摩尔芯闻 > 行业新闻 > 半导体 > 十个视频,让你明白谷歌Waymo自动驾驶

十个视频,让你明白谷歌Waymo自动驾驶

厚势 ·2018-12-21 14:05·与非网
阅读:1088
通常,业界认为谷歌(Google,美国的一个互联网搜索公司)旗下的Waymo与通用汽车旗下的Cruise是当前自动驾驶领域的领导者,它们分别代表了新兴科技公司和传统车企在自动驾驶领域取得的成就。随着 Waymo 于本月正式推出自动驾驶出租车服务(Waymo One),它再次引发了行业的关注和讨论。Waymo One 的推出也被认为是自动驾驶领域的里程碑之一。
Waymo 自动驾驶汽车 (Chrysler Pacifica Minivan)。为了您能方便地从下列视频中分辨出Waymo,请关注一下它的特征:白色旅行车,车顶的黑色圆顶是激光雷达-摄像头集成系统。
另一方面,当前法规制定程序的缓慢、不断发生的自动驾驶事故,以及一些技术问题的曝光,也引发了人们对自动驾驶的思考甚至是质疑。我们相信自动驾驶这类新兴技术可以为人们带来更好的生活,同时,冷却一下狂热的头脑,作一些思考和质疑,也终究是会有好处的。
无论是这个领域的从业者还是公众,一定都对自动驾驶技术发展的实际水平十分好奇,毕竟这可能关系到我们每个人未来的生活。既然 Waymo 走在最前,我们不妨以它为例作一些讨论。本文不会从技术细节上展开讨论(Waymo 对其技术严格保密,业内很难获得具体技术信息),也不会展示 Waymo 主页上的宣传片(商业宣传未必真实)。
我们要展示的是,人们在加州公共道路上可以看到的 Waymo 的真实自动驾驶表现。
厚势联合中国汽车产业培训基地(AIT)推出自动驾驶、新能源汽车精品培训课程,参加本课程,除了学习行业的热点技术和知识,还能结识交大和同济的专家教授、博士和各主机厂的人士。欢迎点击如下链接报名,或联系微信号:autoHS,
电话:‭183 0185 8119‬
12月27日培训:道路车辆整车及零部件电磁兼容测试技术
一、从旁观者视角,看Waymo的真实表现
以下这些视频,都是人们在公共道路上偶遇正在测试的 Waymo 自动驾驶汽车时拍摄的,拍摄时间范围在今年 3 月到 11 月之间,地点主要集中在加州山景城(Mountain View)。笔者从大量视频素材中筛选了这些有典型特征的片段,将分为四个类别进行讨论。值得说明的是,由于这些视频完全出自旁观者的视角,我们无法确切地得知当时 Waymo 是否处于自动驾驶模式。但基于视频中所展现出的某些不合理驾驶行为,从经验基本可以判断出并不是人类驾驶员在操纵车辆。尽管缺乏具体的数据支撑,但是我们希望这样的旁观者视角,可以帮助大家对长久以来处于神秘状态的自动驾驶汽车有一些直观感受和思考。
图2. Waymo没有停车让行人通过
Waymo也会违反 交通 规则
我们知道,理论上自动驾驶的安全性得益于它会绝对遵守规则,并且犯错概率远低于人。但从这几个视频片段可以看到,Waymo 也会违反交通规则。如图 2 所示,视频所在车辆正在通过一个没有红绿灯的路口。可以看到,画面右侧,路口的「注意行人通行」的警示灯正在闪烁,画面左侧有两个人开始横穿马路。随后,所有的车都停了下来,让行人通过,然而画面左侧一辆 Waymo 却直行通过了路口。
很显然,它违反了当地的交通法规(California Law- Vehicle Code Sections 21949-21971 Chapter 5. Pedestrians' Rights and Duties)。虽然我们相信,这辆 Waymo 正确地计算出了以当时的速度通过路口,并不会与行人有碰撞风险,所以它驶过了路口。但它可能遗漏或错判了一些信息。这也能体现出,交通信息的语义识别对自动驾驶汽车来说,确实是一个很有挑战的问题[1]。
下面的图 3,展示的是一辆 Waymo 从一条距离路口不远地小道出来进入主车道。可以看出,它想在下一个路口左转,但是它直接跨越了三条车道,驶到了最左道。显然,这也违反了交通法规(California Vehicle Code 22107)。这是一种危险的驾驶行为,我们从拍摄视频的车辆角度来看,甚至会感觉到它似乎要径直穿越马路了。
图3. 一次跨越多个车道
从图 4 可以看到,画面右侧是一辆 Waymo 在等红灯。虽然画面中没有包含 Waymo 对面信号灯的状态,但是我们可以从视频所在车辆对面的信号灯推断。可以看到,视频所在车辆对面的左转灯变绿时,右侧的 Waymo 起动并完成了左转,这一行为直接逼停了视频拍摄者,显然,这辆 Waymo 闯红灯了。信号灯的识别是另一个自动驾驶技术的难点[2,3],加上夜间的行驶条件,不难理解这辆 Waymo 会误判信号灯状态。
图4. 左转时闯红灯
频繁制动,综合判断能力欠缺
从下面的图 5 我们可以看到 Waymo 的一个很常见的「习惯」,它在某些情况下会非常频繁地制动。可以看到,它正在经过一段路边停着车辆的道路,每当经过一辆车时,这辆 Waymo 都会制动。
我们可以理解,这可能是为了避免从路边车辆后突然闯出的人,或其它突发情况造成的事故。但人类驾驶员在类似的场景下通常会采取更好的操作方式。比如,如果前方路边有比较密集的车停靠,那么我们可能会综合评估一下有人闯出的可能性,然后提前减速,以较低的速度匀速通过这一区域,而不是反复地「制动-加速」。对于像视频中出现的这种视野开阔的环境,人类驾驶员通常会提前观察路边车辆附近是否有行人活动的迹象,如果完全没有,那么在经过这些车时,通常也不会再采取制动了。
图5. 遇到路边车辆时频繁制动
Waymo 的频繁制动,牺牲了乘客舒适性,也可能对交通造成一些负面影响(如图 6 所示的车跟在 Waymo 后面,被迫频繁制动),但是它也在最大程度上保障了行驶过程中的安全性。
图6. 频繁制动影响后车
路口通行时犹豫或犯错,缺乏与人类驾驶员的交流
如图 7 所示,一辆 Waymo 在无信号灯路口左转,可以看到,它平稳地停在了 Stop Sign 前,随后,没有任何车辆或行人干扰它的正常行驶路线(只有两辆左侧路口右转的车辆和前方路口横穿的行人),但其左转过程却非常犹豫,反复起停了两次,随后还在跨过停车线之后停顿了数秒。显然这对它的后车会造成困扰。
图7. 左转时犹豫、起停
除了犹豫之外,Waymo 在路口左转时还可能会犯一些错误,它开到了道路最右边的停车区域,差点撞上了停在那里的车辆,如图 8 所展示的。
图8. 左转进入错误车道
在复杂环境和任务下,陷入困境
第四类情况是,在复杂环境和任务下,Waymo 可能会陷入困境,在原地无法移动。
下面的图 9 展示的是一辆 Waymo 在高速公路匝道上准备汇入主路。它犯的第一个错误是没有及时地开启转向灯,这导致主路的车辆并没有减速让其及时汇入。之后,这辆 Waymo 开启了转向灯,但它很快就到了车道的尽头,不得不停车等待。这时它犯了第二个错误:摄像头正前方的这辆车已经明显地减速了,他在让 Waymo 汇入,但这辆 Waymo 没有任何响应,仍然停在车道尽头等待。
图9. Waymo在高速上试图汇入主路
另一种复杂场景是停车场。图 10 展示的是一辆 Waymo 开进了一个停车场,可以看到,在进入停车场的过程中,Waymo 表现良好。但进入到停车场内部之后,它停在了一排车位前,并亮起了故障灯。不难推测,停车场内复杂的环境和非标准的车道线等情况,使得这辆 Waymo 难以执行其驾驶任务。
图10. Waymo进入停车场
这里展示的第三个复杂场景是窄路错车。如图 11 所示,一条窄路两侧都停满了车,一辆 Waymo 准备在路口左转,而在它到达路口之前,它的右侧车道有另一辆车正在左转。Waymo 停在路口等待的行为是正确的,但是问题在于它错误地估计了当前的状况,停得过于靠近道路中心,导致另一辆车没有足够空间与它错车。我们理解,它为了避免碰撞路边的车辆,或是可能突然开启的车门和闯出的行人,它保留了足够的安全距离,这是正确的做法。但是,当另一辆车明显需要错车时,人类驾驶员通常会提前相互让出足够的空间,但是显然这辆 Waymo 没有这样的意识。停顿几秒后它确实往右打了一些,但我们可以推测此时是测试员接管了车辆。
图11. 路口错车
二、Waymo的道路表现引发的思考
1.自动驾驶汽车足够好了吗?
看了上面的这些例子,大家可能会觉得,即使是当今走在前列的自动驾驶公司仍然做得不够好,但这并不是我们想要传达的主要信息。
首先客观地说,这 10 个场景/视频是筛选出来的,因为它们有一些特殊之处,比较能说明问题,但实际上自动驾驶汽车在道路上并非总是这样的表现。笔者搜集到的视频材料中,大多数的场景中自动驾驶汽车表现是很优秀的,比如下图中展示的这辆在加州道路上测试的上汽 MG 自动驾驶汽车。
图12. 在加州测试的上汽MG自动驾驶汽车
结合这些例子,我们可以看到自动驾驶汽车和人类驾驶员的不同之处:自动驾驶汽车对环境更敏感,对物理状态的把握比人更精确,但是它们对交通环境、以及路上的其他人类驾驶员的「理解能力」更弱,也就是自动驾驶汽车缺乏人类驾驶员的灵活应变能力。
比如下面这个图中展示的情况,就是人类驾驶员的应变能力的一个典型体现,这是自动驾驶汽车目前难以拥有的能力。
也许以人们对一个优秀人类驾驶员的要求来看,自动驾驶汽车永远会做得不够好。但客观地说,仅从这几个场景其实也能看出自动驾驶汽车已经很优秀了:它们安全地应对各种复杂情况,已经比现实中很多鲁莽的驾驶员更值得信赖。
图13. 人类驾驶员的应变能力
正如 Waymo 的 CEO John Krafcik 所说:「自动驾驶的使命是让我们的道路更加安全,这也是为什么我们设计了一个表现得很谨慎的系统。我们有越来越多的自动驾驶汽车驶上道路,它们会不断学习,在保障安全的前提下不断拓展能力」 [4]。
2. 自动驾驶是否真的应该进入公共道路?
一些不那么信任机器的人认为,自动驾驶不应该和人类共享道路。他们认为自动驾驶只应该出现在特定的环境下,并且与人类隔离。比如工厂内的物料运输,港口内的货物配送等场景。如果确实要进入公共道路,也应该给它们限定在专用车道内[19]。
这种观点并不太合理,事实上,智能化早已经融入了交通。在汽车发展的百年历史里,自动化、智能化已经在汽车中起到非常重要的作用,已经实打实地挽救了无数人的生命。如图 14 所示的美国交通事故死亡率,我们可以看到,每一次自动化技术的进步都让交通事故死亡率获得了显著下降。
 
图14. 美国历年交通事故死亡率
另一类观点,是以很多互联网公司为代表的激进派,它们试图在短时间内给汽车工业带来彻底的革命,期望一步到位制造 L5 级的自动驾驶汽车。当然我们也应该公正地承认,它们在近 10 年内带给汽车的改变是非常可观的。但是,也不应盲目乐观地认为汽车的发展可以像信息技术一样突飞猛进。对于汽车技术发展的规律和客观限制,传统汽车制造商应该有更深入的理解。如何让当前的汽车适应「人工智能」这个新的大脑,是制造商们都在努力思考和解决的问题。
从现阶段及短期未来内自动驾驶汽车技术水平、以及汽车制造成本等方面来看,更为切实可行的方案仍然是以人为驾驶主导、以智能系统为辅助。因为,智能系统的精确性、稳定性、低延迟等特性,在处理驾驶中的紧急事件时有极大的优势。然而在普通的驾驶工况中,一旦驾驶环境复杂度提高,或驾驶任务难度提高,智能车要获得比拟人类的驾驶水平,难度会显著提高。本质上,自动驾驶行为还是基于特定规则的,而非基于「理解」。
3. 自动驾驶能否被广泛接受?
社会层面
从社会层面来说,自动驾驶汽车被广泛接受的前提是它首先应该遵守法规,并且尽可能地加强与道路上的其他交通参与者的交互。斯坦福大学和福特汽车都曾经做过一个有趣的实验[5,6]。他们改装了一辆车的座椅,将一个驾驶员隐藏在里面,让车外的人看起来这像一辆「无人驾驶」汽车。另外,他们在车头安装了一个指示灯,用以向其它车辆或行人指示这辆「无人车」的下一步动作。这项研究观测了行人或其他驾驶者与信号指示系统的交互效果,进而优化该系统的设计。
前面视频中看到的 Waymo 在无信号灯路口的犹豫表现,很大程度上是源于缺乏人机交互:人类驾驶员显然不太熟悉自动驾驶汽车的习惯,因为在路上几乎很少遇到,而自动驾驶汽车更难识别人类的驾驶行为和意图[7]。随着未来越来越多的自动驾驶汽车进入公共道路,能否恰当地融入人类社会是它们被广泛接受的关键之一。它们应该理解并遵守人类驾驶员的规则和(良好的)习惯,不能表现出异常行为影响其他驾驶人,保障道路上的其他人的安全感。
图15.Ford「无人驾驶」交互实验
用户个人层面
要让用户愿意购买自动驾驶汽车,或使用自动驾驶服务,最基本的一点是让他们信任这辆车的安全性。那么至少应该做到两点:一是让乘客明确地了解这辆车发生事故的概率,二是让乘客在乘坐过程中随时可以知晓并理解车辆的每一个意图和动作。
当前人们对自动驾驶的担忧不完全是因为把自己安全交给机器,而还在于没有人能告诉我们它的安全性到底有多高。例如,飞机在很多的工况下也是自动驾驶的,乘客并不会因为自己的生命掌握在计算机手里而感到担忧,我们信任它,是因为民航飞行事故的统计几乎是透明的,所有人都可以清楚地知道它发生事故的概率有多低。
图16. 基于CA DMV统计数据的事故数、接管率与测试里程的关系。横坐标为测试里程,单位:万英里
加州车辆管理局(CA DMV)在这方面做出了很好的示范,它要求在加州测试的所有自动驾驶汽车都详细记录并公开报告驾驶员接管事件和事故。图 16 是用 2014 年-2016 年的统计数据绘制的事故数、接管率与测试里程的关系[10,11,12,13]。可以看到,当时在加州完成的自动驾驶道路测试,有记录的里程达到了 120 万英里。
到今天,已经远远超过这个数字了,仅 Waymo 就已经完成了 1000 万英里的道路测试[8,9]。从图中可以看到,累积事故数与运行里程呈线性关系(蓝色方块),大约每运行 4.3 万英里,发生一次事故。相关性系数 R2 = 0.986。换算成常用单位 Acc/MVM(millionvehicle miles),则是 23.2 次事故/百万英里。这个数字大约比美国一般交通事故率高了一个量级。从纽约州的统计数据可以看到[14],2015 年-2016 年,乡村道路上事故率是 2.6 Acc/MVM,城市道路是 3.95 Acc/MVM。绿色圆圈是接管率,注意单位是「次/英里」,随着测试里程的增长,接管率逐渐下降。假设每次接管都意味着遇到了自动驾驶无法避免的事故,那么些数字几乎可以表明,在当时自动驾驶汽车无法独立运行在公共道路上。相信到今天,超过 1000 万英里的测试里程完成后,事故和接管率已经下降了很多。
第二个方面,让乘客明确地知道和理解智能车的每个行为,则是为了让乘客获得舒适的乘坐体验,避免紧张情绪。例如 Waymo 的人机交互界面就做到了这一点。如图 17 所示,Waymo 简洁清晰地展示了车辆当前的状态,规划的路径以及周围环境,可以让乘客一目了然,感觉到一切都在掌控之中。自动驾驶的最终的目标不是用机器替代人,而是为我们增加一个值得信任的工具。
图17. Waymo人机交互界面
三、结束语
尽管 Waymo One 出租车服务已经启动,但实际上它的运行范围仍然限定在凤凰城原有的测试区域内。虽然新闻称乘客不必再像之前的 Early Rider 一样签署保密协议[15],但是科技博客 Ars Technica 报告称:「Waymo One 的服务对象目前依然限定在 Early Rider 计划的乘客中」[16]。这意味着在短时间内,公众仍然无法直接体验或获得 Waymo 真实表现的数据和乘客的反馈。
在本文中,我们没有深挖技术细节,而更多的是直观的现象展示,和客观的数据陈述。这也是我们想表达的观点:
自动驾驶领域的业界正在逐渐达成共识,靠大肆鼓吹技术革新来引起消费者兴趣的方式越来越行不通了,给公众展示真实的一面,在社会中建立起信任,才是未来良好发展的根基。
分享到:
微信 新浪微博 QQ空间 LinkedIn

上一篇:基于树莓派CM3的微型多节点服务器了解一下

下一篇:金立宣布破产,是个例还是国产手机品牌的洗牌开始?

打开摩尔直播,更多新闻内容
半导体大咖直播分享高清观看
立即下载