英伟达:全自动驾驶太难实现了,无人递送将先行一步

汽车行业对全自动驾驶的预期开始回落了。

作者 / 李笠 出品 / 公众号“汽车之心”(ID:Auto-Bit)理论派经授权发布

经历了一系列的起起伏伏,汽车行业对全自动驾驶的预期开始慢慢回落。

除了 Elon Musk 这样的奇人,几乎没人再提跑步实现全自动驾驶了。

不过,这并不意味着汽车制造商与供应商们放弃了梦想。

那么,「近路」被封后,大家又准备如何披荆斩棘,向自动驾驶时代进发?

英伟达汽车事业部高级总监 Danny Shapiro 在接受 Automotive News 采访时就详细谈了谈自己的看法。

问:过去几年里,为何对于自动驾驶原本颇为大胆的计划发生了重大变更?

Shapiro:整个行业意识到,全自动驾驶没有我们三四年前想象的那么简单。

这意味着我们需要更强的算力,更多的传感器与更成熟的软件。

问:各种层出不穷的问题是不是也让许多技术人员对自动驾驶望而却步?

Shapiro:事实上,现在大家的主要看法是:「我们现在依然能将基础版的自动驾驶技术推向市场,但想在这个闭环中去掉人这个要素还不行。」

问:那么之后,我们会见到什么样的产品?

Shapiro:现在的重点是 L2+,这个级别的系统已经非常稳定,不但能预防很多事故,还能在驾驶员睡着或身体不适时救人一命。

也就是说,虽然并非全自动驾驶,L2+ 依然能在驾驶员出错时阻止一些事故的发生。

问:是不是说 2030 年之前我们无法实现全自动驾驶了?

Shapiro:如果你说的是终极版全自动驾驶,2030 年前恐怕真的没戏。

不过,那种针对特殊情境的部署并不远,而且技术进步的速度很快,比如有地理围栏或固定线路的自动驾驶出租车或通勤车。

至于高速路上的自动驾驶和点对点货物运输,我认为后者会先行一步。

问:你能给出更加详细的解读吗?

Shapiro:我说的是各种形式的无人递送,英伟达几乎参与了所有类型的试验项目:卡车、乘用车和穿梭车都有,这些项目都在突飞猛进。

未来人们会意识到,载人的全自动驾驶太难实现了,因此我们得多分点精力给无人递送。

问:自动驾驶汽车并非「百毒不侵」,去年不是还出了一场致命事故,而且其他小磕碰也没少发生。这些事故是否是个无形压力,让你们在安全上投入更多精力?

Shapiro:安全问题上我们从未松懈过。在我看来,英伟达以及整个行业一开始都低估了自动驾驶的复杂性,毕竟这是个前无古人的事业。

我们一直在寻找解决这些挑战的途径,在寻找的过程中却发现,许多挑战比我们想象中难了太多。

问:为了抹平这些差距,英伟达都做了些什么?

Shapiro:现实教育我们,车上得装更多高清传感器。同时,安全还需要传感器、算法与系统端的多样性与冗余。

除此之外,自动驾驶对于算力的要求也更高了,因为我们需要同时运行多种算法,有时甚至会出现十几个神经网络同时处理与分析数据的情况。

举例来说,第一个神经网络要负责处理道路标线,第二个则要关照行人,第三个识别道路标志,第四个注意周边车辆。

简言之,自动驾驶软件端的复杂性简直是前所未有,而且还在不断增长中。

问:打造一台安全可靠的自动驾驶汽车是否是英伟达有史以来最大的挑战?

Shapiro:这样比较不太合适,要知道英伟达还想彻底解决癌症问题。与自动驾驶相比,哪个更困难?我们也说不清楚,而且无论做好哪一项,都能拯救大量生命。

当然,这也是英伟达投入其中的原因,与其他公司合作解决世界未解难题正是我们的使命。

对自动驾驶来说,AI 计算是其「基本功」,但想实时解决各种麻烦,尤其是分析并预测人类行为实在是太难了。

问:英伟达目前正采取哪些措施来帮助解决这些不可预测性?

Shapiro:如果人类不再是直接的道路参与者(即不参与决策),那么自动驾驶实现起来就能简单得多。

因此,我认为那些能抹去人类这个随机性的地方将首先迎来自动驾驶的部署,比如某些专用道路、固定路线和地理围栏区域。

当然,未来可能某些城市会出现有人驾驶汽车禁行区或实行有人与无人车辆分道而行的政策。总之,想简化问题,我们有很多方法,不过自动驾驶汽车依然是世界上最复杂的问题。

问:从自动驾驶事故中,你们还学到了什么经验?

Shapiro:在我看来,这些事故是新闻媒体眼中的好故事。这些事故能将读者引导到人与机器的较量上。

你想想,每年有人驾驶汽车在路上要夺去多少人的生命?这世界不照样运行如常?为什么普通交通事故没人在意,而非要抓住自动驾驶汽车不放呢?

问:为了克服「未知的恐惧」,英伟达又做了些什么?

Shapiro:认知与教育很重要,这也是我们加入 PAVE 联盟(宣传先进汽车技术和自动驾驶汽车)的原因。

这一创立于美国的合作项目吸纳了奔驰、英伟达等一系列公司,今年年初在 CES 上才初步成型。

自动驾驶汽车的相关教育至关重要,因为大多数人连现在的有人驾驶汽车都搞不明白,对未来的自动驾驶汽车有什么能力更是一头雾水。

大多数人从未体验过自动驾驶汽车,听到 AI 时他们甚至会将其看做终结者,这就是所谓「未知的恐惧」。

不过我依然相信,只要大家能体验一把,马上就会转变对自动驾驶汽车的看法。

问:自动驾驶路测中,英伟达还发现了什么解决方案的局限性?

Shapiro:在路测中英伟达还是为车辆配备了安全驾驶员,同时还有安全工程师。如果车辆状况不对,他们就得及时接管方向盘。

这样其实有好处也有坏处,因为他们总是过早介入,毕竟谁也不愿冒风险。因此,这样的测试不够「纯粹」,你无法摸到系统的极限。

问:有什么替代方案吗?

Shapiro:在这里我们还可以求助于「模拟」,英伟达就是「模拟」技术的重度使用者。

一直以来,英伟达都在联合其他厂商共同开发 Drive Constellation 系统,并将软硬件测试都囊括其中。

借助「模拟」,我们能创造各种危险情况,而在云端进行此类场景的测试不会伤到人。此外,我们还能真正确定,这样的情况下自动驾驶汽车能否胜任。

如果不行,就从源头寻找到底有什么问题并及时进行纠正。借助「模拟」技术,我们还能在车辆上路前完成探测算法、路径规划、定位等测试,从而搞定完整堆栈的搭建,这点至关重要。

参考资料:https://europe.autonews.com/suppliers/nvidia-exec-maps-out-steps-autonomous-vehicles

参与评论

请输入你的评论!
请在这里输入你的名字