—— 汽车产业链供需平台 ——
首页 > 资讯 > 智能网联 > 北京航空航天大学教授邓伟文:汽车自动驾驶

北京航空航天大学教授邓伟文:汽车自动驾驶产业化落地的关键挑战与应对技术

盖世直播 2021-10-21 09:37:25

10月18日-19日,2021第九届汽车与环境论坛暨第13届全球汽车产业峰会隆重召开。本次论坛主要围绕中国汽车产业发展、动力总成电气化、ADAS与自动驾驶、芯片与汽车基础软件、智能座舱等行业热点话题展开,旨在共同探讨新形势下中国汽车产业有序发展的新思路。下面是北京航空航天大学教授邓伟文在此次论坛上的演讲实录。

image.png

下面我就自动驾驶链涉及的人和环境对自动驾驶的影响跟大家做一个分享。传统汽车驾驶是典型的机电一体化系统,是一个相对比较成熟、也比较确定的系统。而自动驾驶重新定义了汽车和驾驶。一方面汽车通过环境传感器使行驶环境成为了汽车的一部分。另一方面,人既操控汽车,也通过控制器控制汽车,所以这个系统是典型的人机环境的强耦合系统。因为行驶环境多变且不确定,不可穷举,为自动驾驶的开发和安全带来巨大的挑战。

自动驾驶面临的挑战总体上可归纳为两个问题,第一是安全可靠性保障;第二是安全可靠性测试。

在人车环境系统中我们首先看人的因素。传统汽车人和车也有交互,我们比较多地关注人因工程、人机交互、人的驾驶舒适性,人对车的操控等等。对于世界的感认知主要是靠人。但自动驾驶或无人驾驶,是否人的问题就会随着自动化程度的不断提高其作用会逐渐减少呢?

我们知道自动驾驶谷歌Waymo做的比较早,也做的比较好,他们还是直接做L4级自动驾驶。最近我们知道加州DMA正式批准了Waymo可以上街开展商业化运行,说明技术成熟度还很不错。John Krafcik是公司之前的CEO。2019年初在华尔街邮报组织的一场早餐会上,他有一个比较有名的发言。他强调自动驾驶还很遥远,还很艰难,特别是人的作用会永远存在。

传统汽车环境的干扰总体来讲是有限的,一个是道路路面,另一个是空气动力学(阵风或风阻)。因为驾驶员和控制器同时控制车辆,从这个意义上也是人机共驾。但总体上,机器听人指挥,我们通过检测驾驶人的油门踏板和方向盘输入判断他的驾驶意图,从而通过设计算法来加强人的驾驶;另外环境也是由人负责。传统汽车电控有个基本假设,即人是完美的,否则你怎么发号施令呢,这是人主机从的人机共驾系统。

但是从统计数据我们知道,90%以上事故源于人。所以从上世纪八九十年代汽车电控系统开始,有了汽车智能辅助驾驶、主动安全,也就是我们通常讲的ADAS系统,再进一步就是汽车自动驾驶和自主驾驶等。所以自动驾驶是汽车电子化和智能化进展的过程。

自动驾驶总体上是通过人机交互和人机共驾辅助人替代人的驾驶,包括提示、警示,一定程度干预和最后完全接管。从发展角度来看,过去经历了较长时间以人驾驶为主的L1,L2级自动驾驶,到了人和机作用实际上进入了拐点,就是人的驾驶功能在逐渐减少,机器驾驶主导的阶段,这就是我们通常讲的L3级自动驾驶,也是人机共驾的拐点。

这个拐点涉及到驾驶主体、责任和方式的根本性变化,这也是人在汽车自动驾驶中的作用因素发生的变化。

人机共驾本质上是两个完全不同的控制器控制汽车驾驶。机器的自动驾驶系统包括感知、决策、规划和控制。而人通过视听觉和触觉、体感等构成驾驶反馈,再通过感认知形成驾驶决策和规划,通过手和脚控制车辆,这是典型的人机共驾系统。

人机共驾现阶段本质上还是人机交互,主要解决的是人和机对于驾驶控制权的分配问题,包含切换型,要么人开、要么机器开,这就需要解决切换时机、切换方式等问题,特别是保证在这个过渡过程中的安全性和舒适性。另外一个是共享性,人和机共同驾驶车辆,虽然目标一致,如何解决人驾驶不足的补偿、协调、优化、纠偏等等。人机共驾的目的除了解决人在驾驶过程当中疲劳、分神、分心、醉驾等问题外,另外就是拟人化和类我化自动驾驶,这是未来自动驾驶被广泛市场接受的重要原因,也就是我们通常讲的人性化驾驶和个性化驾驶。

人机共驾的关键是怎样理解人的驾驶特征,包括理解驾驶人的驾驶意图、驾驶状态和驾驶行为,这构成了人机共驾关键也比较有挑战性的研究领域。这是我们做的关于人机共驾中共性特征的研究,包括人的驾驶机理研究。另外是个性化的特征研究,通过数据驱动,采集人开车以及传感反馈的数据进行离线建模,对于人的驾驶进行分类,通过在线辨识方式判断驾驶类型。随着数据量的不断增多,我们可以不断提高辨识分辨率和精度。这是我们通过数据进行离线分类。另一方面,判断人的驾驶特征分类,包括稳健型、一般型、激进型等,通过已知驾驶员的驾驶样本进行标定。然后通过在线辨识快速判断我的驾驶类型,基于这个类型就可以对人进行个性化处理。

人机共驾虽然对于解决汽车环境感认知存在的不足,但也带来巨大的挑战。不仅在如何理解人的驾驶状态、驾驶行为和驾驶技能方面,而且其本身就是悖论,人既需要帮助、又能够帮助。自动驾驶的出发点是替代人,但是自动驾驶系统还缺乏足够的可靠性,在不少特殊场景下仍然需要人的帮助。人既是问题源,又是依靠对象,存在着矛盾的属性。这也是汽车自动驾驶渐进式发展过程中,因为传感感知的不足、因为算力的不足,还有成本约束等原因,使得在相当一段时间里面我们必须借助于人的帮助实现一定程度的自动驾驶,这也面临的尴尬。

我们对于自动驾驶的要求,特别是作为智能体,不仅要具备足够的驾驶功能,还要具备演绎、推理、判断、决策能力,目前机器是远远做不到的。另外就是道德伦理方面,自动驾驶系统还必须具备感性、悟性,理性,能够对攸关安全、甚至生死等关键选择作出正确的决策,这也是非常重要的挑战。

自动驾驶汽车不是移动机器人,而是智能体,要求具备人基本的智能属性,包括自主性,反应性,主动性等等,目前总体上还是自动化机器,这方面还面临较大的挑战。

人机融合智能是解决这类问题的潜在技术方向。当前的人工智能技术主要是从数据中学习,主要体现的是计算智能。如何利用人的智能、通过人机融合,即通过融合以认知为中心的人类智能和以计算为中心的机器智能,形成人机融合智能系统,以大幅度提升汽车驾驶智能化程度,是潜在的有效途径。

人的驾驶行为往往是通过视觉、听觉、触觉等关注行驶环境并做出决策判断,人擅长做模糊判断,擅长于处理不确定性系统,基于价值和态势进行感知和决策。反之,机器基于精准和确定性判断、基于事实和规则。怎么融合两者形成人机融合感知,混合决策,最终提升汽车智能化程度是当前研究的一个领域。

简单归纳一下,人的因素在自动驾驶,甚至无人驾驶里面扮演着重要的作用,包括拟人化和个性化自动驾驶。另外,人机融合,融合人的智能也是提升智能化水平的发展趋势。

从人主机从走向人机交互,到最后实现人机融合。

汽车智能化过程是机器自动化往类人智能化演绎的长期过程,现阶段总体上还处于自动控制技术为主的技术阶段在向基于AI计算智能为主的阶段过渡,未来我们说类脑智能技术通过借助于人脑和人脑融合,脑机接口等实现类人驾驶,这是一个长期挑战。

汽车自动驾驶的另一关键挑战源于行驶环境。我们知道环境是汽车驾驶安全问题产生的重要因素。人们对机器驾驶安全的期望远高于对人的驾驶,那么多安全算安全?其中测试验证是关键,即如何测试自动驾驶系统是不是安全,同样是长期挑战,因为我们不可能基于传统的道路和场地测试方式来测试验证自动驾驶系统的安全性,我们需要新的方法。

交通事故的出现是小概率事件,而小概率事件需要巨大的样本或者漫长的周期来找到它的问题所在。谷歌Waymo的仿真测试已经超过150亿英里,而道路测试大概在2000万公里左右,仿真测试已经被证明或者公认为重要的测试验证技术手段。从安全角度,成本角度,效率角度,里程角度考虑,仿真测试有它巨大的安全高效和成本优势。通过把世界搬到计算机上来,形成虚拟场景,包括交通、道路、天气、光照等。

自动驾驶包括软硬件系统。测试自动驾驶的安全可靠性就是给它激励,即纷繁复杂、危险极限的场景,以测试自动驾驶芯片、处理器是不是足够,算法和软件是不是可靠,因此场景十分重要。场景是测试评价自动驾驶功能的关键因素。一方面我们对场景建模,另一方面通过传感器建模形成模拟数据。

场景是对于世界的反映,通过路采对世界进行离散化采样。场景反映世界的两部分,一部分是静态特征,包括道路结构,交通设施等等;另一部分是动态特征,具有高度随机性、复杂性,且没有边界。

场景的三维构成包括:场合,如高速公路,乡村道路,城市道路,城乡结合,机场码头,封闭园区等,环境,如道路、交通、气象等,以及情景,如驾驶任务、速度和模式等。

场景可通过四维映射方式影响环境传感器,包括几何、物理、图像、概率等,形成对无限世界的有限映射、逻辑抽象和充分覆盖。

场景构建包含五层结构,包括道路拓扑结构、场景静态物体、场景动态影响、驾驶动态情景、数字交通设施等。场景的核心是其属性,即场景究竟多复杂、随机性如何、是不是危险等。场景包含静态要素,包括道路基础设施、交通标志交通设施、和它的动态影响因素,特别是天气和光照。我们通过计算机模拟复杂的阴影、光照、纹理材质等,以产生模拟图像支持深度学习的模型训练和测试等。

道路交通安全的关键是交通,如何构建具有边缘特征、边界条件的交通是场景构建的关键,包括反映中国人车混杂、中国驾驶行为的交通。这个通过路采数据不仅效率低,而且危险。这里包括一些交通边缘特征,如切入切出、鬼探头、匝道进入等。

通过构建场景,我们可以实现自动生成,大量生成,通过自动标注支撑自动的测试和自动评价,另外可以产生出极限、边缘、危险的场景,通过场景构建复杂的道路工况,无序交通,恶劣天气和突发事故。

场景构建需要通过传感器模型产生模拟数据,所以传感器建模是其中的关键技术,包括雷达、相机、无线通讯、定位等,通过物理机理反映传感器检测机理和数据产生机理支撑自动驾驶的仿真测试。

这是我们开发的汽车自动驾驶一体化仿真平台(PanoSim),其中包括车辆动力学、环境传感器、交通流模型等,以及相应的仿真工具链,形成了完整的从软件到硬件在环、车辆在环、驾驶员在环等在内的仿真测试系统,以支持自动驾驶开发V字型模式中从软件模拟到硬件在环、到基于驾驶模拟器的主客观评价。

汽车自动驾驶产业化落地有几个关键点:汽车自动驾驶的出发点是替代人,但落脚点是模仿人;起点是安全驾驶,但难点是安全测试。自动驾驶的发展有三个阶段:技术引领、资本推动、市场主导。现阶段技术在迭代、产业在转型、资本在发力、政府在布局、消费者在观望。

以上就是我的报告,谢谢大家。