智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
爽風(fēng)
【中國智能制造網(wǎng) 行業(yè)動態(tài)】隨著人工智能技術(shù)與自動駕駛汽車發(fā)展逐步交融，AI所發(fā)揮的影響力也越來越大。在近日硅谷舉辦的人工智能前沿大會上，業(yè)內(nèi)資深人士分享了有關(guān)AI時代下自動駕駛的新研究成果和認知。
外媒：AI加速應(yīng)用自動駕駛 或?qū)⑴まD(zhuǎn)發(fā)展形勢
據(jù)美國《沃頓知識在線》刊文，在近日硅谷舉辦的人工智能前沿大會(AI Frontiers conference)上，AI領(lǐng)域與自動駕駛汽車團隊的資深人士分享了有關(guān)AI時代下自動駕駛的新研究成果和認知。
全文如下：
每當(dāng)人們想起自駕車，通常出現(xiàn)在腦海里的畫面是一輛無人操控的完全自動駕駛車。然而現(xiàn)實情況比這要復(fù)雜得多：不僅僅在于汽車自動化存在不同的等級——比如初期的巡航控制系統(tǒng)——AI也在車輛系統(tǒng)發(fā)揮作用，對于駕駛員和乘客來說，旅途也變得更為安全。在嘈雜的環(huán)境下，AI技術(shù)甚至能夠通過讀取唇語使車輛判斷駕駛員的意圖。
自動駕駛的加速競賽
在硅谷，自動駕駛車輛領(lǐng)域正展開有關(guān)佳技術(shù)研發(fā)的競爭。“對于自動駕駛車輛來說，這也許是為激動人心的時刻。”來自賓夕法尼亞大學(xué)沃頓商學(xué)院運營、信息和決策學(xué)教授Kartik Hosanagar在小組專題演講上說道。“回首10年前，自動駕駛車輛的大部分工作都是在研究實驗室和不同的教育機構(gòu)內(nèi)部完成的。”大約5年前，只有谷歌和為數(shù)不多的公司對自動駕駛車輛進行測試。“而今天，自動駕駛車輛測試進入熱潮。在加利福尼亞，經(jīng)授權(quán)測試并運營無人駕駛車輛業(yè)務(wù)的公司數(shù)量已經(jīng)達到30-50家。”他說道。
從來看，美國和中國在自動駕駛汽車領(lǐng)域處于。盡管德國和日本以汽車制造出名，但在自動駕駛領(lǐng)域稍顯落后。“關(guān)鍵的區(qū)別在于AI。”來自中國的無人車創(chuàng)業(yè)公司景馳科技(JingChi. ai)的聯(lián)合創(chuàng)始人韓旭說道。“中國和美國是AI技術(shù)的領(lǐng)頭羊。”在自動駕駛規(guī)定條例上，中美也處在前沿。驅(qū)動這一領(lǐng)域的有三大趨勢：電動車輛的愈發(fā)普及、以Uber和Lyft等拼車服務(wù)公司為代表的共享經(jīng)濟的出現(xiàn)，以及AI技術(shù)的提升。他認為自動駕駛其實就是將機器人駕駛員與電動汽車結(jié)合起來。
大多數(shù)自動駕駛汽車公司正研發(fā)適用于Level4的技術(shù)。自動駕駛車輛存在五個級別。Level1是低級，典型特征是應(yīng)用多年的巡航控制系統(tǒng)。Level5是，此階段車輛可實現(xiàn)完全自動化。Level4是稍低級別——在該高度自動化級別下，車輛無需駕駛員干預(yù)或保持注意力，但只在專門封閉區(qū)域或交通環(huán)境等特定場景行駛。
應(yīng)用于自動駕駛的AI
英偉達自動駕駛總監(jiān)Danny Shapiro表示，因自動駕駛風(fēng)險很高，技術(shù)公司對自動駕駛汽車技術(shù)的研發(fā)非常謹慎。“這不同于網(wǎng)飛公司(Netflix)的個性化推薦引擎，AI技術(shù)必須做到準確無誤。”他在大會上說道。這意味著AI需要極大的計算力和一系列代碼。自動駕駛車輛的后備箱置有強大的計算設(shè)備和圖像處理裝置，它們可進行深度學(xué)習(xí)并解析所有收集的數(shù)據(jù)——以此判斷前方對象是人、車還是消防栓等等。
即便完全自動駕駛汽車進入市場仍需時日，AI已經(jīng)在革新車內(nèi)裝置。前置攝像頭可以識別乘坐人員并追蹤駕駛員的眼球位置，以判斷其是否打盹或分心——甚至可以讀取駕駛員唇語。而車外傳感器和攝像頭與車內(nèi)技術(shù)配置一同提升駕駛安全性。比如，當(dāng)交叉路口出現(xiàn)危險狀況，另一輛車要闖紅燈時，車輛會發(fā)出能被聽到的提醒。當(dāng)駕駛員想要變換車道時，車輛也會發(fā)出“當(dāng)心!一輛摩托車正靠近中間車道!”的警告。“即使我們半自動駕駛，也會有多種堪稱‘守護神’的裝置。”Shapiro說道。
更為安全的自動駕駛
自動駕駛汽車公司的主要目標就是讓行駛更為安全。Uber的高科技研發(fā)中心工程主任、卡內(nèi)基梅隆大學(xué)研究教授Jeff Schneider表示，94%的交通事故由人為失誤造成。這其中一半的問題都出在感知上——駕駛員未集中注意力或是沒有看見對面的目標物。而另一半是決策失誤導(dǎo)致的——駕駛員行駛過快或是錯誤判斷場景。
Schneider稱，自動駕駛車輛可以解決這兩大問題。駕駛員感知將由傳感器、雷達、攝像頭、激光雷達(一種遙感系統(tǒng))以及其他工具輔助。而車輛可以對目標和周圍其他物體進行3D定位，實現(xiàn)360度和高分辨率的攝像視圖，并獲取目標運動速度等其他相關(guān)數(shù)據(jù)。同時，復(fù)雜的計算系統(tǒng)能夠?qū)Φ匦渭右苑治觯员阕龀稣_的駕駛決策。
提高駕駛準確性的一種方法是合并系統(tǒng)內(nèi)的冗余數(shù)據(jù)。比如，如果一個路標含糊不清，就有必要采取恰當(dāng)措施以確保自動駕駛車輛不受干擾。Schneider稱車輛配置地圖會告知該位置的路標。而且，這些車輛經(jīng)過龐大數(shù)量的數(shù)據(jù)訓(xùn)練，在雨雪和洪澇等不同條件下都經(jīng)過測試。自動駕駛汽車公司甚至利用計算機生成的路況條件對車輛進行訓(xùn)練，比如在光線刺眼的日落下行駛。“通過幾臺服務(wù)器，我們在短短五小時就能產(chǎn)生超過30萬的駕駛里程，并在兩天之內(nèi)對美國境內(nèi)每一條鋪面道路進行算法測試。”英偉達自動駕駛總監(jiān)Shapiro表示。
無疑，這個任務(wù)對車輛來說非常艱巨。Schneider說道，“假設(shè)你是寫代碼的人，你會崩潰的。”因為他們要考慮過街的人群、路上的其他車輛、廣告牌、前方的交通標志、車道、自行車、行人等等。
自動駕駛的前世今生
對于那些對完全自動駕駛車輛持懷疑態(tài)度的人來說，不妨回首下自動駕駛汽車的進程，Schneider說道。早在20世紀80年代，卡內(nèi)基梅隆大學(xué)的自動駕駛汽車項目NavLab就已經(jīng)覆蓋了貨車車型，車身配備計算設(shè)備和傳感器，用以自動和輔助駕駛。他說，“那是機器人的時代，我們只能用影像記錄，等待驚喜出現(xiàn)。”1995年，NavLab第五代自動駕駛汽車實現(xiàn)從匹茲堡到加州南部的“無手動橫穿美國”之旅，其中98%的里程是自主駕駛，包括一個長為70英里的路段不受人類干預(yù)。
2000年，NavLab項目覆蓋越野車。車身加裝GPS設(shè)備和雷達裝置，更易識別物體且避免撞擊。2007年，美國國防研究計劃局(DAPAR)舉行了一場名為Grand Challenge的自動駕駛汽車挑戰(zhàn)賽，這其中自動駕駛技術(shù)的一大發(fā)展是地圖的應(yīng)用，提供了一個完全重建的道路環(huán)境。“AI前進了一步。”Schneider說道?？▋?nèi)基梅隆大學(xué)在比賽中獲勝。也就是從這時開始，谷歌意識到自動駕駛汽車的潛力并啟動了自動駕駛汽車項目。自此之后，AI、機器學(xué)習(xí)和深度學(xué)習(xí)呈壯大之勢。
不過，乘客在乘坐自動駕駛車輛時會覺得舒適嗎？根據(jù)Uber在匹茲堡和菲尼克斯進行的自動駕駛車輛體驗測試，公眾似乎很樂意接受。Schneider稱，盡管在剛開始他們擔(dān)憂人們對這些車持有恐懼心理，但結(jié)果恰恰相反。比如，一些駕駛員不能選擇自動駕駛的Uber，但一些乘客會追在這些車后面，希望能夠搭乘車輛。
然而，給自動駕駛汽車大眾市場發(fā)展?jié)娎渌氖巧虡I(yè)模式。畢竟現(xiàn)在自有一輛車比乘坐Uber出行更為劃算。“從里程上講，乘坐Uber比自家車成本要高。而一旦自動駕駛汽車上路，它們會遍布各處，自己買臺車也就沒必要了。”Schneider表示。
原標題：外媒：為什么AI能夠扭轉(zhuǎn)自動駕駛車發(fā)展？
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
