谷歌無人駕駛獨立公司W(wǎng)aymo的技術(shù)負(fù)責(zé)人曾提出了無人駕駛效果的兩個標(biāo)準(zhǔn)，一是駕駛能力，另一個是魯棒性(Robust音譯，代表健壯、強壯的意思，它是在異常和危險情況下系統(tǒng)生存的關(guān)鍵)。

關(guān)于駕駛能力，加州DMV(交通管理局)公布的年度無人駕駛測試報告對包括谷歌、特斯拉、寶馬、通用等11家公司的路測現(xiàn)狀做出了披露。谷歌以220萬英里的測試數(shù)據(jù)位居第一，而通用集團斥資10億美元收購自動駕駛軟件公司Cruise之后，后來居上，達到上萬英里的測試?yán)锍獭?

如下圖表可以看出，各家廠商在駕駛能力上已經(jīng)齊頭并進，另一標(biāo)準(zhǔn)——魯棒性則成為無人駕駛技術(shù)后期走向大規(guī)劃商用的主要衡量指標(biāo)。

作者統(tǒng)計自加州DMV

魯棒是無人駕駛系統(tǒng)在異常和危險情況下生存的關(guān)鍵，實際上它的內(nèi)涵是容錯能力，即在操作錯誤、超出常規(guī)頻率的發(fā)出指令、網(wǎng)絡(luò)過載等情況下，自動駕駛系統(tǒng)是否依然能夠保持正常運作。

鈦媒體前不久探訪了馭勢科技位于房山的測試基地，對馭勢科技創(chuàng)始人兼CEO、前英特爾研究院院長吳甘沙進行了采訪。吳甘沙介紹，魯棒性已經(jīng)成為人工智能和無人駕駛行業(yè)都在談的共性話題，魯棒性的好壞關(guān)系到的算法、硬件以及基礎(chǔ)設(shè)施等多個層面的問題。

打開深度學(xué)習(xí)的“黑盒子”

自動駕駛系統(tǒng)，要包括感知、計算和決策三個部分，當(dāng)下炙手可熱的人工智能即主要應(yīng)用在感知和計算部分。激光雷達技術(shù)成本居高不下的情況下，大多自動駕駛系統(tǒng)采用攝像頭作為主要的視覺傳感器，這就對于人工智能的深度學(xué)習(xí)能力有著直接要求。

吳甘沙把人工智能的應(yīng)用分成了2 X 2四個象限，即物理世界、數(shù)字世界和高風(fēng)險、低風(fēng)險。他告訴鈦媒體作者，“物理世界的低風(fēng)險案例有掃地機器人，數(shù)字世界的低風(fēng)險案例是推薦系統(tǒng)，而數(shù)字世界的高風(fēng)險則是金融，無人駕駛就是物理世界的高風(fēng)險?！?

在物理世界的關(guān)鍵任務(wù)上一旦出錯，問題會很大，因此當(dāng)AI應(yīng)用在汽車上，可靠性和魯棒性就非常重要。

馭勢科技CEO吳甘沙

正因為如此，吳甘沙認(rèn)為人工智能面臨的最大問題是——深度學(xué)習(xí)的“黑盒子”還沒有打開。

“我們也很多期待學(xué)界的合作，把黑盒子打破，適應(yīng)自動駕駛的高風(fēng)險?！彼f。

據(jù)鈦媒體了解，深度學(xué)習(xí)是受啟發(fā)于腦神經(jīng)元對輸入信息進行響應(yīng)從而學(xué)習(xí)的過程。許多層的模擬神經(jīng)元和突觸都被標(biāo)記上了數(shù)據(jù)，這些神經(jīng)元和突觸的行為在學(xué)習(xí)的工程中不斷被調(diào)整，直到它們學(xué)會如何進行識別。比如說，直到他們學(xué)會如何識別一種圖片中的貓。

但是問題出在“這個識別過程并不能被解釋”。

當(dāng)一個深度學(xué)習(xí)網(wǎng)絡(luò)可以識別一只貓的時候，我們并不知道這個學(xué)習(xí)系統(tǒng)到底是聚焦在這個圖片中的貓須，貓咪的耳朵，還是貓咪的毯子上的。

“Deep Learning作為單一技術(shù)，沒辦法獨立承擔(dān)自動駕駛使命，尤其是‘黑盒子’，數(shù)據(jù)進去，結(jié)果(分類、檢測、分割、預(yù)測、控制等)出來，多數(shù)情況下不可名狀地好，但也有些情況莫名其妙地糟糕，里面的邏輯不可解釋?！眳歉噬诚蜮伱襟w表示。

《機器學(xué)習(xí)》作者、南京大學(xué)計算機科學(xué)博士周志華曾形象地描述過深度學(xué)習(xí)的“黑盒子”問題，

“人昏招的時候從九段變成八段，而深度學(xué)習(xí)一下子從九段變成初段。”

在吳甘沙看來所謂現(xiàn)在端到端(視頻進去、控制出來)的方式是不能被接受的。現(xiàn)在美國NHTSA的自動駕駛性能中有一條跟倫理相關(guān)的要求，就是當(dāng)面臨事故的發(fā)生時，智能應(yīng)該給出明確的邏輯該如何判斷和選擇，而黑盒子是給不出的。

“‘黑盒子’的問題沒有解決，是因為針對開放環(huán)境，它的適應(yīng)能力不夠，因為今天的機器學(xué)習(xí)都是基于訓(xùn)練數(shù)據(jù)集來去做歸納法，如果這個場景從來沒有出現(xiàn)，他處理不了，他不像人類具備強認(rèn)知功能，具備舉一反三、觸類旁通、邏輯推理、背景知識、常識等等這些東西?！眳歉噬痴f，“ 所以肯定未來會在人工智能算法上提升它的魯棒性，把深度學(xué)習(xí)跟剛才說的背景知識、常識、遷移學(xué)習(xí)、舉一反三和貝葉斯邏輯推理結(jié)合起來，提升魯棒性?！?

“路測100億英里”是最低線

如前文所述，魯棒性的內(nèi)涵是系統(tǒng)的容錯率。在吳甘沙看來，單個部件出錯是必然的，如果有足夠的冗余性，它的容錯率就會提升，而這是整個系統(tǒng)層面的工作。例如，在傳感器、計算器件、電源等方面，都要有足夠的冗余。

此外，對無人駕駛汽車的大量測試，也是從系統(tǒng)層面提升魯棒性的方法。

奔馳S級的代碼量是波音787的夢想客機代碼量的16倍，對于現(xiàn)在具備人工智能的車，它的隨機性和機器學(xué)習(xí)方面都需要大量測試。

目前包括谷歌、特斯拉等在內(nèi)的業(yè)界領(lǐng)先的企業(yè)都有一個共識，那就是，路測里程達到100億英里之后，才意味著無人駕駛技術(shù)的成熟。

谷歌的無人駕駛汽車已經(jīng)積累了不少訓(xùn)練里程，包括 220 萬英里的道路測試數(shù)據(jù)；10 億英里的模擬訓(xùn)練數(shù)據(jù)(截至2016年)。而特斯拉也在通過全球出貨量部署智能駕駛模塊，以獲得大量的現(xiàn)實道路數(shù)據(jù)。

馭勢科技目前也正在通過園區(qū)測試、與OEM合作部署無人駕駛技術(shù)模塊以及借助仿真環(huán)境等途徑來提升測試數(shù)據(jù)。

當(dāng)然，無人駕駛從來都不是汽車本身的事情，從整個基礎(chǔ)層面圍繞無人駕駛?cè)ブ匦乱?guī)劃，比如增加V2X(車聯(lián)網(wǎng))的應(yīng)用等基礎(chǔ)設(shè)施，才能提高無人駕駛技術(shù)的魯棒性。

“整個魯棒性的提升是從算法到系統(tǒng)，整個全面的工程?！眳歉噬痴f。

返回第一電動網(wǎng)首頁 >