自動駕駛汽車的發(fā)展繼續(xù)吸引交通和其他工業(yè)領(lǐng)域的大量投資。這些賭注是必要的，因?yàn)樵S多棘手的技術(shù)問題仍遠(yuǎn)未解決。

在我看來，這里有三個關(guān)鍵問題：

為什么 AV 問題如此難以解決？

不同的 AV 用例如何影響 AV 問題？

部署 AV 用例將如何演變？

為了回答這些問題，我們在三個圖表中總結(jié)了一個演示文稿，旨在為新手和專家提供一些視角。

AV復(fù)雜性問題

自動駕駛汽車的基本問題是為 SAE 4 級功能開發(fā)安全、可靠的自動駕駛汽車所涉及的巨大復(fù)雜性。第一張圖表總結(jié)了這些挑戰(zhàn)。

點(diǎn)擊查看完整大小的圖片

如上圖所示，AV 問題在紅色塊中分為三組。潛在的解決方案列在 12 個黑框中——每個問題組四個框。請注意，三個框的藍(lán)色文本相同——因?yàn)樾枰浖脚_，包括機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)在內(nèi)的人工智能軟件來解決這三個問題類別。

首先是在大多數(shù)情況下以厘米級精度了解 AV 的確切位置。下一步是對所有道路使用者和物體進(jìn)行分類，包括他們正在做什么（如果有的話），并預(yù)測他們在接下來的幾秒鐘內(nèi)可能會做什么。

這些問題的解決方案是大量傳感器、強(qiáng)大的計(jì)算能力以及管理多個復(fù)雜系統(tǒng)所需的平臺和人工智能軟件。例如，一輛典型的自動駕駛出租車需要 30 多個傳感器，包括攝像頭、雷達(dá)和激光雷達(dá)。例如，Zoox最近發(fā)布的自動駕駛出租車公告列出了 64 個傳感器：28 個攝像頭、20 個雷達(dá)和 16 個激光雷達(dá)。

處理傳感器數(shù)據(jù)也需要基于 AI 的視覺軟件。大多數(shù) AV 都需要高清地圖才能準(zhǔn)確確定位置。

所有軟件和硬件系統(tǒng)都需要廣泛的網(wǎng)絡(luò)安全保護(hù)。軟件還必須使用內(nèi)置的無線 (OTA) 軟件更新功能定期更新。

第二個問題是確保 AV 硬件和軟件的可靠性，沒有單點(diǎn)故障。如果發(fā)生故障，則需要所謂的“跛行回家”功能，至少可以將車輛引導(dǎo)到路邊。

隨著AV 法規(guī)的引入，安全和操作規(guī)則必須作為系統(tǒng)和可靠性設(shè)計(jì)的一部分。

還需要系統(tǒng)設(shè)計(jì)中的硬件冗余。至少三個 AV 系統(tǒng)需要冗余：駕駛控制（轉(zhuǎn)向、制動、速度）；視覺傳感器能力（三類）；和計(jì)算。

系統(tǒng)架構(gòu)必須使用能夠簡化軟件平臺合作的技術(shù)，從而實(shí)現(xiàn)強(qiáng)大的網(wǎng)絡(luò)安全和 OTA 更新。最近的一篇專欄文章涵蓋了這些主題。

這些系統(tǒng)仍然相當(dāng)昂貴，并且需要顯著降低成本。幸運(yùn)的是，基于芯片的技術(shù)可以節(jié)省大量成本，尤其是對于最昂貴的組件：激光雷達(dá)。

AV 組件的仿真至關(guān)重要，包括軟件和硬件以及所有類型的測試和建模。

將需要 AV 事件數(shù)據(jù)記錄器來深入了解碰撞情況以及可以采取哪些措施來提高安全性。遠(yuǎn)程操作也正在成為 AV 監(jiān)管的標(biāo)準(zhǔn)，并且在解決邊緣情況時可能成為跛行能力的關(guān)鍵。

第三個問題是開發(fā)一個超越人類驅(qū)動程序的軟件驅(qū)動程序。到底好多少還在爭論中。很明顯，AV 開發(fā)人員必須繼續(xù)測試和改進(jìn)他們的系統(tǒng)。開發(fā)時間將取決于用例。

邊緣案例測試被廣泛使用，基本上意味著發(fā)現(xiàn)軟件驅(qū)動程序以前沒有見過并且可能不知道如何處理的新駕駛情況。將新的邊緣案例添加到軟件驅(qū)動程序功能可能被認(rèn)為是最高優(yōu)先級。

另一個難題是確認(rèn) AV 軟件驅(qū)動程序可以勝過人類驅(qū)動程序。目前尚不清楚 AV 法規(guī)和未來的 AV 型式認(rèn)證將如何處理這一重要問題。

解決方案主要涉及測試，分析大量測試數(shù)據(jù)以識別軟件驅(qū)動程序的弱點(diǎn)，然后進(jìn)行更多測試。幸運(yùn)的是，這種測試的大部分模擬速度比道路測試高得多——在模擬模式下每天的英里數(shù)是道路測試的 100 倍。這些模擬側(cè)重于邊緣情況和類似情況。

測試必須包括不同的天氣和照明條件。大多數(shù)歷史上的 AV 測試都是在理想的天氣條件下完成的。因此，需要更大的真實(shí)世界模擬。

視音頻用例

上述復(fù)雜性將根據(jù) AV 用例而有很大差異。AV 復(fù)雜性主要由驅(qū)動復(fù)雜性決定。下圖概述了 AV 用例復(fù)雜性，重點(diǎn)關(guān)注 SAE L4 部署。不包括這些場景的許多變體。

點(diǎn)擊查看完整大小的圖片

上圖顯示了各種 AV 用例如何適應(yīng)二維空間，AV 復(fù)雜性在 y 軸上增加，驅(qū)動復(fù)雜性在 x 軸上增加。駕駛復(fù)雜性包括路線障礙、駕駛速度、交通密度、道路使用者種類（汽車、自行車、行人等）和天氣條件。還列出了死亡風(fēng)險(xiǎn)，主要由速度決定。一些 AV 用例的死亡風(fēng)險(xiǎn)非常低。

低 AV 復(fù)雜性

低 AV 復(fù)雜性是指簡單的路線、低速和低用戶或交通種類。在最簡單的層面上，操作僅限于封閉區(qū)域，例如校園、辦公園區(qū)或軍事基地。人行道送貨車與多個玩家一起最遠(yuǎn)。人行道 AV 領(lǐng)導(dǎo)者 Starship 在 2021 年 5 月的交付量超過了 150 萬次，并且很快將超過 200 萬次。

固定路線 AV 的 AV 復(fù)雜性也較低，市場利基包括多個參與者。由于 AV 價(jià)格高昂，部署緩慢，但已在數(shù)百個城市進(jìn)行測試。應(yīng)用包括低復(fù)雜性的公交路線和/或封閉環(huán)境。

固定路線的自動駕駛汽車也可能用于靈活的旅行，例如按需接送。最近于 2021 年 7 月發(fā)布的 ISO 22737 低速自動駕駛 (LSAD) 法規(guī)應(yīng)該會對固定路線自動駕駛汽車的部署產(chǎn)生積極影響。

用于最后一英里交付的純貨物自動駕駛汽車帶來了更多的交通復(fù)雜性，比人行道自動駕駛汽車以更高的速度在道路上行駛。貨車和小型卡車也可以改裝為 AV 送貨車。他們正在使用安全駕駛員進(jìn)行測試。

中等 AV 復(fù)雜性

此類別包括幾個 AV 場景。沒有安全駕駛員的低速貨物自動駕駛汽車屬于這一類。也可能包括具有樞紐到樞紐路線的自動卡車，但目前需要一名安全駕駛員。此類別也稱為中英里卡車運(yùn)輸。

如果安全駕駛員被移除，遠(yuǎn)程操作監(jiān)控可用于樞紐到樞紐卡車運(yùn)輸和機(jī)器人出租車。大多數(shù) AV 法規(guī)都要求將遠(yuǎn)程操作作為管理 AV 的最后手段，以防它們被卡住。遠(yuǎn)程操作也可能成為一種更普遍的技術(shù)，最終取代安全駕駛員。

高 AV 復(fù)雜性

上圖包括三個具有高 AV 復(fù)雜性的用例。樞紐到樞紐的卡車運(yùn)輸用例在這一類別中最低，其次是機(jī)器人出租車。仍處于設(shè)計(jì)階段的個人 AV 也將被歸類為高復(fù)雜性。個人 AV 可能會受益于在都市區(qū)部署機(jī)器人出租車的經(jīng)驗(yàn)。

AV 用例部署

AV 部署將從簡單過渡到復(fù)雜。下面稍作修改的用例圖表將 x 軸更改為表示時間線，貼上綠色標(biāo)簽表示用例塊的重新排列。AV 用例的定位是反映他們在時間線上何時可能會看到有意義的使用。

點(diǎn)擊查看完整大小的圖片

在這種情況下，人行道自動駕駛汽車的部署率最高，在許多城市提供餐食、雜貨和其他小包裹。人行道自動駕駛汽車也是最便宜的產(chǎn)品，因?yàn)閭鞲衅鞲伲亓扛p，行人速度更慢。撞到某人或某物的風(fēng)險(xiǎn)相對較低。

純貨 AV 以Nuro送貨車為代表，主要處于測試模式。當(dāng)前的廣告表明，Nuro 可能已準(zhǔn)備好進(jìn)行更廣泛的部署。

機(jī)器人出租車主要仍處于測試階段，配備安全駕駛員。Waymo 在其鳳凰城地區(qū)的大部分測試中都移除了安全驅(qū)動程序。一些自動駕駛出租車運(yùn)營商已獲準(zhǔn)在美國和中國的一些城市對其服務(wù)收費(fèi)。

帶有安全駕駛員的貨物自動駕駛汽車還為商店和/或倉庫之間的最后一英里或中間一英里的運(yùn)營提供包裹。

EasyMile、Local Motors 和 Navya 等固定路線自動駕駛汽車已在多個國家/地區(qū)進(jìn)行了廣泛的測試。大流行停止了大多數(shù)測試，這些測試的重點(diǎn)是每次乘車最多運(yùn)送 12 名乘客。最近的 ISO LSAD 法規(guī)涵蓋了這一用例，并應(yīng)在未來幾年啟動固定路線 AV 的使用。

與安全駕駛員一起使用的集線器到集線器自動卡車的測試越來越多。其中大部分包括將貨物運(yùn)送給付費(fèi)客戶。

其余類別更難部署，并且會比上圖顯示的更晚到達(dá)。集線器到集線器的自動卡車部署可能會在 2025 年左右發(fā)生。機(jī)器人出租車的大規(guī)模部署是幾年后的事，但據(jù)一些機(jī)器人出租車的希望者稱，可能會在少數(shù)城市發(fā)生。個人 AV 將明顯晚于機(jī)器人出租車。

人工智能解決復(fù)雜性

AV 技術(shù)仍然很難做到，但一些用例的復(fù)雜性較低，并且部署數(shù)量有限。針對更簡單的 AV 場景的法規(guī)正在出現(xiàn)，許多公司最終將部署法規(guī)允許的內(nèi)容。

所有 AV 法規(guī)都需要遠(yuǎn)程操作，但它也可用于刪除安全驅(qū)動程序，以便提前部署某些用例。

AV 系統(tǒng)成本目前由昂貴的激光雷達(dá)主導(dǎo)，未來五年將迅速下降。這意味著 2025 年之后，過高的 AV 系統(tǒng)成本不會成為阻礙因素。

復(fù)雜 AV 系統(tǒng)的早期部署最終取決于 AI 技術(shù)的突破，這是無法預(yù)測的。如果出現(xiàn)這樣的創(chuàng)新，潛在用戶可能不必等到 2030 年代才能使用個人 AV。

審核編輯 黃昊宇