无人驾驶汽车和它的产业界——从特斯拉ADAS说起
发布日期:2016-03-31

        今年早些时候,特斯拉推出最新的 ADAS(高级驾驶辅助系统)Autopilot 7.1,其中创新性地添加了自动换道功能,无人驾驶的又一核心技术被成功地产品化。
        一、 特斯拉厉害在哪里?
        视频中出现了特斯拉新版 Autopilot 系统中的四个功能,自动泊出车库、自动保持跟车、自动更换车道与自动泊入车位。自动更换车道是一大亮点!自动泊出车库只是车与车库通信系统和自动行驶功能的一个整合,自动跟车系统与传统的 ACC (自适应巡航) 无异,自动泊车系统也是不少量产车型已经配备的。
        但是对于自动更换车道,除了特斯拉 Model S,在售车型中还没有第二个能支持相同功能。Model S 仅依靠毫米波雷达和双目摄像头的配合,就将这一实验室中仍在求解的复杂问题实现了产品级的解决方案,真是了不起。
 
                                         

                                                         (图为特斯拉辅助驾驶系统配备的传感器)

        然而特斯拉的厉害之处不止如此。一般来说,当我们购入一辆车,它的软件系统所呈现的 “智力水平” 就停滞在其出厂的那天。然而特斯拉软件系统却是能够不断更新的。比如刚才提到的 Autopilot 7.1,只要是 2014年10月 后出厂并选装了自动驾驶套件的车型均可以更新使用这套 2016年 推出的系统。
        将汽车的软件系统设计成像手机软件一样不断更新,从而随时增强其辅助驾驶功能,这是当前在售车型中绝无仅有的,且短期内其他厂商似乎也没有表现出类似的设计理念。这是特斯拉常被忽视的厉害之处。
        二、 传统汽车厂商和它们的幕后 Boss
        除去刚才提到的特斯拉 ADAS,我们也常看到的 Google/Baidu 等 IT 公司无人车的报道,这时传统汽车厂商似乎有点黯然神伤。那么它们真的是尾大不掉难以在这一新兴领域有所作为吗?
        其实不然。早在 2013年 奔驰便完成了德国市区街道的无人驾驶测试,即将上市的 E 系车型也将配备主动换道功能;奥迪和英伟达有着深入的无人驾驶合作;尼桑率先立 flag,提出 2020年 要实现自动驾驶汽车的量产。
 
                                         

                                              (图为尼桑对有人/无人驾驶模式转换的交互设计)

        可见,传统汽车厂商以无人驾驶为最终目标有条不紊地提升 ADAS 辅助驾驶系统的功能,而幕后直接推动这项事业发展的 Boss 其实是博世 Bosch、大陆 Continental、法雷奥 Valeo、德尔福 Delphi、电装 Denso 等汽车电子系统供应商。它们帮助无人驾驶技术真正从实验室 demo 级走向产品级。
 
                                         

                                                         (图为法雷奥研制的 SCALA 激光雷达)

        法雷奥在研制适合无人驾驶技术推广的低价激光雷达,博世、大陆等都致力于提供无人驾驶、辅助驾驶系统的解决方案,德尔福提出V2V(车连车)、V2I(车连基础设施),最终实现V2E(车连万物),并首先将 V2V 技术应用在凯迪拉克明年的 CTS 车型上。
 
                                         

                                                 (图为德尔福与凯迪拉克合作的 V2V 技术示例)

        三、 Google/Baidu 真正的优势在哪里?
        传统汽车厂商在辅助驾驶领域做得不错,并且无人驾驶汽车真正获得量产离不开配件供应商的配合,那么Google/Baidu 这些汽车领域的门外汉靠什么也想在无人车领域一展身手呢?是图像识别算法?还是人工智能?不,其实是在地图数据。
 
                                         

                                                        (图为 Google 的第二代无人车原型)

        我们看到,传统汽车厂商依靠自己的算法同样可以在自动驾驶中取得不错的表现,但是如果没有了地图数据它们就束手无策了。无人车的路径规划和位置定位都需要依赖地图,这些数据正是 Google/Baidu 等公司独有的重要资源。从这个角度说,Google/Baidu 与传统汽车厂商未来的商业合作模式人期待。
 
                                         

                                       (图为用于定位和避障的激光雷达的数据可视化后的效果)

        四、为什么说 NVIDIA 野心勃勃?
        对于无人驾驶汽车,IT 公司中其实不仅仅 Google 盯上了这块大蛋糕,英伟达同样有自己的野心。那么一个显卡起家的公司和无人驾驶又有什么关系呢?
        1). 英伟达希望利用自己的计算优势为无人驾驶提供感知层面的解决方案(NVIDIA DRIVE PX)

                                                           
 
                                                                 (图为 2015年CES 英伟达的展示)

        无人驾驶技术要处理的传感器数据主要来自摄像头和雷达,数据量大,英伟达的芯片正好具有优秀的并行处理能力和特别优化的深度学习工具 (cuDNN),非常适用于无人驾驶需要的场景检测、车辆行人检测等任务。英伟达之前与奥迪合作研发无人车时使用了 Tegra K1 芯片,如今又推出了更为强大的 Tegra X1 芯片,它不想错过这个未来的大市场。
 
                                                           

                                                                    (图为 2014年 英伟达的 GTC)

        2). 英伟达可以提供优秀的图形处理芯片(NVIDIA DRIVE CX)
 
                                                           

(图为 2012 款奥迪 TT 的仪表盘,机械仪表盘 + 单色小液晶屏 + 行车电脑的经典组合)
 
                                                           

(图为 2015 款奥迪 TT 的仪表盘,使用了英伟达 Tegra 芯片的全液晶仪表盘)

        如果你是一位汽车爱好者,你一定会发现 2011年 起的汽车内饰和车内人机交互的新趋势:机械式仪表盘被全液晶仪表盘取代,中控按钮被更大的触摸屏取代。这一方面由于车外传感器越来越多,需要更好的可视化设备支持;另一方面随着智能手机的发展,用户对车内人机交互的要求也越来越高。这些图形化显示的需求正是英伟达主营业务所在。

                                                           
 
(图为特斯拉在 Autopilot 模式下的中控显示,同样使用英伟达芯片)

        最后援引一个数据,2014年 全世界采用 NVIDIA Tegra 处理器的汽车就已超过 450 万辆。鉴于上述两点原因,英伟达芯片未来的需求仍将继续上升。
        五、无人驾驶技术的其他应用
        其实无人驾驶技术的产品化不仅体现在辅助驾驶系统,还有不少其他应用。比如说奔驰的智能远光辅助系统,可以通过检测对侧来车的情况自动调整车灯照射范围,以减小对对方驾驶员夜间行车的干扰。
 
                                                           

                                                (图为奔驰智能远光辅助系统的图例,来自 autohome)

        与此同时,Uber 等公司也在 follow 无人驾驶技术的最新进展,相信无人驾驶技术对未来的交通出行与物流业都将产生深远的影响。此外,无人驾驶汽车本质上是一种轮式机器人,无人驾驶技术的发展也促进着轮式机器人的发展。关于轮式机器人可以参考我们过往文章,这里不再展开。

                                                           
 
                                                               (图为奔驰公司自动驾驶卡车的示例)

        六、 无人驾驶技术在研究领域
        在研究领域,最近也有不少有趣的研究,比如说 Cornell 的 Sexna 教授的 Brain4Cars,基于对驾驶者行为预测和外部环境的分析,利用深度学习来提高行车安全性;Stanford 的 Gerdes 教授的教无人车完成漂移甩尾;不少学校和公司的研究部门都在进行的超高速无人驾驶测试等等。
        整体上来说,无人驾驶技术飞速发展,逐渐从Research 问题变为 Engineering Project,因而对应的研究领域变得更加细化。
 
                                                           

                                                                  (图为 Sexna 教授的 Brain4Cars 研究)

        七、 One more thing...
        最后,我们再对无人驾驶技术的发展做一个特简略的回顾,一起看看这十年技术的革新是多么激动人心。
        十二年前,第一届DARPA Grand Challenge在沙漠里举办,多数人认为无人车只是典型的从实验室攒出的那种搭载着笨重的设备,依稀让人联想到地面无人作战武器。
 
                                          

                                                   (图为冠军 CMU 参加比赛使用的 Sandstorm)

        三年前,Google 第一次放出无人车帮助失明老人 Steve 完成出行的视频,当看到在我们熟悉的城市街道上,方向盘没有人工操控也能自如优雅地转动时,开始将自动驾驶与自己的日常生活联系到了一起。
        今天,无人驾驶已不知不觉渗入我们的生活。“回到未来日” 到来了,《回到未来》的科幻场景离我们也越来越近。我们有理由相信,未来无人驾驶技术将为我们争得更多时间和空间上的自由。