一场28公里的城市晚高峰智能驾驶挑战是如何完成的

PingWest品玩 2021-11-26 09:36
作者钟文
老司机开夜路总是要慢一点。
因为夜晚光线不够充足,可见距离变短,道路信息、路面路标都不如白天清晰,所以夜晚开车总是更加谨慎。
同样,夜间场景也是智能驾驶技术突破的难题。如果是晚高峰的城市路况,复杂度就更大。在夜间,摄像头捕捉的图像十分模糊,对车辆和行人等环境变化的感知会比较难,同时,车灯的夜间照明功能也会对视觉传感器带来较大影响。
当然,也并非没有解决的办法。

28公里,广州晚高峰,0接管


继今年6月完成城市道路智能驾驶挑战后,智己又开启了城市晚高峰智能驾驶挑战。
这次挑战途经华南快速路、广州环城高速以及核心区域城市道路,包括合流、分流路线,以及一些岔道,几乎覆盖了城市晚高峰可能遇到的所有行车场景。
夜幕降临,智己汽车IM AD测试车开启IM AD上路。
智己汽车IM AD测试车挑战广州晚高峰
第一个挑战是进入高架后的合流、分流路段,测试车并没有迟疑,直接选择一条路线通过。恶劣的光线环境并没有对测试车造成干扰。
上匝道后进入前方汇流状态,但不同于常规城市快速路,广州华快汇入口多为右侧,智己汽车IM AD精准识别到前方汇流入口,提前根据右侧主路车流的情况,适当减缓速度“观望”主路情况,识别到右侧主路前方、后方均车辆无车通行后,果断向右完成汇流。
向右侧完成汇流
此次测试还经历了行车过程中常见的两个突发情况:
遭遇违规加塞:当测试车行驶前方匝道汇流出口,右侧车辆未打灯状态下突然变道加塞。
智己汽车IM AD在前车向左变道的第一时间精准识别,并完成了减速决策。由于距离、车速均有余地,智己汽车IM AD选择了以“让速不让道”的方式应对当前场景,平稳降速避让,动作幅度非常轻柔,避让完成后,提速回归正常行驶。
遭遇突然加塞,智己IM AD平稳降速避让
遭遇新旧车道线:测试车正常行驶过程中,地面同时出现新旧车道线。
智己汽车IM AD在有旧线存在的情况下,没有出现左右摇摆的情况,直接以新线为参照物进行居中行驶。夜间环境下,车道线识别更加考验视觉感知与高精地图的协作。
在整个过程中,智己测试车都没有急停急起,系统紧急退出等情况发生,IM AD的处理灵敏、老练,始终保持着乘坐舒适性,整个过程中实现0接管,完成了一次难度更大的挑战。

为什么夜间智能驾驶更难?


目前已经公开的数起智能驾驶事故,已经印证了夜间场景的难度。
今年8月,美国国家公路交通安全管理局(NHTSA)对自2018年以来涉及特斯拉Autopilot自动辅助驾驶功能引发的11起事故展开调查,其中一个发现是11起事故大多发生在夜间。
2018年Uber智能驾驶夜间测试时,以69公里的时速将一位横穿马路的行人撞死,导致美国智能驾驶测试被一度叫停。
其实两个案例也分别对应了智能驾驶夜间场景的两个技术难点:
传感器精度和算法。
特斯拉坚持采用的纯视觉方案对于夜间场景的感知能力更弱。
首先,摄像头的作用距离和测距精度不如毫米波雷达,同时,摄像头更容易受光照、天气等因素的影响。
摄像头在夜间捕捉清晰图像的能力较弱,对车辆和行人等环境变化的感知不够高,可靠性并不好。
除了特斯拉以外,行业内基本采用的都是借助超声波雷达、毫米波雷达与摄像头互补,激光雷达也越来越多地被应用在其中。这是保证智能驾驶系统夜间行驶的安全前提。
但是,采用多传感器融合的方案也不是万无一失。
在Uber的案例中,尽管其测试车辆采用了感知融合方案,但是其在探测到行人后的处理方式出现问题,才造成了最终事故。
说明其算法作出的决策有问题。
感知能力是硬件能力,同时需要高算力芯片的处理能力,当然还需要软件能力的配合。也就是智能驾驶系统的决策能力,来完成感知之后的判断和操控。
据公开的调查结果显示,车祸发生前Uber的智能驾驶系统已经检测到行人,但因其行走在人行横道之外,而将其识别为一个物体,并且没有作出提前降速以及刹车等反应。
Uber智能驾驶测试事故现场
夜间场景除了光线问题,还会经历很多突发状况,如何像人一样做出正确的驾驶决策,是对算法的考验。
所以,算法要能持续提升。
采用纯视觉方案的特斯拉之所以对自己的智能驾驶能力非常有信心,是因为它打造了自己独特的神经网络系统,能够通过道路上行驶的特斯拉收集大量数据并实现自主学习。
利用数据引擎对算法进行训练,不断提升算法,这是智能驾驶系统得以持续升级的重要原因。这也是智能驾驶系统得以应对智能驾驶各种极端场景的保障。

智己死磕的智能驾驶都有哪些优势


智己L7应该是在正式上市前智能驾驶路测做的最多的量产车了。而且智己选择的都是更贴近我们日常生活的城市路况进行测试,这样也让我们更容易理解智己做智能驾驶技术的目的:
打造成为更像人的智能驾驶体验。
从硬件来看,智己L7搭载了12颗高清摄像头,5颗毫米波雷达,12颗超声波雷达,军工级超高精度惯导、高精度地图以及5G V2X车端技术。
智己L7传感器分布位置
当然,在这轮争抢激光雷达量产落地的军备竞赛中,智己也并非毫无准备。
目前智己的测试车都没有搭载激光雷达,但是量产车可以升级到英伟达OrinX和2个激光雷达,实现实现全场景、超视距的全路况感知。
除了智能硬件,最重要的还是智己的人工智能超级算法,以数据为主的驱动路线。
数据驱动,是通过前期大量的数据积累,可以对中国道路的复杂路况,不断通过数据去进行目标感知识别,比如此前测试中出现的外卖配送员等,可以轻松识别和避让。
其实,除了大量数据,智己IM AD还有一整套基于数据的工具链,来完成整个系统的快速迭代和进化能力。
此次测试中,测试车在合流、分流路线的决策,比如提前变道和降速,实际都是依靠算法实现精准控制,也能够保持乘坐的舒适性。包括在驾驶过程中对变道车辆的预测,都是通过数据驱动,不仅提前识别变道车辆,并且做出了正确的行进规划和策略预判。
做到数据驱动,并尽可能覆盖更多非典型场景,最重要的前提是车企要具备软件算法自研的能力。采用Mobileye解决方案的车企是无法做到这种迭代的。
通过数据驱动完成算法迭代的方式,听起来和特斯拉很像,但是二者有明显的区别。
智己IM AD与特斯拉FSD相比,除了在技术路线上,一个采用感知融合方案,一个采用纯视觉方案外,两个最大的不同在于,智己采用的是本土化数据。也就是说,对于适应中国复杂路况的能力,智己的优势更大。
虽然此次智己选择的夜间通勤工况,并不是最为复杂的场景。例如极端天气、非铺装路面等情况,对智驾系统而言也是极大的考验。但在量产落地后,智己L7还将支持激光雷达和英伟达Orin X平台的升级。更高的算力、更强的感知不仅能够覆盖更多使用场景,也会增加智驾的安全性。
在智能驾驶还没有真正到来之前,关于智能驾驶技术的比拼,其实都是对高级辅助驾驶的体验比拼。
也是因此,智己从客户感知角度设置了信任增强体验系统。在人机共驾的状态下,增强机器驾驶员和人类驾驶员的沟通体验。
比如它会在路况过于复杂的时候,通过视觉、声学,以及安全带震动报警等方式提醒驾驶员,不会让驾驶员经常遇到非预期的接管。
这种信任增强沟通能力,是结合多维感知信息和全方位动态预测技术,通过屏幕、语音、声音、DLP大灯、安全带震动等多层级人机交互,实现接管预判和提醒。
这也是在对智能驾驶激进宣传的氛围中与用户驾驶行为的理性实践中找到一种平衡方式,既能够让驾驶者充分认识到智能驾驶系统的能力,又不会因过分依赖系统导致不必要的事故发生。
智己不仅是上汽集团的战略项目,股东方还有张江高科和阿里巴巴,集地方资源和科技资源于一身。
智己的战略地位,决定了它将会也必将掌握智能驾驶的核心技术。
广州车展上亮相的智己L7
上汽强大的技术背景,为智己汽车提供了得天独厚的技术支撑;而阿里的入局又为这家企业注入了互联网企业的强大创造力。因此智己不仅仅是一家车企,它更是一家科技公司。
一方面核心技术不受制于人,一方面集合更多的资源,这也是我国这一阶段高端品牌的新模式。
智己试图通过智能驾驶打开差异化竞争点,其在智能化的破局上,代表的其实也是上汽的未来。



· 文章版权归品玩所有,未经授权不得转载。
· 发送关键词 转载合作招聘 到品玩微信公众号,获得相应信息。
· 您亦可在微博、知乎、今日头条、百家号上关注我们。
推荐阅读