正文内容 评论(0

被吹上天的城市领航辅助驾驶:我劝你少用
2023-03-02 00:12:18  出处:差评  作者:脖子哥 编辑:上方文Q     评论(0)点击可以复制本篇文章的标题和链接

一阵特斯拉自动驾驶造假的事情,各位都有所耳闻吧。

2016 年特斯拉公布了一段视频,里头的 Model X 搭载了 Autopilot 系统,全程无人驾驶开到终点,丝滑的一批。

被吹上天的城市领航辅助驾驶:我劝你少用

结果呢,这些画面被曝出都是剪辑拼接的,特斯拉只是想靠着它骗一波投资和股价罢了。

我说为啥看着这么科幻呢,原来真的是编的。

不过,这个在当时极其离谱的功能,放到现在却并不难。

不信?你看,这是某自主品牌自动驾驶系统的路试镜头:

被吹上天的城市领航辅助驾驶:我劝你少用

这是另一个:

被吹上天的城市领航辅助驾驶:我劝你少用

就连翻车的特斯拉,现在也能部分实现当时吹的牛逼了:

被吹上天的城市领航辅助驾驶:我劝你少用

上面这些能够实现点到点自动驾驶的功能,有个专门的名字叫 NOA ( Navigate On Autopilot ),直译过来就是 “ 导航辅助自动驾驶 ” 。

NOA 最近可是太火了。有多火呢,这么说吧,几乎所有新能源品牌,都宣称会在今年 OTA 推送 NOA 功能,比如理想、小鹏、极氪等等。

被吹上天的城市领航辅助驾驶:我劝你少用

从大趋势看,NOA 应该就是近几年自动驾驶领域最炙手可热的香饽饽了。

因为 NOA 的落地,很可能是我们离所谓 “ 自动驾驶 ” 最近的一次。

所以,到底啥是 NOA ?

NOA ,学名领航辅助行驶,是目前最符合 L3 级自动驾驶定义的功能。

从直译就能看出来,它跟导航和自动驾驶多少都沾点。

简单来说,有了 NOA ,我们只需在导航上定好起点和终点,车子就能自己开过去。

被吹上天的城市领航辅助驾驶:我劝你少用

根据使用场景的不同, NOA 还被分成了两个细分方向,一是高速 NOA ,二是城市 NOA 。

我们先来看高速 NOA 。顾名思义它的适用场景是高速行驶。

打开以后,车子就可以自动完成超车、变道、跟车、上下匝道等操作。

被吹上天的城市领航辅助驾驶:我劝你少用

就好比咱们放假开高速回家,往常的做法呢,是在出发前定好导航路线,然后一路听着导航指示开。

说简单也简单,说累也是真的累。因为得时刻关注车道和路口怎么走,要是下错高速出口,还得绕一大圈远路。

在打开高速 NOA 以后,只要车子上了高速就可以让它完全自己操作。走哪条道、从哪个出口高速 NOA 也能提前规划好,走错是不可能走错的。

下了高速之后,城市 NOA 就该起作用了。

被吹上天的城市领航辅助驾驶:我劝你少用

和高速 NOA 比起来,城市 NOA 能够实现的操作要复杂许多,相对会更接近我们理解中的自动驾驶。

就比如晚高峰下班的时候,只需在上车以后定好从公司回家的路线,剩下的交给城市 NOA 就好。

遇到堵车,它能让车子在正确的车道上自动跟车、并线;遇到十字路口,它能根据红绿灯的情况安全通过;甚至,在到家了以后,还能找到车位并停好。

出租车:我免费了!

不过,虽然 NOA 看着很美好,想要做好却并不简单。

拆开看,NOA 其实就是一些常用功能的组合。

比如高速 NOA ,就是自适应续航、车道保持和自动变道等功能的叠加。这些技术已经比较成熟,所以,它的实现难度并不高。

城市 NOA 则完全不是一个 LEVEL ,难度,超级大。因为城市 NOA 需要处理的场景不仅量大,还经常不按常理出牌。

就比如,路口,不一定是横平竖直的,有可能是奇形怪状的。行人也不是一直都在人行道上走,还有可能突然窜出来一只狗啥的...

这,大概就是乱纪元吧( 来自周文王的肯定 )... 

这么说可能不太直观,我们来看看对比。这是高速 NOA 眼中的路况,简单宽敞,轻松写意:

被吹上天的城市领航辅助驾驶:我劝你少用

而这,是城市 NOA 眼中的路况,肉眼可见的难度 Max :

被吹上天的城市领航辅助驾驶:我劝你少用

想要搞定这样的环境,首先得保证尽可能 “ 看清 ” 周边环境是个啥情况,其次还得高效地处理分析里面的信息,然后才能告诉车辆应该怎么操作。

所以呢,同样是功能叠加,城市 NOA 需要的是高精度感知硬件当 “ 眼睛 ” 、高算力芯片当 “ 大脑 ” 以及合理的软件算法当 “ 逻辑 ”。 

三者一同发力,才能保证系统安全运行。

被吹上天的城市领航辅助驾驶:我劝你少用

这么一看,如果说高速 NOA 是智能驾驶的高考,那城市 NOA 绝对就是奥赛水平了。

而奥赛的最后一道大题,无疑就是数据收集。

既然是奥赛,那肯定就得备考。目前想要实现自动驾驶,需要通过 AI 学习的方式。也就是让它了解人们的驾驶习惯,然后再上手操作。

其实就是先看书,再考试。NOA 背后也是这个道理。

但问题就在于,书上的知识从哪来。

被吹上天的城市领航辅助驾驶:我劝你少用

大部分厂家的做法呢,是先把AI 放到模拟环境里练上一段时间,类似于考驾照的时候会先让学员在驾驶模拟器里开上一会,而后再上路测试。

甚至,还有公司用那个游戏来验证自动驾驶的算法。

被吹上天的城市领航辅助驾驶:我劝你少用

 

就离谱。

这样做,也确实能在短时间内获得相当多的模拟数据,尽快搭建起自动驾驶系统的基础。

就比如美国的自动驾驶公司 Waymo ,截至目前就已经累积了接近 200 亿公里的模拟训练数据。

被吹上天的城市领航辅助驾驶:我劝你少用

相比之下,现实道路的行驶仅有 1600 多万公里,很明显前者的效率要高得多。

模拟测试乍一看挺合理,却存在着一个非常致命的问题,那就是它无法完全再现现实世界的情况。

举个例子,按理来说在开阔道路上,所有车都应该按车道前进。

诶,但有时候就会有车突然变道给你来上个惊吓↓

被吹上天的城市领航辅助驾驶:我劝你少用

再比如,本应禁止行人通过的机动车道,有时候也会突然窜出人来↓

被吹上天的城市领航辅助驾驶:我劝你少用

这类比较极端事件,被称作Corner Case 长尾事件。它们极少出现,但一定会出现,还不知道会怎么出现。

对于照着书本答题的自动驾驶来说,这确实有点超纲。

最有代表性的例子,就是 2018 年 UBER 无人车的事故。

被吹上天的城市领航辅助驾驶:我劝你少用

当时 UBER 无人车就是在开阔道路上正常行驶,但是当推着自行车的行人横穿马路时,由于没有考虑到横穿马路的情况,系统并没有将其识别为人,而是一个相对静止的车辆,这才导致了事故的发生。

被吹上天的城市领航辅助驾驶:我劝你少用

想要比较好地解决长尾场景,也只有一个土办法:碰上了再说。这就意味着不管模拟多久,还是得尽可能多的上路测试。

但因为实际路测的效率较低,所以对于目前的自动驾驶而言, “ 高效的办法不合理,合理的方法不高效 ” 是一个致命的死循环。

所以,即使是像 NOA 这样 “ 有条件的自动驾驶 ” ,想要实现安全地让车辆自主操作,也是一定需要经过长时间、大量的实际路测才能经历尽可能多的极端情况。

说到底,这是个时间问题。

被吹上天的城市领航辅助驾驶:我劝你少用

为了搞定数据问题,车企们自然也是各显神通。

被吹上天的城市领航辅助驾驶:我劝你少用

就比如特斯拉就用上了 “ 人海战术 ” ,每一台车都配有 “ 影子模式 ” ,能在日常驾驶中收集信息、学习驾驶习惯。

因为保有量巨大,特斯拉能够在短时间内收集到大量的驾驶数据,训练模型的迭代速度也能相对提升。

而在数量上不占优势的品牌,就会在效率上做文章。

被吹上天的城市领航辅助驾驶:我劝你少用

比如蔚来的思路就是 “ 算得快 ” ,愣是往一台车里塞了四块 256 TOPS 算力的英伟达 Orin 芯片,大幅提高了单车的信息处理能力。

小鹏呢,则是用了 XNet 感知架构让数据标注的速度大幅加快,声称能用 16.7 天就完成 2000 人的年标注量,也就是让 AI  “ 学得快 ” 。

但是这些方法,说到底还是让自动驾驶这个时间问题中的时间,变得更短、更快一些。然而强如 Waymo 这样的自动驾驶领军公司,目前也没有完全解决处更是路况下,自动驾驶可靠性与稳定性的难题。

被吹上天的城市领航辅助驾驶:我劝你少用

而由于自动驾驶识别错误引发的事故,无时无刻也都在我们身边上演。

就比如,它们可能会把路面光线识别成车道线...

被吹上天的城市领航辅助驾驶:我劝你少用

说白了,NOA ,特别是城市 NOA ,是一个真正需要时间沉淀的技术。不光是因为它的复杂,更是因为它是最接近自动驾驶的技术。

自动驾驶的初衷,是帮助人们缓解驾驶的疲劳、提升出行的便利。而这,是以100% 的可靠与安全为基础的。

脖子哥想说的是,无论宣传话术多么天花乱坠,不管所谓的解决方案多么先进,厂商们如果无法保证长尾场景的全覆盖,不能让人们彻底放心地交出方向盘,

那么现阶段的城市 NOA ,就只是一个不如不用的、不合格的功能。

着急忙慌追求落地,最终伤害的也只能是车主和品牌的利益。

99.99%=0 。安全的标准啊,就是这么高。

责任编辑:上方文Q

文章内容举报

  • 支持打赏
  • 支持0

  • 反对

  • 打赏

文章价值打分

当前文章打分0 分,共有0人打分
  • 分享好友:
  • |

  • 热门文章
  • 换一波

  • 好物推荐
  • 换一波

  • 关注我们

  • 微博

    微博:快科技官方

    快科技官方微博
  • 今日头条

    今日头条:快科技

    带来硬件软件、手机数码最快资讯!
  • 抖音

    抖音:kkjcn

    科技快讯、手机开箱、产品体验、应用推荐...