ZKIZ Archives


從創投圈到學界,這里有一場“無人車”頭腦風暴 | 黑馬薦文

來源: http://www.iheima.com/zixun/2016/0928/158986.shtml

從創投圈到學界,這里有一場“無人車”頭腦風暴 | 黑馬薦文
深藍DeeperBlue 深藍DeeperBlue

從創投圈到學界,這里有一場“無人車”頭腦風暴 | 黑馬薦文

消滅駕駛員不是目的,無人駕駛本質是智能化交通。

推薦人:黑馬哥

推薦星級:☆☆☆☆

閱讀時間:全文 6051 字,閱讀時間預計 8 分鐘

推薦理由:激光雷達對無人駕駛意味著什麽?特斯拉能做到智能駕駛等級的最高級別嗎?Uber 的無人車目的是消滅所有駕駛員?

在本文中,四位完全不同領域卻又互相相關的嘉賓來與大家一起分享這一系列問題——從學界到投資界,從 ADAS 到激光雷達,我們一起好好聊聊無人車這件事。本文由深藍DeeperBlue(ID:deeperbluetech)授權i黑馬發布。

這半個月鋪天蓋地都是有關無人車、無人駕駛的新聞。

2016 年 9 月 20 日,美國聯邦政府頒布了人類歷史上第一部無人車安全標準——“15條”。當人們對於汽車安全的印象還都停留在安全帶與剎車的時候,這部法規瞬間把人們拉到了無人車時代。

“在我七年半的總統生涯中,無人車從科幻小說就這麽一下子到了現實,並且它即將影響到我們每個人的生活。” 在 “十五條” 頒布的一天前,即將卸任的美國總統奧巴馬在《匹茲堡郵報》上發表了一篇名為《無人駕駛,可以,但要安全(Self-driving, yes, but also safe)》的文章,號召無人車各大廠商遵守聯邦政府頒布的這 15 條安全標準。

j1.webp

美國總統奧巴馬想在卸任前推動無人車的發展。

2016 年 9 月 14 日,Uber 正式在美國匹茲堡市向公眾開放無人駕駛汽車出行服務。1000 名最頻繁使用 Uber 服務的 “忠實用戶” 成為了第一批可以體驗到無人駕駛出租車的乘客。

然而,美國密歇根大學同日公布的一項研究結果則表明,約 23% 的美國人明確表示自己不會乘坐無人駕駛汽車。

密歇根大學的調查,以及 “十五條” 的頒布,至少說明了一點:人們對於無人駕駛的安全性始終疑雲未消。

在展開說無人駕駛安全性之前,我們先把無人駕駛的幾個概念做一個科普。

美國汽車工程師協會(SAE)將自動駕駛分為了 5 個級別:Level 1,Level 2,Level 3,Level 4,Level 5。這五個級別又對應著三個容易混淆的概念:輔助駕駛,自動駕駛和無人駕駛。

輔助駕駛:除了能參與到一點點駕駛工作,比如減速支援,駕駛全有人掌管。對應 Level 1。

自動駕駛:即高級駕駛員輔助系統(Advanced Driver Assistance Systems,ADAS)——在光線好、沒有霧雨的情況下,能夠讓駕駛員不用操心方向盤。對應 Level 1-3。

無人駕駛:完全無人,Level 4 以上。

j2

無人駕駛的安全性主要取決於兩件事——感知系統以及計算系統。感知系統是無人車的眼睛。

在傳感器的選擇上,車廠兵分兩路:走 ADAS 升級到 Level 4 路線的,選攝像頭加毫米波雷達;直接上無人駕駛的,選激光雷達。

激光雷達依靠激光遇到障礙後的折返時間,計算出相對距離,生成物體的 3D 輪廓,畫出汽車周圍環境的高精度地圖,精度可達到厘米級。【點擊鏈接回顧深藍對激光雷達的詳細解說:23%美國人不敢坐的Uber無人車,這些公司在做它的“眼睛” | 深藍盤點】

攝像頭加毫米波雷達的組合,主要讓攝像頭做遠處的感知,毫米波雷達做近處的識別。毫米波雷達使用的載波波長是1毫米到10毫米(區別於激光雷達905納米的載波波長),可快速獲得速度信息,在不同天氣情況下穩定性更高,但與激光雷達相比精度稍低、可視範圍的角度也偏小。

做 ADAS 的,一般是傳統車廠,比如福特、寶馬這類。這些大車企想的是,從ADAS 逐步升級到無人駕駛。

谷歌、百度這類大互聯網企業,它們的選擇的是 3D 激光雷達。互聯網企業做事方式和傳統車企不同,考慮的問題也不一樣,它們在技術上想要一步到位實現最高級別的智能駕駛等級 Level 4。

特斯拉也想從 ADAS 逐步上升到 Level 4,但在上升過程中,遭遇了不少挫折。

“總之我不是激光雷達的粉絲。” 2015 年 10 月,在某次媒體公開見面上,CEO 伊隆·馬斯克(Elon Musk)說到:“我不認為大家需要激光雷達……你可以用攝像頭加上一個前置雷達,實現一樣的效果。”

j3.webp

有人說幾年前特斯拉出生之時,馬斯克是由於成本考慮不承認激光雷達的作用。如今激光雷達成本已經下降,而馬斯克對激光雷達態度仍未改觀。

2016 年 5 月,一場死亡事故後,抨擊特斯拉感知系統的聲音陸續出現。佛羅里達州一輛特斯拉 Model S 在自動駕駛模式下撞上前面的車出了人命:前面那輛車轉彎遮擋了特斯拉的視線,並且當時有強光照射,導致特斯拉的攝像頭沒看到前方來車。

到底攝像頭加毫米波這個組合靠譜不靠譜?只有經過大量測試的攝像頭算法才能信得過,但目前特斯拉的產量還達不到 “大量測試” 的水平。

三個月之後,特斯拉升級了自動駕駛系統—— Autopilot 2.0。經歷了車禍人命事件的特斯拉,在 Autopilot 2.0 上,攝像機的主導作用被削弱,毫米波雷達的作用被強化了。

關於無人車研究路線,中國無人車市場和機會,深藍 DeeperBlue 邀請了以下四位完全不同領域卻又互相相關的嘉賓來談論一系列問題。

從學界到投資界,從 ADAS 到激光雷達,我們一起好好聊聊無人車這件事。

j4.webp

j5.webp

特斯拉 CEO 伊隆·馬斯克 (Elon Musk) 說過:“我不認為大家需要激光雷達……你可以用攝像頭加上一個前置雷達,實現一樣的效果。” 他這句話是有道理的嗎?

2016 年 5 月 7 日,一輛特斯拉 Model S 因自動駕駛功能導致車禍,車主死亡,引起了特斯拉自動駕駛技術的大討論。

激光雷達專家 湯勁松特斯拉並不能實現真正的自動駕駛。

目前特斯拉能實現的是 AutoPilot,包括自適應巡航、緊急制動等功能。但這不是真正的無人駕駛。

真正的無人駕駛,對可靠性、安全性有極高的要求,感知準確率要達到很多個 9, 即 99.99999···%。要達到這個標準,傳感器至關重要。第一,要有冗余設計的考量 。 第二,要有傳感器融合。比如攝像頭,遇見強光會有困難;這是特斯拉 5 月撞車事故的原因之一。側面或一些盲區,攝像頭和毫米波雷達視角不夠寬,可能探測不到,而激光雷達可以。

激光雷達的運用不是要取代這些傳感器,而是做其他傳感器做不到的事。多種傳感器同時使用,各司其職:激光雷達輻射範圍遠,角度廣,能對物體進行 3D 感知,也不會受夜晚和強光影像;攝像頭能看紋路,看顏色,近距離信息全面;毫米波距離遠,能夠適用在惡劣天氣環境,能做預警。

未來一定是多種傳感器融合使用。而無人車面臨的挑戰是,如何不靠犧牲精度來控制傳感器成本、提升可靠性。Quanergy 的固態激光雷達就是一個技術突破,使得激光雷達未來在自動駕駛汽車的量產化應用成為可能。

ADAS 專家陳茂:車載領域,毫米波雷達 + 攝像頭的解決方案更普遍。

我覺得馬斯克說這話是有一定的道理的。之所以有些人認為一定要使用激光雷達,這可能更多的是科技公司的觀念。科技公司更多會去註重理論上的東西。從理論上來講,激光雷達的可靠性比毫米波雷達的可靠性要高。

其實未必。毫米波雷達是一個非常成熟的技術,它比激光雷達的應用要早很多。好的毫米波雷達也能實現較好的二維效果。如果結合視覺的話,可以把整套感知系統組成一個出錯概率極低的環境感知系統,而且成本比激光雷達低很多。因此,主機廠還是更傾向於使用毫米波雷達。

就目前車載領域而言,市面上毫米波雷達的應用量遠遠多於激光雷達,這個是一個不爭的事實。

投資人 朱祎舟:激光雷達提供了更好的解決方案,為何不用?

視覺在理論上能解決所有的事情,但有了激光雷達,事情能被更好的解決。遠距測量,不需要具體圖像的測量,距離點陣的測量等方面,激光雷達比攝像技術要來得好。所以如果激光雷達成本下降,沒必要不用激光雷達。

清華 曹重:無人駕駛並不需要厘米級的測繪精度。

一定程度上是對的。無人駕駛要求對所有環境參數有精確的了解,激光雷達的特長就是環境感知和構建。尤其在探測遠距離物體上,激光雷達的精度遠高於其他傳感器。

但也不是說汽車對遠處和近處的環境測繪精度都必須達到厘米級。打個比方,開車的時候,遠處的路邊是樹還是人,眼睛有可能分不清楚。攝像頭好比眼睛,遠距離判斷也沒有那麽精準。實際情況是,司機對遠處的細節並不需要如此細致的判斷,其他雷達也是可以勝任的。更值得重視的是近處的細節。而近距離的識別,激光雷達的優勢消失了。攝像頭加上超聲波或者簡單激光雷達就可以滿足需求。

ADAS 升級路線與直接 Level 4 路線,誰更有可能成功?

j6.webp

ADAS 路線,靠攝像頭和毫米波雷達,被很多傳統車企采用。

激光雷達專家 湯勁松:一個目標,兩條路徑

這是一個目標,兩條路徑的問題。通過 ADAS 一步步實現自動駕駛功能,從自動巡航、緊急剎車等開始,慢慢培養用戶對自動駕駛的習慣。另一些公司則對中間技術過渡過程不感興趣,想要一步到位發展到無人駕駛。兩條路方式不同,都走得通。

ADAS 專家 陳茂:ADAS 升級路線的積累更為深厚

很多人因為特斯拉最近兩起死亡事故,而不看好視覺 + 毫米波雷達的 ADAS 技術,這我是不同意的。出事是因為因為系統把 Mobileye 做出的判斷作為決定性的依據——視覺沒有檢測到某個東西,就認為這個東西不存在了,而把毫米波雷達放置了一種配角和輔助的地位。

正是由於這兩次死亡事故,馬斯克註意到了這個問題,所以他馬上宣布,新出的 Autopilot 2.0 以雷達為主,視覺為輔。自動駕駛感知決策技術路線正在不斷進化。

盡管特斯拉的激進技術方式導致了 2 起死亡事故,但並不意味著這種方式成功的可能性就比 Level4 路線低,因為特斯拉的 ADAS 升級路線已經跑完了 2 億公里的測試里程,而即使是谷歌的 Level4 路線的測試里程也才不到 300 萬公里,而且谷歌的測試速度要低得多。現在特斯拉已經認識到自動駕駛人機切換重要,已經開始限制註意力不集中的駕駛員長時間使用自動巡航功能,相信這會極大地降低惡性事故的發生率,有利於 ADAS 升級路線的飛速前行。

投資人 朱祎舟:Level 4 路線下無人車將會重新定義交通工具。

這兩個路線本質上是不一樣的。傳統車企走 ADAS 路線,因為他們主要賣的是車,要在現有車輛的基礎上叠代功能。而 Level 4 路線下的無人車會重新定義交通工具。首先車的形態會有很大變化,可能沒有方向盤,沒有駕駛室,比如 Google 無人車;其次,應用場景不再是公路,可以拓展到如工廠和高爾夫球場等。這些特殊場景對交通工具沒有法規限制,路況也比較簡單,適合發揮無人車的設計空間。

清華 曹重:ADAS 不涉及無人駕駛核心架構,可能難以走通。

我覺得前者比較困難。ADAS 距離無人駕駛跨度還太大,需要不斷添加功能,實現量變到質變。兩者從一開始就有本質區別:ADAS作為輔助駕駛系統,本質上還是人做決策,而無人駕駛的決策權在車手里。無人駕駛系統要保證收集到的每一個信息、做出的每一個控制決策都是精確和完整的,而這些核心架構 ADAS 並不涉及。ADAS 這條路比較難走通。

傳統車企做自動駕駛是為了減輕駕駛員負擔,而 Uber 希望通過消滅駕駛員來減少補貼數量。這些理念差異是否會影響汽車自動化路線的選擇?

kk.webp

Uber 打造的無人駕駛汽車概念圖,車頂有個大大的激光雷達。

激光雷達專家 湯勁松:消滅駕駛員不是目的,無人駕駛本質是智能化交通。

不認同 “消滅駕駛員” 這個前提。自動駕駛的本質是將交通智能化,簡而言之就是讓機器做機器擅長,而人不擅長的。機器不會喝酒,不會有情緒,不會累。最終降低事故率,緩解堵車,提高城市空間利用率,節約能源,提升整個社會的效率。

ADAS 專家 陳茂:理念差異影響技術路線選擇,未來可能是多種駕駛形式混合。

這種理念的差異在自動駕駛發展的前期的確會影響企業對自動駕駛的技術路線選擇。ADAS的目的是減輕駕駛員負擔,而不是消滅掉駕駛員,而Level 4的目的的確是沖著消滅掉駕駛員來的。

因此這兩種技術路線會應用場景會不同,Level 4 會主要應用在低速的城市出租車、分時租賃、公交車行業,而私家車和高速客運/貨運車將會以 ADAS 路線為主要應用場景。高速上的 Level 4方式技術上還有很長的一段路要走,未來 3~5 年會出現兩種技術路線並存的格局。當然,再過 20 年也許 ADAS 漸進方式技術路線會成為現在的固定電話,會變得越來越少,越來越邊緣化。

我認為自動駕駛不會一下子把所有司機都取代,就像固定電話現已經發展一百多年了,現在也沒有消失。自動駕駛必將是一個漸進發展的過程。在未來很長一段時間例,有人駕駛、半自動駕駛、自動駕駛、無人駕駛這幾種駕駛形式會混在一起。在這過程中,受益最大的應該是傳統的車企,因為車企能把有人車,半自動駕駛、自動駕駛車都做得很好。

投資人 朱祎舟:目標用戶需求不同,決定了企業策略。

傳統車企做自動駕駛,是為了提高用戶體驗。很多人就是喜歡開車,這部分需求是沒辦法取代的。車企在自動駕駛上的競爭,更多就是說車企與車企之間的差異化競爭,而非取代駕車體驗。所以車企是不可能去消滅駕駛員的。

Uber 和谷歌不同,乘客才是他們的用戶。它們提供的不是車,而是交通出行服務。因此自動駕駛技術成為核心地位。有了無人車,不會因為駕駛員的數量有限,而滿足不了乘客的用車需求。

清華 曹重:這些結果或許都會出現。

傳統車廠一般還是從 ADAS 過渡,想消滅駕駛員就選擇一步到位的 Level 4 技術實現了之後不同公司都會有不同的處理方式,這些結果或許都會出現。

無人駕駛領域有哪些技術穩點亟待解決?

wss.webp

無人車為保證安全,必須綜合各項傳感器技術。

激光雷達專家 湯勁松:Quanergy 從固態激光雷達開始。

從激光雷達、慣性導航、高精度地圖、自動駕駛決策系統的開發、視覺系統的進一步開發等都有很多挑戰 。從 Quanergy 成功開發出固態激光雷達開始,這些挑戰都會被突破。

ADAS 專家 陳茂:所有問題回歸到人工智能上。

實際上主要難點來自於環境的感知與認知。自動駕駛也好,ADAS 也好,所有這些問題的本質最終還是回到人工智能上來。人們對無人駕駛的智能水平要求,是零事故零失誤,但理論上做不到,因為現有的認知理論,不論是深度學習還是其他形式的人工智能模式識別,它都做不到百分百準確。

在這種情況下,確確實實存在對公眾的一些誤導,一定要讓公眾承認——自動駕駛它也有失誤,飛機發展一百多年了,但每年還時不時地掉下來——怎麽能要求這個自動駕駛跑到上億公里一個人不死的?這是不正確的,這個是誤導。全球每年的交通死亡達 120 萬。如果自動駕駛的普及將全球交通事故死亡降低到 1.2 萬甚至 1200 人,自動駕駛就已經很安全,很了不起了!

投資人 朱祎舟:安全性問題最為突出。

無人車對安全性要求極高,失敗風險代價嚴重。要提高準確率,應對複雜環境下的處理和計算。

問題首先在於目前沒有足夠多的數據基礎,也沒有處理過足夠多的情況,很多行駛條件都沒有考慮到。比如 5 月特斯拉的車禍,就是因為計算機沒有處理過斜面過來的高光。

其次,傳感器成本也是問題。為了削減成本,廠商只能閹割傳感器精度,或者少裝傳感器,這會極大影響無人車的安全性。

清華 曹重:ADAS 在環境感知上弱點不少。

我覺得 ADAS 最大的問題在於沒有考慮環境感知的全面性。ADAS 所用攝像頭和雷達,對環境的感知都來自於各個傳感器數據的拼貼,對環境采集信息量不夠,這恰恰是無人駕駛的致命點。攝像頭還需要實現圖像識別、圖像理解功能,目前也沒有實現。

如何看待國內自動駕駛市場?

百度無人車已獲得加州上路測試許可。

激光雷達專家 湯勁松:趨勢不可阻擋。

從智能社會發展的角度來看,研發自動駕駛是一個不可阻擋的趨勢。國內的市場,前景廣闊。從汽車工業的發展、國家的布局等各個方面看,國內的自動駕駛都非常有前景。

ADAS 專家 陳茂:上路?技術上還為時過早。

百度做無人車還是有些靠譜的,因為它也是一個技術型驅動公司。但其宣傳,“三年商用,五年量產”,本人認為沒有這麽樂觀,因為其安全的測試里程沒有積累到一定的程度很難讓人信服。

當然,僅僅是造園區或者小區里,車速一二十公里的慢速自動電動車,倒是有可能的。但如果是在公共的交通中實現無人駕駛,我覺得技術上還為時過早。國外的無人駕駛汽車都行駛好幾千萬、上億公里了,宣傳都還比較謹慎。國內有些科技公司沒有多少測試里程就這樣說,總覺得不太靠譜。

在自動駕駛發展的過程中,ADAS 會先行已經達成共識,只有當 ADAS 普及到一定的程度,感知技術成熟後,自動駕駛才有技術基礎,否則,皮之不存,毛將焉附。

投資人 朱祎舟:研發 VS 驅動力。

百度,谷歌等是有無人車整車研發實力的,能一步到位。滴滴和 Uber 在靠商業模式驅動自動駕駛研發,驅動力比百度要更強。

清華 曹重:命題複雜,但值得嘗試。

不了解細節的情況下,技術難以衡量。考慮到中國的路況,自動駕駛是個較複雜的命題。但我挺佩服他們的。我博士即將畢業,也在考慮加入自動駕駛的創業團隊,不管成不成功,總要有人去嘗試這件事情。

自動駕駛市場哪個環節更有機會?

j8.webp

未來的無人車世界,每個角落都被傳感器覆蓋。

激光雷達專家 湯勁松:車聯網、新能源是兩大機會點。

我認為車聯網也將是一個機會點。車聯網是實現無人駕駛的必要環節。目前自動駕駛車上的地圖是靜態的,不反應及時信息。需要一個實時更新的動態地圖,在路況、事故等問題後,能通知其他無人車及時重新規劃形式路徑。

此外,無人車的能源問題也值得關註。為了減輕無人車系統負擔,是不是電動車形式更好?那電動車的供能,散熱等各個環節都是有機會的。

ADAS 專家 陳茂:國內公司在感知技術與決策技術上會有機會。

我覺得有這幾塊可以做:第一塊是感知技術與認知技術,尤其是作為自動駕駛核心技術的認知技術。目前國內有大量的公司在做這一塊。

另外決策技術也很有機會。汽車的感知到位後——汽車識別出來了,人識別出來了,道路也識別出來了——最後的環節,如路徑的規劃、障礙物的繞行,就是決策系統的工作了。現在很多互聯網公司在做這塊,包括百度,也包括其他的互聯網公司。

這兩個領域完全憑算法取勝,如果說中國在自動駕駛領域的公司有機會的話,一定是在這兩個領域。

投資人 朱祎舟:零部件與系統集成同樣有機會。

關鍵零部件,包括傳感器,計算,對於小公司來說都是有機會的,比如計算機視覺是國內小公司目前的主流方向;同時也有難點,小公司拿不到數據。

此外,操作系統和集成也是有機會的。自動駕駛環節很多,包括視覺的各種傳感器和控制決策系統,這些零碎的環節需要一個基礎的控制平臺集成。類似手機需要操作系統,對手機接軟件和手機里的硬件。集成系統也能幫助市場確立標準和協議通訊。

這不是一個能單點突破的事。目前車廠沒有技術實力去做這個系統,能做的小公司沒有資金和資源優勢。目前的趨勢是,小公司被大車廠或大公司收購,整合資源搶占這塊市場。

清華 曹重:看好單點技術的整體模塊開發。

自動駕駛有很多新的技術點,但缺少配套的零部件。每一個技術點上的整體模塊開發,都可能有機會。比如高精度地圖會涉及到很多環境感知的傳感器,單物體識別就需要一個識別模塊,一個測距模塊,一個光線感知模塊。有了這些模塊的提供商,整車廠就能直接集成。

無人駕駛
贊(...)
文章評論
匿名用戶
發布
創投 圈到 學界 有一 一場 無人 頭腦 風暴 黑馬 薦文
PermaLink: https://articles.zkiz.com/?id=217030

股票掌故 | 香港股票資訊 | 神州股票資訊 | 台股資訊 | 博客好文 | 文庫舊文 | 香港股票資訊 | 第一財經 | 微信公眾號 | Webb哥點將錄 | 港股專區 | 股海挪亞方舟 | 動漫遊戲音樂 | 好歌 | 動漫綜合 | RealBlog | 測試 | 強國 | 潮流潮物 [Fashion board] | 龍鳳大茶樓 | 文章保管庫 | 財經人物 | 智慧 | 世界之大,無奇不有 | 創業 | 股壇維基研發區 | 英文 | 財經書籍 | 期權期指輪天地 | 郊遊遠足 | 站務 | 飲食 | 國際經濟 | 上市公司新聞 | 美股專區 | 書藉及文章分享區 | 娛樂廣場 | 波馬風雲 | 政治民生區 | 財經專業機構 | 識飲色食 | 即市討論區 | 股票專業討論區 | 全球政治經濟社會區 | 建築 | I.T. | 馬後砲膠區之圖表 | 打工仔 | 蘋果專欄 | 雨傘革命 | Louis 先生投資時事分享區 | 地產 |
ZKIZ Archives @ 2019