本文來(lái)源：University of Michigan Transportation Research Institute (UMTRI）

/ 導(dǎo)讀 /

2015年，埃隆·馬斯克猜測(cè)完全自動(dòng)駕駛將會(huì)在2018年前實(shí)現(xiàn)；2014年，日產(chǎn)汽車認(rèn)為到2020年將會(huì)有多款無(wú)人駕駛汽車投放市場(chǎng)。然而，時(shí)至今日，完全自動(dòng)駕駛汽車的商用之路似乎仍然遙遠(yuǎn)。是什么導(dǎo)致了自動(dòng)駕駛汽車商用之路的不斷延期？


提升測(cè)試效率

近日，美國(guó)密西根大學(xué)Henry Liu教授團(tuán)隊(duì)在國(guó)際知名雜志《自然》雜志的子刊《自然·通訊》（Nature Communications）發(fā)表題為“Intelligent driving intelligence test for autonomous vehicles with naturalistic and adversarial environment”的文章，文中指出當(dāng)前自動(dòng)駕駛汽車測(cè)試與評(píng)估方法的效率低下是阻礙自動(dòng)駕駛汽車研發(fā)進(jìn)展的重要原因，針對(duì)這個(gè)問(wèn)題，文中提出了全新的測(cè)試環(huán)境生成方法，以替代當(dāng)前普遍采用的片段化和離散化的場(chǎng)景測(cè)試方法，顯著加速了自動(dòng)駕駛汽車的測(cè)試效率。

安全性是自動(dòng)駕駛汽車大規(guī)模投放市場(chǎng)的前提。然而，不同于傳統(tǒng)車輛，自動(dòng)駕駛汽車采用多種智能技術(shù)替代人類駕駛員，再考慮到車輛行駛環(huán)境的復(fù)雜性與安全事故的稀疏性，使得自動(dòng)駕駛汽車的安全性能測(cè)試十分困難。當(dāng)前，自動(dòng)駕駛汽車的測(cè)試與評(píng)估主要通過(guò)仿真測(cè)試、測(cè)試場(chǎng)測(cè)試和開放道路測(cè)試進(jìn)行。然而，由于安全事故的稀疏性，自動(dòng)駕駛汽車需要累積幾億甚至幾千億公里級(jí)別的測(cè)試?yán)锍滩拍軌蛴行?yàn)證其安全性能。即使完全通過(guò)仿真測(cè)試，想要積累如此規(guī)模的測(cè)試?yán)锍桃彩鞘值托У?。時(shí)至今日，國(guó)際著名自動(dòng)駕駛汽車公司W(wǎng)aymo總共僅仿真了大約150億測(cè)試?yán)锍獭?br />
為了解決這個(gè)難題，基于場(chǎng)景的測(cè)試方法被當(dāng)前的工業(yè)界和學(xué)術(shù)界普遍采用。然而，場(chǎng)景一般是離散的、片段的，更適用于自動(dòng)駕駛的功能性測(cè)試，比如交叉口左轉(zhuǎn)等典型功能，但無(wú)法測(cè)試自動(dòng)駕駛汽車投放開放道路之后的性能表現(xiàn)。當(dāng)自動(dòng)駕駛汽車行駛在高速公路、城市道路等交通環(huán)境時(shí)，需要經(jīng)歷連續(xù)的、不間斷的復(fù)雜駕駛環(huán)境，這極大增加了場(chǎng)景的維度，產(chǎn)生了“維度災(zāi)難”，當(dāng)前的場(chǎng)景測(cè)試方法均無(wú)法解決這個(gè)難題。

為了解決上述難題，Henry Liu教授團(tuán)隊(duì)提出了全新的駕駛環(huán)境生成方法。依托于美國(guó)密西根大學(xué)交通研究所的大規(guī)模自然駕駛數(shù)據(jù)，該方法首先構(gòu)建了自然駕駛環(huán)境（Naturalistic Driving Environment），以復(fù)現(xiàn)真實(shí)道路環(huán)境中人類駕駛行為的分布特征，保證測(cè)試結(jié)果能夠有效代表自動(dòng)駕駛汽車在真實(shí)駕駛環(huán)境中的性能表現(xiàn)，即駕駛環(huán)境的“無(wú)偏性”。進(jìn)一步的，借助于人工智能技術(shù)，訓(xùn)練背景車輛能夠在特定時(shí)刻執(zhí)行特定的動(dòng)作，生成了自然而有挑戰(zhàn)的駕駛環(huán)境（Naturalistic and Adversarial Driving Environment），在保持駕駛環(huán)境“無(wú)偏性”的同時(shí)，大幅度提升了測(cè)試環(huán)境的“挑戰(zhàn)性”，有效降低了自動(dòng)駕駛汽車所需要的測(cè)試?yán)锍?，顯著加速了測(cè)試效率。

落地應(yīng)用

基于Henry Liu課題組之前開發(fā)的自動(dòng)駕駛測(cè)試增強(qiáng)現(xiàn)實(shí)技術(shù)，該論文提出的方法將會(huì)在美國(guó)自動(dòng)駕駛測(cè)試中心American Center for Mobility（ACM）落地應(yīng)用。

ACM建立于2016年，占地500余英畝，包含長(zhǎng)達(dá)2.5英畝的環(huán)狀高速道路、700英尺長(zhǎng)的彎曲隧道、雙層天橋、十字路口、圓形交叉路口等豐富的駕駛環(huán)境，為多家自動(dòng)駕駛公司提供測(cè)試服務(wù)。

ACM總裁兼首席執(zhí)行官Reuben Sarkar指出，“基于增強(qiáng)現(xiàn)實(shí)和智能測(cè)試環(huán)境生成技術(shù)，在ACM行駛一公里將等價(jià)于在開放道路上行駛數(shù)百或數(shù)千公里，這將極大降低自動(dòng)駕駛汽車測(cè)試的總成本，使得測(cè)試更加安全、可控和可重復(fù)。ACM認(rèn)為這項(xiàng)技術(shù)將成為自動(dòng)駕駛汽車研發(fā)的重要推動(dòng)力。”