驭势科技张丹:无人驾驶发展轨迹及AI应用

  • 张丹
  • 发表于: 2017/06/26 07:19:00 来源:车云网

2020年是传统车企以及互联网公司不约而同选择的节点。

车云按:2017年6月21日-22日,由中国安全产业协会、TIAA车载信息服务产业应用联盟与车云网共同主办的2017年中国安全产业峰会暨首届交通安全产业论坛在北京召开。本文系驭势科技定位与感知部总监张丹先生在“2017中国安全产业峰会暨首届交通安全产业论坛”上发表的演讲。张总主要介绍了AI、定位与自动驾驶结合的效果及其未来商业化应用。

张丹:大家好,今天我介绍一下自动驾驶的AI应用,今天主要是三部分,第一部分是介绍一下为什么要做无人驾驶、第二部分介绍一下智能驾驶发展的轨迹、第三部分介绍一下驭势科技如何把AI应用到无人驾驶行业里。

为什么要做无人驾驶

大家都知道北京市晚高峰典型场景,路非常堵、车非常多。因为堵,所以有的人就会违规。比如说加塞或者走应急车道,这样会导致一些应急事故,因为大家都很着急。这时候路更加堵,恶性循环,最后导致的结果就是能源大量浪费,废气排放非常重,污染也非常严重。同时,车非常多,停车非常困难。我们需要大量的停车空间,这样的话地就少了,地价就高了,房价也就高,有人被迫在郊外买房子。买的房子比较远,又要去浪费大量时间在上下班的路程。

所以我们回到问题的根源,就是我们的车太多了。北京市有近600万辆私家车,但我们出租车只有7万辆左右,大家都觉得打车很难,所以要自己买车,但是买车之后发现效率也非常差。所以我们想,现在的技术越来越完善,我们智能驾驶技术是不是可以帮到大家?比如说以后的出租车都是无人驾驶的,这样的话成本会非常低,以后我们不需要司机,不需要给他付工资、保险这些问题。我们出租车非常多,在路上跑,你通过手机APP 2分钟以内就能叫到车,出租车费用可能是今天的三分之一以下,私家车有很多人,非常容易用车,就不需要买车了,这样的话私家车数量大幅度减少。这样的话整个社会人出行设计减少得到的可支配时间增加,社会生产力就会得到提升。

回到车这边,因为私家车少了,保险由比如说无人驾驶的厂商或者运营商去承担,服务业在这些方面需要相应的创新。非常好的结果就是我们的蓝天会变多,污染会减少。而且车少了之后,道路和停车空间会减少,房价会下降,城市的格局也会变化。

智能驾驶发展轨迹

第二个智能驾驶发展轨迹,首先2007年已经出来简单的一些比如说车道检测措施,作为驾驶辅助,并不控制车,只是当人开偏离车道线的时候会提示、报警。但是误报、漏报率没有特别高的要求,因为还是人驾驶的。近些年出来了很多具备ADAS功能的车,比如车道保持、定速巡航、自动泊车这些基本的功能。这些情况下,你的车实际上是在控制,但人随时要接管,因为并不能保证,有少数情况会有判断错误,比如说特斯拉,虽然做的还不错,但还是有少数情况处理不了,一旦把这个功能给到司机以后,他会非常放松,当你接管根本来不及。

现在很多厂商瞄准2020年,做高度的自动驾驶,做得越来越完善,整个系统功能,包括感知非常精确,定位也非常精确,然后控制和规划这些都很好,有高精度的地图支持,绝大部分情况下可以保证安全的行驶。但是车上的方向盘和刹车、踏盘保留的,因为并不能百分之百让机器驾驶。

这是高级自动驾驶一些概念图,其实你可以看到还是有方向盘,在未来的高度自动驾驶场景,可能路上有一些卡车排成队列,因为有V2V或者V2X的措施,传感器可以得到一些节省,而且车距拉得非常近,这样能够减少一些分组,带来大概排放减少20%这样的情况。也可以检测到旁边比如说有汽车插到它的队列里,也会动态调整距离,这样的情况。

另外一条道路,不是从驾驶辅助一路升级上来,而是全新升级上来,这是以互联网代表的做法,希望做到一步到位,拿掉方向盘和脚踏板,他们期望商业化时间也是在2020年左右。车可以精确感知到周围的一切,可以把所有的行人,包括车辆都知道,而且精确知道它自己在哪里。因为拿掉方向盘和驾驶员,车的形态发生了变化,更像移动的空间,可以作为办公室在里面开会、和家人在里面见面、和朋友在里面交流。

AI技术在无人驾驶的应用

第三部分介绍一下AI技术如何应用在无人驾驶里面。首先是感知和理解,就是车辆像新手司机那样,首先看周围有什么情况,保证安全、能不能开得特别好、特别平顺。第二部分就是说,当我有高精度地图和精确定位之后,可以做认路的司机,不像新司机那么慌张,开到哪儿都不知道。第三个比如说超车、变道,有非常高的决策,像老司机一样开得非常平顺,没有见过的突发情况也会处理得比较好。

我下面介绍一下传感器的情况,首先是激光雷达,从认知感知的角度来看,它能够通过一些点的重构,能够非常精确感知周围的环境情况。包括谷歌、百度,还有驭势,都在使用激光雷达。第二个重要的传感器就是基于视觉,比如我们驭势科技双目立体摄像头,基于集合的关系,探测路况。

下面我介绍一下定位,定位非常常见,我们需要有一个差分GPS,左侧有两个一样的我们叫蘑菇头,这个东西通过基站和GPS信号,算出来得到非常精确的定位,但是有限定条件,它不能在室内,或者在一个距离建筑物特别近的地方,有遮挡的地方。这个取决于当时卫星在天上的分布,还有天气状况,各种因素都会导致,包括距离建筑物比较近的时候也会比较差,所以我们并不能依赖于单一的测量源去定位。

在谷歌很早以前从2007、2008年做无人车,就在用高精度惯导。惯导比较好的是累积的,车上装高精度惯导的累计误差很小,走了8小时500多公里,误差大概只有500米,所以非常小。这个东西好处是非常精确,坏处是它特别贵,所以现在很多车上都很难商用化这个东西。

还有其他的定位手段,比如说二维码。二维码经常手机上用,但车上也可以用。比如贴在柱子上,车上有摄像头照过去,读二维码信息,算出来,根据一些角度和平面的算法算出来车在哪儿。二维码并不是非常密集,中间会有一些空档,这个没关系,因为我们车身还有远程记录,我们通过二维码的定位加上远程记录,可以做一个定位融合,最终可以把整个路线走下来。

GPS有一些限制,室外,比如必须没有遮挡,所以我们必须要用到其它的方法,SLAM就是非常好的定位手段,SLAM是同时定位加箭头的框架,有非常多的算法,也是比较复杂。在地库的场景,没有GPS怎么定位呢?通过激光SLAM。

这是另外一个我们做的定位手段,是相对定位,就是说我们其实可以根据路上的一些交通标志牌,包括车道线、路上的斑马线这些情况,你可以估计在哪儿,你可以估计一个距离,反算出来地上车道线的情况。

当然前面讲了这么多,其实我们可以看到,只是在讲我们怎么去定位,怎么去感知,但是实际上会有更多比较困难的场景。对于自动驾驶车辆来说,保障安全的情况下开不过去,因为会跟人的车辆竞争,这时候一保守过不去堵在那,也造成了堵塞,这也是非常纠结的事。我们在做一些研究,做一些决策,保证安全的时候开得不肉,要有社会性、竞争性,当然是要保证安全。

新加坡MIT联合研究机构前一段时间发布了一段演示,我们现在也在做类似的事,它就是这样一个很复杂的场景很多人。但并不是停在那不动,也是慢慢往前尽量走,但要保证安全的情况下。所以我们要处理各种未知的情况,还要开得万无一失,我们就要提高人工智能的鲁棒性。

因为我们知道无人驾驶要进行大量的路测来保证你的可靠性和安全性,除了路测之外还要做仿真,通过各种仿真器跑,跑大量的测试,来提高它的可靠性,还有就是通过仿真环境来做一些强化学习的训练。

OK,我们稍微介绍一下驭势科技吧,我们是成立于去年的2月份,我们致力于创建一家非传统的精英合伙人公司,为10亿人交付安全、舒适、低成本的智能驾驶技术、产品和服务。我们的一些商业化应用的例子,比如在宝骏车上做的无人驾驶系统,项目做得非常好,大家都非常满意。在广州的白云机场,有两辆导游车,这样的车,在那边做摆渡的任务,在那边做一些测试,机场方面也非常满意。

OK,就这些,我们作为一个创业公司,非常欢迎大家共同合作,一起进步!

相关标签:
ASC2017
驭势
  • 车云星
  • 空间站
  • 福特星球
  • 虫洞

加料 /

人评论 | 人参与 登录
查看更多评论