像人一樣開(kāi)車(chē)，自動(dòng)駕駛的“另類(lèi)”研究

只有擁有大量的訓(xùn)練數(shù)據(jù)，才能達(dá)到無(wú)需人工干涉的完全自動(dòng)駕駛水平。由于目前的自動(dòng)駕駛系統(tǒng)對(duì)其環(huán)境缺乏更廣泛的了解，安全性仍有一些灰色地帶，尚未成熟的技術(shù)與人類(lèi)駕駛者相比，在理解意外事件方面依然遜色不少。

文︱立厷

圖︱網(wǎng)絡(luò)

如何讓自動(dòng)駕駛汽車(chē)能像人類(lèi)一樣?在人工智能時(shí)代，自動(dòng)駕駛汽車(chē)能不能像人一樣自主學(xué)習(xí)并掌握駕駛技能?現(xiàn)在看，還遠(yuǎn)遠(yuǎn)不能。

目前，主流自動(dòng)駕駛技術(shù)主要采用各種傳感器加神經(jīng)網(wǎng)絡(luò)系統(tǒng)和機(jī)器學(xué)習(xí)的模式，需要極大數(shù)量的數(shù)據(jù)來(lái)訓(xùn)練車(chē)輛系統(tǒng)。就是這樣，進(jìn)展也就是L2+。一些有志之士也在另辟蹊徑，進(jìn)行一些“另類(lèi)”研究，試圖讓自動(dòng)駕駛汽車(chē)能模仿人類(lèi)。

L5自動(dòng)駕駛為什么遙不可及?

2018年，谷歌旗下Waymo稱(chēng)，利用神經(jīng)網(wǎng)絡(luò)技術(shù)自動(dòng)駕駛汽車(chē)能夠像人腦一樣思考，母公司Alphabet和谷歌技術(shù)將神經(jīng)網(wǎng)絡(luò)系統(tǒng)和機(jī)器學(xué)習(xí)法等人工智能技術(shù)引入自動(dòng)駕駛汽車(chē)，將大大降低自動(dòng)駕駛的出錯(cuò)率。

2019年，特斯拉要求用戶(hù)上傳靜止和移動(dòng)物體的圖像，還針對(duì)汽車(chē)行駛過(guò)程中發(fā)生的一些情景進(jìn)行測(cè)試，以訓(xùn)練網(wǎng)絡(luò)能夠正確識(shí)別這些情景，幫助其車(chē)輛預(yù)測(cè)道路上的未來(lái)活動(dòng)。在進(jìn)行路徑規(guī)劃時(shí)，特斯拉也采取了同樣方式，觀測(cè)人類(lèi)駕駛者在各種道路情況下所選擇的路徑，匯總特定情況下典型人類(lèi)行動(dòng)。

本來(lái)，特斯拉的馬斯克曾說(shuō)2020年底完成L5級(jí)別自動(dòng)駕駛功能，后來(lái)又改口稱(chēng)，要到2021年底，現(xiàn)在2021過(guò)半，大家可能又要失望了。此前躊躇滿(mǎn)志的很多自動(dòng)駕駛公司前赴后繼，不斷燒錢(qián)向L5瘋狂挺進(jìn)，但大多已杳無(wú)音信。

時(shí)刻準(zhǔn)備著

特斯拉的觀點(diǎn)得到了絕大多數(shù)從事自動(dòng)駕駛研究人士的認(rèn)同：只有擁有大量的訓(xùn)練數(shù)據(jù)，才能達(dá)到無(wú)需人工干涉的完全自動(dòng)駕駛水平。由于目前的自動(dòng)駕駛系統(tǒng)對(duì)其環(huán)境缺乏更廣泛的了解，安全性仍有一些灰色地帶，尚未成熟的技術(shù)與人類(lèi)駕駛者相比，在理解意外事件方面依然遜色不少。

美國(guó)加州汽車(chē)管理局(CDMV)指出，人類(lèi)駕駛者在理解意外事件方面表現(xiàn)出色，他們通?？梢圆扇”匾念A(yù)防措施來(lái)避免事故的發(fā)生。然而，由于目前的自動(dòng)駕駛系統(tǒng)對(duì)其所處環(huán)境缺乏更廣泛的了解，很難采取類(lèi)似的預(yù)防措施，問(wèn)題的關(guān)鍵是能否開(kāi)發(fā)出一種能夠在遇到意外事件時(shí)降低風(fēng)險(xiǎn)的系統(tǒng)。

7月的2021世界人工智能大會(huì)上，華為智能駕駛產(chǎn)品線總裁、首席架構(gòu)師蘇箐語(yǔ)出驚人：“L5級(jí)別自動(dòng)駕駛是一個(gè)牽引目標(biāo)，永遠(yuǎn)不可能達(dá)到。”他說(shuō)：“因?yàn)閺亩x來(lái)看，L5是要在任何時(shí)間、任何地點(diǎn)、任何天氣都能夠覆蓋所有的情況和場(chǎng)景，世界上沒(méi)有一個(gè)人類(lèi)駕駛者能夠做到這點(diǎn)?！?

人類(lèi)駕駛者不能做到的事情，自動(dòng)駕駛技術(shù)能不能做到呢?沒(méi)有答案。還是看看人們的努力吧。

模仿他人訓(xùn)練自己

自動(dòng)駕駛汽車(chē)由機(jī)器學(xué)習(xí)算法驅(qū)動(dòng)，需要大量的駕駛數(shù)據(jù)才能安全運(yùn)行，數(shù)據(jù)為王，但它也是一個(gè)瓶頸。目前，自動(dòng)駕駛汽車(chē)是跟著已有的駕駛數(shù)據(jù)來(lái)學(xué)習(xí)如何安全駕駛，學(xué)習(xí)需要很長(zhǎng)時(shí)間;出于競(jìng)爭(zhēng)目的，全球頭部汽車(chē)公司和大型科技企業(yè)都將大量數(shù)據(jù)據(jù)為己有，不可能拿出來(lái)與他人分享。

那么，如果自動(dòng)駕駛汽車(chē)能夠像嬰兒通過(guò)觀察和模仿周?chē)娜藖?lái)學(xué)習(xí)走路那樣學(xué)習(xí)駕駛，所需要的駕駛數(shù)據(jù)就少得多了?；谶@一想法，波士頓大學(xué)的工程師Eshed Ohn-Bar正在開(kāi)發(fā)出一種全新的方式，讓自主汽車(chē)通過(guò)觀察道路上的其他汽車(chē)來(lái)學(xué)習(xí)安全駕駛技術(shù)，預(yù)測(cè)其自己如何對(duì)環(huán)境做出反應(yīng)，并利用這些信息來(lái)做出自己的駕駛決策。

Ohn Bar是波士頓大學(xué)工程學(xué)院電氣和計(jì)算機(jī)工程助理教授，也是教職研究員。他最近在2021年計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議上介紹了他們的研究成果。他們提出的訓(xùn)練模式的想法出于加強(qiáng)該領(lǐng)域研究人員之間數(shù)據(jù)共享和合作的愿望。

他說(shuō)：“每家公司都要經(jīng)歷同樣的過(guò)程，包括開(kāi)車(chē)、安裝傳感器、付錢(qián)讓駕駛者開(kāi)車(chē)、收集數(shù)據(jù)以及教汽車(chē)如何駕駛?！彼J(rèn)為，分享駕駛數(shù)據(jù)可以幫助公司更快地制造安全的自動(dòng)駕駛汽車(chē)，讓社會(huì)上的每個(gè)人都能從合作中受益。Ohn Bar說(shuō)，人工智能駕駛系統(tǒng)需要如此多的數(shù)據(jù)才能正常工作，以至于沒(méi)有一家公司能夠獨(dú)自解決這個(gè)問(wèn)題。

“數(shù)十億英里(在路上收集的數(shù)據(jù))只是現(xiàn)實(shí)世界事件和多樣性海洋中的一小部分，”O(jiān)hn Bar說(shuō)，然而，丟失數(shù)據(jù)樣本可能會(huì)導(dǎo)致不安全行為和潛在的崩潰?！?

他提出的機(jī)器學(xué)習(xí)算法是通過(guò)估計(jì)附近其他汽車(chē)的視點(diǎn)和盲點(diǎn)來(lái)創(chuàng)建周?chē)h(huán)境的鳥(niǎo)瞰圖。這些地圖有助于自動(dòng)駕駛汽車(chē)像其他汽車(chē)或行人一樣檢測(cè)障礙物，并了解其他汽車(chē)如何轉(zhuǎn)彎、通過(guò)路口和讓路而不會(huì)撞到任何東西。

通過(guò)這種方法，自動(dòng)駕駛汽車(chē)通過(guò)將周?chē)?chē)輛的動(dòng)作轉(zhuǎn)化為自己的參考框架來(lái)學(xué)習(xí)，并融入機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)。學(xué)習(xí)的對(duì)象車(chē)輛可能是沒(méi)有任何傳感器的人駕駛的車(chē)輛，或其他公司的自動(dòng)駕駛車(chē)輛。由于對(duì)場(chǎng)景中所有周?chē)?chē)輛的觀察是算法訓(xùn)練的核心，這種“觀察和學(xué)習(xí)”模式鼓勵(lì)數(shù)據(jù)共享，從而提高自動(dòng)駕駛車(chē)輛的安全性。

Ohn Bar和同事測(cè)試了他們的“觀察和學(xué)習(xí)”算法，讓算法“駕駛”的自動(dòng)駕駛汽車(chē)在兩個(gè)虛擬城鎮(zhèn)中行駛，一個(gè)是與其訓(xùn)練環(huán)境類(lèi)似的直截了當(dāng)?shù)霓D(zhuǎn)彎和障礙，另一個(gè)是意外的轉(zhuǎn)彎，如五路交叉口。在這兩種情況下，研究人員發(fā)現(xiàn)他們的自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò)很少發(fā)生事故。只有一小時(shí)的駕駛數(shù)據(jù)來(lái)訓(xùn)練機(jī)器學(xué)習(xí)算法，自動(dòng)駕駛車(chē)輛在92%的時(shí)間安全到達(dá)了目的地。

Ohn Bar說(shuō)：“雖然以前最好的方法需要幾個(gè)小時(shí)，但我們驚訝地發(fā)現(xiàn)，我們的方法只需要10分鐘的駕駛數(shù)據(jù)就能學(xué)會(huì)安全駕駛?！?

他說(shuō)，這些結(jié)果是有希望的，但在處理復(fù)雜的城市環(huán)境方面仍然存在一些明顯的挑戰(zhàn)?！彼f(shuō)：“還很難對(duì)被監(jiān)視車(chē)輛、傳感器測(cè)量中的噪音和遮擋以及各種駕駛者的視角進(jìn)行解釋。”

展望未來(lái)，該團(tuán)隊(duì)表示，他們教授自動(dòng)駕駛汽車(chē)自動(dòng)駕駛的方法也可以用于其他方面。運(yùn)送機(jī)器人甚至無(wú)人機(jī)都可以通過(guò)觀察環(huán)境中的其他人工智能系統(tǒng)來(lái)學(xué)習(xí)充實(shí)自己。

狹路相逢的“會(huì)車(chē)”算法

在美國(guó)賓夕法尼亞州匹茲堡，車(chē)輛經(jīng)常要在擁擠的街道上會(huì)車(chē)，同時(shí)在某一地點(diǎn)交錯(cuò)通過(guò)。在擁擠狹窄的街道上開(kāi)車(chē)的人都很熟悉這種情況：兩邊都是停著的車(chē)，沒(méi)有足夠的空間讓雙向行駛的車(chē)輛相向通過(guò)。一輛車(chē)必須躲進(jìn)停著的車(chē)的空隙中，或者減速并盡可能地靠邊停車(chē)，讓另一輛車(chē)擠過(guò)去。

會(huì)車(chē)司空見(jiàn)慣

卡內(nèi)基梅隆大學(xué)的研究人員試圖使自主車(chē)輛能夠駕馭這種情況，讓自動(dòng)駕駛車(chē)輛的行為更像人類(lèi)，在高沖突駕駛場(chǎng)景中穩(wěn)健地協(xié)商雙向車(chē)道使用權(quán)。人類(lèi)駕駛者解決問(wèn)題的方法并不是靠雙方的密切聯(lián)系。編程自主汽車(chē)(AV)遇到這種情況也不知道對(duì)方車(chē)輛會(huì)做什么，這是卡內(nèi)基梅隆大學(xué)的ARGO AI中心自主車(chē)輛研究研究人員面對(duì)的一個(gè)獨(dú)特挑戰(zhàn)。

計(jì)算機(jī)科學(xué)機(jī)器人研究所的訪問(wèn)學(xué)者，現(xiàn)在是慕尼黑工業(yè)大學(xué)自主空中系統(tǒng)實(shí)驗(yàn)室一員的Christoph Killing說(shuō)：“這是道路上不成文的規(guī)則，這正是我們正在處理的問(wèn)題。這有點(diǎn)難。車(chē)輛必須學(xué)會(huì)在不知道另一輛車(chē)是要停還是要走的情況下協(xié)商這種情況?！?

Killing與研究科學(xué)家John Dolan博士和學(xué)生Adam Villaflor合作試圖解決這個(gè)問(wèn)題。在機(jī)器人技術(shù)和自動(dòng)化國(guó)際會(huì)議上，該團(tuán)隊(duì)介紹了他們的研究成果：“學(xué)會(huì)在高沖突駕駛場(chǎng)景中穩(wěn)健地協(xié)商雙向車(chē)道使用”。

該團(tuán)隊(duì)認(rèn)為，他們的研究是第一次進(jìn)入這種特定的駕駛場(chǎng)景。它要求駕駛者在不知道對(duì)方在想什么的情況下，通過(guò)人與人之間的合作，安全地行駛過(guò)去。駕駛者必須平衡“斗氣”與合作。一個(gè)過(guò)于激進(jìn)的駕駛者，一個(gè)不顧其他車(chē)輛的駕駛者，可能會(huì)把自己和其他人置于危險(xiǎn)之中。一個(gè)過(guò)于合作的駕駛者，一個(gè)總是在迎面而來(lái)的車(chē)輛面前靠邊停車(chē)的駕駛者，可能永遠(yuǎn)也無(wú)法在上路行駛。自動(dòng)駕駛車(chē)輛也是這樣。問(wèn)題是怎么能讓自動(dòng)駕駛車(chē)輛更像經(jīng)驗(yàn)老到的人?

Dolan說(shuō)：“我一直覺(jué)得在匹茲堡開(kāi)車(chē)時(shí)，這是一個(gè)有趣的方面，有時(shí)也是一個(gè)困難的方面?！?

自動(dòng)駕駛汽車(chē)被認(rèn)為是解決交付和運(yùn)輸最后一英里挑戰(zhàn)的潛在解決方案。但是，要讓AV將比薩餅、包裹或人送到目的地，它們必須能夠在狹小的空間和未知的駕駛者意圖中導(dǎo)航。

該團(tuán)隊(duì)開(kāi)發(fā)了一種方法來(lái)模擬不同類(lèi)型駕駛者的合作性，即一名駕駛者靠邊讓另一名駕駛者通過(guò)的可能性，并使用這些模型來(lái)訓(xùn)練一種算法，該算法可以幫助自動(dòng)駕駛車(chē)輛安全有效地在這種情況下實(shí)現(xiàn)導(dǎo)航。目前該算法僅用于仿真，未用于實(shí)際車(chē)輛，但結(jié)果令人滿(mǎn)意。研究小組發(fā)現(xiàn)，他們的算法比目前的模型表現(xiàn)得更好。

駕駛充滿(mǎn)了這樣復(fù)雜的場(chǎng)景。在自主駕駛研究人員解決這些問(wèn)題的過(guò)程中，他們正在尋找方法，以使為一種場(chǎng)景開(kāi)發(fā)的算法和模型(如在高速公路上并線)適用于其他場(chǎng)景，如在十字路口變道或左轉(zhuǎn)。

Dolan說(shuō)：“廣泛的測(cè)試揭示了最后百分之十的案例。我們不斷發(fā)現(xiàn)這些極端情況，并不斷想出處理這些情況的辦法?！?

老道的短距離安全跟車(chē)

Robbin van Hoek是埃因霍溫科技大學(xué)機(jī)械工程系動(dòng)力學(xué)與控制小組的研究員，他為自動(dòng)化車(chē)輛設(shè)計(jì)了一個(gè)新平臺(tái)，集成了合作型車(chē)輛和自動(dòng)車(chē)輛的優(yōu)點(diǎn)。該框架是實(shí)現(xiàn)自動(dòng)駕駛汽車(chē)的重要一步，讓自動(dòng)駕駛汽車(chē)能夠在較小的車(chē)間距離內(nèi)安全駕駛，同時(shí)防止在高速公路上常見(jiàn)的人類(lèi)駕駛車(chē)輛的“口琴效應(yīng)”。

近年來(lái)，車(chē)輛自動(dòng)化已成為一個(gè)重要課題。其目的是緩解駕駛者引發(fā)的交通事故，提高現(xiàn)有基礎(chǔ)設(shè)施的道路通行能力，同時(shí)降低燃油消耗。自動(dòng)化車(chē)輛可以區(qū)分為兩大類(lèi)。

第一類(lèi)是合作型車(chē)輛，它使用車(chē)對(duì)車(chē)通信或車(chē)對(duì)基礎(chǔ)設(shè)施(V2I)通信來(lái)交換運(yùn)動(dòng)數(shù)據(jù)，從而可以在很短的距離內(nèi)跟隨前面的車(chē)輛，同時(shí)防止口琴效應(yīng)，而口琴效應(yīng)通常會(huì)導(dǎo)致交通堵塞。然而，這種類(lèi)型的車(chē)輛通常只能執(zhí)行單個(gè)任務(wù)，因此其應(yīng)用僅限于在公路上跟隨前面的車(chē)輛。

第二類(lèi)是自動(dòng)駕駛車(chē)輛。這類(lèi)車(chē)輛使用車(chē)載傳感器，如雷達(dá)、激光雷達(dá)和計(jì)算機(jī)視覺(jué)系統(tǒng)，以識(shí)別道路、其他交通參與者和其他相關(guān)特征或障礙物。這些車(chē)輛上的控制算法利用軌跡預(yù)測(cè)的顯式規(guī)劃。通過(guò)規(guī)劃各種軌跡，車(chē)輛可以根據(jù)當(dāng)前情況選擇最合適的軌跡類(lèi)型。與合作型車(chē)輛相比，它能夠處理更廣泛的交通場(chǎng)景。

Robbin van Hoek的研究(NWO資助的i-CAVE項(xiàng)目的一部分)旨在將這兩類(lèi)自動(dòng)化車(chē)輛集成到一個(gè)平臺(tái)中。這種新型車(chē)輛得益于來(lái)自其他車(chē)輛的通信運(yùn)動(dòng)數(shù)據(jù)，可以在非常近的距離內(nèi)跟蹤車(chē)輛，同時(shí)防止交通堵塞，同時(shí)保持了自動(dòng)駕駛車(chē)輛的多功能性。例如，不僅可以跟隨前面的車(chē)輛，還可以自動(dòng)決定超車(chē)，以防主車(chē)輛行駛速度過(guò)慢。

除了數(shù)學(xué)方法的開(kāi)發(fā)，該框架在兩輛雷諾Twizy中實(shí)現(xiàn)，能夠?qū)崿F(xiàn)自動(dòng)駕駛。通過(guò)開(kāi)發(fā)的合作軌跡規(guī)劃方法，Van Hoek能夠以0.3秒安全跟蹤前面的車(chē)輛。這是個(gè)什么概念?0.3秒的速度距離相當(dāng)于在80km/h的速度下車(chē)輛間距保持在7米。別小看這0.3秒，這已經(jīng)是目前領(lǐng)先的數(shù)據(jù)了。

雷諾Twizy

這項(xiàng)研究是實(shí)現(xiàn)自動(dòng)駕駛汽車(chē)的重要一步，自動(dòng)駕駛汽車(chē)能夠在較小的車(chē)間距離內(nèi)安全駕駛，同時(shí)防止在高速公路上常見(jiàn)的人駕駛車(chē)輛的口琴效應(yīng)有助于提高交通的流動(dòng)能力和安全性。