我们怀疑“坐上来,自己动”是在开车,并且这次掌握了证据

读图模式

这个夏天,奶茶可以不喝,火锅可以不吃,但是上个冬天推迟到现在的科目二不能不过。

考场交织在一起的路线,就像复杂的考试心情 | 某地考场平面图

但是科目二这东西永远是一场沟通的梦魇。教练明明说的是:“观察到自己车身的右边后轮对准旁边车辆的尾部时,立即向右侧打满方向盘,然后缓慢向后方倒车。车尾夹角与旁边车辆呈45度时,立刻回正方向继续往后缓慢倒车。”到学员这里大多数时候都只剩:“现在要打方向盘吗?可以回方向盘了吗?回几圈了?千万不能熄火千万不能熄火。”只怪车还是太不聪明,不能做到人坐上来,车自己动。


| “清晰无马”的自动驾驶

最初的汽车与其说是汽车,不如说是没有马的马车。19世纪的汽车虽然一出现就用上了内燃机,但在早期它的设计思路长期受到马车模样的限制,而且在最开始也没有一个正式统一的名字来称呼这些铁箱子。直到19世纪90年代早期,现代汽车才真正行驶上了快车道。当时人们提出了一种全新的交通模式:无马驾驶(Horseless Carriage)。在《法国画报 Le Petit Journal》的张罗下,1894年7月,一场无马驾驶技术的比拼在巴黎揭开了序幕,参赛选手们都是蒸汽机、电机和内燃机驱动的交通工具。

世界上第一辆量产的内燃机三轮汽车 | Wikipedia

通过综合评判安全性、实用性和经济性,4辆内燃机驱动的参赛汽车在自推进式无马驾驶解决方案上表现最佳。而这些获胜车辆从此拥有了一个充满未来感的名字:“汽车”(automobiles,直译为自己走的车)。从那时起,汽车就已经被寄予了殷切的希望——麻烦您自己走吧。

然而到了2004年,汽车真正的自动驾驶才正式出现在人们视野里。在莫哈韦沙漠中,21支无人车团队参加了美国军事研究机构DARPA规划的150英里的越野路线,全程将无人驾驶穿越。不过当时的状况可以说是非常惨烈,在沙漠复杂的地形和机械故障面前,车队全军覆没。不过,18个月之后的2005年10月,一场新的无人驾驶比赛再次开启,这时有23个参赛团队里有5队走完了全程,而除了最后一名以外所有队伍都比一年前的最佳成绩还要好。可以说,汽车从出现到无人驾驶,走过了一条“清晰无马”的发展道路。

2005年DARPA挑战赛的自动驾驶车车们 | Wikipedia


| 为啥飞机都能自动驾驶了,14年之后汽车还不行?

从2004年到2005年,18个月的时间就能让无人驾驶技术取得这么大的进步,可是为什么14年过去,飞机都能盲降了,真正的无人驾驶汽车怎么还没有完全普及,解放科目二的教练和学员呢?

其实汽车本身就一直在经历一场变革。当年无马驾驶中屈居劣势的电动汽车,在现在变成更加适合无人自动驾驶技术的载体,除了能耗、车内空间和技术开源等优势,在根本上,电动车拥有与生俱来的无人自动驾驶基因。

电动车可以用同一种语言控制所有系统 | MDPI.com

和内燃机汽车相比,电动车的控制逻辑更为简单分明,因为它所有的操控全部是通过电流电压的调节而达到的,主控中心对其他“部门”的命令都是用同一种“语言”进行。再加上大多数电动汽车拥有集中控制着所有“子系统”的电脑系统,技术的升级和补丁大多能更加简单地部署。

电动车的电池能量密度越来越大,动力越来越强劲,但是和飞机巡航时仪表飞行时的自动驾驶不同,汽车自动驾驶在道路行驶的情况比空中航线复杂得多。前者是协助驾驶员完成相对简单重复的劳动,使得飞行员可以关注其他操作;但后者则是取代驾驶员完成复杂的判断和操作,而且汽车自动驾驶拥有更加细致的分级标准。

无人驾驶技术大佬谷歌Waymo的无人汽车就实现了L4级以上的自动驾驶技术,通过搭载大量的传感器判断路面情况和信号灯信号,预测前方物体可能发生的运动改变,还可以控制减速加速、变道超车合规合理且乘坐舒适,甚至还能在发生事故中知道如何选择更轻微的事故方式……

图 | wired.com

这一切操控的实现,对于人来说近乎本能的驾驶反应,对于无人车来说则需要模拟海量的传感数据、综合处理和算法积累进行AI驾驶学习。

红色轨迹表示场景中动态目标的过去轨迹,绿色轨迹表示每个目标未来 2 秒之内的预测轨迹[1] | Waymo


| 谁能成为中国的self-driving?

在去年5月底,Waymo开始有了进入中国市场的动作,这家科技公司早早的布局中国市场,显然是看中了这个高速公路里程全球第一、汽车保有量一亿以上的巨大市场。

但国内却不乏自主研发的优秀自动驾驶系统,比如广汽自动驾驶系统Adigo,其中A代表AI,Digo代表一诺千金。Adigo自动驾驶系统是融合大数据、人工智能等前沿科技,打造的新能源专属自动驾驶系统,标志着我国的自动驾驶科技又迈上了新台阶。

自动驾驶系统一共分为5级。自动驾驶从L1到L5是一个十分漫长的过程,每一次升级,甚至只是0.5级的提升,都意味着巨大的技术进步和科研力量的投入。目前市面上大多数汽车都只是搭载了Level 1自动驾驶系统。说是自动驾驶,但其实只是在驾驶员行驶过程中,对行车状态进行简单的干预功能,所以L1也被称为驾驶员辅助系统。比如高速路段常用的定速巡航、ACC自适应巡航功能及LKA车道保持辅助。L2是部分自动化系统,和L1最明显的区别是系统能否同时在车辆纵向和横向上进行控制。如果一个车辆能同时做到ACC+LKA(自适应巡航+车道保持辅助),那么这辆车就才刚刚拥有了L2的号码牌。

国际自动机工程师学会(SAE International)“驾驶自动化等级” | SAE

从L1跨越到L2的难点在于,虽然车辆在单独的横向、纵向控制技术上已经非常成熟,但是如果要二者同时控制且保证舒适性,这就是一大挑战。同时,因为L2系统仍需要驾驶员在实时监控路面和系统时,及时接收到来自车辆接管控制的通知,所以这也是让工程师们挠头的难点之一。

L3有条件自动驾驶指的是汽车可以在某些特定场景下进行自动驾驶。L3 相比 L2 最大的进步在于,车辆在某些场景可以真正成为司机,不需要驾驶员实时监控当前路况,只需要在系统提示时接管车辆即可。L3意味着更加先进完备的车身传感器联动,对于自动驾驶技术来说又是一个很大的跨越。而Waymo配备的L4高度自动驾驶则需要激光雷达、极高鲁棒性的自动驾驶算法、稳定的计算平台,以及高精度地图采纳资质等条件,高成本和高精度的技术要求,让L4实现的难度极高。

图 | Giphy.com

目前广汽Adigo已成为国内首个可量产的L2及L3自动驾驶系统,并实现封闭场所L4自动驾驶示范运行,在Adigo出现之前,量产L2及L3自动驾驶技术还都控制在外国厂商手中。广汽新能源Aion S 也作为全球第一款实现量产交付L2级Adigo自动驾驶系统电动车,将结合电动车的自动驾驶基因,再一次为自动驾驶领域带来技术突破,让开车变得更舒适、轻松、更有未来感。

图 | Aion S

Aion S是广汽新能源基于第二代纯电专属平台GEP打造的首款战略车型。广汽Aion S电动车搭载了20项智能驾驶辅助功能,利用1个智能摄像头、3个毫米波雷达、4个高清全景摄像头以及12个超声波雷达全方位感知汽车的周围状态,给到驾驶者充足的行车辅助,满足马斯洛理论中人们对于安全和舒适的高要求。

全方位灵敏“嗅觉” | Aion S

高速公路上驾驶最危险的应该就是司机在高速行驶过程中产生的麻痹感,以及注意力高度集中后的疲倦感。Aion S的ICA高速自动辅助驾驶功能,能自动保持车道(甚至弯道)并跟车行驶,可以适当解放司机的注意力,即使“开全程”也是小菜一碟。

AEB自动紧急刹车系统也能为行车的安全增加一层保障。并且Aion S的自动紧急刹车系统是默认开启的,能够覆盖0-150km/h的车速,可以及时的响应并给到碰撞预警并起到辅助制动的作用。

图 | Aion S

而城市驾驶中更让人烦恼的就是堵车时的走走停停,开两公里下车后腰酸背痛不说,本来不路怒也被堵怒了。而Aion S可以利用TJA拥堵自动辅助驾驶系统进行自适应巡航以及自动跟紧前车,不需要司机的频繁刹停、加速操作,在0-60km/h的速度范围内都可以灵活地自动调整,饶过了司机脚踝的关节炎,让堵车也变成一件从容面对的事情(当然最好还是求不堵)。再加上配备的全球首款CATL最新一代811三元锂电池,超高的能量密度加上更加高效智能的电机、电控系统,Aion S可以实现510km综合续航的用车需求,告别担心车突然没电的焦虑症。

人坐上来,车自己动 | Aion S

正着走已经无所畏惧了,倒车入库和侧方位停车从科目二开始就无疑是大杀器,也是停车困难户驾驶生涯中抹不去的黑点。但Aion S搭载的APA自动泊车系统可以实现一键停车,不管什么方位,只需把车开到目标车位旁边,挂好倒档、启动APA、按住泊车键,就能明明白白地把车给安排进车位。而且车身传感器能自动识别突发道路情况,自动紧急刹车,真正避免或避免或减轻事故对驾驶者及行人的伤害,是不是感觉重新回到了教练在副驾驶陪练的甜蜜时光?

平行车位泊车展示 | Aion S

倒库苦手也有福了 | Aion S

但倒车并不止把自己的车摆进车位这么简单。许多情况下,倒车时还需要兼顾四周的行人以及车辆,巴不得眼睛长在后脑勺上。不过Aion S的Adigo其实已经替大家“插好了眼”,系统所配备的毫米波雷达可以探测到车辆后方以及两侧范围内高达30米的隐患,让倒车油门也能踩得更自信一些。

图 | Aion S

都说2019是L2级自动驾驶的普及年,而Adigo自动驾驶率先实现L2及L3的量产也无疑对整个国产汽车品牌起到了激励作用,再一次悄然改变了汽车产业潮流,让我们离“坐上车自己动”的全民自动驾驶那一天又近了一步,未来的城市生活也将拥抱更加便利高效的出行模式。哦对,到时候应该也可以彻底告别科目二了,想想就有些小激动呢~

参考文献

[1] Bansal, M., Krizhevsky, A., & Ogale, A. (2018). Chauffeurnet: Learning to drive by imitating the best and synthesizing the worst. arXiv preprint arXiv:1812.03079.

评论 (0) 只看楼主

全部评论

你的评论

最新帖子

关于我们 加入凤凰 媒体报道 帮助中心 凤凰活动 家长监控 免责声明 联系我们 移动版 移动应用

©凤凰网    京ICP证100430号    京网文[2018] 6282-492号    新出发京零字东150005号     京公网安备11010502007133号

违法和不良信息举报邮箱:    举报电话:18612934101    网上有害信息举报专区