為什么今天的L4無人駕駛無法達(dá)到終局？

　　其次，探索新的人工智能方法

　　為什么人能夠在駕校學(xué)習(xí)幾十個(gè)小時(shí)、上路開了幾千公里，就能夠達(dá)到“L5”?如何讓今天的弱人工智能去適應(yīng)開放、動態(tài)、不確定的環(huán)境?如何提升人工智能對未知輸入和欺騙性輸入(或者更專業(yè)的“對抗輸入”)的魯棒性?要回答這些問題，必須在科技的前沿尋找思路。馭勢科技跟包括加州大學(xué)伯克利分校在內(nèi)的國際國內(nèi)多所頂尖大學(xué)展開了合作，短短1年中，我們對未來的道路看得更加清晰了。不妨摘錄一些加州大學(xué)伯克利分校的科研項(xiàng)目以饗讀者。

　　方向在這些標(biāo)題里面，全新場景的處理，對不確定性的容忍度，自我學(xué)習(xí)提升，和跨領(lǐng)域的遷移學(xué)習(xí)(比如不同城市，或從仿真環(huán)境向真實(shí)場景遷移)。

　　最后，假設(shè)有新的算法被不斷研發(fā)出來，如何證明新算法是安全的呢?

　　有一段軼事，2016年5月的特斯拉致命車禍，導(dǎo)致了大眾對自動駕駛的信任危機(jī)。馬斯克頗為不忿，他指出Autopilot在此次事故之前安全行駛了1.3億英里，而美國人類駕駛員的平均水平是9000萬英里，已然超越了人類。他這個(gè)論證中有兩個(gè)謬誤。第一，是Autopilot是輔助駕駛，還有人類駕駛員在糾正Autopilot的錯(cuò)誤，所以這個(gè)1.3億英里是有水分的。第二，這個(gè)數(shù)據(jù)的統(tǒng)計(jì)置信度是不夠的，因?yàn)槔锍虡颖緦?shí)在太小了，如果把先前在中國邯鄲發(fā)生的那起致命事故算上，其安全里程一下子從1.3億降到了1.3億除以二，6500萬英里。

　　那么，到底需要多少里程，才能有足夠的置信度做孰優(yōu)孰劣的判斷呢。美國著名的智庫蘭德公司做了幾個(gè)數(shù)學(xué)模型，結(jié)論如下圖：

　　挑其中1個(gè)結(jié)論來說，如果要有95%的置信度判斷無人駕駛比人類水平(9000萬英里/致命事故)好20%，需要跑110億英里。如果說你有一個(gè)100輛車的車隊(duì)來跑，平均40公里的時(shí)速，需要連續(xù)不停跑500年?？紤]到全世界最大的車隊(duì)Waymo去年也就600臺車，9年跑了400萬英里，這看起來是不可能實(shí)現(xiàn)的任務(wù)。況且，除了谷歌之外，常見的開放道路L4測試車在配全傳感器后，要好幾十萬美元，100臺車的車隊(duì)已經(jīng)是天價(jià)。

　　那么，只剩下1條路了，想辦法把算法裝到至少100萬臺不那么昂貴的車上，讓每臺車跑1.1萬英里，110億英里就實(shí)現(xiàn)了。

　　首先，這些車必須是增量的車，不可能找現(xiàn)有的車改裝，因此算法公司必須與大車廠進(jìn)行合作。

　　其次，這些車不可能無緣無故裝一些還在驗(yàn)證的算法，必須是裝了成熟的、有用的智能駕駛功能，這樣才可能賣掉100萬臺。

　　再次，這個(gè)功能具備某些場景的智能駕駛能力，但在大量的場景仍然需要人來駕駛。那么，在有人駕駛狀態(tài)下，系統(tǒng)切換到“影子模式”，用來跑新型算法、對其進(jìn)行驗(yàn)證。算法在“影子”中持續(xù)做模擬決策，并且把決策與人的行為進(jìn)行對比，如果兩者顯著不同，那么有兩種情況：一，如果算法有高置信度的把握人開錯(cuò)了，將給予人警告(類似ADAS);二，算法判斷人做得更好，或場景數(shù)據(jù)在感知、定位方面也具有高價(jià)值，那么這些數(shù)據(jù)將自動傳回，后臺工程師判斷是否有利于提升算法。

　　這里的核心問題是，車上裝什么樣有用的系統(tǒng)?而這個(gè)系統(tǒng)如何能夠跑新型L4算法?在這一點(diǎn)上馭勢的嘗試是非常令人鼓舞的，上面我們展示的兩個(gè)視頻，自動代客泊車和L4城市開發(fā)道路都是基于同一個(gè)車型和系統(tǒng)配置，能夠在兩種模式之間切換。

　　今天多數(shù)L4系統(tǒng)采用昂貴的傳感器和計(jì)算資源(最近百度Apollo在轉(zhuǎn)向低成本方案)，而且只適配少數(shù)幾款車型(比如林肯MKZ加AutonomousStuff的線控)。我們從一開始選擇低成本思路，不使用高線數(shù)激光雷達(dá)、高端GPS和慣導(dǎo)系統(tǒng)，攻堅(jiān)關(guān)鍵零部件和底層線控能力(雖然執(zhí)行器性能難稱完美)，堅(jiān)持機(jī)器視覺為主、其他傳感器為輔的思路，并且對算法和系統(tǒng)進(jìn)行深度優(yōu)化、使之能夠運(yùn)行在普通計(jì)算資源上。這意味著我們多數(shù)的無人駕駛SKU具備“影子模式”跑開放道路的能力。

　　未來的3-5年，我們期待與主機(jī)廠合作，將自動代客泊車和L3系統(tǒng)裝在至少100萬臺車上，與此同時(shí)，下一代的駕駛智能算法將橫空出世，以“影子模式”的驗(yàn)證方式快速迭代。

　　最后做個(gè)總結(jié)：

　　一，今天僅僅在大馬路上跑L4，無法商業(yè)化，而且在大概率上是到達(dá)不了終局的;

　　二，在很多特殊場景中訓(xùn)練L4，不僅可以實(shí)現(xiàn)商業(yè)化，而且多種場景融合的泛化能力超預(yù)期，在開放道路L4上展現(xiàn)了巨大潛力;

　　三，需要研發(fā)適應(yīng)開放、動態(tài)、不確定環(huán)境的新型L4算法;

　　四，新算法和商業(yè)化的算法(比如自動代客泊車和L3)必須能夠同時(shí)跑在同一套系統(tǒng)上，裝在至少100萬臺車上，通過“影子模式”實(shí)現(xiàn)高置信度的快速驗(yàn)證。