1. 首頁 > 科技 > >

自動駕駛|無人駕駛？水泥未干！自動駕駛“長尾”怎么解？( 二 )

傳感器自動駕駛無人駕駛dsrc


在這起事件中 ， 我們從另一個角度的照片可以看到 ， 施工方在道路中間設置了“前方施工 禁止通行”的警示牌 ， 在小蠻驢行進方向上并沒有設置有效的警示 ， 沒有警示牌 ， 也沒有樁筒等 。 另外三側有細長的警示帶 ， 行進方向的警示帶平鋪在路沿一側 。 由于沒有事發過程的錄像 ， 我們無法判斷小蠻驢駛過時 ， 警示帶是已經飄落還是小蠻驢未能有效識別撞開了警示帶 。 只能說 ， 這種細長的警示帶對于自動駕駛傳感器存在未能有效識別的可能性 。 由于沒有結論 ， 這里就不再過多展開 。
值得注意的是 ， “水泥未干”絕不只是自動駕駛會遭遇的難題 ， 我們日常也經?？吹叫∝垺⑿」?、小鳥之類的動物在水泥地上留下的清晰印跡 ， 一串串格外醒目 。 即便是正常的人類 ， 在警示不充分的情況下沖進還沒硬化的水泥地的新聞也并不罕見 。 以人類的智力尚且不能完全準確判斷 ， 何況還在蹣跚學步的無人車？
同時 ， 自動駕駛依賴的攝像頭（視覺）、激光雷達、毫米波雷達等感知傳感器本身并不具備判斷水泥是否已經硬化的能力 ， 在警示不充分的條件下 ， “水泥未干”對于自動駕駛而言 ， 可謂無解 。
自動駕駛的“長尾效應”
無人快遞車陷進水泥地本身確實是一件讓人忍俊不禁的尷尬事件 ， 不過這件事引發人們關注的不僅是事件本身 ， 更多是對如今熱門的“自動駕駛”技術的擔憂 ， “自動駕駛”真的安全嗎？
在過去的短短幾年間 ， 人工智能領域在深度學習算法、大數據以及更強大的半導體硬件等技術的加持下 ， 取得了驚人的進步 。 隨之而來的 ， 是人們在自動駕駛領域的飛速發展 。 從谷歌重金投入無人駕駛汽車開發 ， 到特斯拉風靡全球 ， 再到如今自動駕駛/高階輔助駕駛已經成為幾乎所有車企必不可少的研究方向 。 我們也見證了自動駕駛相關技術從實驗室 ， 一步步開始出現在我們的身邊 。
在自動駕駛分級中 ， L2級及以下屬于輔助駕駛 ， 系統的自動駕駛能力較弱 ， 同時駕駛員對系統的能力期待值也較低 ， 能夠確保使用安全 。 而L3級及以上屬于自動駕駛 ， 在設計運行區域（ODD）內 ， 駕駛員對系統的期待值逐漸增高 ， 同時系統也有足夠安全的自動駕駛能力 ， 期待與能力對等可以保證使用的安全 。
但在目前的條件下 ， 不論是乘用車已經廣泛搭載的L2+輔助駕駛 ， 還是真正無人的所謂L4級無人配送車 ， 都仍然處于技術尚未完全成熟的階段 。 不得不說 ， 目前自動駕駛相關技術已經能夠處理日常面對的絕大多數場景 ， 但自動駕駛的風險就在于難以預判的“長尾” 。
“長尾效應（The Long Tail）”最初是由《連線》的總編輯克里斯·安德森（Chris Anderson）于2004年用來描述諸如亞馬遜公司、Netflix和Real.com/Rhapsody之類的網站之商業和經濟模式 。 是指那些原來不受到重視的銷量小但種類多的產品或服務由于總量巨大 ， 累積起來的總收益超過主流產品的現象 。
將“長尾效應”拓展到自動駕駛領域 ， 說的是自動駕駛日常訓練中已經解決了日常常見的絕大多數頭部場景中的潛在風險 ， 但那些不受重視的突發場景極為罕見 ， 但種類繁多 ， 因此累計的總量也已經對自動駕駛的安全性構成了很大的威脅 。
自動駕駛汽車需要面對的場景我們可以歸類為4類：第1類、已知的安全場景；第2類、已知的不安全場景；第3類、未知的不安全場景；第4類、未知的安全場景 。 在所有場景內 ， 最困難的是第3類場景 ， 也就是未知的不安全場景 。 長尾效應 ， 普遍便發生在第3類未知的不安全場景中 。

相關經驗推薦