電子發(fā)燒友網(wǎng)報(bào)道(文/梁浩斌)Corner case在自動(dòng)駕駛中是指行駛過(guò)程中可能出現(xiàn),但發(fā)生頻率極低的小概率事件。盡管平時(shí)很少會(huì)遇到,但對(duì)于自動(dòng)駕駛系統(tǒng)來(lái)說(shuō),遇到無(wú)法做出決策的corner case時(shí),很可能會(huì)導(dǎo)致致命的交通事故。
最近微博有博主就遇到了一個(gè)讓人哭笑不得的案例,很生動(dòng)地展示了corner case的概念。
從照片上可以看到,在等紅綠燈時(shí),特斯拉Model 3右側(cè)前方有一輛大巴,大巴的車窗玻璃剛好反射出紅綠燈的影子,而在車輛內(nèi)的可視化界面上,誤將車窗反射識(shí)別成鑲嵌在大巴車身內(nèi)的紅綠燈。對(duì)于自動(dòng)駕駛系統(tǒng)而言,在車窗中反射出的紅綠燈剛好在合理的高度,同時(shí)形態(tài)也符合模型,所以它就是“紅綠燈”。
雖然這種情況對(duì)自動(dòng)駕駛安全影響不大,但也很好地反映出目前自動(dòng)駕駛corner case就是會(huì)出現(xiàn)在很多人類駕駛員可以很輕易識(shí)別并作出決策的地方,而這些corner case對(duì)于自動(dòng)駕駛系統(tǒng)而言卻幾乎無(wú)法正確作出識(shí)別和判斷。
此前,包括特斯拉在內(nèi),小鵬、蔚來(lái)等都出現(xiàn)過(guò)因?yàn)閏orner case而導(dǎo)致的交通事故。比如最典型的特斯拉Model 3開(kāi)啟輔助駕駛時(shí),撞上翻側(cè)在高速公路上的白色貨車導(dǎo)致車主身亡;在去年5月,美國(guó)加州一輛Model 3在夜間撞上側(cè)翻在路面上的卡車,而事后在車主的社交賬戶上發(fā)現(xiàn)車主分享了多個(gè)“雙手離開(kāi)方向盤(pán)”使用自動(dòng)駕駛的視頻。
小鵬P7去年9月也在開(kāi)啟NGP的情況下,由于系統(tǒng)無(wú)法判斷前方高度較低的掛車而發(fā)生追尾;今年3月一輛小鵬P7在使用自適應(yīng)定速巡航ACC和車道居中保持功能時(shí),與前方發(fā)生事故側(cè)翻在路面上的汽車發(fā)生碰撞;去年8月蔚來(lái)ES8也在開(kāi)啟輔助駕駛的情況下撞上了停在路邊的工程車輛,導(dǎo)致車主身亡。
corner case的存在其實(shí)也是一些人不看好自動(dòng)駕駛的原因。因?yàn)橥ㄟ^(guò)模擬無(wú)法覆蓋現(xiàn)實(shí)世界中的所有場(chǎng)景,遇到這些corner case的變量太多,不可能完全讓自動(dòng)駕駛系統(tǒng)識(shí)別所有corner case。也就是corner case無(wú)法完全解決,只能不斷優(yōu)化盡量補(bǔ)全這些漏洞。
而目前的優(yōu)化方法,其實(shí)非常簡(jiǎn)單粗暴,就是通過(guò)車企收集更多的真實(shí)數(shù)據(jù)。擁有足夠多真實(shí)數(shù)據(jù)的基礎(chǔ)上,再通過(guò)模擬計(jì)算平臺(tái)對(duì)這些場(chǎng)景進(jìn)行進(jìn)一步解構(gòu),模擬出其他類似場(chǎng)景讓系統(tǒng)學(xué)習(xí)。
同時(shí),在獲取數(shù)據(jù)時(shí),需要通過(guò)系統(tǒng)判斷駕駛車輛是否遇到了corner case,并上傳數(shù)據(jù)進(jìn)行標(biāo)注。標(biāo)注后的數(shù)據(jù)用于模擬訓(xùn)練,以及生成迭代模型,用更多的corner case訓(xùn)練自動(dòng)駕駛系統(tǒng)。
當(dāng)然,corner case其實(shí)是一個(gè)比較大的概念,其中包括傳感器性能、場(chǎng)景差異、罕見(jiàn)事件等之類的問(wèn)題。目前業(yè)界主要通過(guò)對(duì)corner case檢測(cè)復(fù)雜度,或者一定程度上可以說(shuō)是以出現(xiàn)的概率來(lái)進(jìn)行分級(jí),分為像素級(jí)(Pixel)、域級(jí)(Domain)、目標(biāo)級(jí)(Object)、場(chǎng)景級(jí)(Scene)、時(shí)序場(chǎng)景級(jí)(Scenario)等五個(gè)等級(jí)。
因此要對(duì)corner case進(jìn)行優(yōu)化,就可以將收集到的corner case數(shù)據(jù)進(jìn)行難度分級(jí),再根據(jù)不同級(jí)別來(lái)找到解決方案。
總體而言,要優(yōu)化corner case,首先需要海量的真實(shí)路面數(shù)據(jù)。而數(shù)據(jù)的背后,還需要擁有足夠算力的數(shù)據(jù)中心,模型訓(xùn)練、自動(dòng)標(biāo)記等工作需要大量算力。以特斯拉為例,目前特斯拉擁有3大計(jì)算中心總計(jì)11544 個(gè)GPU,今年8月特斯拉首次公開(kāi)了其Dojo超級(jí)計(jì)算機(jī)系統(tǒng)中每個(gè)ExaPOD集群集成了120個(gè)訓(xùn)練模塊,內(nèi)置3000個(gè)D1芯片,擁有超過(guò)100萬(wàn)個(gè)訓(xùn)練節(jié)點(diǎn),算力達(dá)到1.1EFLOPS,預(yù)計(jì)明年完工首個(gè)ExaPOD集群。
國(guó)內(nèi)企業(yè)目前也在自動(dòng)駕駛數(shù)據(jù)中心上加大投入,今年8月,小鵬汽車和阿里云合作建設(shè)的國(guó)內(nèi)最大自動(dòng)駕駛智算中心在內(nèi)蒙古烏蘭察布落地,將專門(mén)用于自動(dòng)駕駛模型訓(xùn)練,算力規(guī)模達(dá)0.6EFLOPS;而商湯在上海的超算中心AIDC也在今年年初投入運(yùn)營(yíng),設(shè)計(jì)算力達(dá)到3.74EFLOPS,未來(lái)還會(huì)進(jìn)一步擴(kuò)展至4.91EFLOPS。
可以說(shuō),要盡量避免遇到自動(dòng)駕駛的corner case,其實(shí)在某種程度上比拼的就是數(shù)據(jù)。
最近微博有博主就遇到了一個(gè)讓人哭笑不得的案例,很生動(dòng)地展示了corner case的概念。
?
來(lái)源:微博@阿阿阿阿六三
來(lái)源:微博@阿阿阿阿六三
從照片上可以看到,在等紅綠燈時(shí),特斯拉Model 3右側(cè)前方有一輛大巴,大巴的車窗玻璃剛好反射出紅綠燈的影子,而在車輛內(nèi)的可視化界面上,誤將車窗反射識(shí)別成鑲嵌在大巴車身內(nèi)的紅綠燈。對(duì)于自動(dòng)駕駛系統(tǒng)而言,在車窗中反射出的紅綠燈剛好在合理的高度,同時(shí)形態(tài)也符合模型,所以它就是“紅綠燈”。
雖然這種情況對(duì)自動(dòng)駕駛安全影響不大,但也很好地反映出目前自動(dòng)駕駛corner case就是會(huì)出現(xiàn)在很多人類駕駛員可以很輕易識(shí)別并作出決策的地方,而這些corner case對(duì)于自動(dòng)駕駛系統(tǒng)而言卻幾乎無(wú)法正確作出識(shí)別和判斷。
此前,包括特斯拉在內(nèi),小鵬、蔚來(lái)等都出現(xiàn)過(guò)因?yàn)閏orner case而導(dǎo)致的交通事故。比如最典型的特斯拉Model 3開(kāi)啟輔助駕駛時(shí),撞上翻側(cè)在高速公路上的白色貨車導(dǎo)致車主身亡;在去年5月,美國(guó)加州一輛Model 3在夜間撞上側(cè)翻在路面上的卡車,而事后在車主的社交賬戶上發(fā)現(xiàn)車主分享了多個(gè)“雙手離開(kāi)方向盤(pán)”使用自動(dòng)駕駛的視頻。
小鵬P7去年9月也在開(kāi)啟NGP的情況下,由于系統(tǒng)無(wú)法判斷前方高度較低的掛車而發(fā)生追尾;今年3月一輛小鵬P7在使用自適應(yīng)定速巡航ACC和車道居中保持功能時(shí),與前方發(fā)生事故側(cè)翻在路面上的汽車發(fā)生碰撞;去年8月蔚來(lái)ES8也在開(kāi)啟輔助駕駛的情況下撞上了停在路邊的工程車輛,導(dǎo)致車主身亡。
corner case的存在其實(shí)也是一些人不看好自動(dòng)駕駛的原因。因?yàn)橥ㄟ^(guò)模擬無(wú)法覆蓋現(xiàn)實(shí)世界中的所有場(chǎng)景,遇到這些corner case的變量太多,不可能完全讓自動(dòng)駕駛系統(tǒng)識(shí)別所有corner case。也就是corner case無(wú)法完全解決,只能不斷優(yōu)化盡量補(bǔ)全這些漏洞。
而目前的優(yōu)化方法,其實(shí)非常簡(jiǎn)單粗暴,就是通過(guò)車企收集更多的真實(shí)數(shù)據(jù)。擁有足夠多真實(shí)數(shù)據(jù)的基礎(chǔ)上,再通過(guò)模擬計(jì)算平臺(tái)對(duì)這些場(chǎng)景進(jìn)行進(jìn)一步解構(gòu),模擬出其他類似場(chǎng)景讓系統(tǒng)學(xué)習(xí)。
同時(shí),在獲取數(shù)據(jù)時(shí),需要通過(guò)系統(tǒng)判斷駕駛車輛是否遇到了corner case,并上傳數(shù)據(jù)進(jìn)行標(biāo)注。標(biāo)注后的數(shù)據(jù)用于模擬訓(xùn)練,以及生成迭代模型,用更多的corner case訓(xùn)練自動(dòng)駕駛系統(tǒng)。
當(dāng)然,corner case其實(shí)是一個(gè)比較大的概念,其中包括傳感器性能、場(chǎng)景差異、罕見(jiàn)事件等之類的問(wèn)題。目前業(yè)界主要通過(guò)對(duì)corner case檢測(cè)復(fù)雜度,或者一定程度上可以說(shuō)是以出現(xiàn)的概率來(lái)進(jìn)行分級(jí),分為像素級(jí)(Pixel)、域級(jí)(Domain)、目標(biāo)級(jí)(Object)、場(chǎng)景級(jí)(Scene)、時(shí)序場(chǎng)景級(jí)(Scenario)等五個(gè)等級(jí)。
因此要對(duì)corner case進(jìn)行優(yōu)化,就可以將收集到的corner case數(shù)據(jù)進(jìn)行難度分級(jí),再根據(jù)不同級(jí)別來(lái)找到解決方案。
總體而言,要優(yōu)化corner case,首先需要海量的真實(shí)路面數(shù)據(jù)。而數(shù)據(jù)的背后,還需要擁有足夠算力的數(shù)據(jù)中心,模型訓(xùn)練、自動(dòng)標(biāo)記等工作需要大量算力。以特斯拉為例,目前特斯拉擁有3大計(jì)算中心總計(jì)11544 個(gè)GPU,今年8月特斯拉首次公開(kāi)了其Dojo超級(jí)計(jì)算機(jī)系統(tǒng)中每個(gè)ExaPOD集群集成了120個(gè)訓(xùn)練模塊,內(nèi)置3000個(gè)D1芯片,擁有超過(guò)100萬(wàn)個(gè)訓(xùn)練節(jié)點(diǎn),算力達(dá)到1.1EFLOPS,預(yù)計(jì)明年完工首個(gè)ExaPOD集群。
國(guó)內(nèi)企業(yè)目前也在自動(dòng)駕駛數(shù)據(jù)中心上加大投入,今年8月,小鵬汽車和阿里云合作建設(shè)的國(guó)內(nèi)最大自動(dòng)駕駛智算中心在內(nèi)蒙古烏蘭察布落地,將專門(mén)用于自動(dòng)駕駛模型訓(xùn)練,算力規(guī)模達(dá)0.6EFLOPS;而商湯在上海的超算中心AIDC也在今年年初投入運(yùn)營(yíng),設(shè)計(jì)算力達(dá)到3.74EFLOPS,未來(lái)還會(huì)進(jìn)一步擴(kuò)展至4.91EFLOPS。
可以說(shuō),要盡量避免遇到自動(dòng)駕駛的corner case,其實(shí)在某種程度上比拼的就是數(shù)據(jù)。
聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
自動(dòng)駕駛
+關(guān)注
關(guān)注
781文章
13449瀏覽量
165277
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
FPGA在自動(dòng)駕駛領(lǐng)域有哪些優(yōu)勢(shì)?
領(lǐng)域的主要優(yōu)勢(shì):
高性能與并行處理能力:
FPGA內(nèi)部包含大量的邏輯門(mén)和可配置的連接,能夠同時(shí)處理多個(gè)數(shù)據(jù)流和計(jì)算任務(wù)。這種并行處理能力使得FPGA在處理自動(dòng)駕駛中復(fù)雜的圖像識(shí)別、傳感器數(shù)據(jù)處理等
發(fā)表于 07-29 17:11
FPGA在自動(dòng)駕駛領(lǐng)域有哪些應(yīng)用?
是FPGA在自動(dòng)駕駛領(lǐng)域的主要應(yīng)用:
一、感知算法加速
圖像處理:自動(dòng)駕駛中需要通過(guò)攝像頭獲取并識(shí)別道路信息和行駛環(huán)境,這涉及到大量的圖像處理任務(wù)。FPGA在處理圖像上的運(yùn)算速度快,可并行性強(qiáng),且功耗
發(fā)表于 07-29 17:09
自動(dòng)駕駛汽車如何識(shí)別障礙物
自動(dòng)駕駛汽車識(shí)別障礙物是一個(gè)復(fù)雜而關(guān)鍵的過(guò)程,它依賴于多種傳感器和技術(shù)的協(xié)同工作。這些傳感器主要包括激光雷達(dá)(LiDAR)、雷達(dá)、攝像頭以及超聲波雷達(dá)等,它們各自具有不同的工作原理和優(yōu)勢(shì),共同為自動(dòng)駕駛汽車提供全面的環(huán)境感知能力
自動(dòng)駕駛識(shí)別技術(shù)有哪些
自動(dòng)駕駛的識(shí)別技術(shù)是自動(dòng)駕駛系統(tǒng)中的重要組成部分,它使車輛能夠感知并理解周圍環(huán)境,從而做出智能決策。自動(dòng)駕駛識(shí)別技術(shù)主要包括多種傳感器及其融
百度發(fā)布全球首個(gè)L4級(jí)自動(dòng)駕駛大模型
近日,百度Apollo宣布了全球首個(gè)支持L4級(jí)自動(dòng)駕駛的大模型Apollo ADFM(Autonomous Driving Foundation Model)。這一突破性的技術(shù)成果,標(biāo)志著自動(dòng)駕駛領(lǐng)域邁出了重要的一步。
迎來(lái)“CASE”時(shí)代的汽車趨勢(shì)和技術(shù)課題(3) ~自動(dòng)駕駛和識(shí)別引擎~
本次作為迎來(lái)“CASE”時(shí)代的汽車趨勢(shì)和技術(shù)課題的第三次,我們將介紹面向?qū)嶋H應(yīng)用和實(shí)證實(shí)驗(yàn)突飛猛進(jìn)的自動(dòng)駕駛和掌控自動(dòng)駕駛“認(rèn)知”的識(shí)別引擎概要。 開(kāi)發(fā)和實(shí)證實(shí)驗(yàn)取得進(jìn)展的
特斯拉與百度合作掃清自動(dòng)駕駛關(guān)鍵障礙
知情者透露,特斯拉有望在此基礎(chǔ)上推進(jìn)自動(dòng)駕駛服務(wù)。特斯拉于2020年起在華轉(zhuǎn)向使用百度地圖及導(dǎo)航服務(wù),新的合作旨在解決更先進(jìn)的自動(dòng)駕駛地圖需求。
未來(lái)已來(lái),多傳感器融合感知是自動(dòng)駕駛破局的關(guān)鍵
的Robotaxi運(yùn)營(yíng)。這標(biāo)志著L4級(jí)自動(dòng)駕駛迎來(lái)了新的里程碑,朝著商業(yè)化落地邁進(jìn)了一大步。中國(guó)的車企也不甘落后:4月7日,廣汽埃安與滴滴自動(dòng)駕駛宣布合資公司——廣州安滴科技有限公司獲批工商執(zhí)照。廣汽埃安
發(fā)表于 04-11 10:26
自動(dòng)駕駛已成現(xiàn)實(shí)?賽思時(shí)間同步服務(wù)器賦能北京市高級(jí)別自動(dòng)駕駛示范區(qū),為自動(dòng)駕駛提供中國(guó)方案
賽思時(shí)間同步服務(wù)器賦能全球首個(gè)“車路云一體化”高級(jí)別自動(dòng)駕駛示范區(qū),為自動(dòng)駕駛提供中國(guó)方案!北京市高級(jí)別自動(dòng)駕駛示范區(qū)的“中樞神經(jīng)”-云控基礎(chǔ)平臺(tái)北京市高級(jí)別
發(fā)展新質(zhì)生產(chǎn)力,百度蘿卜快跑開(kāi)啟大興機(jī)場(chǎng)的自動(dòng)駕駛接駁路線
在高級(jí)別自動(dòng)駕駛領(lǐng)域,百度蘿卜快跑積極響應(yīng)政府號(hào)召,率先在北京亦莊實(shí)現(xiàn)了車內(nèi)無(wú)人自動(dòng)駕駛商業(yè)化示范運(yùn)營(yíng),并開(kāi)啟了大興機(jī)場(chǎng)的自動(dòng)駕駛接駁路線。
百度“蘿卜快跑”首批獲準(zhǔn)在京開(kāi)展大興機(jī)場(chǎng)自動(dòng)駕駛載人示范應(yīng)用
近日,百度蘿卜快跑宣布首批獲準(zhǔn)北京大興機(jī)場(chǎng)高速、以及大興機(jī)場(chǎng)部分區(qū)域的自動(dòng)駕駛車輛載人示范應(yīng)用。
華為自動(dòng)駕駛技術(shù)怎么樣?
? ? ? 自動(dòng)駕駛技術(shù)是當(dāng)今世界汽車產(chǎn)業(yè)的重要發(fā)展方向。作為全球領(lǐng)先的科技企業(yè),華為在自動(dòng)駕駛技術(shù)方面也進(jìn)行了深入的研發(fā)和創(chuàng)新。 一、華為自動(dòng)駕駛技術(shù)的實(shí)力 華為在
LabVIEW開(kāi)發(fā)自動(dòng)駕駛的雙目測(cè)距系統(tǒng)
達(dá)到950以上,而在其他較弱紋理區(qū)域也能維持在900左右。誤差率低至5%以下,甚至在特征點(diǎn)明顯的標(biāo)志物上可達(dá)到2%左右。
基于LabVIEW的雙目測(cè)距系統(tǒng)在自動(dòng)駕駛中具有廣泛的應(yīng)用前景,它可以為車輛提供
發(fā)表于 12-19 18:02
自動(dòng)駕駛“十問(wèn)十答”
說(shuō)起自動(dòng)駕駛, 大家現(xiàn)在已經(jīng)不陌生, 但是關(guān)于自動(dòng)駕駛你又了解多少呢? 今天小編總結(jié)了關(guān)于自動(dòng)駕駛的 “十問(wèn)十答” , 帶你了解更多 自動(dòng)駕駛的來(lái)龍去脈 。 問(wèn)題1. 為什么會(huì) 出現(xiàn)
利用Transformer BEV解決自動(dòng)駕駛Corner Case的技術(shù)原理
BEV是一種將三維環(huán)境信息投影到二維平面的方法,以俯視視角展示環(huán)境中的物體和地形。在自動(dòng)駕駛領(lǐng)域,BEV 可以幫助系統(tǒng)更好地理解周圍環(huán)境,提高感知和決策的準(zhǔn)確性。在環(huán)境感知階段,BEV 可以將激光雷達(dá)、雷達(dá)和相機(jī)等多模態(tài)數(shù)據(jù)融合在同一平面上。
評(píng)論