Uber們的自動駕駛技術中還有哪些存在風險的環(huán)節(jié)？感知系統(tǒng)一直以來都是無人駕駛最難的課題

Uber自動駕駛車禍發(fā)生的具體原因還在調(diào)查，話題也在持續(xù)發(fā)酵。前滴滴無人駕駛項目負責人、首席工程師、autowise.ai（仙途智能）創(chuàng)始人兼CEO黃超分析了此次事故可能的原因，從感知的難點，系統(tǒng)延遲，速度過高等方面進行了解讀?！暗湼Ｏ嘁小?，在Uber大干快進，整個行業(yè)風風火火推動乘用車商業(yè)化的情況下，事故的出現(xiàn)或許能讓各大互聯(lián)網(wǎng)公司、主機廠、Tier1等公司冷靜思考技術的不足，而與乘用車并行的環(huán)衛(wèi)、物流商用車，或許能夠最快實現(xiàn)自動駕駛商業(yè)化。

周日晚間發(fā)生的Uber撞人致死事件繼續(xù)發(fā)酵。

昨天，出事的亞利桑那州當?shù)鼐珠L稱，在這起事故中，Uber可能沒有過錯，因為從視頻來看，當事人從黑暗中直接橫穿車道，“在任何模式下都很難避免這種碰撞”。

雖然看上去Uber在這件事情上并沒有過錯，但Uber以及以Uber為代表的自動駕駛從業(yè)者們卻經(jīng)歷了一次集體公關，公眾也在疑慮：在技術沒有做到100%完美的情況下，路測是否還會出現(xiàn)撞人事故？Uber們的自動駕駛技術中還有哪些存在風險的環(huán)節(jié)？

昨天，前滴滴無人駕駛項目負責人、首席工程師、autowise.ai（仙途智能）創(chuàng)始人兼CEO黃超向新智元分析了Uber以及自動駕駛技術中容易出現(xiàn)的高風險“bug”，以及自動駕駛產(chǎn)業(yè)背后深層次的“大干快上”問題。

Uber出車禍的三種可能：感知是難題、系統(tǒng)延遲、設計時速過高

1、感知系統(tǒng)一直以來都是無人駕駛最難的課題

當時，一名49歲的女子打算橫穿一條雙向四車道的馬路，但她沒有走人行橫道。

這時，Uber改裝的沃爾沃XC90 SUV由南向北行駛，這名女子來不及閃躲，最終發(fā)生了車禍。

事故發(fā)生在周日夜間，周圍的視線較差，這也可能是車輛沒有發(fā)現(xiàn)行人的最主要原因。

出事故的這臺自動駕駛車使用了7個攝像頭和1個高線束激光雷達的組合，黃超認為，這是非常典型的傳感器組合方式。

Uber的傳感器系統(tǒng)

激光雷達和攝像頭一定程度上相互彌補，現(xiàn)在主流的技術方案也是將兩者進行融合。根據(jù)目前得到的資料，這次事故發(fā)生時視線較差，因此對攝像頭可能會有影響；同時，部分無人駕駛系統(tǒng)，在車速較快時，會采取一些偏激進策略，從而降低對環(huán)境的敏感度。

這些可能性的累加，從而導致整個感知系統(tǒng)對車道邊行人漏檢或者行為預測不準確，甚至直接忽略，進而影響決策層。

2、汽車“大腦”接收和處理信號的出現(xiàn)的致命延遲

值得一提的是，傳感器收集外部數(shù)據(jù)后，會將這些數(shù)據(jù)發(fā)送給自動駕駛汽車的“大腦”即中央計算單元，“大腦”在汽車周圍創(chuàng)建完整的圖像。

黃超指出，數(shù)據(jù)的采集和傳輸是需要時間的，以常用的64線激光雷達為例，不做優(yōu)化的情況下，獲得每一幀數(shù)據(jù)需要100毫秒時間。加上系統(tǒng)計算的時間開銷，以及汽車底層執(zhí)行的時間開銷，總體時間延遲普遍超過100毫秒，甚至達到秒級。且這個延遲與硬件狀態(tài)、程序瞬時的負載也有關系，因此不排除事故是由于系統(tǒng)進入了高延遲階段，對突發(fā)的情況處理不及時從而釀成車禍。

3、自動駕駛車輛設計時速過高

美國法律規(guī)定，自動駕駛汽車也應該遵循當?shù)氐南匏贅藴省?/p>

當?shù)鼐椒Q，事發(fā)時Uber自動駕駛車的時速達到40英里（約合64公里/時），而事發(fā)街道的限速為35英里/小時（約合56公里/時，但也有報道稱當?shù)叵匏?5英里/時），盡管夜間車流量少，但40英里的時速在城市郊區(qū)道路中仍屬于較高速度行駛。

谷歌在開始數(shù)年的時間內(nèi)，無人駕駛車輛的測試速度都被限定在30英里/小時以內(nèi)，因為在這個時速以下，無人駕駛車輛即使發(fā)生交通事故，相對安全。

黃超認為，在夜間尤其是某些傳感器受影響時，系統(tǒng)更應該采取保守策略，讓汽車降速。

并且，黃超強調(diào)，無人駕駛系統(tǒng)從感知到執(zhí)行層是一個完整的pipline，整個pipeline中任何一個環(huán)節(jié)的失敗或者異常，都會導致整個系統(tǒng)的失效。目前掌握的信息也較少，甚至不能排除是硬件故障，所以后續(xù)警方有更加完整的調(diào)查報告，可以幫助我們更好的分析事故原因

此外，沃爾沃XC90 SUV全系都標配自動緊急剎車系統(tǒng)，本身具備一定的障礙物識別能力，從而最大程度預防碰撞事故的發(fā)生。但從事故現(xiàn)場的圖片來看，車輛前部右側(cè)撞擊受損嚴重。由于沒有公布現(xiàn)場視頻，我們無法判斷汽車是否緊急制動。或者Uber在改裝時，將原車的這部分功能進行了較大改動。

產(chǎn)業(yè)背后：乘用車商業(yè)化速度慢，資本推動自動駕駛“大干快上”

過去幾年，國內(nèi)外自動駕駛領域迎來了資本與技術的風口，以Uber為代表的企業(yè)在自動駕駛上可謂一路狂奔著。

就這輛改裝的沃爾沃XC90 SUV而言，去年Uber已經(jīng)同意購買約24000輛，以一輛XC90 SUV售價約5萬美元計算，購買這些車優(yōu)步就要投入近12億美元，這在互聯(lián)網(wǎng)造車的公司中實屬罕見。

最近，Uber還曝出與豐田汽車討論關于在豐田車中安裝自動駕駛系統(tǒng)的可能性。

雖然Uber在自動駕駛車數(shù)量上領跑，但卻很少披露“質(zhì)量”狀況，這也是這次Uber出車禍之后被廣泛詬病的一個方面。據(jù)加州公路管理局今年2月披露的2017年度自動駕駛測試報告顯示，Uber的對手Waymo在每千英里干預次數(shù)上排名第一，但Uber并沒有提交相關數(shù)據(jù)。

國內(nèi)的自動駕駛也在資本與技術的加持下出現(xiàn)火熱的情況，據(jù)不完全統(tǒng)計，去年已經(jīng)有超過十家自動駕駛創(chuàng)業(yè)公司拿到融資。

Uber的這次車禍也成為自動駕駛從業(yè)者們一次集體公共危機。Uber發(fā)生車禍后，nuTonomy、豐田等國外多家研發(fā)自動駕駛企業(yè)表態(tài)對測試“降速”，而針對行業(yè)“大干快上”的情況，景馳CEO韓旭在朋友圈評論：

我們做自動駕駛一定要有敬畏之心。我一直反對大干快上。這也是為什么我在各種場合跟各種咖位的專家吵了無數(shù)架：一定要堅持有冗余的多傳感器融合方案。以目前的計算機視覺技術，任何狂吹自己深度學習多么牛，只用攝像頭就可以低成本做自動駕駛的都是耍流氓。

韓旭的言論一方面顯示了他對個別企業(yè)粗制濫造、對攝像頭技術過度相信行為的擔憂，另一方面也能反映出，“大干快上”的背后是資本對現(xiàn)階段乘用車商業(yè)化速度的追求在加快。但現(xiàn)實問題是，國內(nèi)自動駕駛還處于高速發(fā)展階段，距離最終大規(guī)模載人商用還需要一段時間的技術積累。

而與乘用車并行的另一股浪潮——商用車，由于限定環(huán)境、技術難度較小，出現(xiàn)了自動駕駛商業(yè)化的曙光。

在商用車的物流、貨運、配送等細分市場中，集結(jié)了眾多玩家，也因此誕生了不少自動駕駛創(chuàng)業(yè)公司。如不久前從滴滴離職的前研究院院長何曉飛，創(chuàng)辦了自動駕駛貨車公司逐影科技，這一領域還存在張?zhí)炖讋?chuàng)辦的主線科技以及圖森未來；而在自動駕駛物流車、環(huán)衛(wèi)清潔車創(chuàng)業(yè)公司中，分別出現(xiàn)了智行者和黃超創(chuàng)辦的autowise。

萬億細分市場：不到30萬成本的自動駕駛環(huán)衛(wèi)領域最先實現(xiàn)商業(yè)化？

以黃超為例，黃超的autowise.ai專注自動駕駛技術研發(fā)，并將自動駕駛清掃車作為首個商業(yè)化落地項目。

至于為什么選擇自動駕駛清掃車作為落地項目，黃超給出了以下答案：

首先，市場方面，目前全國道路總長度已經(jīng)達到數(shù)百萬公里，按平均寬度10米算，總面積達到數(shù)百億平米。普通道路清掃的最低價格通常為一年10元/平米，粗略估算，全國道路清掃的費用已經(jīng)接近萬億量級。而目前的環(huán)衛(wèi)公司，60%以上是人力成本。

其次，技術方面，道路清掃的線路相對固定，作業(yè)時間多為夜間或者凌晨，路況簡單。清掃時的行駛速度較低，在遇到突發(fā)情況時可以采取保護其他交通參與者的策略。

最后，社會價值方面，道路清掃一直是城市環(huán)衛(wèi)工作的重點，但環(huán)衛(wèi)工人經(jīng)常需要夜間工作，甚至節(jié)假日也要堅守崗位，同時，由于身處室外環(huán)境，不僅要面對各種極端天氣，比如高溫、嚴寒、霧霾，而且工作過程中的交通意外也時有發(fā)生。自動駕駛清掃車可以改變這一現(xiàn)狀。

autowise.ai最新發(fā)布的無人駕駛清潔車，包括一輛6米長的中型清潔車以及一輛3米長的小型清潔車，這兩種類型的車輛已開始在某大型科技園內(nèi)試運行。

視頻中的自動駕駛清潔車由一輛近6米的純電動洗掃車改制而成，在凌晨兩點自動出發(fā)執(zhí)行清掃任務。作業(yè)過程中中，這輛清潔車能夠順利通過紅綠燈、路邊障礙等各種交通狀況，并在清掃完成后自動行駛到垃圾傾倒處傾倒垃圾，最后回到出發(fā)點自動泊入車位。

自動駕駛清潔車作業(yè)中

自動泊車

據(jù)黃超介紹，未來，城市環(huán)衛(wèi)工作大部分將由自動駕駛清潔車完成，人們每天清晨醒來的時候，整個城市已經(jīng)不知不覺中煥然一新。

至于商業(yè)化的可行性，黃超表示，目前，清潔車的所有傳感器總成本僅30萬人民幣，這是由于系統(tǒng)在地圖和定位上采用了多激光雷達和低成本GPS/IMU的傳感器融合方案，避免使用價格數(shù)十萬的高精度定位設備，同時，感知方面使用了多個低線束激光雷達和攝像頭融合的技術，來替代常用的64線激光雷達。

此外，目前整套系統(tǒng)采用one cable傳感器支架方案，方便對多種車型進行改造，從而逐步走向批量生產(chǎn)。因此，自動駕駛清潔車最有可能實現(xiàn)商業(yè)化。

基于此，autowise.ai組建的自動駕駛清潔車隊已開始在上海試運行。

自動駕駛乘用車技術能“降維應用”，用更多冗余的軟硬件方案來提升安全性

autowise.ai去年獲得紅點中國獨家天使投資，目前，正同時進行自動駕駛乘用車和商用車的研發(fā)。

黃超向新智元透露，autowise.ai之所以持續(xù)研發(fā)無人駕駛乘用車系統(tǒng)，因為乘用車需要處理更加復雜的路況，能夠收集更多的數(shù)據(jù)，從而也能加速自動駕駛商用車的研發(fā)，這是一個“降維應用”的過程。

autowise的自動駕駛乘用車能夠在非結(jié)構化路段平穩(wěn)行駛，并在極限道路完成錯車，自動通過收費閘機。

目前，autowise.ai有20多名員工，核心力量主要來自各大互聯(lián)網(wǎng)公司和車企，包括 Google、百度、滴滴、 通用、沃爾沃等，在無人駕駛、AI、出行網(wǎng)絡、大數(shù)據(jù)等領域擁有較強積累。

除了黃超外，團隊還有原百度計算團隊和數(shù)據(jù)團隊架構師葉青為聯(lián)合創(chuàng)始人兼首席架構師，葉青曾負責百度最大規(guī)模數(shù)據(jù)倉庫建設和數(shù)據(jù)挖掘項目，開發(fā)百度第一代大規(guī)模機器學習框架分布式向量計算引擎。

從autowise.ai給出的乘用車路測視頻來看，其自動駕駛乘用車目前已經(jīng)達到了相當?shù)乃?，不僅能處理普通城市道路路況，還能處理一些有意思的非結(jié)構化道路路況。

非結(jié)構化道路會車

自動通過園區(qū)收費閘機

黃超相信，此次Uber事件會促進全球自動駕駛領域的技術持續(xù)改進。同時也會給各大互聯(lián)網(wǎng)公司、主機廠、Tier1等公司冷靜分析當前技術的不足，用更多冗余的軟硬件方案，來提升自動駕駛技術的安全性。