关于人工智能:一文详解自动驾驶技术与挑战

初步理解主动驾驶

智能驾驶汽车作为一个集成感知、认知、布局和管制性能于一体的简单零碎，它的研发基于人工智能、认知科学、自动控制、地图测绘、传感技术等泛滥学科的最新研究成果。智能驾驶汽车凭借其良好的利用前景与广大的潜在市场，失去了泛滥国家的资金投入与研发反对，在技术上也获得了许多突破性停顿。本文将简要介绍智能驾驶的产生与倒退、智能驾驶技术的行业标准及宏观剖析，并通过拆解智能驾驶零碎的技术体系架构帮忙大家初步理解主动驾驶技术的原理和作用。

本文次要答复以下几个问题：

• 主动驾驶行业倒退历程

• 行业智能化水平划分规范

  • 主动驾驶的次要技术架构
• 智能网联汽车行业前景及瞻望

行业背景概述

进入 21 世纪，汽车逐渐向智能化、轻量化、电动化、网联化、出行形式共享化等方向倒退；主动驾驶作为重要的发展趋势之一，将 再次彻底改变出行形式。我国汽车工业起步较晚，但在新能源汽车等畛域停顿较快，并率先赶上主动驾驶研发热潮，无望在汽车产业施展引领作用。

因为深度学习算法的引入，主动驾驶技术有了爆炸性的冲破。2009 年，谷歌布局主动驾驶，引发了新一轮的产业热潮，更多的科技 企业退出市场抢夺中。2020 年前后，则成为次要汽车厂商和科技企业承诺推出齐全主动驾驶车辆的工夫节点。

主动驾驶级别划分

目前被国内外广为承受的是 SAE（国内汽车工程学会）分级，从 Level-0～Level-5 总计 6 个级别，Level-0 为最低级别，Level-5 为最高级别。如下图，从无自动化，到“解放双脚”，“解放双手”，“解放双眼”，“解放大脑”，最终达到齐全的“无驾驶员”化。

L0 级

主动驾驶零碎不能继续执行动静驾驶工作中的车辆横向或纵向静止管制，但具备继续执行动静驾驶工作中的局部指标和事件探测与响应的能力。被动刹车、盲点监测、车道偏离预警和车身稳固零碎都属于 L0 级别的主动驾驶；

L1 级

主动驾驶零碎在其设计运行条件内继续地执行动静驾驶工作中的车辆横向或纵向静止管制，且具备与所执行的车辆横向或纵向静止管制相适应的局部指标和事件探测与响应的能力。也就是说，L1 级零碎可能帮忙驾驶员实现固定条件下的驾驶工作，驾驶员须要监控驾驶环境并筹备随时接管。如车道放弃零碎，定速巡航零碎等应属于 L1 级别的主动驾驶；

L2 级

主动驾驶零碎在其设计运行条件内继续地执行动静驾驶工作中的车辆横向和纵向静止管制，且具备与所执行的车辆横向和纵向静止管制相适应的局部指标和事件探测与响应的能力。能够同时主动进行加加速和转向的操作，也意味着自适应巡航性能和车道放弃辅助零碎能够同时工作；

L3 级

主动驾驶零碎在其设计运行条件内继续地执行全副动静驾驶工作。车辆在特定环境中能够实现主动加加速和转向，不须要驾驶者的操作。驾驶员能够不监控车身周边环境，但要随时筹备接管车辆，以应答主动驾驶解决不了的路况。而目前公认的 L3 级主动驾驶入门门槛必须是带有激光雷达。

L4 级

主动驾驶零碎在其设计运行条件内继续地执行全副动静驾驶工作和执行动静驾驶工作接管。可能实现驾驶全程不须要驾驶员，然而存在限度条件，例如限度车辆车速不能超过肯定值，且驾驶区域绝对固定。实现 L4 级别主动驾驶后曾经能够不须要装置人工刹车和油门了；

L5 级

主动驾驶零碎在任何可行驶条件下继续地执行全副动静驾驶工作和执行动静驾驶工作接管。齐全自适应驾驶，适应任何驾驶场景。然而波及到法律与政策、技术冲破等限度，目前还须要进一步深刻研发，对应的产品目前还没有实现。

1. 商业落地上，从现有的智能驾驶汽车量产布局来看，2020-2022 年是局部车企 L3 级别主动驾驶量产阶段：从内资来看，2020 年一汽、长安、东风、北汽、吉利、长城、奇瑞、小鹏实现 L3 级别量产，外资则有特斯拉、本田实现 L3 级别量产；
2. 低级别的 L2 曾经量产上市，高级别的 L4 则在老本、技术和路权等方面仍存在难点，从内资来看，一汽、北汽布局 2021 年实现 L4 量产，但更多车厂则在 2022 年后推出。

宏观影响因素

PEST 模型依照政治（Political）、经济（Economic）、社会（Social）、技术（Technological）四大因素洞察产业所处环境，通过 应用该模型，能对国内主动驾驶产生、倒退的宏观背景做深层次的剖析。

咱们重点介绍技术因素对主动驾驶产生的促进作用，家喻户晓得益于人工智能，尤其是深度学习的倒退，汽车产业开 始向主动驾驶方向后退，传统业态被注入新的驱动力：

1. 近年来，AI 技术，尤其是深度学习的长足发展给主动驾驶的实现提供了条件，并深度利用于感知、建图、决策等环节，显著进步了 单车智能的程度。例如，在 2005 年的 DARPA 挑战赛中，斯坦福团队应用 AI 自我学习的算法将主动驾驶的感知辨认错误率显著晋升了 4 个数量级，战败了其余基于规定设定算法的参赛团队，使 DARPA 成为主动驾驶倒退的里程碑式赛事。
2. 5G 通信技术将满足联网主动驾驶汽车对高数据带宽和传输速度的需要。

技术架构拆解

4.1 总体零碎设计

智能驾驶车辆的物理架构大体上由环境传感器平台、计算平台，决策布局与定位导航，智能底盘（管制与执行）这几个局部组成。

4.2 感知零碎

环境传感器是智能驾驶零碎的“眼睛”，其次要工作是对智能驾驶车辆周围环境，例如其余车辆地位、车道线、交通信号和行人等进行感知 ，并将相干数据传输给计算平台，使智能驾驶零碎能无效对周边环境进行实时感知。 感知即无人驾驶零碎从环境中收集信息并从中提取相干常识的能力。其中，环境感知特指对于环境的场景理解能力，如障碍物的类型、路线标记、行人和车辆检测等语义分类。定位是对感知后果的后处理，通过定位性能从而帮忙无人车理解绝对于所处环境的地位。环境传感器次要包含毫米波雷达、激光雷达和相机等，以及导航定位和惯性导航传感器等。不同雷达及传感器的感知范畴精度都有所不同，如下图所示：

4.3 计算平台

计算平台的主控制芯片是无人驾驶零碎的“大脑”，是信息处理核心和决策制定者。相较于传统汽车，智能汽车数据量大增，高性能芯片成为刚需，比方当初风行的高通 SA8155；计算平台实质上是一台挪动的超级计算机，为丰盛的智能化利用性能提供了弱小的算力撑持和软件运行环境。其组成部分包含基于车载人工智能计算芯片的车载计算平台硬件和车载操作系统，可实现多种类型、多路传感器接入，实现 360°环境感知、多传感器交融、三维环境建模、定位、预测及语义地图等性能。车载 AI 计算芯片是计算平台的外围。

4.4 决策布局与定位导航

布局是指无人车为了到达某一目的地做出决策和打算的过程。对于无人驾驶车辆而言，这个过程通常包含从起始地到目的地，同时要避开障碍物，并且一直优化行车路线轨迹和行为，以保障乘车的平安舒服。决策层在整个智能车决策布局管制软件系统中扮演着“副驾驶”的角色。这一层面会集了所有重要的车辆周边信息，不仅包含智能车自身的以后地位、速度、朝向以及所处车道，还收集了智能车肯定间隔内所有重要的感知相干的障碍物信息以及预测轨迹。决策层能够了解为根据感知信息来进行决策判断，确定适当工作模型，制订相应控制策略，代替人类驾驶员做出驾驶决策。这部分的性能相似于给主动驾驶汽车下达相应的工作。例如在车道放弃、车道偏离预警、车距放弃、障碍物正告等零碎中，须要预测本车及相遇的其余车辆、车道、行人等在将来一段时间内的状态。先进的决策实践包含模糊推理、强化学习、神经网络和贝叶斯网络技术等。

因为人类驾驶过程中所面临的路况与场景多种多样，且不同人对不同状况所做出的驾驶策略应答也有所不同，因而类人的驾驶决策算法的优化须要十分欠缺高效的人工智能模型以及大量的无效数据。这些数据须要尽可能地笼罩到各种常见的路况，而这也是驾驶决策倒退的最大瓶颈所在。决策层须要解决的问题，是在通晓这些信息的根底上，决定智能车的行驶策略。智能车的行为决策模块，是要在上述所有信息的根底上，做出如何行驶的决策。能够看出，智能车的行为决策模块是一个信息汇聚的中央。

在决策层上游的模块是动作布局（Motion Planning）。其工作是具体将行为决策的宏观指令解释成一条带有工夫信息的轨迹曲线，给最底层的反馈管制进行理论对车的操作。更具体而言，动作布局模块试图解决在肯定约束条件下优化某个范畴内的时空门路的问题。这里的“时空门路”指车在肯定时间段行驶的轨迹。该轨迹不仅包含地位信息，还包含了整条轨迹的工夫信息和车辆姿势：即达到每个地位的工夫、速度以及相干静止变量，例如加速度、曲率和曲率的高阶导数等。动作布局可拆分成两个问题，即轨迹布局（Trajectory Planning）和速度布局（Speed Planning）问题来解决。

4.4 管制和执行

管制是指无人车精准地执行布局好的动作、路线的能力，及时地给与车辆执行机构适合的油门、方向、刹车信号等，以保障无人车能按预期行驶。执行层是指零碎在做出决策后，依照决策后果对车辆进行管制。车辆的各个操控零碎都须要可能通过总线与决策零碎相连接，并可能依照决策零碎收回的总线指令准确地管制减速水平、制动水平、转向幅度、灯光管制等驾驶动作，以实现车辆的自主驾驶。

执行零碎次要波及线控底盘，包含线控转向、线控刹车、线控油门、线控换挡等。线控零碎来取代司机的手和脚，并配置多个处理器组成的子系统，以此来稳固、精确地管制汽车平安行驶。

智能驾驶的将来瞻望

随着 5G 技术的推广应用，信息传输速度失去质的飞跃。万物互联的物联网时代即将来临。物联网这一技术在汽车上的实现称为车联网，而搭载车联网技术的车辆即为智能网联汽车（intelligent connected vehicle，ICV）。

智能网联汽车是指搭载先进的车载传感器、控制器、执行器等安装，并交融古代通信与网络技术，实现车与×（车、路、人、云等）智能信息替换、共享，具备简单环境感知、智能决策、协同管制等性能，可实现平安、高效、舒服、节能行驶，并最终实现代替人来操作的新一代汽车。如下图其中会用到 V2X 技术：

V2X（Vehicle to Everything）作为一种车用无线通信技术，是将车辆与所有事物相连接的新一代信息通信技术，其中 V 代表车辆，X 代表任何与车交互信息的对象，以后 X 次要蕴含车（Vehicle to Vehicle, V2V）、人（Vehicle to Pedestrian, V2P）、交通路侧基础设施（Vehicle to Infrastructure, V2I）和网络（Vehicle to Network,V2N）。V2X 将“人、车、路、云”等交通参加因素有机地分割在一起，不仅能够撑持车辆取得比单车感知更多的信息，促成主动驾驶技术创新和利用，还有利于构建一个智慧的交通体系，促成汽车和交通服务的新模式新业态倒退，对进步交通效率、节俭资源、缩小净化、升高事变发生率、改善交通管理具备重要意义。

智能驾驶在继续倒退和落地的过程中，仍面临如下挑战：

挑战 1：规范法规不欠缺以后，智能驾驶相干规范和法规不欠缺。

一方面，智能汽车规范尚未造成；另一方面，高度主动驾驶汽车上路面临法律法规制约，须要钻研进行相应调整。

挑战 2：路线基础设施建设与智能汽车倒退短少兼顾

智能驾驶须要车与车、车与路等的信息交互，车辆依据信息自动控制本身的驾驶动作，国内当先的汽车厂家目前都已具备本人的智能网联倒退布局，并已开始施行，但短少路线基础设施建设和统筹规划，智能驾驶始终难以实现。

挑战 3：凋谢带来的信息安全问题对智能汽车倒退造成威逼

凋谢是智能汽车实现智能驾驶和晋升用户体验的根底，但也带来智能汽车计算机系统与外界网络交互存在的安全隐患。

挑战 4：我国路线适应性验证复杂度和难度高，考验车企产品的可靠性

智能驾驶由车辆自主决策并执行，面临驾驶人的信赖问题，车辆呈现故障将造成不良后果。传统的统计验证曾经不适宜智能汽车的要求，智能网联汽车验证强度、复杂度将以指数级减少。我国路线环境复杂度，各地区不同驾驶人及行人的交通习惯，全天候、全路况下对人的感知对智能网联汽车的验证提出了更高要求。

随着主动驾驶技术的倒退和科技公司对无人驾驶技术的钻研，最终无论是车企还是科技公司都会初步实现无人驾驶。无人驾驶的初步实现肯定会在技术畛域呈现很大的差异性，包含算法的差异性、零碎平台的差异性以及设施的差异性。要实现无人驾驶安全性的进一步提高，必须实现车辆与基础设施间的通信（V2I），其次要实现车辆间的信息共享（V2V），最终实现车联万物（V2E）的最终目标，将汽车打造成最大的集体挪动解决平台。要实现 V2I 与 V2V 就必须缩小不同品牌间无人驾驶技术的差异性，加强平台间的信息共享能力。现在的主动驾驶与无人驾驶都是以独自车辆为单位，一辆车所能获取的信息只能来自本身的传感器。车联网的最终目标是要实现 V2E，将车辆变成与手机一样的挪动解决平台，车辆不再是独自的交通工具，每辆车都将成为使用者的娱乐和工作的平台，最终实现万物互联的终极目标，可见，主动驾驶及智能网联汽车在将来还有很长的一段路要走。

附图：

本文由 mdnice 多平台公布