在城市自动驾驶面临技术、法规等一系列现实困境之后,高速道路被视为高级别自动驾驶落地的另一个潜在场景。百度投资狮桥,蔚来联手G7、普洛斯,以及苏宁和智佳科技的合作,都指向高速干线运输。 高速所拥有的标准道路设施、相对可控的路况等条件造成一种认知,即高速自动驾驶的技术实现门槛会更低。但是近期,货运无人驾驶初创公司图森未来则提出了一项更严格的技术指标,该公司CTO侯晓迪向钛媒体透露,在高速道路中,图森未来的有效感知距离可以达到1000米左右。 “我们的1000米感知不是看到一个点,是能够有效地识别,能看清楚一千米外物体的位置和速度、车辆的类型,以及行为轨迹和它的未来接下来要做的动作。”侯晓迪说。而且相比于激光雷达、摄像头、毫米波雷达等传感器全副武装的Waymo、通用等公司,图森未来的1000米感知技术主要借助摄像头,而并未用到激光雷达。 从数据上看,这无疑是一项令业内震惊的成绩。毕竟在感知环节中,激光雷达、摄像头和毫米波雷达三项主要传感器的感知距离都在300米以内,而谷歌旗下的Waymo一向被视为无人驾驶界的技术领头羊,其所能实现的感知距离也仅为300米左右。
图森未来向钛媒体提供的1000米感知Demo 感知是自动驾驶技术中的关键环节,就像人体的眼睛、耳朵和鼻子,从外界获取信息从而决定人体或者自动驾驶车辆的决策和行为。感知能力越强,决策和行为的结果无疑会越精确,而投射在高速运行中的自动驾驶汽车中,其带来的无疑是更安全和更高效。 福布斯在报道图森未来突破1000米感知距离时,曾评价道“这可能改变游戏规则”。那么,图森未来是如何实现的? 算法突破和软硬件融合从常理来看,摄像头要实现超远距离感知并没有什么技术难度,用摄像头甚至能做夜空拍摄。 但是,从自动驾驶的角度来看,“看见”和“感知”都需要有效,即对自动驾驶的决策而言有参照价值。
据侯晓迪介绍,图森未来突破1000米的感知距离,主要归因于在过去一年内,公司在算法以及一系列软、硬件层面的技术突破,而不是简单地依赖于更优质的硬件供应商。
视频为图森未来在美国所做的路测实拍,1小时20分钟行程,全程安全员无接管
侯晓迪也表示,之所以能够实现1000米的感知距离,是因为在此之前对摄像头模块、CPU设计做了一定余量,现在是将这些模块的性能挖掘到了一个极限程度。 一位视觉感知从业者向钛媒体表示,“在计算机视觉中,一切都是准确率的问题,是一个从0%到100%中间的一个数字,做到1000米是可能的,2千米、3千米都有可能,就是准确率有多高的问题。” 而关于1000米感知的准确率,图森未来方面表示,暂无准确率相关的数据可提供。 据悉,受限于摄像头作为关键传感器,图森未来1000米的感知距离主要在白天实现,而夜间条件的远距离感知则有望明年揭晓。 1000米感知必要吗?感知距离的提升无疑需要更多研发投入和硬件成本,那么从主流的300米感知水平提升至1000米是否有必要? 对此,图森未来COO侯晓迪告诉钛媒体,做到1000米是考虑到高速行驶中,大型货车的刹车性能与轿车完全不同。
据了解,在美国卡车每秒钟运行的速度大概是30米,而卡车完成一次换道大概需要10秒,也就是说,300米的距离也仅够一次卡车变道,如果加上司机的提前观察,花费的时间必然超过10秒。 那么为什么不是500米?侯晓迪表示,图森未来也曾经考虑过做到500米就向外界公布这一成果,但是实际观察之后发现,500米还是没能让自动驾驶卡车做到更自如地行驶。 侯晓迪描述了这样一个场景:在美国的法律中,如果卡车在右道行驶,而紧邻的紧急停车道上停了一辆车,由于卡车的宽度,经过时会对旁边车辆造成安全隐患,因此卡车要么减速,要么提前换道。 “这个时候500米的感知距离是不够的,换道通常需要10秒,也就是超过300米,如果左侧车辆很多,换道时机不佳,需要的时间就更长。”侯晓迪说,“那么这个时候就需要刹车。而刹车对卡车是致命的,通常数据是,一脚刹车的能耗成本在20元左右。所以综合来看,卡车的感知距离应该更远,让卡车有更多时间去做决策。” 官方信息显示,图森未来成立于2015年,至今获得8300万美元融资,投资方包括知名芯片公司英伟达。 图森未来正在中美两地推寻求货运落无人驾驶的落地场景,今年4月,图森未来公布了其港区内集装箱卡车车队自动驾驶演示视频,宣布正式进军港内集装箱卡车自动驾驶运输市场。 而在高速公路场景方面,图森在美国亚利桑那州部署了将近15台无人卡车,主要研发“仓到仓”的自动驾驶技术,即从一个货仓行驶至另外一个货仓,行驶场景主要为高速公路。据侯晓迪介绍,到明年年底,公司在美国的无人驾驶测试车队将增长至200台车。 在侯晓迪看来,无人驾驶货运领域的竞争关键仍然是技术,成立多年的公司已经在测试里程和技术储备上有了壁垒,而且在产业链的合作上,与供应商和运营方的合作上也建立起排他合作,“从这个角度来看,在无人驾驶领域,从现在入场真正想做一件事,已经有些晚了。”(本文首发钛媒体,作者/李勤) |
|