9月27日,蘑菇车联副总裁邓志伟参加2021世界智能网联汽车大会,并发表主题演讲:“单车智能+车路协同:多重冗余下的自动驾驶安全之道”。他在演讲中表示,从战略层面来讲,自动驾驶应该是一场控制的革命,或者说是一种方向盘的革命。
“但是,如果真的想把人类驾驶员对车辆的控制剥夺掉,自动驾驶首先要解决的是安全问题。”
那么,如何解决自动驾驶的安全性问题,其实是从逻辑上解答“人们在哪里、要去哪儿、周围有什么、他们要去哪儿、我要怎么做”的问题。
面对驾驶过程中面临感知范围有限、视线被遮挡、特殊天气、光线变化、行为难以预料等难题,邓志伟分享了蘑菇车联领先且独有的“单车智能+车路协同”系统化方案。他表示,“自动驾驶是一个系统化的工程,所谓的系统化工程不能从单点来解决问题,要系统考虑多点来解决问题。自动驾驶想达到更高层次的安全,一定通过单车智能加车路协同的方案才能获得。”
据了解,作为全球领先的自动驾驶全栈技术和运营服务提供商,蘑菇车辆目前在衡阳落地的项目是全球最大的自动驾驶商业项目。
以下是邓志伟的演讲全文:
各位尊敬的嘉宾朋友们,大家上午好,我是来自蘑菇车联的邓志伟。今天跟大家分享的主题是“单车智能+车路协同:多重冗余下的自动驾驶安全之道”。
从战略层面来讲,自动驾驶应该是一场控制的革命,或者说是一种方向盘的革命。自动驾驶把人类对车辆的控制变成对机器的控制。今天早上我来会场时就深刻感受到,的确需要把人类对车辆的控制逐渐降低。方向盘革命的初衷是什么?降低人类不规范驾驶造成的人身安全和生命财产伤害。但是,如果真的想把人类驾驶员对车辆的控制剥夺掉,自动驾驶首先要解决的是安全问题。自动驾驶想要规模化落地,一定要先解决安全问题,安全至上是自动驾驶的前提和基础。
自动驾驶现存5大安全难题
自动驾驶的实现,从逻辑上来讲很简单,从技术上来讲又很难。后者要回答这么几个问题:第一,我在哪;第二,我要去哪;第三,我周围有什么;第四,他们要去哪;第五,我要怎么做。
“我在哪”指的是通过高精定位设备实现车道级定位,知道我在哪条路,哪条车道。“我要去哪”包含局部规划和全局规划,局部规划是我判断接下来直行还是左转,全局规划是我看到最终目的地在哪。
“我周围有什么”指的是通过自身传感器和计算单元,对周围环境进行识别和类别分析,知道周围有哪些交通参与者和道路基础设施。
“他们要去哪”指的是根据对既往路径的轨迹分析来预测,他们下一刻可能在什么地方。
最后,根据对他们下一刻行动的预测来决定“我要怎么做”。
在回答这几个问题的过程中,我们发现需要引入安全的考量因素。
首先是“我在哪”。假设自动驾驶车辆进入桥区、隧道、地下停车场后,可能会遭遇GPS信号的丢失,这时如果没有高精定位辅助,就会存在一定安全隐患。
其次是“周围有什么”。为什么我不知道周围有什么?原因一是看不见,视线被挡住了,或者目标物体太远;二是看不清,只能看到一部分信息、信息比较模糊,甚至干脆不认识。我把后者定义成人工智能里面的“怪兽”,因为不认识这些“怪兽”,自然不知道它们的行为习惯,不知道“他们要去哪”,无法预测周围交通参与者的下一步行为;三是没有准确判断物体类别和状态。同样是两轮车,电动自行车和摩托车的行驶速度、行为习惯都完全不一样,一旦识别错了,针对它们下一刻可能在什么地方的预测就会出现错误。
我们知道,自动驾驶汽车要在一定ODD(运行设计区域)执行动态驾驶任务,如果前面这几步都存在安全隐患,自然不知道下一步该怎么做。引用卡耐基梅隆大学Argo Lab人工智能无人驾驶研究中心首席科学家John Dolan的一段话,“单车智能的自动驾驶已经解决了大部分的问题,剩下5%的问题主要是长尾问题”。
我认为自动驾驶现存的安全难题包括:
第一,感知范围有限。我们在实践中发现,单车智能的感知范围大概在七八十米。假设激光雷达的垂直分辨率是0.3度,100m外两条线之间的弧长大约是50公分。也就是说,激光雷达对100m外一个身高1.7m的行人采集的点数不会超过6个。这样识别起来肯定非常困难,也就无法判断交通元素的类别。
第二,视线容易被遮挡。车载传感器的位置和驾车视野都比较低,特别容易受到公共汽车、大汽车的遮挡,桥区转弯也会形成遮挡或感知不全。
第三,受特殊天气影响。
第四,受光线变化影响。驶入、驶出隧道,逆光对感知都会有影响。
第五,行为难以预测。人行走的速度比较慢,但是转弯比较快,会突然变向,或者鬼探头,都会对自动驾驶形成威胁。
以上是中国工程院院士李骏在去年世界智能网联汽车大会上提到的。李骏院士指出,中国智能网联汽车发展需要创新突破,中国自动驾驶需要新的技术突破,主要包括车载使能(单车智能)和车外赋能一体的感知技术,以及车路云多元融合立体场景的构建。也就是说,自动驾驶是一个系统化的工程,所谓的系统化工程不能从单点来解决问题,要系统考虑多点来解决问题。自动驾驶想达到更高层次的安全,一定通过单车智能加车路协同的方案才能获得。
从自动驾驶安全的两大关键因素入手,“车路云一体化”提供多重冗余
下面我们看一下蘑菇车联的解决方案是什么样的。蘑菇车联走的是“单车智能+车路协同”的自动驾驶解决方案路径,我们把它叫做“车路云一体化”的自动驾驶。我们通过单车智能+车路协同+AI云平台全局调度,实现多重冗余。
不仅是冗余,我们还能提供补充。单车感知+路侧感知能够形成冗余,同时加上一定补充,实现更安全、可靠的感知。下图蓝色区域是单车感知的部分,蓝色区域理论上不会形成完整的圆,因为容易被遮挡,也就是残缺的圆;橙色区域通过路侧感知对蓝色区域进行补充,形成了完整的蓝色;黄色区域指的是通过AI云平台下发到全局。单车、路侧和云端形成了更安全可靠的感知。
“车路云一体化”系统的优势其实对应的就是自动驾驶安全的两大关键因素:一是(信息获取的)全面性,二是(信息交互的)及时性。我们来看一下车路云一体化是如何实现全面性和及时性的。
首先是感知视野的全面性。尽管路侧部署的也是摄像头、激光雷达、毫米波雷达,但路侧传感器相对于车载传感器有一定优势:
设备参数有区别。路侧感知的角度主要是朝下,而不是平视,所以逆光对其影响不大。
上帝视角。就像大雨中我们站在楼上看地面车辆仍然能看清楚,俯视角度能看到更多容易被遮挡的交通参与者的位置。
可靠性更高。相较于一直在运动的车载传感器,路侧传感器是固定的,感知的可靠性就可以大幅提升。针对雨天等极端天气,由于有遮雨的设备,又有俯视的角度,路侧传感器所受影响也会比较小。
其次是信息交互的全面性。这不仅包括状态的交互,还包括意图的交互。刚才我提到单车感知要知道别人在什么地方,我周围有什么,下一时刻他会去哪里。如果通过车路协同中的车-车交互,实现车与车之间的状态交互和意图交互,你自然知道对方下一时刻要左转。
在数据交互的及时性方面,目前我们的端到端延时只有20毫秒,整个系统链路延时小于100毫秒。给大家分享一个视频。这是我们通过车路云一体化感知实现的能力。左下角是车内驾驶员和路侧视角,左上角是航拍视角。可以看到,主车及周边相关的交通元素关系都已经在视频中呈现出来了。
接下来的视频是我们在城市道路上挑战雨天晚高峰的视频。这里有一些特殊路口,比如环岛、十字路口、立交桥区,还有进出主路的匝道,这些都是影响自动驾驶的因素。我们认为,这些都是自动驾驶车辆落地时需要解决的问题。也就是说,自动驾驶要想规模化普及,一定要拓展ODD(设计运行区域)的范围。
蘑菇车联采用的路线一直叫战略的方案化、方案的技术化、技术的场景化和场景的规模化。也就是技术要场景化落地。只有场景化、规模化才能实现技术的批量化落地。我们在2021年3月份和湖南衡阳签署了国内迄今为止最大的一笔智慧交通车路协同自动驾驶项目,9月份与鹤壁签署3亿元智慧交通车路协同自动驾驶项目,接下来在江苏、上海、湖北等地会陆续落地。其中包括自动驾驶巡逻车、清扫车等丰富的落地和运营服务,为自动驾驶规模化落地提供更丰富的应用场景。
蘑菇车联将会与产业界上下游的伙伴携手共创自动驾驶的美好未来,谢谢大家。
