随着越来越多自动驾驶车辆在今年上路, 也有更多人开始注意这些车子, 可以确定的是, 它们不再是新鲜产物.
但这些自驾车在进行公开驾驶测试时也暴露了一些基本弱点, 最重要的是, 尽管它们具备严格遵守道路交通规则的能力, 在理解与它们分享道路的人类驾驶行为方面, 这些自驾车展现的天赋不高. 或许如同Linley Group资深分析师Mike Demler所言: '你如何能把一个机器人编程为具备人类的常识? '
毋庸置疑, 我们在2017年看到了几起被大肆宣传的, 非致命的自动驾驶车辆事故.
在2016年由美国麻省理工学院(MIT) AgeLab与新英格兰汽车记者协会(New England Motor Press Association)进行的一项消费者调查显示, 约3,000位受访者在被问到对自动驾驶车辆有没有兴趣时, 有近一半(48%)表示他们不会想买一辆完全不必自己驾驶的车子; 这些受访者不喜欢失去控制权的感觉, 也不信任科技, 认为自动驾驶车辆不安全.
简而言之, 大多数非工程背景的消费者对自动驾驶技术存疑, 或者不信任. 不过科技厂商与车厂并未因此却步, 他们显然不太在乎消费者的接受度, 也不期望消费者购买大量自动驾驶车──至少在短时间内; 汽车厂商决定先把 '人机信任' 问题放在一边, 留待日后处理.
车队才是重点!
而现在看来, '下一件大事' 是由拥有并负责营运这些自动驾驶车辆的 '车队' , 他们看到具备强大潜力的自驾车商业模式; 今年包括Waymo, Uber, GM, Ford等等厂商, 都明确表示了会将车队服务做为自动驾驶车辆的主要市场.
GM 旗下的智能手机应用程式Cruise (来源: Cruise)
技术顾问公司Vision Systems Intelligence (VSI Labs)创办人暨首席顾问Phil Magney表示: '我们在今年已经看到先进驾驶辅助系统(ADAS)与其他感测器等适合Level 2自动驾驶车辆应用之技术的逐步进展, 但是Level 4自驾车呢? 它们的进展速度比产业界一年前所预期的更快. '
市场研究机构IHS Markit的车用资通讯娱乐与ADAS市场研究总监Egil Juliussen也同意以上说法, 特别是 'Waymo已经悄悄地在(无人驾驶车)市场上领先, 跑在所有人前面; ' 他指出, Waymo有足够的信心让全自动驾驶车辆开始在美国亚利桑那州凤凰城(Phoenix)的公开道路上行驶, 而且车上不需要负责安全的人类驾驶, 这是自驾车在2017年的重要里程碑之一.
接下来让我们一起来回顾自动驾驶车辆在2017年的几个重要发展…
1. 真正 '无人' 驾驶!
车上没有配置负责安全监控的人类驾驶员的自驾车已经在公开道路上进行测试──这是Waymo执行长John Krafcik在不久前透露, 该公司自10月中已经开始于亚利桑那州以其自动驾驶多功能休旅车, 进行无人类驾驶的道路测试.
而且Waymo正大胆地计划 '早鸟体验者' 方案, 邀请一般民众免费体验这些无人驾驶车辆; Waymo的最新举措显示该公司对其软硬体技术进展的增强信心, 也显示该公司对提供付费车队服务, 与Uber和Lyft等共乘服务竞争的强烈兴趣.
2. 当自驾车遇上人类驾驶
Linley Group的Demler表示, 自驾车在2017年学到的很重要一课是证明了 '安全性是最重大的挑战; 只预估科技能避免多少事故是不够的. '
在2017年我们看到几件发生在公开道路上的自驾车事故, 虽然都无人伤亡, 只是车辆损伤, 而且大多数案例中有关当局都判定过失是与自驾车碰撞车辆的人类驾驶, 但有几起事故开始让专家们检验关于自动驾驶车辆的 '作为与不作为' ; 一辆Uber所属自动驾驶车在亚利桑那州Tempe发生的事故就是一个案例.
一辆Uber的自动驾驶Volvo SUV在美国亚利桑那州发生碰撞而翻覆 (来源: ABC 15)
Demler形容, Uber的这起事故是每天都可能会发生的情况, 并非特殊案例: '在应该根据情况反应并即时行动的时候, 自动驾驶车辆在技术上还是会遵守交通规则; ' 总之他认为Uber自驾车的编程并没有纳入所有优良人类驾驶都具备的 '防御驾驶' (defensive driving)技巧.
在美国拉斯维加斯发生的Navya自动驾驶接驳车碰撞事件也是类似的案例, 该辆自驾车是跟在一辆缓慢倒车的货运卡车后面, 然后 '很有耐心地' 停在原地直到被卡车撞上; 警方判定事故责任在于货运卡车, 但后来专家们质疑为何自驾车只是停在原地不动, 为何不会按喇叭提醒货车驾驶?
Demler表示, 现在似乎就是因为自驾车知道所有书上的交通规则, 所以能免责, 但是 '我们需要考量日常情况来开发驾驶行为标准, 特别是针对那些交通规则可能没有规定, 但人类能以常识来评估与安全驾驶(大多数情况)的状况; ' 但: '如何能把一个机器人编程为具备人类的常识? ' 这个问题在2017年还没有答案.
3. Intel与Nvidia间的战火升温
在2017年, 产业界看到了两大自动驾驶车辆平台供应商Intel (即Mobileye)与Nvidia之间, 针对自家自驾车AI处理器效能表现的刀光剑影; 在即将于1月举行的2018年国际消费性电子展(CES)期间, Intel预计将发表一款结合EyeQ 5与低功耗Atom晶片, 还有其他包括I/O与乙太网路连结等硬体功能的自动驾驶车平台.
Intel执行长Brian Krzanich 在洛杉矶的一个车展上介绍Mobileye EyeQ5处理器与Nvidia竞争产品Xavier的性能比较 (来源: Intel)
IHS Markit的Juliussen 表示, 虽然他不能确定这两家大厂之间的战争会如何发展, 但他看见Nvidia的DrivePX平台具备一定的优势; 他指出Nvidia利用其DrivePX平台, 已经较深入AI导向的自动驾驶车辆开发者阵营. 而一旦已经大举投资某个平台, 特别是软体程式设计师与系统设计师已经建立了相关知识, 就很难转用另一个平台, 除非有非常好的理由.
在此同时, Nvidia也率先建立了以DrivePX为中心的, 快速成长的生态系统; 车厂Toyota在2017年的几项重大宣布都是采用DrivePX平台启动其先进自动驾驶系统. 在Intel这厢, 该公司发言人表示他们也已经在建立生态系统, 也有数个重要合作伙伴, 只是不能公开名单.
4. 百度平台想成为 '自动驾驶车辆的Android'
中国在2017年成为自动驾驶平台战场上的焦点之一, 因为百度在自驾车(以及AI)领域的影响力看来只会不断增加──百度在今年夏天发表了开放源码自动驾驶平台计划 'Appollo' , 到目前为止已经有73家公司加入该计划, 包括中国领导车厂如奇瑞, 长安汽车, 长城汽车, 以及多家美国科技厂商与德国汽车业者, 如Nvidia, Intel, Microsoft, Ford, Delphi, Continental, Bosch, Daimler, Velodyne与TomTom等.
NXP也在不久前宣布加入百度Apollo平台, 将提供包括毫米波雷达, V2X, 安全与连结相关半导体元件, 以及车用技术开发经验. 值得注意的是, Apollo平台并不只是要发展中国本土的自驾车产业, TomTom与Microsoft加入该平台是为了在中国以外市场提供服务.
百度已经准备好以开放源码自动驾驶车辆平台大杀四方 (来源: 百度)
Apollo计划还有另一个方面, 是一笔15亿美元的资金, 由百度与长江产业基金(Yangtze River Industry Fund)共同建立, 将在未来三年投资超过100个自动驾驶开发专案.
市场研究机构IHS Markit的车用资通讯娱乐与ADAS市场研究总监Egil Juliussen认为, 百度的Apollo计划是直接参考了Android的剧本, 为自动驾驶车辆提供从云端服务, 开放源码软体平台, 到本地化的感测器融合与硬体参考设计等等支援; 利用Apollo的硬体参考设计平台, 合作伙伴们想必能很快着手开发自家的应用程式.
而因为百度的参考设计平台目前是以Nvidia的DrivePX为基础, Juliussen指出: '你可能会以为Nvidia占据优势, 但这并不代表百度的平台不会导入其他方案, 因为Intel也是Apollo计划的成员之一. '
自动驾驶车辆产业相关厂商之间的合纵连横 (来源: EE Times)
在2017年, 自动驾驶车辆产业被证明是一个错综复杂的伙伴关系网路, 其中Nvidia, Intel与Waymo扮演要角, 他们各自建立的伙伴关系比起其他厂商更牢固了一些; 不过百度拥抱开放源码平台的策略, 有可能改变市场局势. 百度将在1月举行的2018年国际消费性电子展(CES 2018)发表Apollo 2.0, 号称能让自驾车执行简单的都市道路驾驶.
5. Intel/Mobileye为自动驾驶车辆建立 '安全模型'
以隶属Intel旗下的Mobileye在10月份发表了一篇技术论文, 详细说明如何以一套正规的数学公式, 确保自驾车以审慎负责的态度上路行驶, 且不会引起交通事故; 该论文指出自驾车只要遵循一套由产业界与政府主管机关预先明确定义的规则, 就只会在 '安全' 的框架内运行而不会成为肇事主因.
针对此论文, 市场研究机构The Linley Group资深分析师Mike Demler认为有 '误导' 之嫌, 不应该用 '我们的自动驾驶技术不会导致交通事故, 我们也可以告诉你为什么' 的这种方式来赢得大众信任; 但EE Times采访了学界专家, 他们则是盛赞该公司坚持到底, 迎战在自驾车领域最棘手的问题.
不过学者们也提醒, 公式方法与数学证明的优点在于它们在原则上是可以被证明是正确的, 缺点则在于 '它们总是需要基础性的假设, 而且那些假设可能在现实世界是不成立的; ' 因此产业界首先需要讨论的事情, 不只是定义什么方案对系统来说是恰当的, 还有那样的方案对现实世界来说是否合理.
6. Waymo惊人的模拟自动驾驶里程数
Waymo在10月发表了一份安全报告, 成为自动驾驶车辆开发商争相参考的虚拟路线图, 该报告的部分细节显示了该公司已经领先业界有多远距离──Waymo在报告中提到了如何设计其自动驾驶软硬体, 以及如何测试车辆.
IHS Markit的Juliussen在阅读过Waymo报告后指出, 该公司方案与其他自动驾驶车辆竞争最大的不同, 是他们以软体观点来设计自家感测器系统, 而在经过8年的自动驾驶软体开发之后, Waymo已经拥有比其他对手更高的眼界, 这种模仿Apple, 与软体紧密结合的能力, 是传统汽车业者大多缺乏, 也难以复制的.
更值得注意的是, Waymo利用自家测试方法取得差异化, 该公司的安全报告指出, 他们在实际道路上的测试已经达到850万英哩(约1,368公里); 不过Juliussen指出, 道路测试里程数不是重点, 而是将实际道路测试结果导入模拟环境, 让自驾车软体在其中练习的里程数.
Waymo在安全报告中指出, 该公司将自动驾驶车辆在实际道路上遇到的最具挑战性状况化成虚拟场景, 让自动驾驶软体能在模拟环境中练习; 而自驾车软体会有任何改变或是更新, 都会先在模拟环境进行严格的测试才布署于车队. Waymo在2016年的模拟自动驾驶里程数为25亿英哩, 也就是一天800万英哩, 该数字到2017年增加至一天1,000万英哩.
自动驾驶模拟环境的运作方法 (来源: Waymo)
Juliussen认为这令人印象深刻: '因为在模拟环境之中, 他们专门测试最困难的状况; ' The Linley Group的Demler也认为, 透过累积更多实际驾驶里程数来让机器学习常识是不实际的, 而是需要大量借镜现实世界案例的模拟测试, 以及根据一般安全常识来开发自动驾驶车辆标准: '不过要实现后者, 产业界还有很长一段路要走. '
整体看来, Juliussen认为Waymo在自动驾驶车辆开发的进展上是业界第一名, 而第二名是GM (该车厂在2016年收购了自动驾驶车辆软体开发商Cruise), Ford则是落后距离稍远的第三名(该车厂在2017年2月收购自驾车AI方案开发商Argo).
7. Level 4自驾车跑不了太远──仍受限于地理与天气条件
尽管Waymo的自动驾驶车辆技术进展超前, 该公司的开发成果仍仅能列为Level 4自驾车, 而非Level 5; 根据美国汽车工程师学会(SAE)的定义, Level 4自动驾驶车辆是在 '有限度条件' 下, 驾驶人可以不需要注意车辆行驶安全, 例如塞车的车阵中或是某个划定区域, 但在那以外, 驾驶人若不能取回控制权, 车辆就会安全地终止旅程.
Waymo的报告则明确指出, 该公司的自动驾驶车辆仅行驶于 '经过营运设计的场域' (operational design domain), 其设计条件包括地理环境, 道路种类, 速限, 天气, 营运时间, 以及当地交通法规; Waymo坦承, 这种经设计的场域可能会 '非常受限制' , 例如是低速限的单一固定路线, 或是私人园区(如科学园区), 而且需要在白天, 气候优良的状况下.
Waymo的自动驾驶车辆仅能行驶于 '经过营运设计的场域' (来源: Waymo)
Waymo在报告中解释, 他们的自驾车乘客不能选择在经过批准之地理范围外的目的地, 而其自驾车软体也不会建立 '地理围栏' 以外的行驶路线; 如果其共乘服务的顾客要求的是在那之外的路线, Waymo会派出的是人类驾驶计程车而非自驾车.
而当然Waymo会继续扩大其营运场域范围, 并积极测试各种恶劣天气状况, 例如不同程度的下雪天; 据了解该公司从2012年就开始进行寒冷气候条件测试, 并宣布其自驾车在今年冬天开上了美国密西根(Michigan)州的道路. Waymo执行长Jon Krafcik表示: '我们的自驾车将在雪地, 湿滑与结冰路面上累积更多实际行驶经验. '
编译: Judith Cheng