史晨星:自动驾驶追上人类“还差一千倍”

财经新闻 2019-10-3194未知admin

  作者 市界 沈鹏飞

  编辑 朗明

  随着AI技术的发展,AI商业化场景越来越多,越来越清晰,除了在大数据方面有耀眼的成就外,在自动驾驶技术上也取得了不俗的成绩。

  10月17日晚7点,独立评论人&投资人,史晨星 ,做客“市界老友记”栏目第12期,带来了自动驾驶的技术分享及通俗易懂的发展自动驾驶意义的解读。

  1、通俗易懂的自动驾驶从L1到L5

  按照SAE的定义, L0级无自动化功能,由人类驾驶全程操控汽车。

  L1级具备单一功能辅助驾驶,纵向加减速、横向转向能够实现一个。

  L2级具备组合式自动化功能,同时实现横向+纵向控制。

  L3级有条件自动驾驶,限定条件下双手可以离开方向盘。

  L4级特定场景自动驾驶,特定场景下双眼可以离开道路,但仍需要驾驶员和操作系统。

  L5级全场景自动驾驶,无需驾驶员和操作系统。

  2、自动驾驶是一个万亿级的市场

  史晨星总结自动驾驶有三大优势。第一大优势是安全,每年人类开车引发的事故非常多,数据统计,像美国每年因为交通事故造成损失高到3000亿美金,中国每年因为交通事故死亡20万人,自动驾驶普及之后,机器是不会疲劳的,也就不会发生疲劳驾驶,麦肯锡预测,自动驾驶能全面普及,至少减少90%的交通事故。

  第二大优势是成本,一方面节省了司机成本,另一方面,无人驾驶能够真正实现共享经济。在无人驾驶和共享经济时代,可降低70%的出行成本。

  第三大优势是无人驾驶汽车将会成为第三生活空间,自动驾驶时代,汽车将不再是代步工具,用户在车内即可实现娱乐和办公,汽车有望进化成为家庭、办公场所之外的第三生活空间,每一辆车都可以变成移动的商业地产。

  目前国际上已有十余个国家进行了相关部署,并出台相关政策以指导自动驾驶汽车的发展。

  中国《节能与新能源汽车技术路线驾驶辅助/部分自助驾驶车辆市场占有率50%。2025年,L3-L4高度自动驾驶车辆市场占有率15%。2030年,L5完全自动驾驶车辆市场占有率10%。

  史晨星认为自动驾驶产业链市场空间近千亿,考虑出行服务和乘客经济,市场规模将达万亿级的市场。

  3、自动驾驶的5种商业模式

  史晨星认为自动驾驶商业模式有五个方面,一是零部件企业供应零部件,二是整车企业负责汽车量产,三是解决放哪提供商提供技术服务,四是服务运营商负责车队的管理和运营,为终端用户提供服务,五是金融机构 提供资金方面支持。

  解决方案提供商会有技术服务,这个模式就会跟现在的汽车模式区别很大,总结可能会有三种发展模式,第一种是B2C模式,与现有汽车销售模式相同;第二种是B2B2B模式,面对封闭场景,中间高速路段由无人驾驶车来掌控;第三种是B2B2C模式,面对车辆运营服务场景,无人驾驶车辆作为“开始一公里”和“最后一公里”补充。

  4、自动驾驶的技术分析

  史晨星认为自动驾驶可以分为两个路线,第一种是渐进式路线,传统的汽车企业,先完成L1再到L2再到L3,逐步研发;第二种是激进式路线,跳出驾驶辅助系统,最早是由谷歌提出来,直接从高度自动驾驶的系统切入。

  这两个路线只是研发切入的路径不同,最终目标是一致的,都是为了实现完全的无人驾驶。

  自动驾驶产业链可以分成四部分,第一部分是硬件,整车所有的零部件;第二部分叫软件,包括操作系统车联网,车高精度地图等;第三部分是整车的制造;第四部分是运营。

  自动驾驶可以通过三步来实现,分别为感知层、决策层、执行层。

  感知层可以理解为就是人类的眼睛,感知层有很多传感器,包括激光雷达摄像头,毫米波雷达卫星定位,定位里面包含高精度地图、卫星定位。

  现在感知层共有两种整车方案,第一种方案叫做视觉主导方案,以摄像头为主,这个方案的代表是特斯拉。

  马斯克是一个坚定的视觉主导派,他认为在自动驾驶里面,传感器里边应该以摄像头为主导。马斯克用第一性原理来解释,人眼睛就是一个摄像头。人在开车的时候,只要看外面,就能判断距离。马斯克认为摄像头是跟人类眼睛最接近的。

  这个方案有一个缺点,摄像头拍出来的照片很难识别距离远近。视觉主导方案最重要的就是图像识别,图像识别的算法非常重要,目前来看,人工智算法识别还有一些缺陷。

  第二种是激光雷达主导方案,用激光雷达为主导,其他的传感器辅助,这个典型的代表就是谷歌的Waymo。

  决策层可以想象为人类的大脑。依据获取的信息来进行决策判断,制定相应控制策略,替代人类做出驾驶决策。

  决策层就可以理解为我们的大脑。决策层主要做两件事,第一件事是把各个传感器收集来的数据要分析。第二个是控制,控制就是发出指令,同时预判路况。

  决策层的核心,一个是算法,通过各种传感器融合识别,给出一个最终结果。另一个是芯片,自动驾驶汽车行驶的时候,会产生大量的数据,根据因特尔的测算,一辆自动驾驶汽车每天会产生4000个GB的数据,自动驾驶需要一个强大运算能力的芯片实时计算。

  第三层叫执行层,执行层是自动驾驶的手脚,分为横向、纵向两大部分。纵向控制:油门加减速、刹车;横向控制:方向盘转向。

  相对而言,执行层比较简单,线控制动、线控转向目前比较成熟。目前来看执行层是比较成熟的,难点在于感知层和决策层。

  5、自动驾驶要追上人类,现在“还差一千倍”

  史晨星认为自动驾驶产业化要过三道关,分别为技术关、法律关、成本关。

  美国加州机动车管理局(DMV),要求获得自动驾驶路测资质的公司每年1月1日之前交一份自动驾驶年度报告,总结测试过程中所经历的所有自动驾驶脱离Disengagement事件,以此来衡量驾驶技术的成熟度。

  2019年2年,公布的最新报告显示,第一名是谷歌的Waymo,跑18000公里才需要人工接管。 相当于从北京到上海往返跑七回,从北京到深圳往返四回。

  第二名是通用,大概5000公里需要人类接管一次,中国百度排第七名,大概是200公里。

  参照谷歌的数据,人类要比谷歌还要强得多,人类平均下来大概要跑1000万英里,才发生一次致命事故。 这个的数据要比谷歌现在跑1万英里发生一次强一千倍,也就意味着自动驾驶要追上人类,现在还差一千倍。

  第二关是法律关,需要完善的法律来确保自动驾驶上路,目前来看我们的法律还不允许这种无人驾驶汽车上路,可能法律需要完善,包括道德,比如上路之后出了事故怎么判定,汽车保险怎么购买。

  第三关叫成本关,短期内自动驾驶系统成本高,主要是芯片、激光雷达等核心零部件,以及基础设施投资较大名单大规模量产后会迅速降低,车企联合研发也能分摊开发成本。

  首先攻克封闭区域,第二个攻克高速公路,第三个攻克城市道路。

  封闭区域,史晨星认为比较快速落地的可能是自动停车及智慧矿区、矿山。第一是矿山的无人难度比较小,矿区没有人,危险性小;第二是矿山的无人驾驶需求量比较大,司机鲜有人应聘。

  第二个场景是高速公路,一部分是物流运输,可以显着节约人力成本,以及减少大货车司机的疲劳驾驶。另一部分是用作乘用车自动驾驶。

  第三大场景就是城市道路,可分为两大部分,一个是公共交通,比如出公交车。另一个就是出租车,目前来看可能短期内很难实现。

  另外,5G今年的商用对于自动驾驶来说也是一个利好,虽然现在自动驾驶还有各种缺点,随着时间的推移,技术难题将一一被攻克。

莺歌燕舞新闻网 版权所有 Power by DedeCms 

联系QQ