太空模具网  | 宇宙五金网 | 星星电子网| 银河汽车网 | 人才频道 | 技术休闲
 
 
数控系统 变频器 软件 伺服系统
机床附件 仪器仪表 机床刀夹具
拉床 锯床
宁德时代今日发布“麒麟电池”,对标特斯拉4680     多国业内人士看好工业机器人发展前景     机器视觉打开我国高端制造市场,华为成立军团争夺行业第一     意法半导体推出即用型安全汽车进入车载系统芯片解决方案     首个6G白皮书发布,6G将实现万物智联,这三大技术将撬动超10万亿市场     智能汽车迎来系统之争:角逐产业链上的“软黄金”,谁会成为汽车圈的Windows?     我国制造业在转型智能化过程中的瓶颈是什么,如何打通智能制造的“任督二脉”?     高性能计算是什么?人工智能为什么需要高性能?     2022年Q1全球晶圆代工企业TOP10营收排名     激光设备性能提升下,激光市场保持向好     从现实到理想,智能驾驶还有多远的路要走?     阻碍华为5G手机的关键芯片取得突破,国产芯片已取得一成份额     2023(asiabearing)广州国际轴承展览会     英威腾携手 “绿色光伏” ,助力“荒漠崛起”     中国车企造芯的三重山:设备、成本与时间     供应短缺,招工困难,制造业该如何转型?     伺服电批、气批、风批之间的区别     通用型与脉冲型的伺服驱动器有什么区别     步进驱动器系列的应用解答     伺服市场规模和品牌竞争状况分析     伺服电机的选型方法     运动控制卡应用常见位置偏差来源分析与解决     如何判断步进驱动器的好坏     步进电机在应用中注意的几点     如何延长加工中心的使用寿命呢?     CNC钻攻中心为什么钻孔快?     CNC加工中心加工工艺特点     加工铝件用什么数控加工中心好     CNC加工中心刀库的选择     CNC加工中心主轴噪音原因及处理方式     加工中心编程中的尺寸字介绍     数控加工中心图形交互式自动编程     加工中心机械手刀库的故障处理     海天加工中心850多少钱一台?     海天机床选型怎么选?怎么选择合适的海天机床     数控车床参数和位参数有什么作用?     中国芯片制造产能领先于美国,居于全球第三,Intel已经急了     盘点全球最大的五家汽车芯片公司     海德汉应用于机床领域的最新一代测头产品     汽车行业仍在努力应对芯片危机    
当前位置: 首页 > 新闻频道 > 综述与观点 >
从现实到理想,智能驾驶还有多远的路要走?
来源:陈述根本   发表时间:2022/6/22 15:22:00  浏览次数:
【字体:
 

导语:当前,在智能驾驶技术的突破下,越来越多的车企公司都在智能驾驶领域做出大动作,来对外展示目前最新技术能够达到的水平。从华为到北汽,从滴滴到百度,这也为近年来轰轰烈烈的“造车运动”掀起新一波热潮。

  不可否认,智能驾驶的发展给智能交通的实现提供了更多的可能,然而,在一众科技大厂涌入智能驾驶领域的同时,智能驾驶也适时给人们浇下了凉水。人们越来越发现智能驾驶的理想与现实层面的差距——特斯拉就是最好的证明,并且,仅仅依靠单车智能似乎无法解决应对城市道路中的复杂多变的情况。

  从概念的提出至今,智能驾驶发展到哪一步了?人们离智能驾驶的理想实现又还有多远的距离?

  智能驾驶仍停留在L2级阶段

  实际上,智能驾驶就包含了无人驾驶和自动驾驶,需要明确的是,智能驾驶发展的终极目标及形态就是无人驾驶,而自动驾驶则被等级区分,目前世界范围内普遍被认可的是美国汽车工程师协会(SAE)对自动驾驶水平的分级。在对自动驾驶汽车的描述上,SAE的六个等级分别是非自动化、辅助驾驶、半自动化、有条件的自动化、高度自动化和全自动化。

  L0被称为“非自动化”,是驾驶员具有绝对控制权的阶段。

  L1被称为“辅助驾驶”,在L1阶段,系统在同一时间至多拥有“部分控制权”,要么控制转向,要么控制油门/刹车。当出现紧急情况突发时,司机需要随时做好立即接替控制的准备。并且人类需要对周围环境进行监控。

  L2被称为“半自动化驾驶”。与L1不同,L2阶段转移给系统的控制权从“部分”变为“全部”,也就是说,在普通驾驶环境下,驾驶员可以将横向和纵向的控制权同时转交给系统。并且人类需要对周围环境进行监控。

  L3被称为“有条件地自动化”,是指系统完成大多数的驾驶操作,仅当紧急情况发生时,驾驶员视情况给出适当的应答的阶段。此时,系统接替人类,对周围环境进行监控。

  L4被称为“高度自动化”,是指自动驾驶系统在驾驶员不出做“应答”的条件下,也可以完成所有的驾驶操作的阶段。但是,此时系统仅支持部分驾驶模式,并不能适应于全部场景。

  L5被称为“全自动化”,与L0、L1、L2、L3、L4最主要的区别在于,系统能够支持所有的驾驶模式。在这一阶段中,将不再会允许驾驶员成为控制主体。

  对于智能驾驶来说,安全既是起点,也是终点。然而,现实是,当前,即便是对于以人为主体的L2级别自动驾驶,安全问题都仍然突出。一直以来,汽车制造商和科技公司坚称自动驾驶相关技术可以挽救生命,但事实是,去年死于自动驾驶车祸的人数比过去三十年都要多。

  6 月 16 日,美国联邦政府发布了两份新报告,首次披露了涉及自动驾驶汽车(AV)和配备先进驾驶辅助系统(ADAS)的汽车碰撞和死亡事故的统计情况。这次的数据报告源于美国国家公路交通安全管理局(NHTSA)去年发布的一项常规命令,该命令要求汽车公司报告涉及 AV 以及当前道路上数十万辆汽车中发现的 L2 驾驶辅助系统的事故,以评估该技术是否存在安全风险。

  其中,特斯拉涉及驾驶辅助技术的事故最多,报告称,从 2021 年 7 月 20 日到 2022 年 5 月 21 日,共有 273 起涉及使用 Autopilot 的特斯拉汽车碰撞事故。这一家公司的事故数量占据了报告期间 392 起事故中的 70%。

  相对来说,其他汽车制造商报告的车祸数量则远少于特斯拉,比如以“Honda Sensing”品牌销售 ADAS 功能的本田披露了 90 起事故;将 ADAS 打包在“EyeSight”之中的斯巴鲁报告了 10 起事故;福特披露了 5 起车祸,丰田披露了 4 起车祸,宝马披露了 3 起车祸,而 Super Cruise 制造商通用汽车仅披露了 2 起车祸;Aptiv、现代、Lucid、保时捷和大众汽车各报告了一起车祸。

  当然,特斯拉L2级车祸全美第一的背后,固然与特斯拉使用辅助驾驶功能的车在美国的市场占有率最高有关。但与之对应的,则是特斯拉作为智能驾驶行业的头部车企——不论是从技术的研发、代矢还是主动驾驶的大数据层面,以及实际应用数据层面来说——都尚且面对这样的智能驾驶安全问题,更不用说像蔚来、理想、小鹏甚至百度等车企了。

  不可回避的安全问题

  智能驾驶的实现,离不开感知、规划、控制这三大技术要素。实际上,这也是人类驾驶汽车过程的粗略拆分,即首先观察周围车辆情况、交通指示灯;然后依据自己的目的地方向,通过油门、刹车和方向盘,进行加速/减速、转弯/变道以及刹车的操作。

  对于智能驾驶来说,智能驾驶汽车想要完成自主行驶,就需要像是人行走一样,“看”得清道路是第一要求,感知就是让智能驾驶汽车可以对交通环境进行理解和把握,通过感知系统的加持,智能驾驶汽车可以对交通环境中障碍物的位置、速度及接下来可能的行为;交通环境中可以行驶的区域、交通规则等信息进行获取,智能驾驶汽车还可以通过感知系统了解自己所处的位置从而可以为进一步的决策和规划提供重要的道路信息。

  智能驾驶汽车“看”的清是第一步,而对于“看”到的信息进行分析决策,并对之后的出行行为进行规划,则是更为重要的一个环节。就像人在路面行走一样,需要对自己要走的路径进行规划,智能驾驶汽车也要对获得的道路信息进行规划,根据规划方向的不同,可以分为行为规划、任务规划和动作规划。

  智能驾驶汽车根据出行任务,对交通情况信息进行分析,从而做出对应的判断,如超车、停车、绕行等。规划系统就像是人类的大脑,会对获得的道路信息进行分析判断,并根据出行任务,对驾驶行为做出调整。

  规划就是人类驾驶在驾驶汽车过程中对于交通环境对处理过程,规划对于智能驾驶汽车非常重要,想要让智能驾驶汽车安全行驶,能够处理各种交通环境,则需要智能驾驶汽车可以对不同的场景做出及时反应,在面对诸如“乘客优先”还是“行人优先”等决策时,可以直接给出最佳解决方案。

  控制则是智能驾驶汽车落地的最直观的体现,作为智能驾驶汽车整套系统的最底层,控制系统对于智能驾驶汽车做出的规划做出反应,让智能驾驶汽车成功完成加速、减速、避让等一系列动作,智能驾驶控制执行的核心技术主要包括车辆的纵向控制和横向控制技术。

  然而,就当前的技术来看,尽管如今的机器智能已经证明了在速度、精确度等方面机器可以远超过人类。当机器做出决策后,通过线控系统将信号传递到汽车的转向系统、制动系统和传动系统,可以确保信号的快速性以及准确性。但要知道,智能驾驶是个复杂的系统,除了算法之外,还有很多复杂的现实情况需要考量,并且,在智能驾驶研究逐渐深入的背景下,传感器、芯片以及数据的问题也在逐渐暴露。

  从智能驾驶的传感器角度来看,作为外部路况探测的传感器,其收集的信息将作为驾驶决策的输入,这是驾驶决策的重要保障。可以说,没有完整的信息,就不可能支持决策系统做出正确、安全的驾驶决定。虽然众多的传感器在单一指标上可以超越人眼,但是融合的难题以及随之而来的成本困境,成为智能驾驶演进过程中面临的第一个严峻考验。

  多传感器的问题同时也埋下了下一个问题的隐患,那就是芯片的性能。如果需要更全面的了解外部路况信息,就需要部署更多的传感器。更多的传感器就对融合提出了更高的要求,而且在高速度的情况下,由于路况信息的变化,所带来的数据信息也更为海量。

  根据英特尔的测算,一台智能驾驶的汽车,配置了GPS、摄像头、雷达和激光雷达等传感器。这些设备每天将产生约4TB待处理的传感器数据,如此巨大的数据量必须有强大的计算设备来支撑。而即使是英伟达这样的顶级GPU企业,也在算力和功耗的平衡上几乎达到了天花板。

  于是,不能满足智能驾驶需求的传感器和芯片,就跟当前我们所使用的手机导航软件一样,在关键时刻总是会出现反应慢拍的情况,导致我们走错了岔路。在未来很长一段时间内,这都将是智能驾驶要跨越的巨大技术障碍。

  未来的智能驾驶

  智能驾驶除了现阶段面临的技术瓶颈,还需要面临的一个问题是,车路协同的障碍。当前,随着技术的逐渐进步,人们已经越来越发现单靠单车智能无法解决应对城市道路中的复杂多变的情况。基于此,车路协同技术也就应运而生,为的便是解决单车智能所无法解决与处理的一些复杂危险场景。

  区别于单车智能驾驶,车路协同智能驾驶认为:除了自己的感知单元,也可以接受路、其他车、信号灯等各个信息来源的消息,算力不够就以强大的云计算来补足算力,车路协同的智能驾驶使得智能汽车成为智慧交通网络里的小节点,与身边交通参与者发生着各种信息的交互。

  最重要的是,车路协同将极大提升智能驾驶车辆的行车安全性。毕竟,目前智能驾驶极其难处理的一个场景便是在有盲区的区域突然出现一个未知的障碍物。这对于经验不那么丰富的人类驾驶员,这种场景都是极其危险并极易出现交通事故的。

  而目前的单车智能针对这种场景主要是通过危险场景的识别来降低车速,减少紧急刹车时所产生的制动距离。或者是通过感知跟踪算法,对之前已经出现的障碍物,现在处于盲区遮挡的情况进行跟踪,来给出更加精准的预测。但无论哪种方式,其实都很难去完全处理这种危险场景。

  而车路协同设备的接入,可以给自动驾驶汽车开启“上帝视角”,给到车辆自身传感器所无法感知到的障碍物信息,来帮助决策规划算法做出更加合理安全的决策,来保障乘客的安全与舒适。

  此外,车路协同还可以极大提升城市的通勤效率。通过城市大脑的交通流调度,可以让车辆合理地选择出行路线,避免了多数车辆拥挤在城市主干道上导致交通拥塞的情况。通过交通调度算法,可以极大缓解目前困扰城市的堵车难题,甚至可以智能调度红绿灯的时长,让道路变得更加的通畅快捷。

  如今,智能交通协同发展正在成为一种趋势,未来,车辆的自主控制能力不断提高,智能驾驶也将最终实现,进而改变人车关系,将人从驾驶中解放出来,为人在车内进行信息消费提供前提条件。车辆将成为网络中的信息节点,与外界进行大量的数据交换,进而改变车与人、环境的交互模式,实时感知周围的信息,衍生更多形态的信息消费。

  而随着智能驾驶的普及,或许,大部分人不再需要购买一辆属于自己的汽车,出行可以作为一项按需提供的服务,将道路、汽车等资源充分进行共享,从而提高社会的整体运行效率。

  届时,更为先进的信息技术、通信技术、控制技术、传感技术、计算技术会得到最大限度的集成和应用,人、车、路之间的关系会提升到新的阶段,新时代的交通将具备实时、准确、高效、安全、节能等显著特点,智能交通系统必将掀起一场技术性的革命。

  当然,这一切得以实现的基础,是必须确保智能驾驶技术的稳定和可靠,而回到今天,对于L2级车祸依然高发的现状,弥合理想与现实的差距,深耕底层技术,或许才是实现智能驾驶未来最行之有效的办法。

相关主题    Related Subjects
 从现实到理想,智能驾驶还有多远的路要走  从现场到线上,西门子医疗服务新布局  从现实与历史剖析机床工具行业如何走出困
 从现实与历史剖析机床工具行业如何走出困  从现实与历史剖析机床工具行业如何走出困  辅助设备与聚合物:从现实市场到未来追求
 让轻松测量从现在开始
中国数控机床网   关于本网 -服务中心-投稿信箱- 联系我们-使用帮助-投诉举报-会员服务区-实用数据-友情链接
Copyright©2003-2020 中国数控机床网 www.c-cnc.com All Rights Reserved
客户服务热线: 958509424 dejicnc789