从ADAS到自动驾驶，我们还有多长的路要走？

过去，我们一直习惯于对未来难以实现的事情做出承诺。早在1968年上映的科幻电影《2001太空漫游》中，导演便向我们呈现了飞行员在木星轨道上发现黑色巨石的场景，然而直到50年后的2018年，美国才宣布重返月球计划。过去，我们也曾想过不需要道路，但现实是，司机懒洋洋地盯着导航而不关注窗外，导致那些会飞的车子事故频发。不过，1982年上映的电影《霹雳游侠》中，我们看到了四轮、无人驾驶的KITT霹雳车，成为电影中标志性的事物。直到今天，我们依旧对此着迷。那么，无人驾驶可能实现吗？显然，答案是肯定的。近年来，特斯拉创始人埃隆·马斯克不断讲述着自己的无人驾驶梦想，现在取得了一些成功，客户也开始为其“自动驾驶仪和全自动驾驶能力”买单。然而，虽然自动驾驶仪是行业领先的L3自动驾驶系统，支持先进驾驶辅助系统（ADAS）功能，但要实现"全自动驾驶"，它仍然有很长的路要走。

另一个麻烦是，撞车事件频发，甚至有些是致命的，为那些希望给自动驾驶汽车踩刹车的人提供了充足理由。虽然这些都很棘手，但从宏观上看，很明显，自动驾驶汽车是拯救生命所需的。人类通常并非好司机，全世界每年有135万人在公路上丧生。除了巨大的人力损失外，全球还花费5180亿美元来处理这些事故。解决这些问题意义非凡，在Imagination公司，我们正在努力开发许多基础技术，来达成这个目标。

ADAS 与自动驾驶

---

虽然自动驾驶汽车还未出现，目前道路上确实有很多新车配备 ADAS 功能，这非常有用。自适应巡航控制可以助力驾驶，有助于保持汽车的安全距离；自动紧急制动比人类反应更快，可以避免冲击；盲点检测，可以帮助避开驾驶员看不到的东西；速度摄像头预警，这在有些国家是合法的；车道偏离预警，可以避免漂移。L2汽车也可以在缓慢行驶的交通中前进和刹车，改变车道，走高速公路出口，所有这些都可以没有驾驶员的干预。

不过，驾驶员监控系统将注意力从道路上转向车内的薄弱点——驾驶员。正如Imagination公司首席营销官大卫 · 哈罗德（David Harold）所观察到的，“在这里，汽车不是在看外面的世界——它是在看着你。你怎么开车？你累了吗？很快，将会发展到情绪检测——你在生气吗？您是否面临路怒的风险？”当然，汽车将如何处理路怒情况仍待讨论：给你喷些冷水吗？播放一些詹姆斯 · 布伦特的音乐？那会让人更糟吗？ADAS 要求驾驶员始终保持警惕和观察，并准备好接管方向盘（2020 年 1 月， 我在CES期间从Lyft上招乘了一辆"自动驾驶" 汽车，司机正是这样做的）。现在，每辆出厂的特斯拉都搭载了他们的最新芯片，特斯拉官方声明，每辆车都有能力，至少在硬件方面，全自动驾驶，司机不必参与，可以信任汽车驾驶大部分旅程。《日经商业新闻》援引一家日本汽车公司的工程师的话说，这意味着特斯拉领先其它行业对手6年，这些对手还无法与之竞争。Imagination汽车总监杰米 · 布鲁姆（Jamie Broome）不太同意。“特斯拉比其他人做得更好的地方是专注，”他说。“他们做到这一点，交付东西也很快。他们愿意承担前进途中遇到的风险——准备着采用外来方案。”Imagination人工智能总监安德鲁·格兰特（Andrew Grant）也认为，技术已经到位，可以更广泛地实现自动驾驶，即运行先进的神经网络，为自动驾驶算法提供动力。“目前在自动驾驶上我们（Imagination）处于独特的位置，拥有GPU 和多个神经网络加速器 （NNA）。”Imagination 的单 NNA 内核能够提供高达 10 TOPS的算力。不过，行业某些参与者缺乏远见，格兰特指出，在与一些公司交谈时，他们很难理解为何需要性能如此高的神经网络。“人们无法真正理解为什么他们需要超过四个TOPS的处理能力，而现在我们可以将10 TOPS的核心组成集群，从而实现数百TOPS的算力。”格兰特指出，奥迪可能已经在一辆A8车上匹配特斯拉级的自动驾驶能力，但没有像特斯拉那样四处宣扬。关键的区别是，那款A8是一辆展示车，而特斯拉已经把它的自动驾驶芯片装配在他们销售的每辆车中。正如马斯克公开说过的，“如果你买了一辆车，而它没有完全自动驾驶的硬件，就像买了匹马”。

格兰特同意这是每个汽车制造商都应该做的事情，只是自动驾驶的秘密不在硬件中，而是软件。虽然初始成本存在，但生产成本将随着规模经济而下降。

数据中的价值

---

现实情况是，硬件访问真正有价值的东西——数据，特别是真实世界的数据。这些数据将训练神经网络模型，使自动驾驶汽车成为可能。格兰特举了一个汽车的例子，系统相信它遇到了一辆“飞行自行车”。在分析这些数据时，汽车看到的是挂在自行车架上的自行车，但由于汽车相信看到一辆"飞行自行车"之前，还没有遇到过这种情况。一旦受过训练，将其添加到训练模型，每辆车都将了解这是什么。

布鲁姆认为：“自动驾驶的真正诀窍是收集数据。这是获胜的关键。市场上的汽车越多，收集的场景和情况的数据就越多，获胜的机会就越大。”他还举例说明算法如何从经验中学习，从而改善每个人的驾驶体验。他举的例子是特斯拉在自动驾驶模式时，行进中反复轻微制动，但这会引发乘客的不安。这是因为算法检测到其它车道上的汽车在轻微漂移，就像一个紧张的新司机，系统过度使用刹车，随着理解数据系统学习如何改进。

关于数据的另一个问题是谁拥有数据？自动驾驶汽车将产生大量数据，其中很大一部分将提供汽车所在位置，及其行驶速度。但是这些数据属于自动系统供应商、汽车制造商还是车主？甚至该如何定义车主？自动驾驶汽车将迎来拼车服务，如创新型初创企业Cruise正在拓展的业务，这将对汽车的所有权性质产生深远的影响。

未来五年

---

那么，这个行业能否联合起来与特斯拉竞争？首席功能安全工程师大卫•哈亚姆（David Higham）对此充满信心，他们将与其他制造商一起，准备5年的时间来打造真正的L4自动驾驶汽车。他还表示，消费者需要很长时间才能信任这些系统。“作为一名消费者，我不会盲目相信无人驾驶汽车，我需要一些证据来证明这些系统是安全的。”这与电子产品的设计与功能安全都有关，例如确保在发生随机意外错误（符合 ISO 26262）时不会发生灾难性故障，并符合实际用途——如即将到来的功能安全标准（SOTIF）所定义的那样。SOTIF是一个更通用的标准，旨在确保自动驾驶汽车不仅在机械上可靠，而且在使用时乘客和行人都是安全的。

显然，我们已经离自动驾驶汽车非常近了，但还需要更多汇聚更多的技术革新才能最终实现这一目标。汽车制造商需要更勇敢地加快创新硬件，将所创造的处理能力在道路上应用，并开始积累这些数据。又或者，抛弃霹雳车梦想，把这些都交给一家公司来实现。

原文链接：https://www.imgtec.com/blog/the-long-and-winding-road-to-autonomous-cars/

声明：本文为原创文章，转载需注明作者、出处及原文链接。