| by Dorothy Gaskell Dorothy Gaskell | No comments

自動駕駛體驗服務引關注 “人工智能老司機”什麼樣?

自動駕駛體驗服務引關注 “人工智能老司機”什麼樣?

(原標題:自動駕駛體驗服務引關注 “人工智能老司機”長什麼樣?)

百度在京開放自動駕駛體驗服務引關注,記者實地探訪——

“人工智能老司機”長什麼樣?

“以前覺得自動駕駛既神祕又‘高大上’,這次終於能親身體驗一下了!”望着徐徐駛來的百度自動駕駛出租車Apollo(參數丨圖片),在北京工作的程序員小王很興奮。

日前,百度自動駕駛體驗服務在北京亦莊、海淀免費開放,吸引了大批市民和媒體關注。單個站點單日最高服務量超過600單,一度出現“一車難求”的場面。近年來,中國自動駕駛行業捷報頻傳,多家企業已在國內外多個城市開展路測運營。此次百度率先向公衆開放路測,也讓普通人能夠跟自動駕駛這個前沿事物來一次“親密接觸”。

最高16萬 地下”京牌”交易暗流涌動

那麼,自動駕駛出租車如何行駛?面對中國實際的複雜路況,技術人員是如何把無人車訓練成“老司機”的?本報記者對此進行了實地體驗和採訪。

體驗:全程平穩無接管

新東方與哈師大、沈師大達成人才戰略合作,強化教育人才引育

10月27日上午,記者來到北京亦莊,選擇限定運營區域內距離最長的兩個站點,坐着百度自動駕駛出租車跑了一個來回。

先說智能性。這10公里的路程並不算長,卻已包含了我們日常開車絕大部分會遇到的基本場景:起步、加速、轉彎、變道超車、減速讓行、過紅綠燈路口、靠邊停車等等。在近20分鐘的試乘時間裏,安全員全程無接管,所有決策、操作都由自動駕駛系統完成。可以說,這是一次純粹的自動駕駛。

SpaceX成功爲美太空軍發射GPS衛星 成功回收助推器

再說舒適性。百度自動駕駛出租車的速度基本穩定在每小時40公里左右,這讓它整體“開”得非常平穩。Apollo的加減速也很流暢,遇到前方紅燈或是預測到有車要併線,Apollo會提前減速,從而避免急剎車。遇到四下無車的情況,Apollo也會果斷勻加速,不“磨嘰”。在絕大多數情況下,如果你閉上眼睛,基本分不出開車的是人還是機器。

正是因爲Apollo的“超穩定發揮”,反而讓試乘者們特別期待能遇到一次“意外”情況。趕巧的是,記者就遇到了一次自動駕駛系統做出的急剎車動作:

當時,一輛外賣摩托車突然從路旁衝出來,即將以高速掠過Apollo斜前方。就在記者用餘光瞥見這輛摩托車時,Apollo來了一腳勢大力沉的急剎車。緊接着,車內響起了AI小度的道歉聲:“剎猛了,求原諒!謹慎才能保證你的安全呀。”

順豐迴應現身美國大選現場:只能從中國國內寄到美國

記者當即向車內安全員反覆確認,在這腳剎車過程中,安全員完全沒有介入,是自動駕駛系統預判到摩托車的行駛軌跡,採取了緊急制動措施。記者事後想,如果是自己在當時的場景中,可能會減速,但不會急剎。因爲摩托車在道路博弈中,大概率不會主動選擇與汽車進行碰撞,這或許是人類和機器在預判上的區別,不過也正如小度所說,“謹慎”是爲了安全,在自動駕駛剛起步的時候,還是謹慎爲妙。

除了AI自動緊急剎車,有沒有安全員必須要接管車輛的時候呢?一位安全員提到一個令人印象深刻的場景:工人打開路面井蓋,下井檢修,但並未按要求在井口擺設安全錐桶。下井工人的頭髮與黑色的井口背景融爲一體,試驗車輛未能分辨,沒有做出減速動作,安全員緊急接管。“不過這都是很早期的狀況,現在接管的次數少多了。”

急剎車與井蓋的故事提醒我們,比起相對容易處理的正常場景來說,那些發生概率較低、但“一失萬無”的極端場景——業內稱爲“邊角案例”(CornerCase)或“長尾場景”——纔是對自動駕駛真正的考驗。這些場景不按常理出牌,樣式繁多,處理難度大,卻是無人駕駛在中國落地的關鍵之一。

訓練:長尾場景是關鍵

路測過程中遇到的問題怎麼解決?

“對自動駕駛系統來說,每一個長尾場景都是非常寶貴的學習機會,每解決一個問題,Apollo的大腦就會變得更‘聰明’一些。”百度自動駕駛測試工程師李肆給記者舉了一個三角事故牌的例子:

“在一次測試中,Apollo遇到一個三角事故牌和臨時停車,識別成了靜止障礙物和靜止車輛。它選擇先停車觀察,然後再緩慢起步繞行。當系統記錄這一次緩行後,通過數據挖掘和Learning訓練模型,Apollo理解了這是交通事故場景典型特徵。在之後的駕駛策略上,再遇到三角牌,它會提前主動借道通行,像老司機一樣自然繞行。”

中智行CEO王勁:車路協同是中國無人駕駛的未來

所以,不僅僅是安全員發生接管的場景,包括系統主動發現的漏洞或是影響用戶體驗的問題,都會被系統實時捕捉,並自動上傳雲端。所有問題的數據,在後臺都會被自動化分析和歸類標註。

“對於比較簡單的問題,系統可以自己形成訓練數據,直接對算法模型進行自我更新,增強駕駛能力。而對於一些新問題和重點問題,則會被系統識別出來,流轉給技術人員作深入分析和優化。”李肆說,當技術人員對一類典型場景完成算法優化後,會在仿真平臺針對問題場景進行驗證。“從遇到一個長尾場景,到數據驅動模型迭代、仿真迴歸驗證、新版本上線解決,優化週期大約在幾周或幾個月,要視問題的困難程度而定。”

除了讓Apollo把自己遇到的難題“鞏固複習”好,百度的技術人員還給Apollo主動加練,從現實和虛擬兩個維度打造起Apollo的“練功房”。

現實中的“練功房”位於國家智能網聯汽車(長沙)測試區東片區,這是百度聯合長沙湘江智能打造的國內首個自動駕駛7×24小時全無人值守封閉測試場,目前已投入日常測試使用。可以實現測試全程無人化,支持7×24小時不間斷可靠性測試,大幅節省測試人力成本。同時也保障了場景構建的高度還原和一致性,對交互博弈場景構建的優勢尤其突出。

除了真實的道路數據之外,百度的自動駕駛學習也依託仿真模擬器。百度自動駕駛事業部總經理陶吉告訴記者:“我們擁有一個‘無限里程虛擬世界’,我們在這裏面放很多行人和車輛的障礙物,他們按照一定的規則去跑,Apollo也放一輛進去。當跑到足夠多里程的時候,會發生很多意想不到的情況。如果發現Apollo應對不了的情況,這個案例我們會特別拿出來分析,作爲訓練課程來增強自動駕駛系統的能力。”

據陶吉介紹,在仿真雲環境下,Apollo已累計運行了數億公里的測試里程,每日運行超過數百萬公里,保證了Apollo自動駕駛對路上多樣化場景的適應性,讓百度自動駕駛車輛在上路前,已經完成了對於路上可能會發生的所有場景的充分驗證。

“今天我們敢在北京開放,也是代表一種技術自信。”陶吉說,“對於一項新技術,只有面向用戶、面向市場纔有最佳的改進目標,當然我們還有各種不足,也希望能夠通過開放試乘來收集用戶的反饋,不斷打磨提升自己,帶給大家更好的出行服務產品。”

全新一代寶馬M3正式開始在慕尼黑工廠量產