自動駕駛技術哪家強?Waymo當仁不讓!

　　但是近日，一家初出茅廬的初創企業對一些老牌自動駕駛企業的技術提出質疑，還在其官網上說：“傳統的自動駕駛技術昂貴、繁冗，多年來雷聲大雨點小，但我們新開創的技術可以讓汽車“自己教自己開車”，最主要的是“花最少的錢辦最好的事”。”

　　這家如此“大言不慚”的企業名爲 Wayve ，是一家英國公司。Wayve 的班底都是來自劍橋大學工程學院的大牛。

　　早在2018年8月，這家初創企業通過在視頻上展示“在20分鐘內教會一輛汽車沿着道路標線行駛”的“神技”而一時聲名大噪，在業界引起不小的轟動。

　　而他們能完成這項壯舉主要靠的是“強化學習”(Reinforcement Learning)算法。

　　所謂的強化學習，是一種重要的機器學習方法，在智能控制機器人及分析預測等領域有許多應用。此前，就有許多公司就展現過這項技術的高效，最好的例子就是耳熟能詳的 DeepMind 旗下橫掃人類棋手的 AlphaGo 和 OpenAI 旗下迅速進步的 Dota 2 AI 機器人。

　　不可否認的是，讓 AI 在複雜的棋類和即時戰略類遊戲中擊敗人類已經讓人驚掉下巴了，而在短時間內教會一輛車如何自我控制更是讓人驚歎。

　　該團隊在 2018年上傳到YouTube 上的車輛學習過程時，他們強調，這是世界上第一個將“強化學習應用在自動駕駛汽車的範例”。

　　從視頻可以看出，最初車輛會像嬰兒一樣蹣跚學步，在路上蜿蜒前行，但當車輛開始偏離標線，安全駕駛員就會及時介入，將車輛拉回原來的軌道。這樣一來，車載算法就知道自己犯了錯誤，而如果算法長時間不犯錯，它們還會拿到獎勵的“糖豆”。

　　爲什麼取得這樣的成績確實會令人驚歎不已?如果你瞭解目前自動駕駛汽車運作的原理，就能明白一二了。

　　當前搭載冗餘的傳感器的自動駕駛汽車，是一輛行走的“鈔票粉碎機”

　　目前的自動駕駛汽車都是靠雷達、攝像頭、傳感器等堆砌出來的。

　　眼下，半自動駕駛系統已經用到了多種雷達和攝像頭系統。在大多汽車行業專家看來，想要實現真正的全自動駕駛，雷達、攝像頭和激光雷達這三套系統都必不可少，此外還需要搭載大量的冗餘傳感器系統。

　　後置和 360 度攝像頭

　　攝像頭提供的清晰圖像不但能讓人類駕駛員看到更多細節，還非常適合作爲自動駕駛汽車的輸入參數。後置和 360 度攝像頭能幫助司機再現車外的複雜環境。如今，2D 攝像頭已經可以在中控屏上投射車外圖像甚至車輛的轉彎角度了，而豪華車上能提供虛擬和 3D 圖像的攝像頭正逐漸成爲標配。

　　要想提供栩栩如生的 3D 圖像，一般車輛至少要安裝 4-6 個攝像頭。

　　前置攝像頭系統

　　這些攝像頭系統(中遠程)都是“火眼金睛“，它的視野範圍覆蓋了車輛前部 100-275 碼(約合 91.44-251.46 米)的區域。它會利用算法自動探測物體，進行分類並判斷與車輛間的距離。除了探測行人、自行車、機動車、馬路牙子、橋墩和隔離帶，算法還能看懂交通標誌和信號燈。

　　雷達

　　ADAS 系統需要雷達傳感器的支持，而雷達也是實現自動駕駛功能的一大功臣。值得一提的是，雷達其實是個縮寫，而其全稱 Radio Detection And Ranging 其實已經說明了它的作用，即利用無線電波對物體進行探測和定位。其中應用的雷達包括近程雷達和遠程雷達。

　　近程雷達應用設計之初是爲了替換超聲波傳感器並對高度自動駕駛提供輔助。因此，傳感器會被安裝在車輛四角。此外，車輛前部還會安裝用於遠程探測的前視傳感器。當然，車輛每一邊還要安裝其他輔助傳感器。

　　激光雷達

　　激光雷達藉助激光的反射探測四周物體，得到準確的立體位置關係，生成三維的點雲數據，是絕大多數自動駕駛技術和機器人技術的感知核心。

　　而現階段的自動駕駛均構建於高精地圖之上。爲了實現廣泛可用的自動駕駛技術，廠商需要讓自己的數據採集車高頻率地在自己的運營道路上巡遊，更新自身的高精地圖信息，以保障數據的有效性。

　　長期以來，僅有 Velodyne、Quanergy 等少數廠商具有鐳達的研發與製造能力，其價格亦長期高居不下，成爲自動駕駛汽車上遠超汽車本體，最爲昂貴的部件。以 Velodyne 的 64 線鐳達爲例，其售價高達 75000 美元，和寶馬 7 系的售價相差不遠，而一輛自動駕駛汽車上往往需要多個鐳達協同工作，確保感知的準確性、實時性，這使得自動駕駛來的更爲昂貴。

　　照此算下來，單配置一部自動駕駛汽車，將計算單元、雷達、相機、激光雷達等等硬件成本包括在內，一部自動駕駛汽車的成本至少也要在 25 萬美元以上，和頂級跑車蘭博基尼的價格相當。

　　價格貴還是其一，現階段的自動駕駛汽車技術進展還緩慢。

　　自自動駕駛大火以來，其中不乏鼓吹“自動駕駛已經到來”的聲音，但公衆遲遲未見實際應用技術落地。

　　即便是像Waymo這樣的領導者也一直在該領域“摸爬滾打”。自2009年以來，其自動駕駛總里程可能已經超過了2000萬公里。

　　直到2018年Waymo公司纔在鳳凰城推出了其第一個“商業化”無人駕駛出租車項目——Waymo One，開始向用戶收費。不過據瞭解該項目其實很難稱之爲一個“商業化”項目，只有當地的少部分試驗乘客可以使用這一平臺。其性質更多的是一場試水，而遠非面向公衆的正式運營。

　　至於其他自動駕駛企業，基本都處於路測狀態，甚至能達到L3水平的企業都數得過來。

　　相較之下，Wayve能在20分鐘內在基本僅靠機器學習的情況下，讓自動駕駛汽車學會直線行駛，着實讓人驚豔。

　　不過最近，又有消息傳來Wayve又來放大招了!

　　只靠衛星導航路線圖和普通攝像頭就能玩轉自動駕駛汽車

　　當前的自動駕駛汽車依靠大量傳感器捕獲數據，這使得汽車能夠在相對受控的環境中表現得更好，但是具有不能實時靈活地適應快速變化的環境的缺點。

　　Wayve在它們新發布的自動駕駛汽車視頻中表示：在他們自身機器學習平臺上運行的自動駕駛汽車能夠在其訓練期間從未見過的道路上安全行駛，除了衛星導航路線圖和普通攝像頭外不需要藉助任何高清環境地圖、昂貴的傳感器和經過編碼的規則。

　　他們聲稱這是世界首例。

　　根據Wayve的說法：“訣竅在於使用人工智能，我們的汽車通過模仿和強化來學習像人類一樣的駕駛經驗，用機器學習來驅動數據。每當安全駕駛員介入並接管時，車載算法就能知道自己犯了錯誤，並能從中習得駕駛經驗。這比現在的任何其他自動駕駛方法更安全和可擴展。”

　　“此外，我們的模型通過端到端的深度學習學習車輛的轉向和加速。我們在整個模型中決策不確定性。這允許我們從輸入數據中學習與控制最相關的特性，使計算非常高效。事實上，所有的操作都相當於一臺現代筆記本電腦。這大大降低了我們的傳感器和計算成本(和電力需求)，花費不到傳統方法的10%。”

　　總而言之，Wayve能做到這點還是靠上述提及的“強化學習”。

　　具體來說，這家公司認爲製造真正的自動駕駛汽車的關鍵在於軟件的自學能力，而其他公司使用更多的傳感器並不能解決問題，它需要的是更好的協調。

　　強化學習採用的是邊獲得樣例邊學習的方式，在獲得樣例之後更新自己的模型，利用當前的模型來指導下一步的行動，下一步的行動獲得獎勵之後再更新模型，不斷迭代重複直到模型收斂。

　　舉個很簡單的例子，還記得小時候學騎自行車的情景嗎?是不是又興奮，但又有點害怕。第一次騎自行車的時候，你可能還需要教導者跟隨在你身邊，幫你扶穩自行車，跌跌撞撞幾次之後，你可能就可以自己獨立騎行，再經過一段時間的練習，你或許就能在馬路上像“風一般”飛馳。練習期間教導者只會給你一些簡短的提示，或者幫你糾錯。我們還沒有見過誰靠一張密集的3D 地圖或者激光攝像頭來學習騎自行車。教導者只是爲你提供了一個安全的環境，讓你學會如何根據你所見來決定你的行爲，最終讓你成功學會騎車。

　　Wayve遵循的也是這個原則。他們讓汽車從零開始學會如何通過試錯法來學會自動駕駛，就像我們學習騎自行車一樣。

　　如果其他獨立觀察人士能夠證實這些說法，那麼這家英國初創企業創新的方法可能會超越整個自動駕駛汽車領域目前的侷限。