一个新生事物的诞生,总是要经历混沌才会成为有序,然后再蓬勃发展。自动驾驶也是一样的,从大学的实验室走向商业化的过程中,最初也是混乱的,自动驾驶有着各种各样的概念,直到SAE对自动驾驶进行了严格的分级,并规定了各个级别所需要达到的程度,把自动驾驶的概念进行了规范和统一,现在自动驾驶从业者嘴里说的L2、L3、L4级自动驾驶,便是指SAE所规定的自动驾驶不同级别。
自动驾驶级别定义
目前世界范围内对于自动驾驶等级的判定有两套标准,而比较主流的是一套来自于 SAE(国际自动机工程师学会,原译:美国汽车工程师学会),分为 0~5 级别,其具体含义如下图所示。
可以看出这图上下分为蓝色和绿色两大部分,而这两部分的划分存在一个临界值,只有达到/超过了这个临界值才可以称之为「自动驾驶」,否则只能算在「辅助驾驶」的范畴内。
所以,L2到L2.X都是属于辅助驾驶,只有达到L3以上才能称作自动驾驶,两者是有质的区别。
根据上图对比差异点,可以看到从L3开始,“Monitoring of Driving Environment”,也就是对驾驶环境的检测感知已经可以通过自动化系统来完成。
各车厂的自动驾驶技术层次
在上面的SAE分级标准可以看出,从第3级开始“自动驾驶系统感知驾驶环境”,这表示在SAE 体系下的能开始成为“自动驾驶”的最低级别就是 L3,即限定条件下的自动驾驶。
当前业界对于自动驾驶的实现路径分为两个主流思路:
- 以谷歌(例如 Waymo)为代表的,直达 L4~L5 的“一步到位”,目标是做一辆没有油门、没有刹车,也没有方向盘的“无人驾驶汽车”;
- 以特斯拉以及其他传统主机厂为代表的,从L1向L4迭代的“循序渐进”,目前业界能达到最高级别的量产车已经达到L3级别,即“有条件的自动化”。
自动驾驶技术作为风口虽然吸引了一大堆技术精英进入这个行业,但是综合考量当今各种技术发展的制约因素,也许在未来10年内,L3级别的“人机共驾”都是量产型自动驾驶的主流选择,决定这一阶段特点的因素包括自动驾驶的技术瓶颈与配套设施的相对落后。
我们看看当前各企业所在的自动驾驶级别(2018年6月)
我们从用户角度来描述一下各个级别的大致概念
Level 1
这个级别称其为“驾驶辅助”,该层次汽车具有一个或多个特殊自动控制功能,例如电子稳定性控制(ESC)、自动紧急制动(AEB)等,车辆通过控制制动帮助驾驶员重新掌控车辆或是更快速的停车,此项的大部分功能都是单独一个ECU来开发。
驾驶员在ACC情况下,油门和刹车不用;在AEB情况下,刹车可不用(这里不刹车不代表不碰撞,伤害小一些)。
现有车辆主要功能体现:
- 自适应巡航控制系统 Adaptive Cruise Control (ACC)
- 自动紧急制动 Automatic Emergency Braking (AEB)
Level 2
其含义为“部分自动化”,该层次汽车具有将至少两个原始控制功能融合在一起实现的系统(如自适应巡航控制与车道保持融合一体),完全不需要驾驶员对这些功能进行控制,但驾驶员需要一直对系统进行监视并准备在紧急情况时接管系统。系统需要进行融合,需要两个ECU进行配合,系统之间进行高度耦合。
驾驶员只要用眼睛看就行,在某些时候车辆自己可以运行,这也是和L1的主要区别,就是不需要自己动手。
比较特别的是L2.5,它表示比L2稍微高级但和L3依然有质的差距,代表技术为特斯拉的Autopilot,Autopilot 2.0 核心内容由主动巡航控制(TACC)、辅助转向(Autosteer)、自动变道构成,可同时与车道辅助、防撞辅助、车速辅助等功能搭配使用。 其中,主动巡航控制可以自动对车辆进行纵向控制,简单来说就是开启后系统接管了刹车,但驾驶员仍然需要手动控制方向盘。辅助转向提供的自动横向控制,取代了手动控制方向盘的操作。
另外,小鹏G3也提供L2.5级别的自动驾驶功能。之所以做出了一个L2.5的级别,主要是从能否进OTA升级来看,小鹏汽车G3和特斯拉的Autopilot都可以通过OTA对自己的自动驾驶算法进行升级,而传统的L2级在车辆出厂之后便已经定型了,直到车辆寿命终结,而L2.5遍相当于赋予了汽车自动驾驶算法生命,成为了一个可以随时进化的智能车。
Level 3
其含义为“有限制条件的自动驾驶”,该层次汽车能够在某个特定的驾驶交通环境下让驾驶员完全不用控制汽车,而且可以自动检测环境的变化以判断是否返回驾驶员驾驶模式,驾驶员无需一直对系统进行监视,可称之为“半自动驾驶”。
L3是当前的自动驾驶技术在量产车中的最高级别实现,代表车型奥迪A8。
A8 的自动驾驶具备了以下特性,所以才能满足 L3 级别的要求:
- 通过车辆的感知系统而不需要驾驶员来监视道路状况,这一步即区分L2和L3最主要的一个项目--感知;
- 开启自动驾驶期间,自动驾驶系统和驾驶员不会有共同的责任,这是为了遵守相关法律的规定;
- 每当遇到自动驾驶系统不能处理的路况时,通过多种有效的通知机制,让自动驾驶系统和驾驶员能够顺利完成安全交接;
然而,对于传统厂商来说,其自动驾驶的新技术必然是先装配在其旗舰车型上,普通消费者肯定是无法第一时间享受这样的先进技术。
而新造车厂商也许在这方面有一定的优势,因为其车型在定位上一般是面向主流的消费群体,而且大概率会全线普及,普罗大众也能用较低的成本享受科技发展的成果。
另外,自动驾驶技术也需要相关交通法律法规的完善才能落地,比如引进国内的A8是不包含自动驾驶相关套件的。
Level 4 ~ Level 5这两个级别分别为“高度自动化”和“完全自动化”,这也是以谷歌为代表的技术发展方向,其定位为“无人车”而不仅仅是自动驾驶,因为自动驾驶还是建立在有司机、方向盘、油门、刹车灯等元素的基础上,但“无人车”三个字则表示其已经不包含以上驾驶部件。
该层次自动驾驶系统将完全自动控制车辆,全程检测交通环境,能够实现所有的驾驶目标,乘员只需提供目的地或者输入导航信息,在任何时候都不需要乘员对车辆进行操控,只要输入出发地和目的地,责任完全交给车辆的自动驾驶系统。
自动驾驶的技术原理感知 -> 决策 -> 执行
如果是人来驾驶,我们是通过这样的步骤:
感知:眼观六路耳听八方,人从视觉、听觉、嗅觉等方式接受外界交通相关信息,这是感知;
决策:根据“感知”所得信息,经过人脑综合分析和思考,得出下一步该如何操作,这是决策;
执行:经过决策之后,我们通过四肢进行打方向盘或者控制油门、刹车等操作,这是执行;
如果是车辆,用于感知的设备:
- 激光雷达
- 毫米波雷达
- 超声波传感器
- 高清摄像头
- IMU(陀螺仪、加速计、磁力计)
- GPS
用于决策的设备与技术:
- CPU、GPU、FPGA
- 计算机视觉
- 深度学习
- 机器学习
- 大数据
CPU、GPU、FPGA、ASIC之间的通用性/易用性、与性能/能效比的对比图
用于执行的设备:
- 线控转向
- 线控制动与驱动
- 底盘控制
以上三个步骤中,现阶段的主要技术发展瓶颈在【决策】,决策需要把感知阶段收集的大量原始数据进行收集、归类、分析。例如让人类识别一个视频场景也许非常容易,但要让计算机做到同样级别的识别能力却是非常困难的。在这个场景识别的基础上,再让计算机代替人类做驾驶的进一步决策控制,更加是难上加难。
随着众多顶级精英进入自动驾驶领域,现在的各种人工智能技术框架逐渐成熟,大家在技术水平上的差距是很小的,但解决实际问题的能力差异却越来越大,有一个核心的影响因子是实际的行车数据,我们可以说在自动驾驶技术发展上,数据才是决胜的关键 。
对于各种人工智能的技术框架,为了得到准确的行车规划决策,它们都需要大量的驾驶行为数据进行训练。所谓的人工智能,如深度学习的算法框架,在经历足够多的数据训练以后,对系统正确或错误的做法设立奖惩机制并加之判断,久而久之,算法就能在面对不同情况时给出最优解。
但这样是一种理想化的理论状态,训练量需要多少才能足够?对于正确的判断标准是什么?这些都需要AI工程师们持续探索,任重而道远~
对于很多团队来说,造一辆在理想状态下运行的demo车也许并不难,但是要解决极限工况下自动驾驶车辆该如何应对所面临的所有问题,在没有相关数据可训练的情况下,只怕再强的技术也是纸上谈兵。所以,自动驾驶的测试车必须积累足够多的行驶数据,无论是什么样的自动驾驶方案,最终是要用在车上的,要么自己造车,要么跟车企进行深度合作。
总结
除了决策这一块涉及的技术难点需要广大汽车工程师们进行攻关以外,我们还需面对其他难点:其中技术瓶颈包括人工智能的科学理论成熟度有待发展、车规传感器的质量和成本需要达到更佳的平衡、更具性价比的线控系统大规模普及。自动驾驶的完全实现是一个任重而道远的过程,将深远的改变人们出行的形态,重塑道路交通规则,大幅度降低车祸的发生,大量减少每年因车祸死亡的人数,人们的交通出行将变得更加智能便利。
来源 @小鹏汽车