汽车|英特尔Amnon Shashua:自动驾驶汽车大规模落地面临着哪些挑战?( 二 )


汽车|英特尔Amnon Shashua:自动驾驶汽车大规模落地面临着哪些挑战?
本文插图

英特尔资深首席工程师兼英特尔子公司Mobileye自动驾驶汽车标准副总裁Jack Weast在2019年Mobileye投资者峰会上发表主题演讲
在我看来 , 这一迹象是令人安心的 , 因为这表明我们可以通过全行业的合作打造一个关键里程碑 , 以此推动全行业的进步 , 进而带动我们自身的发展 。
我们发表的论文中的第二个观察对我们的系统架构产生了深远的影响 。 也就是 , 即便机器人驾驶员的决策过程参考了诸如RSS的安全模型 , 但我们仍然有可能面临一种情况 , 也就是由感知系统故障而导致的交通事故 。
感知系统通常由摄像头、雷达和激光雷达构成 , 并通过软件将传感器的原始数据转换为“环境模型” , 这其中尤其包括其他道路使用者的位置和速度 。 即使几率极小 , 但有一种可能是感知系统会忽略掉道路使用者和无生命障碍物等在内的相关物体的存在 , 或是错误地计算其尺寸 , 从而引发事故 。
为了更好地理解这个问题 , 让我们做一个“粗略的”计算 。 美国每年的累积驾车行驶里程约为3.2 万亿公里 , 其中 , 导致人员受伤的事故约为600万起 。 假设平均驾驶速度为每小时16公里 , 那么平均故障间隔时间(MTBF)为50,000小时 。
假设我们的自动驾驶汽车的MTBF比人类的MTBF高10倍、100倍或1,000倍(请注意 , 我们已经排除了“和人类一样好”的这种可能 , 因为我们必须做得更好) , 假设我们部署10万辆自动驾驶汽车作为自动驾驶班车进行规模化落地(这一数字与网约车厂商提出的数字相符 , 以这一数字来支持几十个城市的相关服务是合理的) , 假设每辆自动驾驶班车每天行驶5个小时 , 那么 , 如果MTBF设计提高10倍 , 大概每天会出一次交通事故;如果提高100倍 , 每周会出一次事故;如果提高1000倍 , 则是每个季度仅出一次事故 。
从社会的角度来看 , 如果道路上行驶的所有汽车的MTBF都提高10倍 , 这将是一个巨大的成就;但从车队经营者的角度来看 , 无论从经济还是从舆论上出发 , 每天一次事故无疑是一个无法承受的结果 。
显然 , 如果我们的目标是自动驾驶汽车的规模化落地 , 那么下限就是MTBF必须提高1000倍 。 即便是这样 , 每个季度出一次事故还是令人神经紧张 。
MTBF提高1000倍 , 相当于安全行驶5000万小时 , 大约行驶8亿公里 。 即使是为了验证MTBF而收集这么大的数据量也是很麻烦的 , 更不用说开发出能够满足这种MTBF的感知系统了 。
以上就是我们首选系统架构的背景 。 为了让感知系统实现如此雄心勃勃的MTBF , 就需要引入冗余——特别是系统冗余 , 而不是系统内部的传感器冗余 。 这就相当于你随身携带了一个iOS手机 , 一个安卓手机 , 并自问它们同时崩溃的概率是多少?这个问题的答案大概是每个设备自行崩溃概率的乘积 。
同样 , 在自动驾驶汽车领域 , 如果我们仅基于摄像头来构建完整的端到端自动驾驶 , 然后使用雷达/激光雷达构建完全独立的功能 , 那么我们就拥有了两个独立的冗余子系统 。 这就像随身携带两个不同系统的智能手机一样 , 两个系统同时遇到感知失败的可能性是非常小的 。 这与自动驾驶汽车行业其他厂商专注于“传感器融合的处理感知系统”的方式非常不同 。
汽车|英特尔Amnon Shashua:自动驾驶汽车大规模落地面临着哪些挑战?
本文插图

然而 , 与构建一个同时融合所有传感器数据的自动驾驶汽车相比 , 构建一个纯摄像头的自动驾驶汽车要困难得多 。 众所周知 , 摄像头很难被利用 , 因为它对深度(范围)的访问是间接的 , 是建立在诸如透视、阴影、运动和几何形状这样的线索之上的 。 在今年的CES上 , 我也详细阐述了Mobileye是如何构建纯摄像头(Vision Only)的自动驾驶汽车系统的 。


推荐阅读