江苏龙网

  1. 主页 > 生活百科 > >

小鹏汽车|小鹏汽车撞人致死频出事故：你还敢买吗、辅助驾驶还敢用吗？( 二 )


自动驾驶业内人士刘菲鸿对深途分析 ， “从事故视频来看 ， 那个场景对于辅助驾驶的感知任务来说是一个corner case ， 也就是目前落地的感知技术难以解决的场景 。”
静态物体 ， 为何成了高速路“天坑”？
为什么高速路上的一个静止物体 ， 会成为感知系统的corner case？识别出静止物 ， 究竟难在哪？
数据里奥斯认为 ， 车辆行驶时 ， 系统并不是不能识别静止的物体 ， 而是不能准确地将对本车行驶有影响和干扰的静止物体筛选出来 。“其实都可以识别出来 ， 但是没办法判断到底要不要避让 ， 因为道路上的这些静止物体不好标记 ， 标记出来又很容易被误判 。”
这可以理解为：宁可不识别 ， 也不能经常误刹车 。“比起经常幽灵刹车 ， 识别不出来更容易宽容 。”他说 。这里涉及到的感知设备 ， 就是我们在上文提到的摄像头和毫米波雷达 。摄像头需要用机器学习来训练识别物体 ， 毫米波雷达靠电磁波的反射情况来识别测距 。
但这两个传感器都有自己的局限 。对于摄像头而言 ， 静态物体类别多 ， 形态千差万别 ， 需要大量的样本训练 ， 而侧翻的卡车、打开后备箱的车尾、停在路边的养护车 ， 都不是常见的样本 ， 在训练不够的情况下就容易识别不了 。
比如著名的“白色卡车” ， 特斯拉曾多次与白色卡车相撞 ， 因为特斯拉的辅助驾驶系统没有识别出卡车车身 ， 而是错将其识别为天空 ， 最终导致误判 。
毫米波雷达的局限性也很明显 。车道上停放的汽车、金属标牌 ， 以及一些非标的静止障碍物 ， 都会因为雷达的分辨率、回波等问题导致识别失误 。
汽车的感知系统扮演的是人眼的角色 ， 人眼有一个特点 ， 就是对运动物体很敏感 ， 毫米波雷达跟人眼一样具备这个特点 ， 但对静止物体比较容易“忽视” 。
“这是毫米波雷达的核心技术弱点 。”和高资本高级投资经理陈子颖对深途说 ， 在她看来 ， 毫米波雷达的角分辨率低 ， 是行业一直想要突破的技术难点 ， 雷达信号的分辨率会直接影响成像精度 ， 看得清楚和看不清楚有很大的差别 。
“一般来说天线越多 ， 波束角越窄 ， 雷达性能越强 ， 而增加天线的方式通常是MIMO（大规模阵列）方案和多芯片级联的方案 ， 但前者存在信号干扰的问题 ， 后者存在级联数量有限的问题 ， 所以角分辨率始终难以突破到1°以下 。”她说 。
在技术没有突破的情况下 ， 对静态物体的识别 ， 会一直是辅助驾驶的一大痛点 。
理想汽车CEO李想曾说：“目前摄像头+毫米波雷达的组合像青蛙的眼睛 ， 对于动态物体判断还好 ， 对于非标准的静态物体几乎无能 。视觉在这个层面的进展几乎停滞 ， 哪怕是动态 ， 车辆以外的识别率也低于80% 。”
李想说这段话的时间是2019年 ， 当时特斯拉Model 3直接撞上一辆正在作业的道路清扫车 ， 车主不幸身亡 。如今三年时间过去了 ， 情况似乎也并没有太大改观 。
技术上该如何解决？
高速路上的静止物体 ， 就像是自动驾驶路上的一只拦路虎 ， 时不时跳出来吓人 。这个问题该如何解决？
刘菲鸿对深途说 ， 问题可能不在静止上 ， 而是在这些较为罕见的、低频出现的场景 ， 比如高速路上有侧翻卡车 ， 这种场景的出现的频率太低了 。在目前的技术框架下 ， 瓶颈还是在罕见场景的数据量上 ， 而不在于传感器 。
他认为 ， 目前的感知是基于数据驱动的 ， 比如让系统识别猫和狗 ， 猫的图片有20个 ， 狗的图片有2000个 ， 那么系统对狗的识别就会好于猫的识别 。所以一个场景“稀缺” ， 那么就是一个corner case 。
不过目前的技术瓶颈在于 ， “虽然单个稀缺的场景数据量是少的 ， 但稀缺的场景类别数却并不少 。尴尬的地方之一就在这里 。”按照这个逻辑 ， 要让自动驾驶系统持续进化 ， 就需要源源不断“投喂”大量的数据 ， 覆盖尽可能多的稀缺场景 ， 让系统在学习中增强识别能力 。


推荐阅读


上一篇：发型|初中生“标准发型”公开，男生清爽干净能接受，看到女生我服了

下一篇：主播|14岁少年打赏主播4万元全部追回 还获赠一套试卷