自動駕駛的棘手難題：how safe is safe enough

即使是微小的小氣候變化也會給自動駕駛系統帶來很大的問題。盡管在過去的幾年里，許多自動駕駛初創公司都通過自己的道路測試來證明他們能夠很好地處理這些問題。

最近，密歇根州立大學的最新研究表明，的降雨和小雨都混淆了自動系統用來檢測行人、騎自行車的人和其他道路使用者的算法。這些發現再次闡明了一個前提，即除非這些算法能夠更好地處理各種天氣條件，否則自動駕駛汽車可能僅限于陽光充足的天氣，或者當天氣條件低于系統的關鍵標準時，就會有人接管車輛。這項研究的重點是測試計算機視覺系統的能力，因為攝像頭通常是汽車制造商和科技公司用來對行人和其他道路使用者進行分類的主要傳感器。但這項研究的參與者強調，問題不在于相機，而在于從相機中提取信息的算法。“一旦下了幾滴雨，算法就會混亂，”他說。這就像滴在眼睛里的眼藥水，人們的生理反應是希望立即看到外面的世界。研究人員評估了各種參數，包括雨滴的大小、每平方英寸雨滴的數量以及風速的影響。從晴朗的天氣到風暴級別，他們發現當降雨強度為最壞情況的10%時，該算法無法檢測到多達20%的物體。當降雨強度增加到30%時，多達40%的物體無法再被探測到。來自雷達和激光雷達的信息可以緩解一些問題，但最終的傳感器融合數據仍然需要視覺來區分和識別物體的類型。在密歇根州立大學，研究人員在蘭辛大學東校區周圍的紅綠燈處安裝了攝像頭，這使他們能夠收集行人、自行車和車輛的運動數據，并更好地預測他們的運動，這對自動駕駛系統至關重要。早在2015年7月，密歇根州立大學就在其位于密歇根州安阿伯的校園內建造了“交通轉換中心”（簡稱Mcity），這是一個自動駕駛汽車的試驗場。試驗場位于平坦地帶，全長6.5公里，包括再現高速公路和十字路口直線路段的城市道路，以及周圍的土路。與此同時，密歇根大學過去一直與美國交通部和密歇根州交通部合作，在公民的參與下，使用約3000輛汽車在普通道路和高速公路上進行路車通信驗證測試。這次測試還產生了另一個與天氣有關的發現。根據氣候變化，自動駕駛系統用來確定其位置的高分辨率地圖可能需要季節性更新。例如，當秋天樹葉從樹上落下時，研究人員意識到他們的地圖已經過時了。夏天，你可以想象道路附近的樹木或灌木被樹葉覆蓋，樹葉是地圖的重要組成部分，所以夏天和冬天是完全不同的。寒冷的天氣也會給自動駕駛汽車的傳感器帶來問題。去年冬天，研究人員發現，10華氏度及以下的溫度增加了傳感器的“數據噪聲”，或者增加了激光雷達傳感器的低質量或無關返回。激光雷達制造商告訴研究人員，他們無法保證傳感器能夠在極冷的環境中工作，他們正在努力擴大傳感器的溫度范圍。研究人員表示，無論是寒冷的天氣、樹葉還是小雨，這些缺點都突顯了一個事實，即在可預見的未來，天氣將削弱自動駕駛技術的能力。同時，如果攝像頭出現故障，自動駕駛系統將被迫依靠其他替代傳感器、GPS和高精度定位來確認汽車的位置。這種情況尚未在公共道路上進行測試。在未來的許多年里，具有挑戰性的天氣條件將是一個問題。在2017年提交給美國交通部的一份長達43頁的安全報告中，Wymo寫道：我們的車輛能夠在中雨等惡劣天氣下行駛，并且可以在白天和晚上正常工作。Wymo在今年10月發布的《自動駕駛汽車應急指南》中明確表示，Wymo的自動駕駛汽車設計為可以在限速達到65英里/小時的地方行駛，例如h……

白天和晚上，在小雨和霧中，在人行道、城市街道和鄉村道路上，或者在停車場里。然而，威默明確指出，在大雨、雪和寒冷天氣、道路被淹、山路和無路地區等惡劣天氣下，該車的自動駕駛功能將受到限制。顯然，威莫仍在努力克服這樣的天氣障礙。在今年的谷歌I/O 2018開發者大會上，Wymo介紹了如何利用機器學習技術來減少雪花帶來的“信號噪音”，讓自動駕駛汽車能夠看穿被雪覆蓋的道路，安全駕駛。

例如，上圖的上部顯示了自動駕駛汽車的傳感器掃描到的無數噪音，這些汽車被一塊紫云密集地包圍著。如果你不能過濾掉所有的噪音，自動駕駛汽車會錯誤地認為自己被各種固體物體包圍，并選擇爬行甚至停車。目前，谷歌的機器學習技術可以用算法過濾掉噪音，信號采集畫面和正常天氣一樣簡單。此外，面對惡劣的天氣環境，我們還必須做到如何保持車外傳感器的清潔和通暢。現在，研究人員和制造商的主要擔憂之一是為惡劣天氣制定安全和道路測試協議，這對于依賴先進技術感知周圍環境的車輛來說可能是一場斗爭。美國聯邦公路管理局（FHWA）估計，每年500多萬起不同的車禍中，22%與惡劣天氣直接相關。顯然，自動駕駛汽車在未來也可能遇到類似的問題。自動駕駛汽車發展的決定性問題不是圍繞單一的技術功能，至少在幾年內不會有答案。研究人員表示：“‘SFE如何足夠’是我們必須解決的最困難的問題。”即使是微小的小氣候變化也會給自動駕駛系統帶來巨大的問題。盡管在過去的幾年里，許多自動駕駛初創公司都通過自己的道路測試來證明他們能夠很好地處理這些問題。

最近，密歇根州立大學的最新研究表明，的降雨和小雨都混淆了自動系統用來檢測行人、騎自行車的人和其他道路使用者的算法。這些發現再次闡明了一個前提，即除非這些算法能夠更好地處理各種天氣條件，否則自動駕駛汽車可能僅限于陽光充足的天氣，或者當天氣條件低于系統的關鍵標準時，就會有人接管車輛。這項研究的重點是測試計算機視覺系統的能力，因為攝像頭通常是汽車制造商和科技公司用來對行人和其他道路使用者進行分類的主要傳感器。但這項研究的參與者強調，問題不在于相機，而在于從相機中提取信息的算法。“一旦下了幾滴雨，算法就會混亂，”他說。這就像滴在眼睛里的眼藥水，人們的生理反應是希望立即看到外面的世界。研究人員評估了各種參數，包括雨滴的大小、每平方英寸雨滴的數量以及風速的影響。從晴朗的天氣到風暴級別，他們發現當降雨強度為最壞情況的10%時，該算法無法檢測到多達20%的物體。當降雨強度增加到30%時，多達40%的物體無法再被探測到。來自雷達和激光雷達的信息可以緩解一些問題，但最終的傳感器融合數據仍然需要視覺來區分和識別物體的類型。在密歇根州立大學，研究人員在蘭辛大學東校區周圍的紅綠燈處安裝了攝像頭，這使他們能夠收集行人、自行車和車輛的運動數據，并更好地預測他們的運動，這對自動駕駛系統至關重要。早在2015年7月，密歇根州立大學就在其位于密歇根州安阿伯的校園內建造了“交通轉換中心”（簡稱Mcity），這是一個自動駕駛汽車的試驗場。試驗場位于平坦地帶，全長6.5公里，包括再現高速公路和十字路口直線路段的城市道路，以及周圍的土路。與此同時，密歇根大學過去一直與美國交通部和密歇根交通部合作，有公民參與，使用了大約3000輛汽車……

o在普通道路和高速公路上進行路車通信驗證測試。這次測試還產生了另一個與天氣有關的發現。根據氣候變化，自動駕駛系統用來確定其位置的高分辨率地圖可能需要季節性更新。例如，當秋天樹葉從樹上落下時，研究人員意識到他們的地圖已經過時了。夏天，你可以想象道路附近的樹木或灌木被樹葉覆蓋，樹葉是地圖的重要組成部分，所以夏天和冬天是完全不同的。寒冷的天氣也會給自動駕駛汽車的傳感器帶來問題。去年冬天，研究人員發現，10華氏度及以下的溫度增加了傳感器的“數據噪聲”，或者增加了激光雷達傳感器的低質量或無關返回。激光雷達制造商告訴研究人員，他們無法保證傳感器能夠在極冷的環境中工作，他們正在努力擴大傳感器的溫度范圍。研究人員表示，無論是寒冷的天氣、樹葉還是小雨，這些缺點都突顯了一個事實，即在可預見的未來，天氣將削弱自動駕駛技術的能力。同時，如果攝像頭出現故障，自動駕駛系統將被迫依靠其他替代傳感器、GPS和高精度定位來確認汽車的位置。這種情況尚未在公共道路上進行測試。在未來的許多年里，具有挑戰性的天氣條件將是一個問題。在2017年提交給美國交通部的一份長達43頁的安全報告中，Wymo寫道：我們的車輛能夠在中雨等惡劣天氣下行駛，并且可以在白天和晚上正常工作。Wymo在今年10月發布的《自動駕駛汽車應急指南》中明確表示，Wymo的自動駕駛汽車設計為可以在高速公路、城市街道和農村道路等限速達到65英里/小時的地方行駛，也可以在停車場、小雨和霧中、晝夜行駛。然而，威默明確指出，在大雨、雪和寒冷天氣、道路被淹、山路和無路地區等惡劣天氣下，該車的自動駕駛功能將受到限制。顯然，威莫仍在努力克服這樣的天氣障礙。在今年的谷歌I/O 2018開發者大會上，Wymo介紹了如何利用機器學習技術來減少雪花帶來的“信號噪音”，讓自動駕駛汽車能夠看穿被雪覆蓋的道路，安全駕駛。

例如，上圖的上部顯示了自動駕駛汽車的傳感器掃描到的無數噪音，這些汽車被一塊紫云密集地包圍著。如果你不能過濾掉所有的噪音，自動駕駛汽車會錯誤地認為自己被各種固體物體包圍，并選擇爬行甚至停車。目前，谷歌的機器學習技術可以用算法過濾掉噪音，信號采集畫面和正常天氣一樣簡單。此外，面對惡劣的天氣環境，我們還必須做到如何保持車外傳感器的清潔和通暢。現在，研究人員和制造商的主要擔憂之一是為惡劣天氣制定安全和道路測試協議，這對于依賴先進技術感知周圍環境的車輛來說可能是一場斗爭。美國聯邦公路管理局（FHWA）估計，每年500多萬起不同的車禍中，22%與惡劣天氣直接相關。顯然，自動駕駛汽車在未來也可能遇到類似的問題。自動駕駛汽車發展的決定性問題不是圍繞單一的技術功能，至少在幾年內不會有答案。研究人員說：“‘SFE如何足夠’是我們必須解決的最困難的問題。”

標簽：發現

汽車資訊熱門資訊