《新冠病毒疫情下:自动驾驶汽车和卡车在哪里?》

  • 来源专题:宽带移动通信
  • 编译者: 张卓然
  • 发布时间:2020-05-30
  • 在全球采取社会隔离措施阻止新冠病毒蔓延之际,无人驾驶出行——(顾名思义就是在人际接触最少的情况下提供的一种机动性服务)似乎比以往任何时候都更为需要。

    然而,出于对此次新冠病毒疫情下人体健康的考虑,世界各地的研发人员已暂停对其自动驾驶车队的实地测试。由此看来,想要完全实现自动驾驶这一目标还有很长的路要走。

    部署障碍

    “2020年被誉为自动驾驶汽车行业的‘黄金时间’,那么我们所承诺实现的自动驾驶汽车和自动驾驶卡车在哪里呢?” Roborace首席战略官兼自动驾驶联盟创始人布莱恩·巴尔科姆在主持“人工智能造福人类”网络研讨会系列的第五次会议——《新冠病毒疫情下:自动驾驶汽车和卡车在哪里?》时问道。

    本次会议着眼于自动驾驶汽车部署仍存在哪些方面的障碍,以及在新冠病毒疫情过去之后如何重塑自动驾驶汽车的未来。

    会议小组成员之一,世界经济论坛汽车与自动驾驶部门负责人米歇尔·阿瓦里指出了当今自动驾驶汽车主要面临的三个绊脚石。

    她表示:“我认为我们需要在全球范围内明确监管–毫无疑问,这十分必要。同时我们还需要保证技术有效以及商业模式有效。”

    交货缓慢–一种潜在的商业模式?

    无人驾驶的未来常常与提高道路安全性所同时提及,无人驾驶也被誉为每年减少全球135万道路死亡事故的有效手段。

    但是,鉴于当前疫情的背景,我们需要在汽车领域延伸“安全”的含义范围,诸如涵盖生物安全等其他类型,米歇尔·阿瓦里称。

    小组成员一致认为,新冠病毒的蔓延近期内凸显了自动驾驶汽车在物流和配送空间内部署的核心业务。

    米歇尔·阿瓦里称:“我们在此次疫情期间看到了中国使用非接触式、低速及高自动化的车辆在封锁区域内运输,我们真的应该探索更多像这样的交通工具,并考虑可以在哪里消除对我们人力需求岗位工人的生物安全风险。”

    随着新冠病毒的持续蔓延,那些能够转向缓慢交货(如食品杂货或药品)的公司“最有可能存活,”小组成员之一,美国杜克大学普拉特工程学院电气与计算机工程系教授米西·卡明斯表示道。

    她指出:“我认为,新冠病毒疫情将会真正摧毁无人驾驶汽车行业,而在此次疫情下存活的公司将会展示缓慢交货操作是近期内正确的商业模式。”

    尽管当前趋势是远离公共交通系统,(在中国表现尤甚,在新冠病毒全国解封后,交通系统乘客数量急剧下降)但小组成员认为这从长远来看是向大众自动驾驶系统迈出的第一步,是一种可以满足当前生物安全标准(即社会隔离措施)和应对按需运输趋势的一种方式。

    全球合作,打造更安全的道路

    但在无人驾驶汽车普及之前,无论是应对新冠病毒还是以后什么传染病,无人驾驶的未来都将面临另一种安全问题:感知问题。

    布莱恩·巴尔科姆称:“就预测所有其他道路使用者的行为来说,预测依然存在问题,我认为随着我们在感知质量系统方面的不断进步,这一问题将更加突出。”

    人们是可以理解和预测行人的意图的,但自主感知系统(一种帮助自主驾驶系统理解周围世界并据此行动的图像处理和机器学习概率推理算法)必须对在不同情况下采取何种行动做出最合理的猜测。

    “即使在最良好的条件下,自主感知系统也不会每次都以同样的方式运行,所以我们又该如何保证它具有安全导航世界的能力呢?”米西·卡明斯称。

    她还补充道,这可不仅仅是简单的硬件修复。“通过在汽车上安装更多传感器来解决此问题是不行的,除非我们找到测定造成这种不稳定性情况原因的方法,否则世界上所有的传感器都无法解决这个问题。”

    米歇尔·阿瓦里建议道,解决此问题的一种方法是为感知系统建立一套全球最低标准安全指南。

    “汽车视觉测试”?

    此外,米西·卡明斯呼吁全球自动驾驶汽车行业订立“汽车视觉测试”,以持续测试和验证这些技术。

    与会人员一致认为,道路安全方面任何有意义的进展都依赖于私营部门与政府之间的全球合作。

    “我们真的需要确保在学习过程中能更广泛地共享数据,因为我们认为并非每个公司和每个运营商都需要学习第一手安全知识。” 米歇尔·阿瓦里表示。“可以在很多方面竞争,但是我们认为核心安全并不需要竞争。”

    与会者一致同意:正如全球社区--通过共享网络维护的最佳实践,协作确保# LearningNeverStops(学而无涯),共同努力遏制新冠病毒传播,汽车行业也必须团结起来,确保自动驾驶汽车的安全性并稳步推进,以增强各种形式的道路安全性。

相关报告
  • 《新冠病毒疫情催生更强空气过滤技术 特斯拉正在影响汽车研发风向》

    • 来源专题:中国科学院文献情报先进能源知识资源中心 |领域情报网
    • 编译者:guokm
    • 发布时间:2020-02-25
    • 一场突如其来的新冠病毒疫情,引发了所有车主对车内空气环境的重视。特别是证实新冠病毒可通过气溶胶传播后,包括笔者在内的很多车主,都会陷入 “车周围布满病毒”、“现实版生化危机”的不安全感,这点从“汽车如何消毒”屡上热搜就能看出。 以往,车主对车内空气的要求,还仅停留在有无异味上,甚至车内无明显异味都能成为一台车的亮点。而以后,空调及过滤系统能抵抗病毒,才将成为一台车极为重要的卖点。面对用户的新兴需求,中国车企十分敏锐,疫情还未结束,就已经立项研发相关技术。 吉利前期投入3.7亿元,希望研发出国内首个真正以“N95口罩”为过滤标准的车载空调滤芯;广汽新能源也加紧研发空气过滤技术,净化座舱空气。同样在研发相关技术的还有华晨中华、上汽荣威、宝骏、威马等中国车企。 而提到空气净化功能,怎么都绕不过特斯拉研发的“生化武器防御模式”功能。不得不说,相比其他车企,特斯拉再一次展现出了优秀的战略、战术前瞻性。 特斯拉曾经透露,“生化武器防御模式”的最初设计灵感来源于医院、无尘房以及太空领域。这个功能早就搭载在特斯拉Model X和Model S车型上,它可为车内提供医疗级别的空气质量,且能有效阻止病毒和细菌,主要通过两个措施达到目的: 1、 高效颗粒空气(HEPA)过滤器 特斯拉的HEPA过滤器比一般PM2.5滤芯更“密实”,理论上可有效过滤0.1-0.3微米以上的微粒,而新冠病毒能附着的飞沫、气溶胶,直径一般在10-50微米之间,所以HEPA可以有效阻挡新冠病毒的入侵。 2、车内正压气流 当车辆开启空调的“生物武器防御模式”后,空调转为内循环,风量达到最大,不断给车内吹风,以此在车内形成正压,阻隔外部空气进入,达到净化车内空气的目的。这与负压救护车的工作原理刚好相反,取得的效果同样十分显著。在保持车内空气清新的同时,仍能将新冠病毒拒之门外,为车主提供安全的车内环境。 聊到这里,笔者认为有一个问题值得每个人、每个车企深思—— 我们发现,“生化武器防御模式”并没有名字那么高大上,它只是利用常见的HEPA过滤器+加大空调送风量达成的“重组创新”。问题就在于此,为什么这么简单、低成本的微创新,被年轻的特斯拉率先想到并实现?笔者相信这一定不是巧合。 沿着“重组创新”的思路继续思考,会发现整个特斯拉汽车都是通过大量重组创新打造而成,它的电池和遥控器电池几乎一致,整车OTA和手机升级系统无甚差别,自动驾驶硬件也是取自于常见的雷达和摄像头,但是把这些常见的硬件攒在一起,却成就了一台将要颠覆整个行业、甚至改变人类出行方式的汽车,只不过很多人还未认识到这一点。 相比之下,很多花了大价钱却华尔不实的黑科技,那些干不过淘宝手机支架的大屏,呆头呆脑的“车内智能管家”, 才是没啥用处的工业产品。 正是从这一点,笔者才发现,特斯拉变革的创新意识已经浸染到了骨子里,它正在通过创新和颠覆精神,改变汽车的方方面面,就像苹果当年一骑绝尘秒杀所有手机厂商一样。 正是想通了这一点,笔者才会认为,这次疫情将可能改变汽车的研发思维和研发风向,且远不止于“车内环境”这一条。 可以说,属于特斯拉们的时代,开始了。
  • 《自动驾驶汽车的新型预警系统》

    • 来源专题:宽带移动通信
    • 编译者:张卓然
    • 发布时间:2021-05-21
    • 德国慕尼黑工业大学(TUM)的一个研究人员团队开发了一款新型车辆预警系统,这个系统能利用人工智能学习数千种真实的交通情景。这个系统的一项研究是与宝马集团合作进行的。结果显示,如果用在当今的自动驾驶车辆上,该系统能提前七秒钟对车辆无法独自处理的潜在危险情形进行预警,准确性超过85%。 为了使未来的自动驾驶汽车更安全,开发工作通常依赖于复杂精密的模型,致力于使车辆有能力对所有交通参与人的行为进行分析。但是,如果模型仍然不能处理一些复杂或没有预见到的情形,会发生什么呢? 与埃克哈德·斯坦巴赫教授开展合作的一个团队正在采取一种新方法,埃克哈德·斯坦巴赫教授是媒介技术的主席,还是慕尼黑工业大学慕尼黑机器人与机器智能学院(MSRM)董事会的一名董事。借助人工智能(AI),他们的系统可以学习过去自动驾驶试验车辆在现实道路交通中被推到极限的情形。这些情形是人类驾驶员会接手的情形——要么是因为汽车发出需要人工干预的信号,要么是因为驾驶员出于安全考虑决定进行干预。 通过递归神经网络进行模式识别 这项技术使用传感器和摄像头来捕捉周围的情况,并且记录车辆的状态数据,如方向盘角度、道路状况、天气、能见度和速度。基于递归神经网络(RNN)的人工智能系统学习用数据识别出模式。如果这个系统在新的驾驶情形中发现了控制系统过去无法处理的一个模式,那么驾驶员将在可能的严重情况发生之前得到警告。 “为了让汽车更加自主,许多现有的方法都是研究汽车现在对交通状况的了解,然后试图改进车辆使用的模型。我们技术的大优势是:我们完全不理会汽车的想法。取而代之的是,我们根据实际发生的情况将自己限制在数据上,并且寻找模式,”斯坦巴赫说道。“通过这种方式,人工智能可以发现模型可能无法识别或尚未发现的潜在关键情形。因此,我们的系统提供了一个安全功能,可以知道汽车在何时何地有缺陷。” 提前7秒发出警告 这个研究团队与宝马集团用宝马集团开发的自动驾驶汽车在公共道路上对这项技术进行了测试,并且分析了大约2500种司机不得不干预的情况。研究表明,这项人工智能技术已经能够预测潜在的危险情形,准确性超过了85%,即在这些潜在危险情形发生前最长可提前七秒钟发出警告。 数据收集无需付出更多努力 需要大量数据才能让这项技术发挥作用。这项人工智能技术毕竟只能在系统极限情况下的体验进行识别和预测,前提是这些情形是过去见到过的。随着大量试用车辆的上路,数据实际上是车辆自己产生的,这项研究的一位作者克里斯托弗·库恩说:“每次试驾遇到潜在的紧急情况时,我们最终都会得到一个新的培训示例。”数据的集中存储使每辆车都有可能学习整个车队记录的所有数据。”