侵權(quán)投訴
訂閱
糾錯
加入自媒體

為什么L4自動駕駛那么難實現(xiàn)?

技術(shù)發(fā)展日新月異,時間來到2024年,自動駕駛汽車也不再是報紙、手機上的一個新聞報道或技術(shù)科普,而是在某些城市、某些區(qū)域可以真實接觸、實際體驗到的技術(shù)。尤其是百度在武漢布局蘿卜快跑無人出租后,自動駕駛更是有了具象化的使用場景,也屢次登上網(wǎng)絡(luò)熱搜,沒有駕駛員在駕駛位置的出租車,著實給大家?guī)砹朔浅s@艷的感受。

當然,這也給很多人帶來了壓力,尤其是在武漢的一些出租車、網(wǎng)約車司機,切實感受到很多的顧客出行使用無人出租,讓他們的生存空間進一步壓縮,收入進一步減少,更多很多司機表示無人出租或?qū)⒆屪约菏I(yè)。

再來看看現(xiàn)在的一些車企,尤其是很多的造車新勢力,在進入2024年之后,也在大力宣傳自己的NOA技術(shù)。所謂NOA,即導(dǎo)航輔助駕駛,也被一些車企稱之為“高階智能駕駛輔助”。雖然很多車企對于NOA技術(shù)的叫法不同,如特斯拉和理想稱其為NOA,小鵬稱為NGP,華為稱為NCA、另外還有NOH、NAD、NCA等多種叫法,但本質(zhì)上都是NOA。現(xiàn)階段,很多車企已經(jīng)將NOA技術(shù)應(yīng)用到城市路段,開始在各平臺宣傳和展示自家的城市NOA技術(shù),讓更多消費者看到私家車在城市道路“自動駕駛”的可能性。

自動駕駛現(xiàn)狀

雖然自動駕駛給我們的感覺近在咫尺,但細心的小伙伴應(yīng)該也發(fā)現(xiàn)到了,現(xiàn)在網(wǎng)絡(luò)上對于自動駕駛概念的宣傳,還是使用的L2級、L2+級、L2.9級、L2++級等字眼,鮮有使用L3級的說法,為何我們現(xiàn)在已經(jīng)可以體驗到自動駕駛技術(shù)了,但大家在宣傳時,還是沒有使用到L4級的說法呢?其實是因為L4級的自動駕駛,真的太難實現(xiàn)了!

為何L4級自動駕駛那么難實現(xiàn)?在聊這個話題之前,我們要先了解下,什么是L4級自動駕駛。根據(jù)國際汽車工程師學(xué)會(SAE)的分類,自動駕駛被分為了L0級~L5級,共6個等級,其中對于L4級的定義為高度自動駕駛,此時在特定的道路和特定環(huán)境條件下,高級輔助駕駛系統(tǒng)可以完成所有的駕駛操作,駕駛員無需保持注意力集中,可以在乘車時將更多的時間用于娛樂。

2022年3月1日起,由工業(yè)和信息化部提出、全國汽車標準化技術(shù)委員會歸口的GB/T 40429-2021《汽車駕駛自動化分級》推薦性國家標準正式發(fā)布,這一標準的發(fā)布,解決了我國汽車駕駛自動化分級的規(guī)范性問題。在這一標準中,也將自動駕駛分為了0級駕駛自動化~5級駕駛自動化,共6個等級,對于4級駕駛自動化的標準定義中,要求系統(tǒng)在其設(shè)計運行條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)并自動執(zhí)行最小風(fēng)險策略。

在這一階段中自動駕駛系統(tǒng)可以獨立完成規(guī)定的駕駛場景中(如園區(qū)、學(xué)校等)的自動駕駛功能,駕駛員依舊需要充當安全員的角色,監(jiān)管自動駕駛系統(tǒng)的駕駛行為。自動駕駛系統(tǒng)在遇到不能完成駕駛行為的場景或自動駕駛系統(tǒng)功能失效時,會向安全員提出請求讓其介入駕駛行為,如果安全員對請求不做響應(yīng)、安全員不滿足駕駛車輛能力或安全員要求自動駕駛系統(tǒng)控制車輛到最小風(fēng)險狀態(tài)時,自動駕駛系統(tǒng)可以自行將車輛控制到最小風(fēng)險狀態(tài)下。

可以發(fā)現(xiàn),在我國的標準中,4級駕駛自動化要求更為寬松,在行駛時可以有安全員的介入,而SAE歸類的L4級自動駕駛則對安全員不再作要求;乜船F(xiàn)階段的自動駕駛實際應(yīng)用,貌似只有蘿卜快跑與L4級自動駕駛最為接近,在很多媒體的宣傳中也使用了L4級自動駕駛相關(guān)字眼,但事實真就如此嗎?

在蘿卜快跑頻繁出現(xiàn)在熱搜時,有一個詞條非常亮眼,那就是蘿卜快跑后臺居然是有汽車機器人智控中心的,并有網(wǎng)友附上了圖片。從圖片中可以看到,一個個安全員坐在電腦前,觀察著車輛的行駛狀態(tài),宛如大型賽車游戲現(xiàn)場。對此,蘿卜快跑客服回應(yīng)稱“蘿卜快跑目前是自動駕駛,是沒有人操控的”。客服還表示,為了保證乘客安全,有的車輛配有安全員,而全無人車輛也會配備行程專員,行程專員會在后臺監(jiān)控,乘客如有需要可以通過屏幕上的SOS聯(lián)系到他。由此可見,蘿卜快跑雖然不再需要駕駛員,但其背后,依舊有安全員的加入,并不能稱之為L4級自動駕駛。

 

L4級自動駕駛為何如此難實現(xiàn)?

為何現(xiàn)在自動駕駛技術(shù)已經(jīng)在很多領(lǐng)域得到了應(yīng)用,卻沒有可以達到L4級的呢?

2.1 技術(shù)復(fù)雜性

環(huán)境感知與理解

L4級自動駕駛系統(tǒng)需要能夠在幾乎所有環(huán)境中自主駕駛,無論是高速公路、城市街道還是復(fù)雜的交叉路口。要做到這一點,車輛需要通過多種傳感器(如激光雷達、毫米波雷達、攝像頭等)對周圍環(huán)境進行全面感知。這些傳感器需要協(xié)調(diào)工作,提供高分辨率的環(huán)境數(shù)據(jù),并將這些數(shù)據(jù)融合到一個統(tǒng)一的模型中。然而,傳感器本身存在局限性。例如:

• 激光雷達可以提供精確的三維點云,但在雨雪天氣條件下,其性能可能會下降。

• 攝像頭能捕捉視覺信息,但在光線不足或過強的情況下,效果會受限。

• 毫米波雷達能夠穿透霧霾和雨雪,但其分辨率較低,難以準確識別細小或復(fù)雜的物體。

為了處理這些復(fù)雜場景,自動駕駛系統(tǒng)需要先進的感知算法來正確解讀這些傳感器的數(shù)據(jù),并進行場景理解和目標檢測。但目前的算法在應(yīng)對復(fù)雜、不確定的道路狀況時,仍然可能出現(xiàn)誤判。例如,系統(tǒng)可能無法正確識別突然出現(xiàn)的行人或?qū)δ承┓菢藴饰矬w的反應(yīng)較慢。

決策與規(guī)劃

一旦系統(tǒng)感知到環(huán)境中的所有元素,就需要做出駕駛決策和路徑規(guī)劃。這涉及復(fù)雜的算法,如路徑優(yōu)化、障礙物規(guī)避、行為預(yù)測等。在開放環(huán)境中(如城市道路),系統(tǒng)必須處理大量的不確定性,例如:

• 其他車輛的行為是否符合預(yù)期?

• 行人會否突然橫穿馬路?

• 信號燈故障如何處理?

要做到安全駕駛,系統(tǒng)需要在毫秒級別的時間內(nèi)處理這些信息,并做出最佳決策。目前的人工智能和機器學(xué)習(xí)算法在某些情況下可能表現(xiàn)不穩(wěn)定,特別是在面對從未遇到過的新場景時。因此,系統(tǒng)的魯棒性和安全性還需要進一步提升。

2.2 數(shù)據(jù)與算法局限

數(shù)據(jù)采集與標注

自動駕駛系統(tǒng)依賴大量數(shù)據(jù)來訓(xùn)練和優(yōu)化其算法,尤其是在感知和決策方面。然而,采集并標注這些數(shù)據(jù)是一個龐大而昂貴的過程。為了覆蓋各種駕駛場景,系統(tǒng)需要大量的真實世界數(shù)據(jù),包括不同天氣條件、不同時間段以及各種地形和道路類型。這些數(shù)據(jù)的多樣性直接影響系統(tǒng)的泛化能力。然而,目前的數(shù)據(jù)采集仍然主要集中在少數(shù)特定區(qū)域和條件下,導(dǎo)致系統(tǒng)在面對某些特殊情況時,可能缺乏足夠的經(jīng)驗。

極端場景與長尾問題

長尾問題是指在訓(xùn)練數(shù)據(jù)中很少見但在實際駕駛中可能會遇到的極端場景。例如,系統(tǒng)可能很少遇到大型動物突然橫穿高速公路,或者遭遇嚴重的交通事故場景。這些極端情況雖然發(fā)生頻率低,但一旦發(fā)生,其風(fēng)險極高。目前,系統(tǒng)在應(yīng)對這些極端場景時的表現(xiàn)還不夠理想。

算法的局限性

盡管深度學(xué)習(xí)和其他機器學(xué)習(xí)技術(shù)在圖像識別、語音識別等領(lǐng)域取得了顯著進展,但在自動駕駛中,這些算法仍面臨挑戰(zhàn)。尤其是在多目標跟蹤、行為預(yù)測和異常檢測等方面,現(xiàn)有算法還不能保證在所有情況下都能做出最優(yōu)決策。此外,算法在處理不確定性和推理方面的能力有限,使得系統(tǒng)在復(fù)雜決策場景下容易出錯。

2.3 法律與法規(guī)障礙

法律框架的不完善

許多國家和地區(qū)的法律和法規(guī)尚未完全跟上自動駕駛技術(shù)的發(fā)展,F(xiàn)有的交通法規(guī)通常假設(shè)有人類駕駛員在控制車輛,因此,在完全無人駕駛的情況下,法律責(zé)任的歸屬仍然是一個巨大的挑戰(zhàn)。例如:

• 責(zé)任劃分:如果L4自動駕駛車輛發(fā)生事故,責(zé)任應(yīng)該歸于駕駛員、汽車制造商、技術(shù)供應(yīng)商還是其他第三方?這在法律上尚無定論。

• 數(shù)據(jù)隱私:自動駕駛車輛會收集大量數(shù)據(jù),包括位置、駕駛行為、環(huán)境信息等,這些數(shù)據(jù)的使用和保護如何符合現(xiàn)行的隱私法規(guī),也需要進一步明確。

法規(guī)限制與標準化

不同國家和地區(qū)對自動駕駛技術(shù)的測試和部署要求不同,這使得跨國部署變得復(fù)雜。此外,目前缺乏全球統(tǒng)一的自動駕駛安全標準,使得技術(shù)供應(yīng)商在不同市場之間難以保持一致的技術(shù)和安全標準。

2.4 基礎(chǔ)設(shè)施與成本

基礎(chǔ)設(shè)施建設(shè)不足

L4級自動駕駛系統(tǒng)的順利運行往往需要支持性的基礎(chǔ)設(shè)施。例如:

• 高精度地圖:L4級自動駕駛依賴于精確到厘米級的高精度地圖,以確保車輛能夠準確定位和導(dǎo)航。但這些地圖的更新和維護成本高昂,且在某些偏遠地區(qū),可能沒有足夠的地圖數(shù)據(jù)支持。

• V2X通信:V2X(Vehicle-to-Everything)通信技術(shù)允許車輛與其他車輛、交通信號、道路基礎(chǔ)設(shè)施等進行實時通信,從而提高交通安全和效率。然而,這種通信基礎(chǔ)設(shè)施在大多數(shù)地區(qū)尚未完全普及,且標準化程度較低,影響了自動駕駛技術(shù)的應(yīng)用。

高昂的研發(fā)與運營成本

L4級自動駕駛系統(tǒng)的研發(fā)需要投入巨大的資金和資源。開發(fā)、測試、驗證和維護一套安全可靠的自動駕駛系統(tǒng)涉及大量的工程和計算資源,因此現(xiàn)階段自動駕駛還是應(yīng)用在無人出租上,為企業(yè)化的統(tǒng)一管理。此外,商業(yè)化部署所需的傳感器、計算硬件等成本也非常高,這使得目前的L4自動駕駛解決方案難以在商業(yè)上大規(guī)模推廣。

2.5 安全性與可靠性

安全性挑戰(zhàn)

自動駕駛系統(tǒng)的首要任務(wù)是確保乘客和周圍道路使用者的安全。要做到這一點,系統(tǒng)的故障率必須極低。即使在面對極端情況下,系統(tǒng)也必須做出正確的決策。例如,如何在沒有明確道路標志或信號燈失靈的情況下安全行駛?如何在車輛傳感器或通信系統(tǒng)失效時仍能保障行駛安全?

多層冗余與系統(tǒng)可靠性

為了提高可靠性,L4級自動駕駛系統(tǒng)通常需要多層冗余設(shè)計,包括冗余的傳感器、冗余的計算系統(tǒng)等。然而,這種冗余設(shè)計不僅增加了系統(tǒng)的復(fù)雜性和成本,還需要復(fù)雜的軟件架構(gòu)來管理和協(xié)調(diào)多個冗余系統(tǒng)的工作。確保所有系統(tǒng)在任何情況下都能無縫協(xié)作,并在故障發(fā)生時及時切換,是一項巨大的技術(shù)挑戰(zhàn)。

長期測試與驗證

為了確保系統(tǒng)的安全性,L4級自動駕駛需要經(jīng)過長時間、大規(guī)模的測試與驗證,包括在不同的環(huán)境條件、不同的道路類型和不同的駕駛場景下進行全面測試。然而,即使進行了大量測試,仍然存在某些極端情況可能未被覆蓋的風(fēng)險,這對系統(tǒng)的全面可靠性提出了更高要求。

2.6 社會接受度與倫理問題

公眾信任

許多人對完全由機器控制的自動駕駛技術(shù)仍然持有懷疑態(tài)度,特別是在涉及安全和隱私問題時。多起涉及自動駕駛車輛的事故報道加劇了這種擔憂。要推動L4級自動駕駛技術(shù)的廣泛應(yīng)用,需要通過實際表現(xiàn)、透明的測試流程和公正的法規(guī)來逐步建立公眾的信任。

倫理決策

自動駕駛系統(tǒng)在某些情況下可能需要做出涉及生命倫理的決策。例如,如何在緊急情況下決定避讓行人還是優(yōu)先保護乘客?這些倫理決策目前主要依賴于人類駕駛員的判斷,但在自動駕駛系統(tǒng)中,如何編程和實現(xiàn)這些決策是一個巨大的倫理挑戰(zhàn)。這不僅涉及技術(shù)問題,還涉及社會道德和法律的復(fù)雜討論。

如何破局?

想要實現(xiàn)L4級自動駕駛,我們首先要明確,L4級自動駕駛真的可以實現(xiàn)嗎?答案是肯定的,我們已經(jīng)非常接近L4級自動駕駛了,F(xiàn)在自動駕駛發(fā)展路徑已經(jīng)非常明確,在不考慮成本的前提下,感知硬件也已非常完善。而想要達到L4級自動駕駛,需要的是一個足夠聰明,可以靈活處理各種交通場景的決策系統(tǒng)。

之所以現(xiàn)在很多自動駕駛應(yīng)用中離不開安全員的角色,主要是因為我們對于自動駕駛決策系統(tǒng)還不夠信任,決策系統(tǒng)也無法和人類一樣靈活應(yīng)對各類交通場景。

技術(shù)是有籠子的,自動駕駛汽車決策系統(tǒng)也是如此,技術(shù)人員教給決策系統(tǒng)的是如何根據(jù)交通規(guī)則來行駛,但人的不確定性太大了,不按交規(guī)行駛行為屢見不鮮,這就讓自動駕駛汽車無法正確判斷進一步的行駛方式,這也是為何L4級自動駕駛無法實現(xiàn)的原因。雖然現(xiàn)在已有很多車企提出來端到端的解決方案,但歸根到底,還是難以處理突發(fā)性的交通狀況。

或許還有一個方法,可以快速實現(xiàn)L4級自動駕駛,那就是禁止人類駕駛汽車,全由自動駕駛汽車按照統(tǒng)一規(guī)則來服務(wù)大家出行吧!(玩笑話,切莫當真)

       原文標題 : 為什么L4自動駕駛那么難實現(xiàn)?

聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

文章糾錯
x
*文字標題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號