自动驾驶陷入泥潭_Uber如何走出困境

最近优步汽车(Uber)导致一位自行车骑行者因车祸遇难的事件引发了多方关注。很多人认为，系统能力低下的责任应由优步公司承担，但也有些人认为，事故本身并不值得大做文章。在笔者看来，此类事故确实可以通过技术方式加以避免。然而，为什么这个问题对于自动驾驶系统而言相对更难以解决?那么首先，让我们回答这样一个问题——“为何优步没有在自己的汽车上，使用奔驰配备的夜视系统?”下面就随汽车电子小编一起来了解一下相关内容吧。

首先需要强调，我并不清楚造成此次事故的具体原因，也不会将其认定为无法避免的状况。此外，我也不打算在本文当中对任何人加以指责，或者对任何肇事原因作出证明。换言之，我只是在单纯讨论为什么这个问题对于人工智能类系统而言，要比常规驾驶情况下更难以解决。

在几乎所有新型车辆上，我们都能找到常规的碰撞回避(“collision avoidance”，简称CA)系统。这套系统的作用非常单一，或者说只有一项目标——在车辆即将发生碰撞时刹车。这种“确定性”意味着其会在检测到某种特定信号时，采取与之对应的动作(即制动)。对于同一种信号，其总是会产生同样的反应。此外，还有一些碰撞回避系统会根据环境采取一些基于概率的判断，但总体来讲，碰撞回避系统通常非常简单：当车辆以不合理的速度接近某个位置时，其会触发刹车。您可以在程序代码当中使用简单的IF语句来实现这项功能。

那么，为什么人工智能型系统就做不到这一点?人工智能是系统展示其认知技能的一种能力，例如学习以及解决问题。换言之，人工智能并非依靠预编程方式来监测来自传感器的已知输入信号，从而采取预定义的行动。这意味着，不同于以往对已知情况进行预定义的处理方式，如今我们需要为算法提供大量数据以实现人工智能训练，并借此引导其学会如何操作——这就是机器学习的基本原理。如果我们利用机器学习技术建立一套碰撞回避系统，其完全能够达到近乎完美的效果——但这也意味着其仍然属于单一目的系统。它可以刹车，但却学不会导航。

导航功能由感知并解释环境、作出决策并采取行动这几个部分组成。环境感知则包括路径规划(驶向何处)、障碍物检测以及轨迹估算(探测到的物体如何移动)。除此之外还有很多。现在可以看到，避免碰撞只是其需要完成的众多任务当中的一项。系统同时面对着很多问题：我要去哪里在、我看到了什么、如何解释这些景象、是否有物体在移动、其移动速度有多快、我的轨迹是否会与他人的路线发生交叉等等。

这种自主导航问题太过复杂，无法简单在程序代码中使用IF-ELSE语句(IF-ELSE statements)并配合传感器信号读取加以解决。为什么?因为要获取完成这项任务所需要的一切数据，车辆当中必须包含数十个不同的传感器。其目标，在于建立一套全面的视野，同时弥补单一传感器所存在的不足。如果我们现在对这些传感器所能产生的测量值组合数字进行估算，就会发现这套自动驾驶系统有多么复杂。很明显，模拟其中每一种可能的输入组合已经远远超过人类大脑的处理能力。

此外，这种自我学习系统很可能以概率作为指导基础。如果其在路上注意到某些事物，其会考虑所有的潜在选项并为其附加对应概率。举例来说，物体为狗的概率为5%，物体为卡车的概率为95.7%，那么其会将对方判断为卡车。但是，如果传感器给出的输入内容存在矛盾，又该怎么办?

这种情况其实相当常见。举例来说，普通的摄像机能够清晰拍摄到近距离物体，但只能以二维方式呈现。激光雷达属于一种激光发射器，其能够在三维空间中看到同一个物体，但观察结果却缺乏细节——特别是色彩信息(详见下图)。因此，我们可以利用多台摄像机从多个角度拍摄以重建三维场景，并将其与雷达“图像”进行比较。如此得出的综合结果显然更为可靠。然而，摄像机对光照条件非常敏感——即使是少量阴影也可能干扰场景中的某些部分并导致输出质量低下。作为一套出色的识别系统，其应该能够在这种情况下更多依赖于雷达系统的输入。而在其它情况下，则更多依赖于摄像机系统。而两类传感器得出共识性结论的部分，则属于可信度最高的判断。

图：我坐在办公室的椅子上(位于图像中心位置)挥舞着Velodyne VLP-16雷达。自动驾驶汽车所使用的激光雷达拥有更高的分辨率，但仍然无法与摄像机相媲美。请注意，此图像来自单一雷达扫描，我们可以进行多次雷达扫描以进一步提升图像分辨率。

那么，如果摄像机将目标识别为一辆卡车，但雷达认为这是一只狗，且两种结论的可信度对等，结果又将如何?这实际上是一种最为困难，且可能无法解决的状况。现代碰撞回避系统会使用记忆机制，其中包含车辆曾经看到过的地图与寄存内容。其会追踪图像之间的记录信息。如果两秒钟之间两套传感器(更准确地说，两种解释传感器计数的算法)皆认为目标为卡车，而稍后其中一套认为其是狗，那么目标仍会被视为卡车——直到出现更强有力的证据。请记住这个例子，我们将在稍后探讨优步事件时再次提到。

这里咱们回顾一下。之前我们已经讲述了人工智能必须处理来自众多不同传感器的输入内容，评估传感器输入内容的质量并构建场景认知结论。有时不同传感器会给出不同的预测结果，而且并非所有传感器在任意时间段内皆可提供信息。因此，该系统会建立一套影响判断过程的记忆机制，这一点与人类一样。此后，其需要将这些信息加以融合，从而对当前状况作出一致的判断进而驱动汽车行进。

听起来不错，那么我们能否信任这样的AI系统?系统的质量取决于其整体架构的组合水平(使用哪些传感器、如何处理传感器信息、如何融合信息、使用哪些算法以及如何评估决策等等)以及实际使用及训练所用数据的性质与数量。即使架构完美，如果我们提供的数据量太少，其也有可能犯下严重错误。这就像是委派缺少经验的工作人员执行一项艰巨的任务。数据总量越大，意味着系统将拥有更多学习机会并作出更好的决策。与人类不同，人工智能可以汇集数百年来积累的经验，并最终提供比任何个人都更为出色的驾驶能力。

那么，这样的系统为何还会引发伤亡事故?在接下来的文章中，我们将提到很多可能的情况，而其中错误的评估结论就有可能导致事故。我们还会探讨哪些情况下，人工智能系统更有可能作出错误判断。

· 首先，如果系统未能看到充足的类似数据，则可能无法正确理解当前情况。

· 第二，如果当前环境难以感知，且传感器输入内容的可信度不高或者信号混杂，则可能引发错误判断。

· 第三，如果对传感器输入内容的理解与基于系统记忆的理解相矛盾(例如在前一个时间步幅内将对象认定为卡车，但后一个步幅内传感器将其判断为狗)，则可能引发错误判断。

· 最后，我们无法排除存在其它故障因素的可能性。

没错，任何拥有合理设计的系统都能够单独处理其中的一类问题，然而：

· 解决矛盾需要时间;

· 多项因素的共同作用可能导致错误的决策及行为。

在进一步研究具体情况之前，我们首先简单介绍一下现代传感器能做到什么、又不能做到什么。

理解传感器技术

很多人表示，如今的技术已经如此先进，因此优步汽车应该能够明确识别出正在过路的行人，包括那些因为走错了路而绕转回来、或者突然从暗处冲入照明区域的行人。那么，传感器能够测量到哪些情况，又无法应对哪些场景?这里，我谈的单纯只是测量，而非理解测量内容的能力。

· 摄像机无法观察到暗处的事物。摄像机是一种被动式传感器，其只能记录照明环境下的事物。我将这一条列在最前面，是因为目前已经有不少强大的摄像机能够在黑暗环境中正常拍摄(例如HDR摄像机)。然而，这类设备所能适应的其实是弱光而非无光环境。而对于无光环境，虽然红外及红外辅助摄像机能够切实解决问题，但自动驾驶汽车上采用雷达代替这类设备。因此大多数用于自动驾驶汽车的摄像机仍然无法“看”清暗处的事物。

· 雷达能够轻松检测到移动的对象。其利用无线电波自物体处反射回来时，运动目标造成的反射波在多普勒频移效应下出现的波长差异。然而，常规雷达很难测量体积较小、移动缓慢或者静止的物体——因为从静止物体反射回来的波，与从地面反射回来的波之间只存在极小的差别。

· 激光雷达的工作原理与普通雷达相似，只是发射激光从而轻松在三维空间内绘制任何表面。为了增大三维成像范围，大多数激光雷达会不断旋转，像复印机扫描纸张那样持续扫描周边环境。其不依赖于外部照明，在黑暗条件下也能够准确发现目标。然而，虽然高端激光雷达拥有出色的分辨率水平，但其需要配合强大的计算机以重建三维图像。因此如果有厂商声称其激光雷达能够

[1] [2] [3]