中关村在线

GPS

AI这么拽!算法却成自动驾驶绊脚石

[ZOL汽车电子]技术的车轮滚滚向前,每隔一段时间当前技术就会被新技术更新或迭代。2017年AlphaGo战胜冠军棋手柯洁,并横扫了整个围棋界选手,让人类为之震惊,也拉开了人工智能(AI)深度学习时代的序幕。然而自动驾驶也属于AI范畴,为什么迟迟不能落地呢?今天就围绕这个问题延伸下去。

感知、决策、控制是自动驾驶的三个技术环节,但真正的难点在哪呢?

感知既是对周围环境的了解,如同驾驶员的眼睛和耳朵。感知的设备无非是摄像头、声呐、各种各样的雷达,但客观的讲,摄像头三维空间效果差、雨雪恶略天气能见度低;毫米波雷达穿透能力弱;激光雷达无法识别颜色、文字且造价高昂,或多或少都存在缺陷。而多种感知设备组合则成为最优的解决方案,弥补了之间的不足,所以各个车厂的感知设备也大同小异,目前主要的难点是如何压缩成本。

自动驾驶汽车顶的激光雷达(图片来自www.cnbeta.com)

控制是对车辆的掌控,如同驾驶员的手脚。车辆的加速、刹车、转向等皆属于控制范畴,然而这些控制没有太高的技术要求,定速巡航、自动刹车、自适应巡航、自动泊车等功能已经在车辆控制方面积累了相当多的经验,所以自动驾驶的难点并不在控制。

特斯拉自动驾驶仪表显示(图片来自www.cnbeta.com)

决策是通过感知收到周围的信息,计算出最优的方案,把信号传送给控制机构,如同驾驶员的大脑。决策环节承上启下,是决定汽车行驶的关键,所以自动驾驶的重点和难点皆聚于此!

*数据积累

围棋人机大战轰动一时,但AlphaGo在学习围棋技能时,通过大量数据分析了3000多万步职业棋手棋谱,并通过增强学习的方法自我博弈,寻找比更优的棋路,才取得了傲人的成绩。而自动驾驶汽车也需要海量里程的实际路测,2016年美国智库兰德公司给出了一个准确的答案:路测里程需达到110亿英里。大量的路测试验以及后期分类标定、数据处理,尚且存在着许多不确定因素。如果各个车厂能把自己的数据共享,可能会加速自动驾驶的落地,但很显然核心数据是保密的!

HERE地图上线云导航服务 加强自动驾驶(图片来自Yahoo)

*逻辑难题

在现实生活中,路况千变万化非常复杂,自动驾驶稍有不慎就会造成人员伤亡。除了海量的数据分析及预设的决策依据,如果想要在非铺装路面或特殊环境保持高精度自动驾驶,还需要AI在自动驾驶领域的进一步发展与利用。

虽然交通法规日益健全,但全世界范围内依然存在着不遵守交通规则的人、自行车。有个很经典的事故假设:一辆快速行驶的自动驾驶汽车,但前方路口有多人违反信号灯横穿马路,仅有一人在路旁等候,这时就需要自动驾驶去决策,是直行刹车撞多人还是转向刹车撞一人!这不仅仅是交通法规、法律的范畴,还有道德、人性的因素包含其中,自动驾驶它能懂吗?

深度学习的概念源于人工神经网络的研究(图片来自http://www.sohu.com)

*算法难题

在既定的决策范围内,更多的样本数据是通过深度学习去理解、分析的。深度学习的概念源于人工神经网络的研究,它通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。

深度学习已经席卷了AI领域,深度学习并不是万能的!深度学习没有分析能力,不知道原因也无法预测,它基本上取决与样本以及所要求输出的特征值。很显然,对于高精度自动驾驶来说,深度学习需要更理性的决策!

推荐相关阅读:

《探访北京车展 流媒体后视镜已成“标配”》

《取消二手车限迁政策 跟你我有毛关系?》

《时尚叒小巧 盯盯拍mini ONE首发评测》

展开全文
人赞过该文
内容纠错

相关电商优惠

评论

更多评论
还没有人评论~ 快来抢沙发吧~

读过此文的还读过

点击加载更多
说点什么吧~ 0

发评论,赚金豆

收藏 0 分享
首页查报价问答论坛下载手机笔记本游戏硬件数码影音家用电器办公打印 更多

更多频道

频道导航
辅助工具