自动驾驶是人工智能最有前途的应用之一,也是目前复杂度最高的应用。自动驾驶的分享分三个部分:应用情况、技术简介、由无人驾驶溢出的机会。
这部分谈谈:自动驾驶的发展在其他行业推动的变化。
自动驾驶就像星际旅行,现阶段重要的不是什么时候达到L4、L5,而是向这个目标努力的过程中,驱动了产业各个环节的技术创新,而这些技术创新将溢出到各行各业,产生丰富的价值。
自动驾驶的整车已经在工矿、港口、农业、长途货运、公交等运输场景中开始商用的探索。
产业园区、商区、景区也在寻找低速无人驾驶的低成本解决方案,除了提供接驳服务,也为行动不便人士提供单人驾驶服务。
自动驾驶整车的功能,很多也可以作为ADAS功能单独使用。
ADAS有些功能已经比较成熟,如:自适应巡航(ACC)、主动紧急制动(AEB)、自动泊车(APS)、车道保持(LKS),很多车型上已经应用。有一些装配率还不高,如:
这些功能会提升驾驶的安全性、乘坐的舒适性和操控的效率,是消费者愿意为之付费的技术,相关的技术方案企业,也就有动力把这些功能做成模块,实现成熟的量产。其中的不少模块会产生溢出效应,在其他领域也得到应用。例如:
无人物流中心的AGV(自动导引运输车),使用车距/车速检测和碰撞预警、智能车速控制、车辆之间的通信V2V等技术,加上科学的储位和路径规划,就可以进一步提高单车速度,提升整体的可靠性和效率。
室内的服务机器人、楼宇内或楼宇间的短距离无人递送、安防巡检机器人、道路清扫机器人,使用行人检测、路标识别、360度障碍物检测、车道保持等技术,就可以更安全、可靠性的完成工作,同时还能实现更灵活的部署。
如果以人为着眼点,ADAS的一些检测和预警功能,应该也可以帮助行动障碍、视觉障碍的人,更安全、自如的出行。
自动驾驶使用了摄像头、激光雷达、毫米波雷达、超声波雷达、惯性传感器等传感器。
这些传感器在车辆上使用,需要创新性的解决一些问题:满足车规。传感器需要能够在-40℃ ~80℃温度范围内正常工作,在震动和冲击时保持稳定工作,需要在8年的设计寿命内保持正常、稳定工作。
全时、全域、全天候。汽车的设计,需要考虑一年365天,一天24小时,在所有陆地道路(一般可以排除极地),在雨、雪、风、寒、暑等各种天气条件条件下工作。
高精度。为了能够识别100米甚至更远的物体“是什么”,传感器对100米以内所有物体的感知精度需要达到厘米级别。
低时延。为了安全驾驶,从异常出现到采取制动或转向动作,时延不超过0.2秒。
小型化。为了美观和整体结构安全,所有传感器硬件都需要足够小,以便“隐藏”在保险杠内、左/右/中央后视镜内、前/后挡风玻璃旁等位置。
低成本。成本方面没有绝对的标准,但7万美金一个的传感器,显然是无法大规模商用的。
所以,在网联优先的拥趸为5G网络5ms的延时兴奋时,单车智能的支持者只关心:究竟在99.99999%的情况下,时延被控制在什么范围内?
车用传感器在可靠性、性能、精度方面的要求远超一般民用产品,对尺寸、成本则要求是民用级别的,而车载市场又是公认的巨量市场,这有力的推动了相关传感器寻求颠覆性的解决方案。最典型的是激光雷达和毫米波雷达。
激光雷达最大的问题是成本,目前是寻求用固态激光雷达替代机械激光雷达,把成本降到2000美金以下,最新的车规级产品已经可以做到数百美金。
毫米波雷达最大的问题是远距离的探测精度,目前主要是从算法和更高频段两个方面,最新的探测精度已经可以做到5厘米甚至1厘米以内。
低成本、高精度的传感器在其他领域也有发挥空间,例如:
无人机植保、交通行为监测等领域,毫米波雷达的应用已经十分普遍。
目前自动驾驶涉及的传感器、深度学习、执行机构、通讯、模拟和路测等技术。
深度学习是最大的短板,涉及的芯片、算法架构、训练框架等方面,国内缺失的比较多。这个方面主要是技术型公司的机会。
其他方面,美国虽然有比较强的先发优势,但并未垄断,国内技术并不落后,部分细分赛道有和头部公司同等级的量产能力。技术型、产品型公司都有机会。
自动驾驶有几个专属的细分技术领域:
图片来源:2019中国人工智能产业白皮书(德勤)
虽然完全自动驾驶还没有那么快颠覆我们的出行,但是在追求自动驾驶的过程中实现的功能,比如主动紧急制动、自适应巡航、车道保持、AR导航、自动泊车等,还是实实在在让驾驶更轻松了。
未来自动驾驶将以“润物细无声”的姿态,从看得见、看不见的地方,逐渐渗透进人们的工作和生活。
人们可能很快会在交通枢纽、景区、园区等场所体验到自动驾驶,在工作中用到自动驾驶的技术减轻工作强度、提高安全性。
在这个过程中,消费者对自动驾驶的技术会从最早的好奇,最终走向信任。
在自动驾驶的发展过程中,政府将起到非常关键的作用。试验场的建设是自动驾驶商用的必要条件,法规的建立和完善是自动驾驶应用的基础保障。这些方面中国都比较有优势。