自动驾驶真正上路 还有10%的技术难题待解( 二 )


目前业内更看好无人小巴在公开道路的商业化落地应用 , 无人小巴正在国内多个城市启动常态化运营 , 可满足城市中的地铁接驳及微循环接驳需求 。
如苏州在2020年7月发布了全球首条城市微循环无人小巴市民体验线路 , 并随后落地了全国首个常态化运营的城市公开道路无人小巴项目 , 部署多条无人小巴城市微循环线路 。 苏州的无人公交项目将设置多条路线 , 覆盖高铁新城周边9.8平方公里区域 , 解决居民出行“最后三公里”难题 。 这是目前国内覆盖范围最大的无人公交项目 , 也是唯一常态化运营的城市公开道路无人公交项目 。
于骞表示 , 无人小巴这一应用场景具有三大优势 。 第一 , 中低速场景 , 乘客对车速的预期可控 , 速度保持在20—50千米/时之间 。 第二 , 固定路线 , 车在同一条线路上反复磨练 , 更能确保行驶安全 , 并可实现红绿灯优先和预警 。 第三 , 满足多人出行 , 具有社会效益 , 在公共道路上享受优先路权 。
“无人小巴这一应用场景结合了固定路线中低速、多人出行路权优先、可部署基于5G的车路协同等优势 , 或将成为L4级别自动驾驶的最快实际落地场景 。 ”于骞说 。
已经解决90%的技术问题
有专家指出 , 目前困扰自动驾驶的主要难点在于其决策规划和感知 , 并认为目前并没有看到这两个难题的解决措施 , 此观点获得不少人的认同 , 现实情况是否如此?
于骞认为 , 决策规划和感知的问题都可以归结为自动驾驶的长尾问题 。 自动驾驶在技术上已经解决了90%的问题 , 但剩下的10%却可能要花费同样多甚至更多的精力去解决 , 这10%包括很多边界化难题(Corner case) , 如在车辆遇上野鸭子之前 , 工程师甚至不知道会有野鸭子的问题 。 所以边界化难题是需要去发现并解决的 。
那么边界化难题怎样去发现并解决呢?
“除了收集大量的数据 , 更重要的是建立自动化生产工厂 , 将源源不断收集来的有效数据 , 通过自动化的工具 , 加工成可用的模型 。 以更快的速度、更高效的方式应对边界化难题 。 ”于骞表示 。
于骞以上面野鸭子的场景为例 , 如果需要专门针对这些场景去开发特殊的模型 , 那会有无穷无尽的场景需要处理 。 但借助自动化的办法 , 只要数据标注好了 , 下次系统更新时便可以更好处理这种情况 , 省下大量工程师的时间 。
【自动驾驶真正上路 还有10%的技术难题待解】“以感知举例是比较容易理解的 , 但其实规划技术也一样 。 要想让车做出准确的规划 , 最原始的方法是工程师写规则——大量的工程师写出大量的规则 , 但这种方式不易维护性还不能满足最新需求;再进一步便是设计奖励函数——设计奖励函数比写规则要简单得多;再往后则是系统利用数据自动学习奖励函数 。 这个过程便是往自动化方向发展的过程 。 ”于骞说 。 采访人员 马爱平

推荐阅读