搜索
NFT元宇宙Web3
近期热门

我们离大规模使用无人驾驶还有多远?

Founder

实现无人驾驶汽车的大规模主流采用有很大挑战性,这些初创公司认为全身心投入人工智能会更快地达到目的。

我们离大规模使用无人驾驶还有多远?

四年前,Alex Kendall 坐在英国乡间一条小路上的一辆汽车里,双手离开了方向盘。这辆车配备了几个廉价的摄像头和一个巨大的神经网络,向一侧偏离。当它这样做时,Kendall 抓住方向盘几秒钟来纠正它。汽车再次转向;Kendall 再次纠正了它。他说,这辆车花了不到20分钟就学会了自己在路上行驶。

这是强化学习–一种通过试验和错误来训练神经网络执行任务的人工智能技术–第一次被用来教一辆汽车在真正的道路上从头开始驾驶,这是朝着新方向迈出的一小步,新一代的创业公司认为这可能是使无人驾驶汽车成为日常现实的突破口。

强化学习已经取得了巨大的成功,产生了能够以超人的技巧玩电子游戏和围棋的计算机程序;它甚至被用来控制核聚变反应堆。但驾驶被认为太复杂了。英国无人驾驶汽车公司Wayve的创始人兼CEOKendall 说:”我们被嘲笑了。”

元宇宙虫洞

Wayve现在在伦敦的高峰时段对其汽车进行训练。去年,它表明,它可以把在伦敦街头训练的汽车带到五个不同的城市–剑桥(英国)、考文垂、利兹、利物浦和曼彻斯特–进行驾驶,而无需额外训练。这是像Cruise和Waymo这样的行业领导者一直在努力做的事情。本月,Wayve宣布与微软合作,在Azure上训练其神经网络,Azure是该科技巨头基于云的超级计算机。

投资者已经为制造能够自行驾驶的汽车投入了超过1000亿美元,这相当于美国宇航局将人类送上月球所花费的三分之一。然而,尽管经过15年的开发和数不清的道路测试,无人驾驶技术仍停留在试验阶段。Kendall说:”我们看到大量的支出,但得到的结果非常有限。”

这就是为什么Wayve和其他自动驾驶汽车初创公司,如美国的Waabi和Ghost,以及位于以色列的Autobrains,都在全力投入人工智能。他们以AV2.0为品牌,打赌更智能、更便宜的技术将使他们超越目前的市场领导者。

炒作机器

Wayve说它想成为第一家在100个城市部署无人驾驶汽车的公司。但是,这是否又是一个多年来一直在为自己的供应而兴奋的行业的炒作?

Raquel Urtasun说:”这个领域有太多的夸大其词,首先也缺乏对这项任务的难度的承认。但我不相信自动驾驶的主流方法会让我们达到安全部署该技术所需的程度。” 他在离开后于2021年创立了Waabi公司,领导Uber的自动驾驶团队达四年时间。

这种主流方法至少可以追溯到2007年和DARPA城市挑战赛,当时六个研究小组设法让他们的机器人车辆在一个废弃的美国空军基地上为一个小城镇的模拟模型导航。

Waymo和Cruise就是在这一成功的背景下推出的,而获胜团队所采取的机器人方法也坚持了下来。这种方法将感知、决策和车辆控制视为不同的问题,每个问题都有不同的模块。但这可能会使整个系统难以建立和维护,一个模块的错误会涌入其他模块,Raquel Urtasun:“我们需要一种人工智能的思维方式,而不是机器人的思维方式。”

这里有一个新的想法。Wayve、Waabi和其他公司不是用多个神经网络建立一个系统,然后用手将这些神经网络连接在一起,而是各自建立一个大型神经网络,自己找出细节。把足够的数据扔给人工智能,它就会学会把输入(关于前方道路的摄像头或激光雷达数据)转换成输出(转动车轮或踩刹车),就像一个孩子学习骑自行车一样。

像这样直接从输入到输出被称为端到端学习,这就是GPT-3对自然语言处理的作用,以及AlphaZero对围棋和国际象棋的作用。

与Wayve一样,Waabi正在使用端到端学习。不过,它(还)没有使用真实的车辆。它几乎完全在一个超级现实的驾驶模拟中开发其人工智能,本身由一个人工智能驾驶教练控制。Ghost也采用了人工智能优先的方法,建立无人驾驶技术,不仅可以在道路上导航,还可以学习对其他司机做出反应。

20万个小问题

Autobrains也在赌一种端到端的方法,但它的做法有所不同。它不是训练一个大型神经网络来处理汽车可能遇到的所有问题,而是训练许多小型网络–事实上是几十万个–来处理每个非常具体的场景。

Autobrains从汽车上获取传感器数据,并通过人工智能运行,将场景与许多可能的场景之一相匹配:下雨、行人过马路、红绿灯、自行车右转、汽车在后面,等等。Autobrains说,通过观察一百万英里的驾驶数据,其人工智能已经确定了大约20万个独特的场景,该公司正在训练单独的神经网络来处理每个场景。

该公司一直与汽车制造商合作,测试其技术,并刚刚掌握了一小批自己的车辆。

Urtasun认为,Autobrains正在做的事情可能对先进的驾驶辅助系统很有效,但他不认为它比自己的方法有优势。他说:”当处理完整的自动驾驶问题时,我希望他们也会受到现实世界中所面临的复杂性的挑战。”

巡航控制

无论怎样,我们是否应该指望这一波新的公司来追赶领先者?不出所料,Cruise公司工程部执行副总裁Mo ElShenawy说:”今天的技术水平还不足以让我们达到Cruise所处的阶段。”

Cruise是世界上最先进的无人驾驶汽车公司之一。自11月以来,它一直在旧金山提供现场机器人出租车服务。它的车辆在有限的区域内运行,但现在任何人都可以用Cruise应用程序叫车,让它停在路边,里面没有人。ElShenawy说:”我们从客户那里看到了一个真正的反应光谱,这真是太令人兴奋了。”

Cruise已经建立了一个庞大的虚拟工厂来支持其软件,有数百名工程师在管道的不同部分工作。ElShenawy认为,主流的模块化方法是一种优势,因为它可以让公司在新技术出现时进行交换。

他还驳斥了克鲁斯的方法不会普及到其他城市的观点。他说:”我们可以在几年前在某个郊区推出,这将使我们陷入困境。我们之所以选择一个复杂的城市环境,如旧金山–在那里我们看到成千上万的骑自行车的人和行人,以及紧急车辆和拦截你的汽车,它迫使我们建立一个容易扩展的东西。”

但是,在Cruise在一个新的城市行驶之前,它首先必须以厘米级的细节绘制其街道。大多数无人驾驶汽车公司都使用这种高清晰度的三维地图。它们在车辆行驶过程中获得的原始传感器数据的基础上为车辆提供额外的信息,通常包括车道边界和交通灯的位置,或某段街道上是否有路边石等提示。

这些所谓的高清地图是通过将摄像机和激光雷达收集的道路数据与卫星图像相结合而创建的。在美国、欧洲和亚洲,已有数亿英里的道路以这种方式被绘制出来。但道路布局每天都在变化,这意味着地图制作是一个无止境的过程。

许多无人驾驶汽车公司使用由专业公司制作和维护的高清地图,但Cruise公司自己制作。ElShenawy说:”我们可以重新创建城市–所有的驾驶条件、街道布局和一切”。

这使Cruise在与主流竞争者的竞争中具有优势,但Wayve和Autobrains等新来者已经完全放弃了高清地图。Wayve的汽车有GPS,但它们学会了仅使用传感器数据来阅读道路。这可能更难,但这意味着它们不会被束缚在一个特定的位置。

在Kendall看来,这是使无人驾驶汽车普及的关键:”我们进入第一个城市的速度会比较慢,但是,一旦我们进入一个城市,我们就可以向各地扩展。”

还有很长的路要走—当Cruise公司的机器人轴在旧金山周围驾驶付费客户时,Wayve–最先进的新品种,在没有安全驾驶员的情况下测试其汽车。

然而,这些新的AV2.0公司最近的历史:端到端学习改写了计算机视觉和自然语言处理的规则。Urtasun说:”如果每个人都朝同一个方向走,而且是错误的方向,我们就无法解决这个问题,我们需要多样化的方法,因为我们还没有看到解决方案。”

编辑于 2022-06-01 13:13
「 真诚赞赏,手留余香 」
赞赏

发表评论已发布0

手机APP 意见反馈 返回顶部 返回底部