无人车最难攻克的长尾场景

4月8日, 滴滴自动驾驶发布全球首支自动驾驶连续5小时无接管视频,滴滴自动驾驶公司COO孟醒,邀请Udacity创始人兼董事长,谷歌无人驾驶项目创始人,也被誉为“无人车之父”的Sebastian Thrun参与连线,一起讨论这支视频中的技术亮点。

视频从下午开始拍摄,历经白天、黄昏以及夜晚,测试车辆行驶于上海嘉定区,途经范围包括人流密集的嘉亭荟商业区,工厂区,办公区和住宅区等。

这次测试车辆是滴滴在上海进行实际测试运营的沃尔沃XC60车型,搭载了第二代传感器系统,包括3个激光雷达、7个摄像头等。

从视频中可以看出,公开道路上测试场景丰富,在路测过程中有穿梭的行人、自行车、摩托车,以及大型车辆等。

5小时的测试过程中,滴滴路测车辆在环境感知、行为决策、运动规划与控制等各方面表现平稳。

Sebastian Thrun对视频中车辆的表现给予了极高的评价,他称视频中的画面展现了全球自动驾驶技术领先水平。

此次测试场景除了涵盖狭窄路段超车,无保护左转,以及大型路口掉头等复杂场景,还包括非常考验环境感知技术的连续逆光行驶。

强光环境下,人类驾驶员通常需要戴上眼镜或打开遮阳板,而滴滴自动驾驶则通过多传感器融合方案以及添加和光照相关的数据增强,确保不同亮度下的感知效果,从而达到即便在严重逆光的情况下依旧能够准确识别和避让行人、汽车和其它物体的目的。

视频中,随着通勤晚高峰的到来,天色渐晚的同时,上海嘉定区十字路口下也涌现大量行人和单车,以及一些白天行驶时不曾遇到的大型班车。

这些动态因素的变化、叠加,对自动驾驶预测、决策和规划的部分提出更高要求。

例如幼儿园附近,滴滴自动驾驶汽车会开启“安全模式”,以更谨慎的方式进行驾驶。

在夜间行驶时,滴滴滴滴自动驾驶汽车则会开启夜间自定义模式,该模式下,车辆算法的数据模型,训练体系都会发生相应的改变。

当然,这一模式还区别车辆通过长隧道场景,新的场景下,由于过度曝光、遮挡等问题存在,滴滴会依靠SP层面和惯导进行解决。

除基于测试车数据开展技术研发,在该版本的开发过程中,研发团队基于机器学习算法,对大量该区域的人工驾驶车辆数据进行分析和利用,以提升对交通参与者行为的预测准确性,从而改善自动驾驶车在路口避让等交互场景的处理能力。

我们知道自动驾驶开发测试中,海量、高质的真实数据是自动驾驶汽车的基础,这些数据必须通过大量的路测和仿真模拟获得。

但在实际的数据采集中,90%以上的数据来自普通场景,余下关键的1%、0.5%的数据为长尾场景。

这其中,对自动驾驶产生最大挑战的是违反交通规则、不按常理出招的车辆或行人,构成了自动驾驶技术发展至今,最难攻克的长尾场景。

例如三轮车逆行、摩托车闯红灯、落叶、沙尘暴、路边突然窜出来的小动物等,这些复杂的交通参与者的随机行为造成了交通的复杂性,如果不能解决这样的场景,将严重影响实际的驾乘体验与技术落地进程。

与自动驾驶大量长尾数据及其复杂度相比,有限的自动驾驶测试车辆和仿真历程并不足以支撑全自动驾驶技术的实现。

从技术和产品角度来看,RoboTaxi落地现在主要剩下的是解决长尾问题,这需要和真正落地的场景做深度结合。

孟醒透露,“滴滴凭借网约车平台全年可以采集近1000亿公里的场景数据,能够覆盖绝大多数想象中的长尾场景,采用仿线个数量级。”

正是基于这些庞大的数据量,滴滴自动驾驶系统才能够不断在训练中实现迭代升级。

当有了海量测试数据之后,滴滴自动驾驶开始向自动驾驶第二阶段迈进,在滴滴的规划中,第二阶段应该是可靠性。

孟醒说,“自动驾驶汽车不应该是一次成功、百次成功,而是全场景的、全周期的成功。”

最后,在可靠性的基础上,滴滴自动驾驶才会进入第三阶段,也就是大家常说的量产。

对于滴滴来说,规模化和无人化解决办法有多种,第一,可以凭借着D1的迭代升级和技术的迭代升级进行融合。

至于成本,在传感器和技术前装的基础上,需要实现车规级传感器的降本,这其中最大的成本是激光雷达。

滴滴已经在过去的几个月中完成了累计总额已超过8亿美元,约合人民币51亿元的融资。

目前,团队规模超过500人,下一步将在广州开展自动驾驶车辆的测试运营,至于行业中火热的物流领域,孟醒的回答是,滴滴一直在技术上面关注货运的自动驾驶。

郑重声明:东方财富网发布此信息的目的在于传播更多信息,与本站立场无关。

政府工作报告提出,今年发展的主要预期目标是,国内生产总值增长6%以上。

赞(0)
未经允许不得转载:无人物流网 » 无人车最难攻克的长尾场景
分享到: 更多 (0)

广告招租 网站出售 QQ:583558386