Mobileye的供应商思维:用AI为自动驾驶众包高精度地图

  • 发表于: 2016/01/11 08:22:56 来源:车云网

Mobileye对自己的定位相当清楚,一家以AI、图像识别技术为基础提供自动驾驶所需高精度地图的技术供应商。

CES之前,看到Keynote的演讲安排里Mobileye的内容介绍中赫然写着「自动驾驶技术路线的发展与未来规划」时,车云菌一点儿也不意外。Mobileye的视觉处理产品EyeQ使用的图像处理技术,对于自动驾驶来说,实在是个很好的基础。并且,特斯拉7.0更新之后带来的AutoPilot中就有Mobileye的技术手笔。

不过,怎么做是个很大的问题,这里面需要考量的因素有很多。Mobileye的联合创始人兼CTO Amnon Shashua教授,则花了一个半小时不到的时间,把这件事情讲得清清楚楚了。

三个问题:身份、入口与途径

CES之前的直播贴上,车云菌其实已经公布了这个问题的答案,就是下面这张图。

Mobileye的供应商思维:用AI为自动驾驶众包高精度地图

ΔMobileye在自动驾驶的解决方案

越来越多的OEM都开始坐不住,慢慢公布自己的自动驾驶相关技术了,要么各种宣传攻势一起上,要么就是把正在研发的车拉出去溜几圈——看见没?俺们的车已经达到上路标准了。所以,要做自动驾驶,必须要明确三个问题。

第一个问题,身份。所谓身份,也就是说Mobileye打算参与到自动驾驶的哪一个部分。

这一点上,车云菌对于Mobileye的定位同样不意外。鉴于之前一贯的行业位置,Mobileye的选择依然是供应商。身为一家供应商,那就表明,与最终进行实施的OEM没有任何竞争关系,而是合作伙伴。

第二个问题,入口。所谓入口,是指Mobileye进入自动驾驶行业,打算以什么作为核心竞争点。

这个问题的答案,想必大家也都不陌生——高精度地图。不论是科技界的一朵奇葩谷歌君,还是各大车企,都不会否认高精度地图在自动驾驶中的重要性,不然ABB也不会联合收购HERE,而图商之间隐形的硝烟更是不曾断过。

但是,此高精度地图非彼高精度地图。这就涉及到第三个问题了,途径。要怎么去做高精度地图,买无数辆街景车去做测绘?Nonono,这是最笨的办法,且不说其他层面,但就实施层面来看,要想去图商获得一竞之力,所花的各项成本都太高。更为关键的是,大把的人力物力财力花出去,还不一定能够得到想要的结果。

所以,Shashua教授表示,Mobileye打算用AI来制作高精度地图。这个所谓的AI,指的是具备深度学习功能的图像识别体系。以车载摄像头监控到的画面为基础,分析出画面中的车道线、各项道路标志、以及道路上的基础交通设施(交通灯、摄像头等),并以此构建能够让车辆「看得懂的高清地图」。

从最后的途径来看,也就明白Mobileye为什么把自己定义为供应商了。因为自动驾驶所需要的地图,不仅仅得是高精度的,还得是能够实时更新的,再一个就是获取成本低。要想有竞争力的话,成本是个很重要的东西。

与车企合作,借助不同品牌大量级的车辆上摄像头获取到的数据,能够作为地图的数据来源,能够保证数据的更新率;车载摄像头的普及率越来越高,并没有增加额外的硬件,而且这种情况下,与车企也有更多的商业模式可以选择,可以不只是简单的出售地图或者具备深度学习能力的软件算法。

三步方案:感知、地图与驾驶策略

一辆车要能够自动驾驶需要什么能力,想必不用车云菌再赘述了。简单来说,那就是,要有一双能看懂当前情况的眼睛、一个运转足够迅速懂得如何驾驶的大脑以及与大脑配合良好的四肢。也就是感知能力与驾驶策略,地图起到的是辅助作用,让车辆知道自己在哪儿,知道周围路标的含义、路口的位置等。

在感知方面,靠的就是Mobileye的看家本领摄像头了,未来将结合摄像头、雷达与激光雷达等多重技术。目前已经投入市场的EyeQ3可以通过前方单颗摄像头实现防碰撞预警;将在2017年面世的EyeQ4将会配备3颗摄像头和车身周围的雷达和激光探测设备,实现高速公路上的半自动驾驶;在那之后,Mobileye会进行EyeQ4升级,变成5摄像头,增加更多探测设备,并整合更新的软件系统,实现全自动驾驶。

这里有一套Road Experience Management(道路经验管理,下称REM)系统,即是利用深度学习技术来完成对道路上各种表示的识别和采集。

Mobileye的供应商思维:用AI为自动驾驶众包高精度地图

ΔREM识别出可行径路径

举个例子,现有的ADAS技术都是依靠车道标线来保持车辆在车道内行驶,而一旦车道两旁标线不清晰、被大雪覆盖、或者压根就没有标线的情况下,系统便很难工作。那么REM所需要做的就是根据环境综合分析路况,比如前车运动轨迹、路边静止的物体等共同考虑,判断出一条合适的行驶路线。同样,系统也将能够分辨出当下可行驶的道路,不会将车辆开到小区里空的停车位上、或者在没有详细信息的道路上开到自行车道上去。

Mobileye要做的高精度地图是专门针对自动驾驶的,称其为Roadbook(路书)。路书收集收集的重点放在路上的各种导流标志、方向标识、信号灯等,依靠这些建立的路标,从微观上在行驶过程中为车辆提供指引。这种收集方式可以改善由整到零那种传统方式所带来的高成本、速度慢的缺点。

Mobileye的供应商思维:用AI为自动驾驶众包高精度地图

ΔRoadbook所包含的信息

而且,这种收集方式中,对于采集到的信息,会在本地进行预处理,数据以简单的一维数据为主,近处为一维,只结合必要的三维数据,最终让每公里的地图信息大小控制在10kb以内,方便信息的上传与下载。

驾驶策略则是最难的一部分。对于未来自动驾驶的发展,Mobileye的侧重点是如何使其具有类似有人驾驶一样的驾驶行为。驾驶行为本就具有很强交互属性,在驾驶过程中几乎无时无刻不在与其他交通参与者进行互动。除了要增强车辆的感知能力,更重要的是让系统可以像人类一样学习适应交通环境。

Mobileye的供应商思维:用AI为自动驾驶众包高精度地图

Δ通过深度学习掌握通过十字路口的方式

比如像经过环岛这种比较复杂的路况时,一些人类驾驶员也并不能很快上手,自动驾驶系统同样如此,刚开始也不会掌握到特别合适的时机。但经过最初几次不太熟悉的类似路况,系统可以自我完善和学习,逐渐可以根据环岛内车辆的速度加之以前的经验,判断这是不是一个进入和驶出环岛合适的时机。久而久之,系统会比可能会分心的人类更加熟练地应付这些复杂的路况,从而真正达到自动驾驶最核心的目的。

Mobileye不是第一个,也不会是最后一个

如果对车云菌关注时间比较久,自然会记得车云菌此前曾解读过大陆ITS部门的一套方案,叫做RoadDB(Road Database),与路书系统有异曲同工之妙。所以,在「为自动驾驶定制高精度地图」这件事情上,Mobileye并不是第一家,但也绝对不会是最后一家。

大陆与Mobileye之所以会选择这种方式来切入自动驾驶,除了此前供应商的身份能够为这种数据众包的模式提供很好的便利、具有相当的硬件部署基础之外,更是因为地图一直被掌握在少数人手里,随着自动驾驶研究的深入,越来越是稀缺资源。既然有这个便利的基础,何不为自己开发新的商业模式呢?

而有着相同基础、喜欢供应商这个身份的,自然不独于这两家,未来肯定还会有更多人加入。大家也许在具体实施方法和技术上会有不同优劣,但基本属于同种模式下的求同存异。

当然,我们也要看到,在其他技术供应商找到新的地图内容生产方式时,图商们也在积极转型。HERE在本次CES上发布的HD Live地图,能够利用车载传感器数据通过云端来更新地图,就是个例子。图商与其他的自动驾驶技术供应商们,都手握各自的优势朝着这同一个目标前进。 

那决定胜负的因素是什么?除了在深度学习、图像识别与处理领域的造诣之外,谁能够尽早一步达到数据互通,谁也能掌握先机。现在Mobileye虽然在与三家公司(通用、大众与一家依然处于保密期的公司)进行合作,但是彼此之间的数据还是独立的;HERE的传感器统一接口标准的事情,还没有下文;而大陆,不同车企之间的数据互通,也是Phase 2的目标。

相关标签:
CES
Mobileye
自动驾驶
  • 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