|
2017-11-06 16:10:17 無人駕駛
整理、編輯 | 張夢華 新智駕按：無人駕駛的商業化是行業各家都在探索的重要命題。近日，在 2017 中國汽車工程學會年會上，北京航空航天大學余貴珍教授重點分享了其團隊在該方面的研究與進展。 余貴珍教授所談的商業化仍然指向特定區域內的無人駕駛，但已經不止于園區、景區，而是涵蓋了礦區、工廠等多區域內的工程機械。為此，他親自到全國多個大小礦區進行了調研，對其現狀、需求以及無人駕駛的可行性都進行了細致的論證分析。而目前，其團隊與國內重工企業、車廠合作研發的無人駕駛碾壓機、短途貨運車輛也都已發布或投入運營，余貴珍教授在無人駕駛商業化方面的經驗與見解，或可為其它無人駕駛公司提供一些參考。新智駕將其演講內容進行了整理，并做了不改變原意的調整，以下為全文： 無人駕駛研發過程中有三個重要的技術障礙：一是復雜環境下的感知；二是決策，一個路口的駕駛決策可能有上萬種，非常復雜；另外，無人駕駛會面臨很多以前沒有發生過的問題。 人工智能的三種技術解決了這三個問題：深度學習解決了感知問題，增強學習解決了決策復雜性問題，遷移學習解決了推理問題。 從前年開始，很多創業公司興起，推動了無人駕駛發展。在感知、圖像處理這塊，我們也深有體會。英特爾今年上半年以 153 億美元收購了 Mobileye，其實英特爾很早就開始布局無人駕駛，如果這種大公司都在做，就意味著無人駕駛的春天已經來了。 另外一個大家比較認可的運用是大量計算的神經網絡。傳統的 PC 技術已經解決不了神經網絡的計算需求了，英偉達的出現，解決了深度學習和計算資源并發性的要求。最近還有一家公司，叫地平線，也是做神經網絡芯片的，估值也達到了 50 億。 無人駕駛商業化的障礙 谷歌、特斯拉、Uber 都在做智能駕駛，滴滴也花了大量時間和精力開發無人駕駛。當前來看，我認為特斯拉是比較有前途的，它采用了電動和智能雙引擎，更重要的是有自己的車，所有車輛都支持無人駕駛的控制機構，數據上傳后，車輛對用戶的駕駛習慣也很了解。 我們去年試駕特斯拉無人駕駛的時候，在北京四環跑了一下，它的駕駛習慣基本就是個人的駕駛習慣，換道很快，跟車很近。最近，它也可以通過遠程數據收集駕駛習慣。 但是無人駕駛也面臨很多挑戰，去年特斯拉的第一起智能駕駛死亡車禍，汽車界、學術界甚至包括國家相關機關，都產生了很大警覺。谷歌在測試中也發生了很多事故。現在智能駕駛還沒有大批量供應，如果真的大批量供應，真的會安全嗎？這里主要有兩個阻礙。 一，法律和道德的障礙。 自動駕駛汽車能不能上路？美國有車輛測試牌照，中國有幾個測試區域也開始探討路權問題，上路之后發生事故，責任誰來負。現在業界有一個共識是，駕駛腦來負。如果整車廠開發駕駛腦，就是整車廠負責。但是如果將來智能駕駛事故都是整車廠負責，整車廠能不能負擔得起，是不是通過保險手段來轉嫁這種風險？另外，如果事故發生，還有值得探討的道德問題。 我認為法律和道德是無人駕駛中排在第一位的障礙，技術上面也有，但不像法律上遙遙無期，立法過程有很多需要考慮。 二，技術的障礙。 技術的障礙包括三方面：復雜環境的感知決策，信息安全和智能駕駛的使用。 我們很多人曾經一起探討，如果能通過五道口，這個無人駕駛汽車肯定是過關了。因為五道口人特別多，大家都不遵守規則。 還有過渡階段的人機共駕，特斯拉已經嘗試到這個危害了。我認為人機共駕還不僅僅是如此，你開的車學習的是你的駕駛習慣，車適應的是你，那如果別人用你的車行不行？人機共駕已經成為學術界很重要的話題，整車廠也在探索，是不是可以越過這個階段，不要人來干預。 我做了一些安全方面的研究和技術探討，信息安全沒有保障也是很可怕的。 在智能駕駛使用方面也有很大挑戰。第一，敢不敢用；第二，用了可能會誤用；第三，用什么方式用，共享的方式是不是更好？這都是需要我們邊使用邊完善的，并非一開始就能想得很全面。 無人駕駛商用車的使用場景 對乘用車來說，確實有很多問題，但是對商用車，我們認為還是有機會的，大家一致認為無人駕駛商用車最有可能先落地，這里我列出了幾個應用場景。
第一，固定線路的無人駕駛，包括礦區，景區或碼頭等區域。 我自己去了很多礦區，也做了一些調研。青島港里面有無人駕駛，振華機械也在做，已經有示范運營了，他們主要是基于 AGV，車輛各方面價格都很高。如果是商用車，需要的車輛成本較低，使用高精度的 GPS 和地圖，可能相對來說更靈活一些。 第二，惡劣環境下的無人駕駛。 對于特定區域的無人駕駛，法律問題基本上不是障礙，并且，區域內環境相對簡單，近距離的感知，成本和可靠性都會增加。無人駕駛的使用可以產生一定經濟價值，用戶也更易于接受。這樣計算一下，如果能把傳感器、執行、感知 成本做到低于人工成本，會更有利于推廣。
特定區域內環境相對簡單，多數都是重復性、固定作業，也可以把它當成自動化的作業平臺。沃爾沃有地下礦區的無人駕駛車，今年還發布了無人駕駛的垃圾車，都是特定區域的。垃圾車可能還會用到一些人，但地下礦里面肯定不會用人，它可能存在通訊和定位問題，如果這兩個問題都解決好了，是可行的。 第三，汽車測試的無人駕駛。
跟大家分享一下我調研的情況，一個是在鄂爾多斯和山西的一些露天煤礦。 露天煤礦分兩組運輸，一個運土，一個運煤，是先把土撥開了，再把煤挖出去，土和煤的運輸比例是 10:1。一些大礦像平朔的煤礦，運土的車有 1000 多臺，在里面作業的車速度在 20 公里到 30 公里，但是有爬坡。大公司的煤運輸基本是用 200 噸的專門礦車，運土只需要 50 噸的。 這里面是點對點的固定線路，在 20 公里左右，很適合無人駕駛，但也有很多挑戰，因為一般卡車要改專項和自動比較困難，很多卡車沒有自動檔，要做無人駕駛就無從談起。 還有一個問題，比如一個礦井只有 100 臺車，大概是 200 到 300 個司機，司機基本全是 55 歲以上，過年過節基本沒人來干活。這個環境特別惡劣，我覺得將來是招不到司機的。最近我們調研了一個西安的沙土運輸礦，礦老板訂購了 15 臺礦運車，但是招不到司機。
還有剛才說到的井下礦，根據我們的調研，井下礦肯定比露天礦復雜，但也還是有可以做的地方。井下礦車的運輸大多是用油的，排出的氣體很難出去，要通風。如果將來有電，再加上無人駕駛，會是一個很好的解決方案。 另外，像整車廠整裝線跟庫房之間的輪胎、發動機運輸，或者一些組裝車間的運輸，大部分是能用無人駕駛的。組裝線外部有很多危機，但組裝線之間基本沒有。這個地方也特別適合無人駕駛，固定線路，點對點運輸，都在廠房內，如果組織協調好了，有很大潛力。需求很明確，但是技術方面也存在一些壁壘，車的轉向和自動比較難改，因為量比較小，大的車不愿意進去，每輛車的自動駕駛成本很高，用戶接受不了。
無人駕駛商用車的難點 無人駕駛的市場是足夠大的。我通過調研發現，煤礦運輸車在中國有 20 萬臺左右，還僅僅是露天煤礦。并且，無人駕駛產生的價值也很大，一輛無人駕駛車 24 小時運行，大概可以替代兩到三個司機。 我們發現難點主要就是感知、控制和執行機構。固定線路、點對點運輸的低速無人駕駛，對感知的要求低一點，可能 30 米的感知機構就可以了，甚至是 Sick 一線的激光雷達就可以滿足要求，因為固定線路上有高精度 GPS，很容易做判斷。 執行機構就比較困難了，要對大卡車或者大礦車做轉向和執行，有一些根本改不了。我們合作開發了一種機器人，就是來代替人打方向盤、踩油門和剎車，執行機構都通過機器人、電機解決。
我們現在做的功能主要是遠程控制，跟無人駕駛基本一樣，只是控制的難度會降低一些。我們跟東風合作的短途運輸車，已經上線開始運行了，把車整個跑起來，大概用了一個月時間，主要是在生產制造過程。線路都是可以編輯的。另外，我們還跟徐工聯合開發了無人駕駛的碾壓機。【完】 |
|
|
