无人驾驶技术,凭什么可以实现赛车?
来源: | 作者:久星赛事 | 发布时间: 2018-06-25 | 137 次浏览 | 分享到:


当前,无人驾驶的概念如火如荼,随着各大车企和科技公司加快无人驾驶车辆路测的步伐,无人驾驶领域的竞争逐渐呈现白热化。


虽然无人驾驶技术还处于实验测试当中,但人类对于无人驾驶赛车场景的憧憬却早就有了。


有人会质疑,在技术尚未成熟之前,无人驾驶凭什么可以实现赛车?这就好比初生的婴儿,凭什么还没有学会爬就要学会走?


质疑很有道理,但可能只知其一,不知其二。


01


无人驾驶技术的实现


自动驾驶(包括无人驾驶)技术这个想法首次出现是在 20 世纪 30 年代的一本名为《Air Wonder Stories》的月刊科幻杂志上,但直到 1986 年,卡内基·梅隆大学制造出的NavLab 1 才算得上第一辆由电脑驾驶而非人类驾驶的汽车。



从此,奔驰、宝马、 奥迪、大众、福特等全球知名的汽车巨头们纷纷开始着手研发自动驾驶技术,特别是最近 10 年,谷歌、 英特尔、苹果等科技厂商也加入了自动驾驶的研究之中。


每家车企都对自己的自动驾驶系统取了一个酷炫的名字,以此来表达自己的技术是最好的,比如特斯拉的AutoPilot,奥迪的 Piloted Driving等。


但对于消费者来说,难免听起来有些费劲。所以,为了更方便的区分和定义自动驾驶技术, 自动驾驶的分级就成了一件大事。


目前全球汽车行业公认的两个分级制度分别是由美国高速公路安全管理局(简称NHTSA)和国际自动机工程师学会(简称SAE)提出的。以分类更加详细的SAE 版本为例,来看看从 L0 (Level 0) -L5 (Level 5) 级的自动驾驶技术分别承担怎样的工作职责。 


L0是纯人工驾驶,汽车只负责执行命令并不进行驾驶干预。L1 是指自动系统有时能够辅助驾驶员完成某些驾驶任务,比如车道保持系统和自动制动系统。 


L2能够完成某些驾驶任务,但驾驶员仍需要将双手双脚预备在方向盘及制动踏板上随时待命,监控驾驶环境并准备随时接管。到了 L3 级别的自动驾驶技术, 驾驶员将不再需要手脚待命,机器可以独立完成几 乎全部的驾驶操作,但驾驶员仍需要保持注意力集中,以便随应对可能出现的人工智能应对不了的情况。


L4 和 L5 级别的自动驾 驶技术可以称为完全自动驾驶技术,到了这个级别, 汽车已经可以在完全不需要驾驶员介入的情况下来 进行所有的驾驶操作,驾驶员也可以将注意力放在其他的方面比如工作或是休息。但两者的区别在于,L4 级别的自动驾驶适用于部分场景下,通常是指在城市中或是高速公路上。而 L5 级别则要求自动驾驶汽车在任何场景下都可以做到完全驾驶车辆行驶。


从技术构成来看,自动驾驶系统分为三个层级:感知层、决策层和执行层。


感知层是自动驾驶车辆利用各种传感器,包括摄像头、 毫米波雷达、激光雷达、超声波雷达、红外夜视, 以及 GPS(全球定位系统)和 IMU(惯性测量单元)等,完成对车辆周围环境的感知识别。每种类型的感知技术相互补充融合,使智能车达到驾驶场景下非常高的安全性要求。



决策层是人工智能真正发挥威力的部分,和人类驾驶员一样,机器在做驾驶决策时需要回答几个问题 :我在哪里?周边环境如何?接下来会发生什么?我该做什么? 


决策层具体来说分为两步 :第一步认知理解, 根据感知层收集的信息,对车辆自身的精确定位, 对车辆周围的环境的准确理解。第二步决策规划, 包含对接下来可能发生情况的准确预测,对下一步 行动的准确判断和规划,选择合理的路径达到目标。 


自动驾驶汽车环境理解包括物体识别和物体追踪,比如行人识别、车辆识别、车道识别、交通标识识别、行驶中车辆的追踪、行动中行人的追踪等。


人类智能在驾驶中体现在可以根据动态变化的环境实时调整驾驶策略,同样机器也需要对车辆周边的人、车、物的行为进行预测,从而做出安全驾驶决策,并根据车身状态数据、局部环境数据做出当下最优的行动选择。 


自动驾驶的执行层离不开和车载控制系统的深度集成,可惜很多车厂和 Tier1(汽车零部件供应商)出于自我保护,不愿意对外开放车辆控制总线,一些创企无法对原车做改动,不得已只能另外附加一套电机装置,通过电机拉动钢丝绳,钢丝绳再拉动油门、制动、转向等装 置完成执行动作。这种做法的缺点是非常笨拙,操控性和可靠性很差,根本无法体现自动驾驶的优势。 


归根结底 ,自动驾驶的落脚点在“驾驶”不在“自动”,“大脑”再发达也要靠“双脚”来行走。不把人工智能算法落地到车辆的控制执行,你永远不知道有多少 dirty work 要做。


02


无人驾驶与赛车


无人驾驶在赛车领域的运用,可以追溯到2004年的 DARPA(美国国防部高级研究计划局)无人驾驶挑战赛。这不仅仅是开创了无人驾驶赛车运动的先河,甚至可以说没有那场比赛,恐怕就没有现在的蒸蒸日上的无人驾驶行业。


2004年3月13日,第一届DARPA无人车挑战赛在美国加州拉开序幕,15辆完全由电脑控制的无人驾驶汽车同时出发,穿越300公里的的莫哈维沙漠。


然而,令人意想不到的是,参赛的无人车完全不受控制,发了疯似的橫冲直撞。最终没有一支车队完成了比赛,赛场一片混乱,撞得零碎的保险杠、栏杆、铁丝网以及使用过的灭火器散落一地,比赛以所有车队“全军覆没”告终。


美国国防部高级研究计划局对这场比赛不可谓不重视,比赛奖金高达100万美金。发起无人驾驶挑战赛最初的想法,来自美国军队想让士兵远离战争炮火纷飞美好愿景,所以国防部不仅出经费资助创新团队,还斥巨额奖金来吸引参赛者。


虽然无人驾驶赛车的首次尝试最终以失败告终,但主办方并没有因此失掉信心,反而在第二年将资金提高到200万美元,并吸引了时任斯坦福大学授的塞巴斯蒂安·特伦(Sebastian Thrun)参赛。


专注于机器人工智能研究的特伦作为观众观看了DARPA第一届比赛,他简直不敢相信自己所看到的场景,觉得这简直是对整个机器人行业的羞辱。


为了捍卫整个行业的声誉,特伦决定出手。


2005 年,特伦和他的斯坦福大学团队研发出一辆名为Stanley的无人驾驶汽车参加第二届DARPA挑战赛。



Stanley 原车由大众提供,研发团队在车顶部安装了 5 颗雷达单元,用于构建周围环境的三维模型,与 GPS 共同工作,还有一个摄像头用来探测周围汽车行驶状况,来确定是否有足够的超车距离。此外,在轮胎上还装有码表,用于更加精确地测定里程。车内使用了 Linux 系统,搭载 6 颗低功耗 1.6Ghz 的奔腾 M 处理器来处理数据。


最终,Stanley成为第一辆成功穿越整个沙漠回到起点的汽车,赢得冠军奖杯,并为斯坦福车队赢得了200万美元的奖金。



自此,业界对于无人车自动驾驶的信心大增,DARPA也由此成为启蒙自动驾驶行业的里程碑式的赛事。


塞巴斯蒂安·特伦因此获得了“无人车之父”的光荣称号,并在后来进入谷歌公司,成为Google X实验室的创始人。



Stanley赛车由于其重大历史意义,也被陈列在美国国家航空航天博物馆。


之后,DARPA挑战赛延伸至“反潜持续跟踪无人艇”、“机器人”等多个领域,逐渐成为美国挑战赛创新驱动机制的“蓝本”。


随着DARPA无人驾驶赛车的热度退减,近年来另一项方程式无人驾驶赛车开始出现在大众的视野。


这项名为Roborace的无人驾驶赛车,由国际汽车联盟(FIA)认证的电动方程式(Formula E)打造,并于2016年推出无人驾驶赛车原型 DevBot。


Roborace于2017年2月在阿根廷布宜诺斯艾利斯举行了首场比赛,两辆DevBot赛车参赛。比赛中,一红一黄两辆DevBot赛车同时出发,一度跑出185km/h的极速,最终红色的1号车取得该场比赛胜利,而黄色2号车因入弯车速过高撞向护墙没有完成比赛。



三个月后的巴黎站比赛中,Roborace公布了非常酷炫的新款车型Robocar。足够有辨识度的外观设计看起来非常科幻,驾驶座舱被取消,整车的空气动力学得到了很大提升。车上搭载了 4 台电动机,可以在不配备传动轴和差速器的前提下实现全轮驱动,在整车重量仅为1000kg的情况下车速可以达到 320km/h。


Robocar 赛车上搭载了英伟达DRIVE PX2计算平台,将车身所有传感器收集到的数据进行统一处理,然后做出相应判断给车下指令。为了保证芯片正常工作,车壳上方还设计了通风口给芯片降温,同时它还配备了一套液冷系统。



在赛车后方有一个集成了多个零件的“天线”,包括:显示赛车状态的状态指示灯,用来进行电视转播的 360 度摄像头,与其他赛车以及场地进行联系的 V2X 通信系统,通过空气压差测量车速的皮托管等。另外,赛车还配备了一系列的传感器:位于车头的一部超声波传感器、位于“天线”和赛车前部的三个摄像头以及遍布车身周围的 5 个激光雷达。


Robocar赛车将正式进入Formule E 赛场指日可待,但在此之前Roborace就迫不及待地和人类赛车手进行了了一场人机对抗赛。今年4月,在意大利罗马ePrix特制赛道上,Roborace派出原型DevBot赛车与人类赛车进行比拼,结果DevBot以26秒的差距输给了人类。



26 秒的差距看似很多,但以无人驾驶和人类来比已经是了不起的成绩,毕竟首届比赛的时候DevBot赛车在转弯时还撞墙来着。Roborace 也誓言,要在不久的将来消弥这 26 秒的差距,与人类并驾齐驱。


此后,各种名目的无人驾驶赛车纷纷出炉。但谁能接上商业化无人驾驶赛车的下一棒?值得期待。


03


无人驾驶赛车的困惑


尽管无人驾驶技术取得了伟大的突破,无人驾驶在赛车领域的应用也在不断进步,但人们对于无人驾驶仍处于担心和忧虑之中。关于无人驾驶的争议从来就没有停止过,赛车就更不用说了。


安全是人们首当其中考虑的问题。


今年3月发生在美国亚利桑纳州的Uber测试车撞击行人致死案,特斯拉多起自动驾驶模式下发生的撞车致车主死亡案等,引发外界对自动驾驶安全方面的质疑声达到了前所未有的高度。 


如果你身边也有讨厌无人驾驶技术的人,那么其中一定有很大一部分人群是对无人驾驶技术的安全性与稳定性持悲观态度的。他们可能开车很多年,对自己的技术有足够的自信;也可能刚刚从驾校毕业,只是单纯的不相信“随时可能死机”的电脑。无论如何,他们都会认为,无人驾驶绝对没有人开的安全。



也有人纠结法律与道德层面的问题。有一个非常著名的“电车难题”,隐喻了人类作为高等智慧生物,会在道德问题出现两难时做出更加符合自己道德标准的选择。


“电车难题”应用于无人驾驶的情况就是,当一辆无人驾驶汽车正在高速行进中,前方突然出现了 5个行人,此时无人驾驶系统经过计算得出,要么撞上前方的行人,要么迅速调转车头撞向旁边的隔离带,那么车上人的也将有生命危险,此时它会如何做出选择?


显然,人类可以做出最低伤害的道德判断和选择,而机器却不能。但如果以机器不能做出道德判断来反对无人驾驶,则是不公平的。


回到赛车上来说,即使Roborace打造的方程式无人驾驶赛车做到尽可能的具有观赏性和刺激性,但在一些真正的赛车迷的眼中,如果不是由人类来突破极限,就算不上真正的“赛车”。


04


无人驾驶赛车的意义


将赛道级汽车技术移植到消费级汽车上,已经不是新鲜的事,一个典型的例子是赛车车身用于降低撞击伤害的防滚架,可应对赛车高速行驶中遭遇的碰撞甚至翻车事故,保证驾驶员安全。如今,防滚架被安装在许多普通乘用车中。


汽车赛事从来都是汽车厂商的试验田,他们将最新的技术应用到赛事中,一面向消费者传递自己的汽车理念,一面展示自己的技术积累。例如 DSG 双离合技术、缸内直喷、车身电子稳定系统等技术都是由赛车比赛发展而来。


汽车轮胎也是保证行驶安全的重要部件,虽然乘用车轮胎与赛车轮胎在外观、性能上都有很大差别,但其实如今车辆的轮胎凹槽设计就起源于赛车。轮胎凹槽能增加轮胎牵引力、制动力、耐磨性和排水性能,成为简单却不可或缺的轮胎设计要素之一。


经多年研发,赛车团队设计出了针对不同道路条件(雨、冰、越野)的各种不同属性轮胎,设计人员还通过不同种类橡胶延长轮胎寿命,而今这些技术都已经广泛应用在乘用车、商用车等领域。


除此之外,还有许多赛车功能已经被应用在量产车中,如盘式刹车制动器 、按钮点火装置,以及带有手动模式的自动变速器等。



无人驾驶赛车也不例外,从DARPA无人驾驶挑战赛到Roborace方程式无人驾驶赛车,汽车行业技术创新也经过了一轮又一轮的发展和变革。


正如现代汽车的许多功能都脱胎于赛车比赛一样,无人驾驶汽车也将从无人驾驶赛车中得到越来越多的灵感和传承。


乘用车领域,真正意义上的无人驾驶走进我们的生活或许还需要一段时间。但在赛道车市场,一些新的探索已经在刷新无人驾驶的技术极限。未来,无人驾驶技术的关键突破诞生于赛道上并不是没有可能,在技术竞逐的路上,一切只是时间问题。

更多文章推荐 others