大家都知道自動(dòng)駕駛也是分級(jí)的，我們今天講到的更高級(jí)就是L3到L5級(jí)一直到全功能的實(shí)現(xiàn)，這時(shí)，系統(tǒng)將會(huì)進(jìn)行人類駕駛員和機(jī)器之間的的責(zé)任轉(zhuǎn)移。
我們正在建造一種生態(tài)系統(tǒng)，像這樣類型的生態(tài)系統(tǒng)，把自動(dòng)駕駛當(dāng)做一種服務(wù)，作為一種從A點(diǎn)到B點(diǎn)的出行服務(wù)，不用真正駕駛這輛汽車，而是汽車按照乘客的要求來(lái)行駛。這是非常重要的要求和需求，出行作為一種服務(wù)是非常具有吸引力的想法，很多計(jì)算和數(shù)據(jù)需要用來(lái)支持這個(gè)服務(wù)，同時(shí)它也是非常良好的商業(yè)案例，跟現(xiàn)在的這種人類駕駛員的成本競(jìng)爭(zhēng)，現(xiàn)在整體成本包括重型車駕駛員的成本都是非常高的，這樣的技術(shù)讓出行成本不斷下降，對(duì)于市場(chǎng)的競(jìng)爭(zhēng)性發(fā)揮了巨大的作用。
在進(jìn)入市場(chǎng)前，我們應(yīng)該有能力將自動(dòng)駕駛汽車滿足各種功能和安全的保證下銷售到世界上的任何地方。而面臨的挑戰(zhàn)就是讓這樣的技術(shù)符合市場(chǎng)期待，城市中有不同的駕駛條件，比如說(shuō)氣象條件、道路條件，這是第一部分。
第二部分，需要有彈性的，有韌性的市場(chǎng)，包括市場(chǎng)的冗余程度。安全的技術(shù)能夠保證安全駕駛，人工智能技術(shù)能夠讓我們的汽車有更好的自動(dòng)化的駕駛水平
還有一點(diǎn)，我認(rèn)為也是最有挑戰(zhàn)的一方面，就是系統(tǒng)的認(rèn)證或者系統(tǒng)的自檢，盡可能的減少駕駛當(dāng)中出現(xiàn)的問(wèn)題。這是在我演講中主要圍繞的三個(gè)話題。
首先講到智能化的功能體現(xiàn)。我覺得在座各位可能都知道自動(dòng)駕駛到底是怎么樣的一種系統(tǒng)，包括雷達(dá)，還有各種各樣的技術(shù)都是融合在一起的，這相當(dāng)于汽車的眼睛，我們使用專業(yè)的算法來(lái)獲得這種感知能力，來(lái)了解駕駛過(guò)程中的障礙物，與其他車輛的相對(duì)位置。接下來(lái)的一步，作為人類駕駛員來(lái)說(shuō)，我們真正的了解其他駕駛員是如何駕駛汽車的。然后形成你自己的駕駛方案，目的地和停車點(diǎn)，這是自動(dòng)駕駛中都要考慮的。
細(xì)節(jié)我就不講了，但是我想要關(guān)注兩個(gè)內(nèi)容。其中一個(gè)就是我們的感受能力、感知能力。我們知道會(huì)有不同的傳感器，不僅是雷達(dá)，還有傳感器，還有攝像頭，每一個(gè)都有自己的特點(diǎn)。因此，我們要使用這種系統(tǒng)的冗余程度，應(yīng)該將系統(tǒng)里的傳感器集合在一起，最后形成一種信息。比如說(shuō)一種視覺信息，還有就是雷達(dá)的影像，包括與前車的距離，與其他車之間的相對(duì)位置，毫無(wú)疑問(wèn)，你也可以使用人工智能來(lái)檢測(cè)周邊的障礙物或者是物體，算法就是基于這種信息來(lái)運(yùn)算的，最終分析并且檢測(cè)到一些大的空間或者是一些主要的障礙物。
每個(gè)人都提到了人工智能這樣的概念，并且要使用人工智能這種技術(shù)，為什么呢?這么多年以來(lái)，影像通過(guò)神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行分類，這方面人工智能就發(fā)揮了很大的作用，他的這種檢測(cè)能力要比人類更高，這是非常重要的，使用神經(jīng)網(wǎng)絡(luò)應(yīng)該是作為整個(gè)安全駕駛功能的一個(gè)重要方面來(lái)盡可能檢測(cè)不同影像、不同道路駕駛過(guò)程中的一些障礙物。最后也會(huì)產(chǎn)生一些挑戰(zhàn)，因?yàn)檫@樣的一種神經(jīng)網(wǎng)絡(luò)有一點(diǎn)像是一個(gè)黑盒子，你不知道這個(gè)黑盒子里到底會(huì)有什么。
接下來(lái)進(jìn)入到動(dòng)態(tài)的規(guī)劃，這非常的復(fù)雜。你可以看到非常多的動(dòng)態(tài)點(diǎn)或者影像，這個(gè)汽車從加速到減速，到轉(zhuǎn)向，到剎車，有各種各樣的可能性會(huì)出現(xiàn)，要做出決策。還有一些情況下用模型來(lái)描述這種問(wèn)題，比如說(shuō)有一些路線，我不想跟另外一個(gè)車撞在一起，沒有AI的情況下，我們也可以做出這樣的模型，但是你要想使用AI到底是不是有必要?因?yàn)檫@是一個(gè)黑匣子的問(wèn)題。比如說(shuō)動(dòng)態(tài)的規(guī)劃中，我們可以使用基于常態(tài)的AI計(jì)算。然后要做一個(gè)有彈性的系統(tǒng)，讓他真正能夠不斷的發(fā)展、不斷的進(jìn)步。人和人工智能之間的差別還是很大的，有的時(shí)候AI的觀測(cè)技術(shù)是很有挑戰(zhàn)的，如何能夠展示出輕微形象上的不同?之前的一些技術(shù)、功能對(duì)于我們來(lái)講哪一個(gè)才是更加好的方法?這種問(wèn)題對(duì)系統(tǒng)來(lái)說(shuō)難度確實(shí)不小，因?yàn)檫@種類型的測(cè)試人類有的時(shí)候做都有困難。
接下來(lái)是關(guān)于神經(jīng)網(wǎng)絡(luò)的功能。你在訓(xùn)練這種網(wǎng)絡(luò)的時(shí)候，我們有不同的物體，比如說(shuō)自行車、汽車或者是其他的一些障礙，你要每天訓(xùn)練AI或者神經(jīng)網(wǎng)絡(luò)，那么這個(gè)神經(jīng)網(wǎng)絡(luò)就要去決定他是屬于哪一個(gè)類型的物體，這當(dāng)中也是有挑戰(zhàn)性的。就像人類看上去不像車，也不像自行車的物體，神經(jīng)網(wǎng)絡(luò)就必須要做一個(gè)決定它到底是什么，最終需要一個(gè)答案，但這個(gè)答案有時(shí)候并非是正確的，怎么辦呢?其中一個(gè)方案是就按照得出的結(jié)果來(lái)判斷，但是在實(shí)際操作中根據(jù)當(dāng)時(shí)的環(huán)境再做一些微調(diào)。我們會(huì)有不同的檢測(cè)方法，最后是否能找到一個(gè)基于未知現(xiàn)象不錯(cuò)的檢測(cè)方法，不僅影響到神經(jīng)網(wǎng)絡(luò)的計(jì)算結(jié)果，同時(shí)也關(guān)乎到神經(jīng)網(wǎng)絡(luò)的可靠性和安全性。
你需要不斷地訓(xùn)練網(wǎng)絡(luò)，需要更多的行人數(shù)據(jù)，這就是剛才講到的算法冗余程度，有兩個(gè)不同算法的結(jié)果是不一樣的，你可能要判斷一下哪一個(gè)運(yùn)算結(jié)果是更加可靠的。
接下來(lái)回到一個(gè)問(wèn)題，如何驗(yàn)證我們的系統(tǒng)，我們開發(fā)出這套系統(tǒng)，也知道他已經(jīng)準(zhǔn)備好了，可以放到現(xiàn)實(shí)當(dāng)中使用，但是有一個(gè)核實(shí)或者核準(zhǔn)的問(wèn)題。現(xiàn)在人類駕駛跟自動(dòng)駕駛之間有差別，我們希望能夠盡量避免道路事故的發(fā)生，但是人類駕駛員有的時(shí)候會(huì)分心、喝酒或者疲勞駕駛，所以會(huì)出現(xiàn)事故，對(duì)于機(jī)器來(lái)說(shuō)不會(huì)出現(xiàn)這些問(wèn)題，但是機(jī)器有他自己的一些弱點(diǎn)，也會(huì)出現(xiàn)一些很難應(yīng)對(duì)的挑戰(zhàn)。
另外一方面，確實(shí)今天90%的車輛事故是由人類駕駛員造成的，這個(gè)數(shù)據(jù)是來(lái)自于德國(guó)的，我相信很多國(guó)家也是一樣的，在德國(guó)平均614公里會(huì)出現(xiàn)一個(gè)事故，所以這里面的挑戰(zhàn)就是我們不可能僅僅用一些模擬或者一些上路測(cè)試就保證自動(dòng)駕駛的技術(shù)，因?yàn)檫@是一件非常復(fù)雜的工作，我們?nèi)昵伴_始了一個(gè)項(xiàng)目，但是不僅自己要努力，還有很多德國(guó)重要的汽車行業(yè)利益相關(guān)方需要參與其中。
問(wèn)題的一方面，到底多安全對(duì)我們來(lái)說(shuō)是足夠安全?到底多安全是我們系統(tǒng)所必要達(dá)到的安全程度?另外一方面，我們也開始通過(guò)一些系統(tǒng)性能來(lái)進(jìn)行驗(yàn)證，來(lái)達(dá)到這樣的安全水平。
對(duì)于比較大的一些技術(shù)，我們的要求甚至可能會(huì)更高，這就是為什么引入這些技術(shù)有很多種不同的方法，其中的一種我們認(rèn)為比之前技術(shù)更好的技術(shù)，可以來(lái)解決同樣的方案。今天不光是我們，還是其他的自動(dòng)駕駛團(tuán)隊(duì)都在關(guān)注，但是與此同時(shí)我們要考慮到其他的方法，盡可能的減少在交通事故當(dāng)中死亡的人數(shù)，這個(gè)是我們最主要的風(fēng)險(xiǎn)項(xiàng)。
環(huán)境也是很重要的影響因素，是白天還是夜晚，光照情況如何?所以把所有的這些都集中在一個(gè)模型上，我們希望從中可以產(chǎn)生出一個(gè)更加廣域的解決方案，包括車速、車道的限制，因此有上百萬(wàn)、上億的不同的測(cè)試情境，換句話說(shuō)可能會(huì)預(yù)示到真實(shí)世界當(dāng)中沒有辦法解決的問(wèn)題。
另外一方面，我們的問(wèn)題就是如何找到一些關(guān)鍵的情境?我們的項(xiàng)目探討了很多算法的問(wèn)題，希望能夠找到一些關(guān)鍵的集群，特殊的一些情境，系統(tǒng)可能會(huì)遇到一些問(wèn)題很難尋找到邊界，所以我們應(yīng)該關(guān)注到關(guān)鍵的部分，而不是所有情況。所以這個(gè)用例和之前展示的真實(shí)世界的用例都可以幫助我們關(guān)注于更有相關(guān)性的場(chǎng)景，可以在模擬中更具有專注性。
所以接下來(lái)我們就要考慮到什么時(shí)候來(lái)做這個(gè)場(chǎng)景測(cè)試?什么時(shí)候算通過(guò)?什么時(shí)候算失敗?這里有一些比較軟性的規(guī)則，比如說(shuō)我們是否會(huì)干擾正常的交通秩序?還有一些硬性的，是否會(huì)發(fā)生碰撞?是否會(huì)發(fā)生車禍?可能在一些情況中，因?yàn)槠渌能囉扇耸謩?dòng)操作的，所以會(huì)遇到一些額外的挑戰(zhàn)，除此之外可能遇到一些情況沒有辦法剎車，但是在所有的情況下，我們相信所有的這些情境結(jié)合到一起，它們?nèi)匀皇蔷哂泻芨叩南嚓P(guān)性，不同的標(biāo)準(zhǔn)都會(huì)集成在這個(gè)方法當(dāng)中。
這里的限制在哪里呢?很顯然這種基于情境的方法是有一個(gè)缺點(diǎn)的，這是一個(gè)單一視角，我們只會(huì)從車輛的角度來(lái)進(jìn)行檢測(cè)，市場(chǎng)上有多少的品牌，多少不同的車輛的顏色，包括號(hào)牌的顏色和不同的背景，比如說(shuō)會(huì)是墻壁還是樹木等等?所有這些可能的情境都給我們的車輛識(shí)別系統(tǒng)帶來(lái)了很大的挑戰(zhàn)，所以我們應(yīng)該在更大的數(shù)據(jù)量上進(jìn)行驗(yàn)證，即便在車輛上市之后還要繼續(xù)這樣的工作，我們必須做很多的測(cè)試工作，但是一個(gè)重點(diǎn)就是讓這個(gè)系統(tǒng)可以運(yùn)行在測(cè)試的過(guò)程當(dāng)中發(fā)現(xiàn)問(wèn)題，即便在車輛上市之后也會(huì)不斷的發(fā)現(xiàn)問(wèn)題，并且反饋給系統(tǒng)一些關(guān)鍵的更新，以此讓系統(tǒng)準(zhǔn)備好下一步的調(diào)整，所以我們并不只是做了一個(gè)系統(tǒng)，讓他接下來(lái)十年、二十年這個(gè)車輛的整個(gè)生命周期都按照這個(gè)系統(tǒng)版本運(yùn)行，我們的在未來(lái)要不斷的更新，保證更好的安全性。
我們的目標(biāo)很簡(jiǎn)單，希望自動(dòng)駕駛比人類駕駛要好，大家要遵循地方政府做出的規(guī)章，并且把這樣的一些目標(biāo)跟我們的工具、方法結(jié)合到一起。相信未來(lái)我們所有人還有更多的工作要做，相信我們可以攜手應(yīng)對(duì)這些挑戰(zhàn)。
