人工智能能否帮助中国自动驾驶“弯道超车”?
百度发布了最新的全年财报,人工智能不出意外的成为财报的核心。从新兴业务中可以看到,自动驾驶作为业务重点被介绍。那么在欧美列强自动驾驶声势浩大的今天,中国的人工智能能否帮助中国厂商“弯道超车”?
在考虑这个问题前,我们先要知道中国的人工智能已经达到了什么水平?当然,这是一个打嘴仗的话题,毕竟人工智能的算法众多,领域多样。所以笔者也不准备去费口舌,只是说几个事情,大家感受一下。
年初美国人工智能协会年会因为时间安排与中国春节撞车,但是考虑到中国研究人员众多,不得不将会议改期。从这一点看,中国在全球人工智能技术领域的重要地位不言而喻。
另一个例子,美国白宫此前发布报告,表示“中国深度学习领域研究已经赶超美国。”中国人工智能对美国政府都已经产生触动。
再说个更具威胁性的评价。纽约时报发文称,“中国人工智能迅速进步,军备竞赛正在紧逼美国。”乖乖,这个水太深了,为了不敏感,这里就不说了。
可以说,看过这些已经足够反映中国人工智能水平在不断提升中 ,且地位不低。不过,作为关注汽车圈的人,更多更人关心的是人工智能在自动驾驶领域上能帮助中国自动驾驶“弯道超车”吗?
上个月百度智能汽车亮相美国CES,向全球展示了百度在高精地图生产制造、自动驾驶环境感知等领域的领先技术,并向全球发布自动驾驶开放平台RoadHackers,其实这足以说明中国自动驾驶的技术路径。
人工智能的突破口在哪?
在展开这个话题前,首先得知道目前自动驾驶主要应用那方面的人工智能。
根据L3自动驾驶定位、感知、决策、控制的需要。自动驾驶首先要有强大的计算感知系统。比如能够准确实时的判断路面的各种标示、状况的图像识别体系,这不可避免要用到深度学习技术。而且,为了具有距离感知,还必须有毫米波雷达、超声波、激光定位雷达之类的黑科技。(这点大家感兴趣可以了解一下谷歌无人车用的激光雷达,绝对地球顶配。)
另外,还要采集和校准非常、非常多的地图、路线、实际路况等数据,也就是精准的定位一辆车在什么地点。
最后是少不了精密的自动控制系统,让汽车能够敏捷精准地根据电脑给出的指令处理各种突发状况。
基于以上基本的自动驾驶需求,人工智能目前最大的发挥领域主要集中在感知与数据采集和校对上。(目前主要,未来就不好说了)
从感知上来说,最为重要的就是识别行驶道路上的各种必要信息,比如交通标志、道路线,以及旁边的车辆、树木等等,而电脑根据实际情况执行不同指令。所以感知的重要性很高,毕竟这玩意要识别错了,轻则损失几千元,严重可就是生命的代价。不过要达到极高的识别速度,并最终达到100%准确程度,就需要人工智能来帮助了。
目前,感知识别主要需要使用诸如深度学习的CNN(卷积神经网络)算法来完成。其原理核心简单说就是对图像等信息不断逐层分级,获取特征信息,并进行特征学习,从而达到类似于我们人类开车时的视觉作用。
但是,由于路况千变万化,比如交通标志也有破损的时候,车道线也有看不清的时候,加上受限于摄像头像素、感知距离限制等等传感器局限问题(特斯拉理想状态也不过250米的感知范围),这就导致无法保证100%的准确率。特斯拉的几起交通事故就是典型的例子,所以,高精地图作为辅助就有了必要性。
高精度地图相比我们常见的导航地图信息量会大得多,毕竟自动驾驶车需要精确的知道在路上的位置,而车辆与车道线、马路牙子也就几十厘米左右,所以高精度地图的绝对精度一般都是1米以内,而如果需要车道和车道、车道和车道线的相对位置精度等信息,往往还要更精确,比如百度的高精度地图就是厘米级,而且还含有每个车道的坡度、曲率、航向、高程、侧倾的数据。
有了高精地图就能大大的减少传感器等系统实时运算的负担。比如“路右侧有一个限速60的标志牌”,行驶到附近时,因为高精度地图中已经有了标牌的准确位置,车载摄像头可以有针对性地分析图片中有标志标牌的区域,确认限速信息,免去全画幅的分析计算,从而减少运算量。
有了高精地图作为辅助,感知准确率和效率就会大幅提升。但是,高精地图数据需要不断丰富,这就涉及到了数据的收集和校对。这方面也同样可以开始利用人工智能。
比如,利用深度学习,百度高精地图数据自动化处理程度已达到90%,能自动识别包交通标志、地面标志、车道线、信号灯等上百种目标,相对精度达0.1-0.2米。
可以说 ,人工智能已经大大帮助中国自动驾驶技术的成熟,尤其是中国相关人工智能技术厂商还不赖,并且对自动驾驶的专注度越来越高。所以,中国自动驾驶无论是技术尝试,还是车厂等相关厂商机会还是大大的。
不过……,还是有一点要注意!
不断强化的人工智能优势
对现在的自动驾驶技术厂商而言,如何解决数据来源问题已经开始成为新的问题。毕竟自动驾驶需要的数据维度太多,太丰富,而且不同国家、不同城市的路况环境各不相同,所以数据是绝对的重点,而且量级绝对不能少。备受技术宅敬仰的特斯拉老大Elon Musk 就说过,没有 10 亿英里(注:约 16 亿公里)的数据,就不能称有足够的数据。而且,10 亿英里的数据只是 “需要条件” (necessarily),而非 “充份条件” (sufficient)。
那么数据如何积累?谷歌、百度地图常用的那种满街跑的地图测绘车是一种方式,但是对于像高精地图这种高信息量的地图,还需要专用的测绘车,这种成本就不是一般的高了。之前,百度就表示, 250辆测绘车中,可用于高精度地图数据采集的车只有10辆。不过话说回来,就算有1千辆、1万辆专用测绘车也存在数据不实时、不够“新鲜”的问题。
当然,办法也不是没有。目前,百度一直利用自身云端的Learning Map实现地图众包,也就是通过行驶中的汽车车载传感器采集道路信息,回传云端后补充、更新地图数据。而且,百度正在实验更神奇的技术,希望通过人工智能技术,实现低质量的图像数据更新高质量的高精地图。举例说就是,类似768这样的超低分辨率影像,也可以去补充采集车的4K影像。如果成功,即使像素质量不高的影像也可以充分利用,高精地图就可以进行自我学习和演进,最终实现高精地图数据的实时更新。
当然,还是那句话,众人拾柴火焰高,人工智能技术是自动驾驶的核心竞争力,也是中国自动驾驶技术“弯道超车“的关键,但还需要整个业态的参与其中,尤其是中国各大车厂,也是最直接的自动驾驶技术受益人,其自身就蕴藏巨大的数据资源,如果和有自主知识产权的中国自动驾驶技术厂商合作,其前景不可估量。■
关注我们
![](https://sy0.img.it168.com/image/qrcode_pcpop.png)