熟。这将需要改进传感器和人工智能，以及我们对它们局限性的理解，特别是人工智能在处理突发事件方面的弱点。
驾驶辅助不难，但是让无人驾驶系统在任何时候都可以接管全部驾驶行为却很难，那么可以率先在天气晴朗、维护良好的道路上实现自动驾驶。
据麦姆斯咨询报道，2016年8月，福特汽车公司满怀信心地宣布，公司到2021年将批量生产完全自动驾驶的机器人出租车，没有方向盘、油门或刹车踏板，在部分道路提供共享驾乘服务。其它厂商也表达了类似的愿景，但没有人可以如期达成这个目标。快速部署全自动驾驶汽车的雄心壮志在现实中遇到了很多意想不到的问题，例如续航问题、白色大拖车和高速公路护栏等等。
激光雷达初创公司Luminar Technologies联合创始人兼首席技术官Jason Eichenholz表示，自动驾驶终将到来，但可能并不是大家所期望的那样。不要指望一个私人“机器人司机”可以早上开车送你去上班，然后在车库里等一整天，然后再等你下班送你回家。相反，交通出行将成为一项服务（Transportation as a service），由先进的机器人出租车或卡车组成随叫随到的车队，通过连续不断地运送人和货物来维持运营。Eichenholz预计，五年内，这类车辆可以达到“Level 4级”自动驾驶水平，允许乘客在理想的天气条件和维护良好的道路上全程“撒手不管”。
可以做到，但还不够完善
近年来，自动驾驶汽车技术已经取得了长足的进步。Eichenholz说，如今制造一辆能在99%的时间内正常运行的自动驾驶汽车已经很容易，但消费者想要的是99.999%或99.9999%的自动驾驶能力。小数点后面额外5到6个“9”是困难且高成本的，因为在平静、阳光正好的小街上行驶，和在冰冷的暴风雪之夜（道路标记都会被覆盖）中行驶的难度差异巨大。目前的无人驾驶原型车可以处理简单的路况，还无法应对复杂困难的场景。
目前很多车辆都配备了驾驶辅助功能，例如自动制动、车道保持和泊车辅助等等。这些功能依赖于一整套传感器，从云端地图上下载的信息，以及附近区域其它车辆发送的信息，这些信息经由计算机和人工智能（AI）软件结合来帮助驾驶员。自动驾驶汽车则要更进一步，用更多的传感器和更多的软件来承担更多的任务，最终使驾驶员可以完全脱离驾驶。
特斯拉自动驾驶（Autopilot）系统中各种传感器及其探测范围
上图展示了由特斯拉（Tesla）开发的目前最先进的个人车辆自动驾驶辅助系统及其包含的传感器套件。其中，摄像头起着最重要的作用；车辆前方的窄视角摄像头可以探测前方250米，而前置主摄像头可以以更宽的视场探测前方150米的范围，两侧的前视鱼眼摄像头可以捕捉交通信号灯和其它可能进入汽车行驶路径的物体。前置微波雷达的测量范围是160米。后方还有三个摄像头，两侧各一个，中间后置一个。此外，环绕车身还有十几个8米范围的超声波传感器，以帮助泊车，并探测可能导致碰撞的车辆。
不过，很明显，特斯拉的自动驾驶系统中不包含激光雷达（LiDAR）传感器。Eichenholz及更多的自动驾驶开发商都认为，激光雷达可以探测并生成车辆周围环境的丰富3D点云图（如下图所示），因而对于实现自动驾驶至关重要。目前市场上已经推出了多种方案的激光雷达，正在评估测试阶段。然而，特斯拉首席执行官Elon Musk在2019年曾表示，采用激光雷达这种非必要的昂贵传感器是不明智的选择，激光雷达无法透过雨、雾等恶劣天气进行探测。
Luminar Technologies开发的激光雷达在城市环境中路测生成的点云图
其实，Elon Musk的态度反映的是营销策略上的一个关键差异。特斯拉主要是面向科技爱好者出售设计前卫的纯电动汽车，他们把Autopilot自动驾驶系统作为一种驾驶助手来使用。而大部分其它自动驾驶开发商正在开发的是无人驾驶机器人出租车，专为不开车的乘客提供出行服务而设计。这些开发商还在开发一系列其它无人驾驶系统，例如空中出租车、商用无人机以及用于工厂、采矿业和农业的自主系统。
面向自动驾驶的新技术
需要哪些传感器完全取决于应用。GPS被广泛应用于定位，但有时也会报错。Draper Laboratory汽车业务经理Sabrina Mansur表示，有些系统需要加速计、磁力计、气压计和船用原子钟来改善定位。自动驾驶车辆还使用能够通过传感器数据更新的预装地图。Draper Laboratory汽车业务总监Eric Balles表示，传感器还可以将智能手机作为“一种机会信号”，提供手机用户的位置、轨迹和速度，以帮助定位行人或骑自行车的人，即使这些人被停下的汽车或其它任何车辆所遮挡。
传统的机械式激光雷达体积庞大且成本高昂，因此，多种新型激光雷达正在开发中。下图展示了Draper开发的基于MEMS技术的激光雷达。此外，还有其它光学传感器可以作为摄像头和激光雷达的有力补充。例如，安装在轮槽中的激光传感器能够记录车轮移动的速度以测量实际车速。光纤陀螺仪可以测量车辆的三轴旋转，凭借卓越的高性能，它们已在自动驾驶测试车辆中得到应用。不过，Sabrina Mansur表示，光纤陀螺仪用于量产车的成本太高。一旦成本较低的MEMS陀螺仪性能得到改善，势必将取代成本更高的光纤陀螺仪。总体目标是使自动驾驶车辆的定位精度达到厘米级，而实时动态GPS系统在城市中的定位精度约为数十厘米。“当然，几乎所有的传感器都有自己的短板。”Balles补充道。
Draper开发的单芯片激光雷达，采用MEMS光开关和低损耗光波导来发射和收集信号
自动驾驶车辆需要对各种传感器的数据进行融合和分析。传统的系统依赖于卡尔曼滤波，统计结合多种测量结果，得出的最终结果随着数据量的增加而变得更加精确。自动驾驶汽车通常使用机器学习和人工智能，它们的工作方式类似，但通常从已知的数据集开始，然后建立数据训练以改善结果。机器学习在定义明确的情况下非常有效，例如在晴天沿着标记明确的道路行驶，但它的弱点是不寻常或定义不明确的环境，例如施工现场，未标记或未铺砌的道路，或者面对暴风雪等复杂天气。
特斯拉Autopilot
自2014年以来，特斯拉在全美销售了50多万辆汽车，其中大部分（并非全部）都配备了Autopilot自动驾驶功能，特斯拉定义了高标准的驾驶辅助系统。车主在驾驶特斯拉时，应该关注道路，并将手放在方向盘上或非常靠近方向盘。然而，几乎每一位特斯拉车主都会把手从方向盘上移开，已试探车辆的自动驾驶性能。有些更夸张。曾经有一名加利福尼亚醉酒司机，在凌晨三点半开车回家时在路上睡着了。他的特斯拉就一直在101号公路上巡航，直到公路巡警发现并使其安全停车。
特斯拉声称，在Autopilot系统介入的情况下，其汽车每行驶300万英里只发生一次事故，而美国的总体事故率是每50万英里一起事故。不过，两年前加州山景城的一名苹果工程师就没有那么幸运。Autopilot在高速公路的分岔口未能正确导航，在分流点将汽车撞上了安全岛，导致司机死亡。美国国家交通安全委员会发现，车祸发生时，司机的手已经脱离了方向盘。美国国家运输安全委员会裁定，事故主要原因是驾驶员注意力不集中，以及特斯拉未能在分岔口正确导引车辆，并声称，如果在前一个事故后及时修复安全岛，特斯拉司机可能不会死亡。
另外四起归咎于Autopilot的特斯拉致命事故，一起发生在中国，三起发生在佛罗里达州。2016年5月，美国佛罗里达州一辆开着Autopilot模式行驶的Model S，全速撞到一辆正在垂直横穿高速的白色拖挂卡车，车主死亡。据此，特斯拉的前视摄像机显然分不清明亮的白色拖车和明亮的蓝色天空。这表明其摄像头可能是单色的，因为单色图像的处理速度比彩色图像快得多，这对高速公路驾驶来说是一个潜在的优势。
出行即服务
无人驾驶出租车则是一项完全不同的业务，主要为提供“出行即服务”的大公司销售自动驾驶车辆。正如Waymo、Uber和Lyft等公司所设想的那样，这项服务将从特别适合自动驾驶汽车的“限定道路”区域开始，然后随着技术的进步再扩展到更广泛的区域。这些汽车将拥有包含整套传感器（包括激光雷达）的高性能导航系统。与Waymo的测试车辆一样，目前它们主要面向相对缓慢的城市交通而设计，而不是高速公路。由于相对较短的刹车距离和较低的碰撞能量，可以降低事故发生的几率和严重程度。另一方面，这也可以更好地利用905 nm脉冲激光雷达有限的探测范围。
Eichenholz认为，随着包括1550 nm激光雷达在内的自动驾驶技术的进一步发展，或将在大约5年内达到Level 4级自动驾驶水平，从而使更多的人“放开方向盘”。提供这种自动化水平的传感器和其它系统，将使无人驾驶出租车的成本上升到数十万美元。不过，用机器人代替人类整天穿梭于各地的乘客之间，可以抵消这些成本。相比之下，大多数私家车的实际使用率只有几个百分点。“我们什么时候会买自己的自动驾驶汽车？可能永远不会，因为那种水平的自动驾驶车辆成本太高了。”Eichenholz说。
因此，其它形式的各种高级驾驶辅助系统（ADAS）更适用于私人汽车。例如，当车辆陷入交通堵塞时，驾驶员可以按下一个按钮，让汽车驾驶辅助系统接管跟车蠕行，从而让驾驶员把眼睛从道路移开，暂时放松。当交通堵塞疏解，车速开始提高时，汽车会提醒驾驶员接手。Eichenholz说：“这或能实现主干高速公路的自动驾驶，因为这些公路的地图绘制得很完备，并且有护栏很好的隔离。”高速公路自动驾驶系统可以在汽车自适应巡航时接管，并在距离目的地不远时将控制权交还给驾驶员，以便人工驶离高速公路前往地面支线。
而货运卡车或能利用更高级别的高速自动驾驶系统，由人类驾驶员将卡车开至有一定限制的高速入口，将目的地设置于某个出口，然后由高速自动驾驶系统行驶至下一个人类驾驶员接管，然后由驾驶员送至最终目的地。
无人驾驶汽车的局限性
尽管有一些安全专家谈讨用机器人取代所有人类驾驶员，但这可能只是梦想而非现实。人类更能适应困难而复杂的环境，如崎岖的土路、农场或伐木场小路。开发可以应对所有场景、去往任何地方的无人驾驶出租车成本非常高昂。Eichenholz表示，这没有经济性，也完全没有必要，对于农场那样的环境，还是适合自己驾驶福特F150皮卡翻山越岭。
当然，这类复杂而困难的自动驾驶环境不仅限于农林地区。例如，车道标线在磨损后通常不会马上得到修复，而小路则通常完全没有标线。带有车道保持系统的车辆在面对这些场景时往往无法正常运行。施工现场往往也是不可预测的，而且维护也不一致。更不用说雾、雪、冰冻等其它影响道路行驶的恶劣天气。
公众信任也是自动驾驶车辆的关键问题。早些时候，公众似乎很乐观，认为机器人系统完全可以替代马路上可怕的“潮脚”司机。然而，一系列令人不安的事故，开始慢慢地消磨人们的信任，屡屡发生的致命车祸更是吓坏了公众。2019年，在美国汽车协会汽车俱乐部（AAA Auto Club）调查中，有71%的美国人表示，他们“非常”或“相当”害怕乘坐完全自动驾驶汽车。因此，要改变这种状况需要时间和更安全的自动驾驶汽车。
展望
无论是ADAS还是自动驾驶汽车都具有广阔的前景，但它们仍需要时间来变得更成熟。这将需要改进传感器和人工智能，以及我们对它们局限性的理解，特别是人工智能在处理突发事件方面的弱点。当然，这也意味着政府需要更好的道路维护和管理，以使自动驾驶车辆不会被施工或磨损的道路所困扰。
空中客车CityAirbus eVTOL原型机
与此同时，随着美国联邦航空管理局（Federal Aviation Administration）开始制定无人操控无人机及其它飞行器的自动驾驶计划，一个新的自动驾驶领域正在兴起。今年1月，美国联邦航空管理局表示，6家公司申请的载人“城市空中出行”飞行器认证“进展顺利”，其中4家公司表示，他们的飞行器将实现自动驾驶飞行。Uber已经在谈讨城市空中出租车，但开始可能会有人类飞行员。2020年2月3日，美国联邦航空管理局提出了一些规则，证明亚马逊、UPS和其它快递公司正在研发小型包裹递送无人机。这些自动驾驶飞行器将提出新一代的导航挑战。
延伸阅读：
上一篇：MIT开发出支持机洗的可穿戴传感器：用于生命体征持续监测
下一篇：最后一页