智行者張放:感知算法尚存缺陷,無法證明自動駕駛比人更安全


「半封閉場景下低速的L4級別自動駕駛,在未來一到兩年內有望大規模落地,但通用自動駕駛技術至少在五年內不太可能落地,這更多還是技術成熟度的問題。」在近日搜狐科技舉辦的《AI十二談》第二期沙龍直播上,北京智行者科技聯合創始人&研發副總裁張放判斷。

在活動中,張放首先分析了輔助駕駛事故頻發背後的技術原因。他表示,目前量產的輔助駕駛系統本身算法上的特點和缺陷,導致整個系統在識別特殊類型的車輛以及靜止車輛的時會遇到難題。

張放進一步解釋稱,攝像頭的目標檢測和目標識別算法是數據驅動的深度學習算法,對道路中不常見的特種車輛或者不規則車輛,在檢測算法里的資料庫會比較小,目標檢測準確率會降低。

毫米波最大的問題是會有比較多的誤檢,比如對路邊雜草、護欄或者懸浮在半空中的標誌牌,都會被檢測出來,但是由於缺少高度信息,特別對於懸浮的標誌牌和靜止車輛來說,毫米波很難進行區分,為了保證舒適性,多數情況下需要採取一些過濾措施,就會導致毫米波對靜止車輛識別上存在問題。

要解決這個問題,張放認為,需要去補充樣本庫里比較少比例的樣本,也就是如何更高效地、更加低成本地搜集這些數據。如果通過自營車隊去採集這些數據,成本是比較高的。成本比較低的就是在量產過程中,通過由普通消費者進行路測的時候進行搜集。但自動駕駛的算法也在逐步去提升,總要有一個過程,讓算法彌補自己的短板。

智行者張放:感知算法尚存缺陷,無法證明自動駕駛比人更安全

感知是自動系統安全的基礎,而目前業內出現了兩種路線,一種方案是特斯拉純視覺方案,一種視覺和雷射雷達相融合方案,誰會成為主流?

張放認為,從安全性的角度出發,如果是在攝像頭基礎上增加雷射雷達,能夠提供一定的感知冗餘和傳感器冗餘,在一定程度上能夠增加安全性。但哪種會成為主流,現在不是很好判斷,各有優劣。

純視覺方案的好處是成本比較低,這樣搭載車輛的數量會更多,反饋的數據會更多,這對於算法、性能的提升可能會形成補充。對於雷射雷達來說,它的優勢是安全性相對更好,但成本比較高,可能只能搭載在某些高端車型上,數據量沒有純視覺系統的數據量大。

不過,對於自動駕駛的安全性來說,除了感知還有預測、決策、控制、定位等方面的問題。拋開算法層面,張放還提到,還需要去做系統分析,系統所提供的每一項功能是否都經過了功能安全分析,是否能夠保證在某個模塊失效時能夠由其它模塊兜底,或有一個更加完善的安全策略來保證整個系統的時效,比如軟體的冗餘、硬體的冗餘等。

如何去判斷自動自動駕駛的安全,業內常常拿它用來跟人類駕駛來比較。不過,張放表示,目前無法從理論上去證明自動駕駛比人駕駛要安全,行業比較認可的就是實際路測,而且實際路測要達到10億公里,在統計意義上才能證明孰優孰劣,但目前沒有哪家企業真正在實際道路測試的行駛里程達到這個數量級別。

此外,張放也表示,在不同場景下,自動駕駛對安全也有不同的要求和挑戰。他表示,現在大規模商業落地的自動駕駛更多是在低速的限定場景,相較高速場景的自動駕駛安全風險更小。與高速場景相比,偏低速偏園區偏市內場景,運行速度比較低,所以對於系統的反應時間要求會相對較低,同時速度低,發生碰撞後的危害較小。

但張放認為,在場景的複雜度上面,低速並不比高速簡單,比如低速場景下,人、車密度更高,混行更多,都對室內或者偏低速的場景提出更多功能上的挑戰。此外,對於低速場景的自動駕駛來說,並不是不存在挑戰,比如公開道路上少見的跌落場景、透明玻璃和高反光物體是個挑戰,需要針對性解決。

雖然自動駕駛湧入很多玩家,但作為自動駕駛產業的實踐者和創業者的張放,並不擔心行業的「內卷」。他認為,一個賽道的發展肯定是很多公司一起競爭,這對整個產業發展是有利的,行業的整體技術水平和技術實力也能在這個過程中水漲船高。同時,自動駕駛是一個很大的賽道,每家公司所處的行業地位或者上下游不同,除了競爭更多還是合作共贏。

張放還提到,中國和美國是自動駕駛的第一梯隊,從軟體或者算法層面來看,差距並沒有那麼大,加州發布的自動駕駛報告處於前列的基本都是中美公司。在硬體特別是晶片層面,國內確實有一定差距,但已意識到這一點,包括華為等都在走自研晶片和控制器這條道路。

相關文章  華強北山寨王國捲土重來!魔改版iPhone13正式發售:蘋果舊旗艦火了
回到頂端