企业微信|烧了1000亿美元的自动驾驶技术，终于能用了
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
文章图片
天下网商记者 黄天然 王安忆
2020云栖大会 ， 阿里巴巴发布了首款物流机器人——小蛮驴 。
基于尺寸和用途 ， 小蛮驴被定义为智能机器人 ， 其实它的技术内核 ， 却是阿里达摩院最前沿的自动驾驶技术 。
小蛮驴 ， 不但是阿里巴巴自动驾驶技术首次落地量产 ， 也体现了达摩院乃至阿里巴巴对自动驾驶技术演进路线的思考 。
至今为止 ， 人类在自动驾驶研发上投入了大约1000亿美元 ， 但始终没有一款产品 ， 能在如何兼顾智能、安全、成本这道题上找出一个最优解 。
这也导致自动驾驶技术迟迟无法落地 ， 自动驾驶汽车难以走入千家万户 。
从这个角度看 ， 小蛮驴找到的答案 ， 也许能为这项技术的落地趟出一条新路 。
自动驾驶技术的长尾挑战根据国际通行标准 ， 只有达到L4甚至L5级（如下图） ， 自动驾驶才算是真正的无人驾驶 ， 可是这样的无人驾驶却迟迟无法落地 ， 导致自动驾驶至今仍是一门实验科学 。
一部分原因在于 ， 现有的自动驾驶技术 ， 还无法确保100%的驾驶安全 。
自动驾驶技术发展到今天 ， 几乎解决了大部分底层技术问题 ， 却卡在了真实应用场景的长尾挑战 。
场景之一是自动驾驶汽车左转时 ， 遇到闯红灯车辆 ， 需识别并及时停车避让
长尾挑战 ， 包括了各种零碎场景、极端情况和无法预测的人类行为 ， 自动驾驶系统对此尚无定式和套路可用 。
就这个问题 ， 激光雷达公司Aeye做过的一次实验非常有说服性——自动驾驶系统怎么处理一个漂浮在路中央的气球 。
人类知道 ， 气球是软的 ， 所以一脚油门过去就完事了 。
可是L4级自动驾驶汽车 ， 却会采取刹车或规避动作 ， 感知缺陷 ， 导致它以为会发生事故 。
车载相机眼里看到的一切 ， 其实都是像素点 ， 几乎无法感知障碍物的软硬 。
而雷达对障碍物材料非常敏感 ， 没有反射率的物体或者不含金属的软体 ， 都无法反射无线电波 ， 所以雷达也无法识别气球 。
而且 ， 雷达在训练中通常会忽略静止的物体 ， 否则它会检测出成千上万的目标阻碍车辆正常行驶 。
雷达容易忽略静止的物体（特斯拉）
所以 ， 即使采用了反光金属材质 ， 漂浮在空气中的气球如果没有相对运动 ， 雷达也探测不到 。
车载摄像头和毫米波雷达未识别出前方的白色货车 ， 特斯拉撞进了货箱箱体
只有足够密度的激光雷达点云 ， 可以识别出气球 ， 前提是自动驾驶系统曾经学习过“气球” 。
激光雷达传感器可以采集3D 点云数据
为了克服长尾挑战 ， 许多自动驾驶公司都通过ODD和大量真实路测 ， 寻找并解决这些边界化难题 。
ODD的全称为Operational Design Domain（运行设计域） 。
常规的ODD因素 ， 包括天气、地形、道路类型等 ， 非常规因素 ， 则包括眩光、过时的地图信息、水洼、道路结冰、掉落物体、快递机器人和一些常见的人类违规行为 。
Waymo就是通过路测、ODD、规模化路测和试运营的步骤 ， 在积累起足够场景和数据迭代之后 ， 才将RoboTaxi推向市场 。
Waymo有庞大的自动驾驶车队支撑大规模的测试
然而 ， 尽管Waymo车队在开放道路上行驶了超过1000万英里 ， 其自动驾驶模拟测试里程更是达到了100亿英里 ， Waymo的工程师们仍然发现 ， 还有层出不穷的新场景有待解决 。
比如 ， 骑车人手中拿着一块Stop交通标识牌 ， 自动驾驶系统怎么理解这种场景？停 ， 还是不停？
量产就必须牺牲智能和安全？考虑到人类司机也无法保证100%的驾驶安全 ， 如果自动驾驶系统的智能水平足以保证一定程度的安全 ， 似乎也具备了量产落地的条件 。
还有一个大问题 ， 这样的自动驾驶成本过于昂贵 。
受各地政策与技术成熟度约束 ， RoboTaxi至今仍需配备安全员 ， 外加激光雷达、计算平台等硬件软件开发成本 ， 现阶段每公里出行服务的成本 ， 远高于人工驾驶出租车 。
特斯拉的自动驾驶技术倒是落地了 ， 但是一直被业界诟病过于激进 。
一来 ， 特斯拉是直接在量产、载人、高速复杂开放道路的环境下 ， 让AI不断学习、迭代、进化……
二来 ， Waymo和Uber这样的L4自动驾驶公司 ， 大都采用了激光雷达模块 ， 建立汽车周围环境的高精度三维地图 ， 弥补纯视觉感知的不足 ， 提供更多的安全冗余 。
激光雷达三维建图
马斯克却坚称 ， 特斯拉“仅通过改进软件即可实现L5自动驾驶” ， 至今没有为特斯拉车型配备激光雷达 。
时速96公里的特斯拉在高速路驰骋 ， 四名乘客喝酒唱歌 ， 驾驶座却空无一人
而且 ， 特斯拉一直将L2自动驾驶系统冠以Autopilot之名出售 ， 这便导致一部分车主把特斯拉当成了L5级来开 ， 这几乎是在用自己的生命试错 ， 不断发生的致命事故 ， 也打破了一部分人对自动驾驶技术的美好憧憬 。
2016年1月20日发生在中国的事故被认为是全球首例“自动驾驶”致死车祸
2016年起 ， 美国汽车协会每年的调查都表明 ， “害怕”自动驾驶技术或搭乘自动驾驶汽车的受访者始终在70%以上 。
2017年的调查中 ， 只有19%的人表示 ， 会让自己的孩子或亲人乘坐完全自动驾驶的汽车；另外44%的人表示 ， 可以接受自动驾驶车辆运送食品或包裹；还有53%的受访者表示 ， 可以对机场或主题公园的自动驾驶摆渡车感到安心 。
然而 ， 特斯拉为什么坚持不肯装激光雷达？还是太贵 。
虽然激光雷达近年来价格大幅下降 ， 但是在汽车上装一个 ， 成本大约还要10000美元 。
为了实现量产 ， 智能和安全不得不向成本妥协 。
在保证安全的前提下智能进化能不能在兼顾智能和安全的前提下 ， 实现高级别自动驾驶技术的量产落地？
阿里巴巴物流机器人小蛮驴的出现 ， 让人看到了自动驾驶技术落地的另一条道路 。
不同于其他自动驾驶公司 ， 阿里巴巴自动驾驶技术的落地场景 ， 从一开始就聚焦在物流 ， 旨在通过自动驾驶 ， 让物流变得更智能和更高效 。
阿里巴巴物流机器人小蛮驴
一样的是 ， 达摩院自动驾驶实验室负责人王刚同样认为 ， 安全应该放在首位 ， “安全是自动驾驶的基础 ， 没有安全 ， 一切都无从谈起 。 ”
王刚认为 ， 目前的自动驾驶系统 ， 并没有办法靠自己完全解决所有问题 。
“人工智能发展到今天 ， 智能的本质还是计算智能 ， 通过数据驱动 ， 通过案例学习 ， 如果遇到一个从未见过的交通场景 ， 那么自动驾驶系统就没办法稳定安全地加以处理 。 ”王刚说 。
正因如此 ， 小蛮驴采用了人机共驾的自动驾驶系统 。
人机共驾 ， 是指小蛮驴一旦识别到它处理不了的场景 ， 就会停下来去呼叫线上安全员远程接管 。
这个过程 ， 就是“从不知道自己知不知道 ， 到知道自己不知道 。 ”
与此同时 ， 通过技术迭代升级 ， 小蛮驴的自动驾驶系统可以不断拓展自主处理场景的边界 ， 让人工介入的比例越来越小 。
这是一条在确保安全前提下 ， 不断提升智能水平的进化路径 ， 而且达摩院已经走通了 。
迄今为止 ， 小蛮驴已经具有类人认知智能 ， 能轻松处理复杂路况 ， 能聪明选择最优路径 ， 遇到紧急情况 ， 大脑应急反应速度是人类的7倍 ， 自动驾驶率更是达到了99.9999% 。
算法自研+深度定制助力量产落地为了提升小蛮驴的智能水平 ， 达摩院研发了业界独有的自动驾驶机器学习平台AutoDrive ， 由机器替代人工 ， 提升算法研发效率 。
基于AutoDrive平台的支持 ， 小蛮驴可以借助达摩院自研的感知算法 ， 准确识别避让砖块这样的“厘米级”障碍物 。
凭借背靠阿里云的天然优势 ， 达摩院还在AutoDrive平台上搭建了专属自动驾驶云平台 ， 让自动驾驶算法研发更高效 。
为了攻克自动驾驶长尾挑战 ， 达摩院还推出了全球首个自动驾驶 “混合式仿真测试平台” ， 采用虚拟与现实结合的仿真技术 ， 引进真实路测场景和云端训练师 ， 模拟一次极端场景只需30秒 ， 系统每日虚拟测试里程可超过800万公里 ， 大幅提升了自动驾驶AI模型的训练效率 。
为了降低成本 ， 达摩院自主研发了高性能、低功耗、低成本的嵌入式异构计算单元 ， 能以1/3算力的达到同等智能水平 ， 并通过软硬件协同优化 ， 将计算单元功耗降低72%、成本降低50%、体积压缩62% 。
除了嵌入式计算单元 ， 小蛮驴的传感器、定位单元等硬件均采用了软硬一体化设计 。
在自动驾驶车辆或机器人上 ， 传感器设备通常占据着成本大头 ， 小蛮驴的传感器非常丰富 ， 包括激光雷达、摄像头等 ， 但是通过深度定制大幅降低了成本 。
最终 ， 凭借算法自研+深度定制 ， 小蛮驴的制造成本降低到可量产水平 ， 阿里巴巴自动驾驶技术也在物流场景成功落地 。
用自动驾驶技术满足真实需求阿里巴巴有全世界最丰富的物流场景 ， 菜鸟、天猫、淘宝、盒马、饿了么 ， 每天有大量订单需要配送 ， 全社会的物流配送需求也在极速爆发 ， 不久的将来 ， 中国预计每天将产生10亿个配送订单 。
王刚表示 ， 服务于末端的智能机器人产品 ， 仍是达摩院未来一段时间落地的重点方向 ， 相信依托这样强有力的业务支撑和牵引 ， 小蛮驴量产后还能继续实现技术的提升和迭代 。
当然 ， 今天用在物流机器人上的自动驾驶技术 ， 未来也可以移植到货车甚至轿车上 ， 达摩院的自动驾驶技术 ， 原本就采取了末端物流和开放道路物流齐头并进的策略 。
而在开放道路上 ， 阿里巴巴同样有非常丰富的场景 ， 包括菜鸟的同城配送以及新零售配送等 ， 可以说 ， 阿里巴巴自动驾驶技术未来如何进化 ， 如何在更多场景落地 ， 还有丰富的想象空间 。
值得一提的是 ， 中国的自动驾驶技术 ， 未来也许不会走单车智能路线 ， 而是协同智能路线 。
今年2月 ， 国家发展改革委等11个部门联合印发了《智能汽车创新发展战略》 ， 提出到2025年 ， 实现有条件自动驾驶的智能汽车达到规模化生产 ， 并实现高度自动驾驶的智能汽车在特定环境下市场化应用 。
为此 ， 我国将构建先进完备的智能汽车基础设施体系：包括推进智能化道路基础设施规划建设、建设广泛覆盖的车用无线通信网络、建设覆盖全国的车用高精度时空基准服务能力、建设覆盖全国路网的道路交通地理信息系统等 。
【企业微信|烧了1000亿美元的自动驾驶技术，终于能用了】这些基础设施 ， 可以帮助自动驾驶车辆提高感知和通信能力 ， 实现车路协同、车车协同 ， 最终实现低成本高可靠性的自动驾驶方案 。
推荐阅读
- 豆腐不要红烧了，教你做外脆里嫩的炸豆腐，家人吃到赞不绝口
- 鱼肉不要红烧了，试试新做法，酸甜酥脆味道赞，做一盘都不够吃
- 各地地方风味特色菜！
- 上周末在家烧了这几道拿手菜，吃了家里人都对你赞不绝口！
- 五花肉不要红烧了，教你懒人做法，不加油不用水，一次3斤不够吃
- 吸烟|微信表情都戒烟了，你什么时候开始戒？
- 戒烟|微信表情都戒烟了！你还在吸三手烟吗？
- 吸烟|连微信新表情都“戒烟”了，你还在犹豫什么？
- 五花肉别红烧了，教你新吃法，不用油不用盐，出锅连汤汁都不剩
- 五花肉别红烧了，1种做法2种吃法，简单蒸一蒸，简单省事又营养