自动驾驶真正上路 还有10%的技术难题待解

来源：科技日报

自动驾驶在技术上曾经处理了90%的成绩，但剩下10%的成绩如很多边界化难题，却能够要花费比过去更多的精神去处理。

10月21日，全国首个常态化运营的5G无人公交在苏州落地。这个在苏州高铁新城亮相的无人公交是在开放的城市道路上运转，且速度可达20—50千米/时。这辆无人公交车除了具有避让行人车辆、自动变道、自动转向、红绿灯辨认等基本功能，还能应对各类城市复杂交通场景，例如穿行人车混杂的路口、应对后车加塞、“鬼探头”等。

此前，10月12日，北京也开放了无人驾驶出租车试乘，可试乘区域包括海淀、亦庄等，12日当天北京地区的呼单量就打破了2600单。而早在往年4月，长沙曾经片面开放了无人驾驶出租车服务。

自动驾驶服务陆续落地，能否意味着其商业化临近？

商业化正迎来最佳机遇

目前自动驾驶的落地状况如何？其发展到了一个什么程度？

“2019年12月，国内初次提出了新基建的概念，掀起了一股新浪潮。新基建包括5G、物联网、工业互联网、卫星互联网、人工智能、云计算、区块链七大板块，其中有三大板块是自动驾驶软件的核心技术——5G、AI、大数据中心（云计算）。”轻舟智航结合创始人、CEO于骞在接受科技日报记者采访时表示。

在于骞看来，自动驾驶处于这几大范畴的交汇点，是新基建的典型落地运用。加上近年来不断完善的智慧城市、智慧交通相关政策，可以说，自动驾驶在国内的商业化落地正迎来最佳的机遇。

“在全体落地方面，仅从近几年无人驾驶行业的创业公司状况来看，以2018年为分界点，无人驾驶范畴的确是出现了两个创业的黄金窗口。”于骞说。

第一个黄金窗口出如今2015年至2017年之间，在这段工夫里，出现了一批自动驾驶公司，在这个阶段的融资次要是靠估算的产品规模以及团队背景，当时市场对L4级别自动驾驶（全自动驾驶）产品落地的希冀值很高，定下了不少比较悲观的近期目的。

“在近期目的没有完成时，市场感到了绝望，并重新对落地工夫树立起了新的认知，这时又遇上了资本寒冬，所以自动驾驶创业公司的声响少了许多。”于骞表示。

在2019年之后，人们对L4级别自动驾驶的预期末尾回归感性，随着技术的进一步成熟，市场的需求也呼唤无人驾驶产品落地。同时国家的各类政策先后推出，以及相应的法律法规逐渐完善，随着硬件成本的分明下降，L4级别自动驾驶的短期落地场景逐渐明白了。

于骞表示，目前，业内估计公共道路中低速载人场景的落地运营工夫大概在1—3年，公共道路中低速载货场景的落地运营工夫则是在3—5年。虽然前几年曾经有各种物流车、摆渡车试运营，但这些试运营都只局限在园区外头，这里的落地，指的是在公开道路中的落地。

无人小巴更具落地能够性

部分运用落地能否意味着自动驾驶将很快投入商业化运转？自动驾驶的商业化道路还有多远？

在于骞看来，自动驾驶能否商业化取决于不同自动驾驶级别和不同场景，例如L2级别自动驾驶（部分自动驾驶）的方案曾经在许多量产车上落地。

“无人驾驶出租车作为目前市场规模最大的、最有应战的部分，是城市复杂交通环境无人驾驶的终极目的，但无人驾驶出租车的落地周期比较长、速度快、非固定道路，落地难度会比较大。”于骞说。

目前业内更看好无人小巴在公开道路的商业化落地运用，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道路，覆盖高铁新城周边9.8平方公里区域，处理居民出行“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，也是独一常态化运营的城市公开道路无人公交项目。

于骞表示，无人小巴这一运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，固定道路，车在同一条线路上反复磨练，更能确保行驶安全，并可完成红绿灯优先和预警。第三，满足多人出行，具有社会效益，在公共道路上享用优先路权。

“无人小巴这一运用场景结合了固定道路中低速、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践落地场景。”于骞说。

曾经处理90%的技术成绩

有专家指出，目前困扰自动驾驶的次要难点在于其决策规划和感知，并以为目前并没有看到这两个难题的处理措施，此观点获得不少人的认同，理想状况能否如此？

于骞以为，决策规划和感知的成绩都可以归结为自动驾驶的长尾成绩。自动驾驶在技术上曾经处理了90%的成绩，但剩下的10%却能够要花费异样多甚至更多的精神去处理，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成绩。所以边界化难题是需求去发现并处理的。

那么边界化难题怎样去发现并处理呢？

“除了搜集大量的数据，更重要的是建立自动化消费工厂，将源源不断搜集来的有效数据，经过自动化的工具，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。

于骞以下面野鸭子的场景为例，假如需求专门针对这些场景去开发特殊的模型，那会有无量无尽的场景需求处理。但借助自动化的办法，只需数据标注好了，下次系统更新时便可以更好处理这种状况，省下大量工程师的工夫。

“以感知举例是比较容易了解的，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；再往后则是系统应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。

支持你哈...................................

只看文字不过瘾啊~

不错 支持下