當我開車時，從他（或她）的駕駛方式中，就可以感覺到那個司機是否是一個“混蛋”。我只知道這個混蛋會讓我失望，他通常就是那樣。

人類司機會對其他道路使用者、道路狀況（惡劣天氣）或即將來臨的交通擁堵做出很多假設。他們會相應地調整駕駛策略，這種直覺對道路安全至關重要。

但如果這是一輛robocar，該怎么辦？我們怎么展示一臺機器如何推斷其他司機的假設，并會根據其直覺做出適當響應呢？甚至說“直覺”是可以教嗎？

在上周有關Mobileye發(fā)布的視頻片段的分析中，這些問題一直令人困擾。那段未經剪輯的視頻片段顯示了該公司的自動駕駛汽車（AV）在耶路撒冷的繁忙交通中巧妙地穿行。

一遍又一遍地觀看幀，想了解一臺機器所看到的（或看不到的），它如何解釋其場景，以及計劃采取行動。但是作為非AV開發(fā)人員，這些很難理解。機器似乎會說自己的語言，并從其自身的網絡思維方式中進行選擇，這是我們無法理解的。

歡迎來到自動駕駛時代。

在觀看Mobileye的視頻時，有幾個場景比較突兀，AV的動作讓人感到不舒服。Mobileye和AV專家解釋了幕后發(fā)生了什么。

一些答案令人驚訝并發(fā)人深省。但大多數情況下，他們暴露于媒體傾向于忽略或最小化的東西：“感知”和“駕駛策略”相遇的點。Robocar確實必須帶有敏銳的洞察力和更好的機器學習能力（媒體報道中最熱門的話題）。但我們開始了解到，駕駛策略對于AV的瞬間決策至關重要。

完美的視覺

我們都希望AV擁有20/20的視覺。除了清楚地看到前方的道路之外，我們還希望他們能夠檢測到每個物體、準確地標記它們，并使用最佳的神經網絡，然后采取行動。

但是，我們今天擁有的僅僅是一個夠用的感知系統。無論是由人還是由機器駕駛，現實世界中沒有一輛車是會始終非常幸運地在陽光明媚的天氣下、視野永遠不會被其他車輛、建筑物或樹木遮擋，也不會面臨人行道上會有行人逆光穿過馬路的情況下駕駛的。

完美的視覺很重要，但僅憑這一點并不能使robocar成為安全的駕駛員。

在Edge Case Research的CTO、CMU教授Phil Koopman即將出版的著作“Sensors in Automotive-Making Cars See and Think Ahead”（定于10月19日發(fā)布，由擁有EE Times的Aspencore Media出版）中提出了一個例子，一個孩子在自動駕駛汽車即將駛過時沖上街去撿球。

“感知和規(guī)劃的棘手部分是預測在不斷變化的情況下接下來會發(fā)生什么……”

“傳感器不僅需要提供有關物體運動和位置的信息，還需要提供有關運動可能發(fā)生的變化的信息。”

必須換個思路

英特爾高級首席工程師、Mobileye自動駕駛汽車標準副總裁Jack Weast最近說，感知或視覺系統“本質上是概率性的，它們會出現故障，這是眾所周知的”。

鑒于沒有完美的傳感器（就是說“在汽車的整個使用壽命中始終保持100％的精確感知”），Weast強調說：“我們必須從不同的角度來考慮，通過提供足夠的感知能力來解決這個問題。”

安全性

據Weast說，這就是“bumper bowling”出現的地方。

還記得英特爾/Mobileye自2017年以來一直在談論的RSS想法嗎？

RSS現在正在成為IEEE標準。Weast解釋說，這是“一個數學模型，定義了安全范圍以及車輛應采取的適當響應。它可以防止自動駕駛汽車因自身故障或其他駕駛員造成的影響而發(fā)生事故。”

簡而言之，就像bumper bowling可以防止經驗豐富的保齡球免受混亂一樣，RSS可以防止AV陷入事故。

假設與預測

無人駕駛汽車的擁護者們忙于宣稱AV是如何會挽救許多人的生命的。原則上，人類是優(yōu)秀的駕駛員。他們憑直覺做出假設、運用常識，傾向于對潛在的危險情況做出適當的反應。然而，robocar卻缺乏直覺。

RSS試圖通過定義什么構成危險情況、什么原因造成危險，以及如何做出響應，使機器可以解釋那些人為的假設和“隱式”交通規(guī)則。Weast解釋說，一個數學公式為機器定義了安全距離是多少，謹慎駕駛意味著什么。

在與Mobileye首席技術官兼英特爾高級研究員Shai Shalev-Shwartz交談之前，我們不知道的是RSS還提供了對生成執(zhí)行命令的車載AI算法的檢查。

就像感知一樣，AI本質上也是概率性的。

在觀看Mobileye的視頻時，我對可視化軟件上專家們稱為“閃爍效果”感到有些震驚。AV似乎檢測到了幾輛停放的車輛，但幾秒鐘后，停在同一位置的那些車輛開始消失。而且車輛的數量不斷變化。

當被問到這個問題時，Mobileye保證，即使對象沒有出現在軟件可視化屏幕上，也可以跟蹤對象。Shalev-Shwartz說，這是因為“駕駛策略具有’常識’層，其中包含‘事物無法消失’等邏輯。”

“常識”層是由RSS提供的。

Shalev-Shwartz還補充說，RSS的重要組成部分是“了解你不知道的東西”。他告訴我們：

這意味著在任何時候，對于3D道路視圖中的每個區(qū)域，我們都知道：(1) 已知被某個道路使用者占用，(2) 已知為空路，(3) 未知。RSS邏輯在每種情況下均能正常運行。對于2D檢測到的物體，我們也使用“未知”機制，但將其放置在3D世界中存在很多不確定性。

RSS是否已集成到AV軟件堆棧中？

鑒于駕駛策略已成為標準討論的重點，各個公司將如何實施？

例如，可以將RSS植入到其他公司自己的AV軟件堆棧中嗎？

英特爾/Mobileye已為Weast主持的IEEE P2846貢獻了自己的RSS。Weast解釋說，其他公司也貢獻了他們的安全模型。他說，由于這是技術中立的標準，因此不需要任何人使用“特定類型的芯片或傳感器”。

他補充說，例如，“你完全有可能建立自己的安全模型，該模型仍然符合IEEE標準。”

他強調說：“目前，我們正在為行業(yè)解決這一問題。盡管可能很少提及，但許多AV開發(fā)商最大的擔憂是缺乏積極的行業(yè)貢獻。”我們可能會沒有供我們可出售的自動駕駛汽車市場。他指出，如果無人駕駛汽車沒有共同的“關于其他道路使用者的假設”，則AV將很難平衡安全性和實用性。

還有誰是IEEE P2846的成員？

如果IEEE P2846真的要成為有意義的行業(yè)標準，那么還有誰參與其中？Weast說：“我很高興Waymo擔任了副主席，Uber擔任了秘書，我認為最后有25多家OEM與Tier1。”

P2864活動的參與者包括一些政府代表、研究機構以及各種不同的實體。該小組希望在年底或明年初完成初稿。

如何根據不同地理位置改變駕駛行為？

正如上次分析中所寫的那樣，視頻中車輛在不受保護的左轉彎時表現的非常激進。由于Mobileye的車輛駛入道路，阻礙了交通，迫使一輛摩托車停下來，因此這種自動駕駛技術看起來并不太安全。

不過，Shai Shalev-Shwartz堅決地回應，并指出：“在以色列以及大多數西方國家，這都是完全正常的。懶惰地等待完美的情況是沒用的。”

在耶路撒冷這看起來沒什么，但在大多數西方國家中將其稱為正?？赡苡行┭赃^其實了。相反，它說明了人們對“激進駕駛”的容忍度在城市與城市之間以及國家與國家之間是會不同的。

想象一下Mobileye的這種AV軟件以后會搭載到吉利的車型上，Mobileye如何編輯軟件去符合中國的駕駛習慣呢？這是否意味著AV開發(fā)人員必須為每個區(qū)域開發(fā)不同的AV堆棧？

好消息是，駕駛行為并未納入AV軟件堆棧。Weast說：“確實，將這些隱式駕駛規(guī)則包含在安全模型中，而不是在所有其他自動駕駛堆棧中，確實是很棒的。”

換句話說，Shalev-Shwartz承諾：“可以調整基于RSS的駕駛策略去匹配不同的駕駛方式（而不影響安全性）。”

傳感器融合

如今，AV開發(fā)商之間的共識是：如果視覺系統很難猜測正在看的東西，或者更糟的是對下一步的工作感到困惑，那么最好的辦法就是增加更多的傳感器，例如雷達和激光雷達。將所有內容融合在一起，從而使AV更有信心，其感知系統更接近于現實。

Mobileye的傳感器融合方法不同。視頻片段中顯示的Mobileye的L4車輛不使用雷達或激光雷達，僅使用了12個攝像頭。

Amnon Shashua在今年CES上宣布，Mobileye在耶路撒冷駕駛的L4車輛正在利用AI的先進技術，并在多個獨立的計算機視覺引擎上運行不同的神經網絡算法。Shashua說，多個神經網絡會產生“內部冗余”。他還討論了“VIDAR”，這是Mobileye的解決方案，僅使用攝像頭即可實現類似于激光雷達的輸出。

但是，Mobileye實際上正在研發(fā)自己的雷達和激光雷達。那么，這是怎么回事？

Weast解釋說：“我們有一個單獨的車輛，只有雷達和激光雷達”在耶路撒冷運行。目標是將其提高到與僅有攝像頭系統的車輛相同的感知水平。

他指出：“現在，你將它們結合在一起，就可以擁有并行運行的冗余卻多樣化的傳感能力。因此，我們可以生成兩個世界模型并將它們組合在一起，而不是僅依賴于一個世界模型來提高準確性。”



[參考文章]
Making Sense of ‘Driving Policy’ inside Robocar Brains — Junko Yoshida