山西新闻网

自动驾驶企业拥抱开源数据集 L4 的难点如何破解?

自动驾驶汽车技术的发展也促使世界各国政府加强其法律法规。

算法和数据:自动驾驶公司开始接受开源数据集

当前L4自动驾驶仪的关键难点在于现有算法无法在复杂环境中准确处理无尽的尾部场景。一旦长尾场景算法的难度被打破,自动驾驶的安全性问题将大大减轻。我们相信自动驾驶有望加速商业化进程。商业化将导致自动驾驶员零件和整车的大规模生产,从而降低传感器成本并促进产业链的快速成熟。感知和执行层当前的困难自然得到解决。

从感知层,决策层和执行层的角度来看,我们认为目前L4级自动驾驶仪着陆的困难包括:

数据是自动驾驶公司的重要资产,高质量的标签数据对于自动驾驶开发至关重要。过去,大多数自动驾驶公司都严格保密他们的数据集,但现在他们正在加速向开放过渡。在2018年3月,百度阿波罗是第一个发布自动驾驶数据集ApolloScape的人。

2019年6月,在CVPR 2019计算机视觉峰会上,Waymo和Argo AI也发布了一个公共自动驾驶仪数据集,Waymo Open Dataset的注释数据量为600,000帧,传感器配置丰富,Argo AI的Argoverse数据集是第一个具有高分辨率地图数据的公共数据集。

接下来,在2019年7月,Lyft还发布了一个开源自动驾驶仪数据集。我们认为,考虑到当前自动驾驶仪在长尾场景中遇到的困难,单个企业很难独立建立和维护完整的数据集。因此,开启自动驾驶数据是一个长期趋势,数据开放将有助于自动驾驶行业突破算法瓶颈。

系统零缺陷是实现自动驾驶的核心挑战,L3可能是短期最优动态平衡

汽车的道路安全是实现自动驾驶过程中的关键因素之一。我们认为,自动驾驶等复杂系统所追求的零缺陷目标正在成为其自身的制约因素。高级自动驾驶意味着驾驶员的注意力和时间的释放。消除人为因素后,也意味着加深对设备安全性的依赖,将自动驾驶系统的安全标准提高到更高的位置。

ISO识别关键硬件并添加冗余。根据ISO中定义的方法,自动驾驶系统的风险程度如下:

考虑了三个指标,并将其分为四个级别的功能安全级别ASIL A/B/C/D.其中,ASIL-A是最低安全等级,ASIL-D是最高安全等级,QM意味着系统要求独立于安全功能。 ASIL级别越高,系统安全性要求越高,但这也意味着硬件的诊断覆盖率越高,开发过程越严格,开发成本越高,开发周期越长。

大多数先进的自动驾驶功能(例如自动转向,紧急制动)的故障可能会对驾驶员造成致命伤害,因此OEM更有可能被归类为ASIL-D。许多关键子系统都需要必要的冗余。

弱环境识别能力不是硬件物理缺陷,而是算法不足

目前,自动驾驶技术水平对外部环境做出了明确的判断,但仍然存在困难。由于天气环境的多样性,道路环境的复杂性,车辆本身的高速运动特性,传感器受到视角,照明,污垢和遮挡的影响,没有理想的环境 - 意识到能够正确处理所有工作条件的技术。感知设备被耦合和算法以补偿各种技术中的缺点。

因此,识别环境的能力难以为零缺陷,不是因为组件的物理缺陷,而是因为算法对复杂环境的处理能力不足。

零缺陷管理不是免费的,并且该过程导致工业利润池转移

产品缺陷本身无疑会增加企业成本。成本将包括故障分析,返工,重新检查,保修成本,召回成本和延长营业额。因此,当汽车系统的质量差并且产品缺陷率高时,整体质量成本高。高田安全气囊的产品缺陷导致全球众多知名汽车制造商(丰田,日产,本田,讴歌,马自达,福特等)召回超过1000万辆汽车,直接导致高田破产在2017年;丰田在2010年在这一年,由于油门踏板的失效,它也带来了约20亿美元的召回成本。

但零缺陷管理不是免费的,它需要整合到开发过程,自动驾驶系统的流程中,甚至需要重塑企业文化。

L3级自动驾驶仪时间表是成本和缺陷率的动态平衡

对于自动驾驶来说,一味追求完全的“零”缺陷,短期内由于环境识别等领域准确度仍有不足,若堆砌大量的硬件则又带来极高的成本压力。我们认为 L3 水平的自动驾驶,是成本和缺陷率的动态平衡的结果,将一部分系统缺陷的结果交由驾驶员来处理,或许是真正实现“无人”驾驶之前必要的权衡之举。

(责任编辑:DF318)