自动驾驶愈加火爆,但我们该如何定义车辆可理解的“安全驾驶”规则?

2018 年 6 月 2 日 新智驾


文 | 大壮旅

来自新智驾(AI-Drive)的报道


当你在驾校跟着教练学车时,一定会下意识的吸收那些通俗的“道路规则”。比如什么时候绕过并排停放的汽车才最安全?在汇入主路时,能插入的最小空档有多大?在什么情况下其他车辆会适时刹车给你让路呢?


虽然我们将其称为“道路规则”,但事实上它们与规则的定义稍有差距,因为这些“规则”的条款都太模棱两可了,你可以从多个方向解读,最终判断的依据大多是常识。在紧急情况下或车辆避险时,“规则”可能就会被打破。因此,事故发生后,判断谁对谁错有时会出现一笔糊涂账。


这也给自动驾驶汽车的开发者们带来了一个巨大的难题。


他们想让自动驾驶汽车们在路上与人类驾驶员友好相处,且每个动作都能被人看透,以保证每个道路参与者的安全。也就是说要给自动驾驶汽车灌输一个它们能理解的道路规则,“能理解”则意味着规则要足够精确。


自动驾驶新创公司 nuTonomy CEO Karl Iagnemma 就道出了“天机”,他认为每家公司在解决这个问题时都有不同的方法,因此业内期盼能有个标准化的规则,让自动驾驶汽车在面对不同情况时不会手忙脚乱。


不过,说着容易做着难,安全驾驶规则真的能用数字来定义吗?


听起来确实够疯狂的,但如果能成功,监管者和工程师恐怕都会举双手赞成。清晰透明的规则能让汽车制造商解脱束缚,在面对各种棘手情况时,它们无需再遮遮掩掩的做道德抉择,直接执行规则就行。


针对自动驾驶时代的交通事故,Mobileye CEO Amnon Shashua 就设想了一套责任划分原则。在他看来,如果自动驾驶汽车遵规行驶,出了事故公司就无需负责,但如果是传感器出了故障或软件故障(违反了规则),那么公司就得承担责任。传感器和控制系统的设计还有很多创新空间,但自动驾驶汽车该遵守的道路规则确实不能再拖了。


Shashua 和他的同事们去年年底就通过一篇论文尝试为自动驾驶汽车设计道路规则,他们将这一模型称为“责任敏感安全”(Responsibility-Sensitive Safety),并为许多场景(如变线、汇入车流和行人或车辆占据道路时的安全行驶)设定了数学规则。


值得一提的是,这个模型覆盖了美国国家公路交通安全管理局(NHTSA)事故数据库中列出的 37 种预碰撞场景。据悉,Mobileye 已经将这一模型用在了自家的自动驾驶平台中,Shashua 也希望该模型能成为行业开放标准的基石。


另一家自动驾驶公司 Voyage 上个月也提出了名为“开放性自动驾驶安全”的类似提议,它也以一系列情况为背景,定义了何谓正确且安全的车辆行为。除此之外,Voyage 还将自家的内部安全规程、材料和测试代码“开源”,希望能为自动驾驶行业提供一个“基础安全资源”。


Iagnemma 指出,这确实是一个好的开始,nuTonomy 也准备在该领域拿出自己的见解。南卡罗来纳大学法学教授 Bryant Walker Smith 一直在研究自动驾驶汽车法规,他对 Mobileye 和 Voyage 的提议表示欢迎。


不过,他也警告称,监管者现在就为这场动态讨论定下基调还为时过早。Iagnemma 也预测称,自动驾驶行业不可能在几个月内拿出一个标准,标准的制定至少要几年时间。不过,他认为标准迟早会诞生,因为相关讨论已经在进行中,而且该行业的许多新鲜血液都来自学术界,分享和开源已经是他们的老习惯了。


说到从分享和开源上获益,最典型的就是“极端情况”,如其他司机意想不到的操作、道路上的瓦砾和车前飞舞的塑料袋等。即使对自动驾驶系统来说,这些情况也相当“烧脑”。由于这些情况只是偶尔发生,而且计算机在如何应对上缺乏常识,因此教会它们应对这些极端情况可是相当困难。


不过,数据分享还是能让各家公司获益,因为它们能在自家模拟器里测试这些计算情况并进行相应调整。一般情况下,这种拉竞争对手一把的做法恐怕没人愿意做,但 Iagnemma 却指出,“自动驾驶事故伤害的是整个行业,谁也不愿意看到事故发生。”


Iagnemma 做出这样的判断是因为当下关于自动驾驶安全性的讨论是建立在情感而非逻辑上的。另外,别忘了一点,自动驾驶汽车要遵守的安全标准永远比人类司机高,而且还要高得多。


那么到底要高出多少?去年兰德公司对这一问题进行了研究,它们发现,即使自动驾驶汽车只比传统车辆的安全性提升 10%,从长远来看也能拯救大量生命(仅美国一地 30 年就能救 50 万人)。不过,这样赤裸裸的功利主义可能与大多数人的世界观不符,因为安全性只高出 10% 依然会造成大量伤亡。


确实,Shashua 就认为自动驾驶汽车在安全性上应该比传统车辆高 99.9%,即比人类司机安全 1000 倍。如果能达到这样的安全性,恐怕谁都不能在自动驾驶汽车身上挑毛病了。不过,从更广泛的意义上来说,即使我们能造出严格遵守精确到小数点道路规则的自动驾驶汽车,恐怕整个行业的发展速度还是会受制于人类善变的特性。【完】


欢迎在新浪微博、网易号、今日头条、天天快报、UC 头条、搜狐号、一点资讯关注@新智驾


推荐阅读:


自动驾驶汽车懂得避让行人,我们就能不守交通规则了?




5月「大咖Live」回顾


图灵奖得主门生、前百度副总裁、饮冰科技CEO、煜炜光学首席技术专家4位大牛,从硅光芯片、可量产激光雷达地图定位及其他模块、激光雷达技术干扰,以及即将实现固态激光雷达芯片量产的经验探讨等不同角度分享,这也是他们首次线上分享,也许他们的经验对于同样在做行业从业、调研的你会有一些启发和帮助。


4位大咖音频已全部完结,文字整理正在陆续更新中。扫码或点击阅读原文进入Live,查看更多内容。


登录查看更多
0

相关内容

最新《深度学习自动驾驶》技术综述论文,28页pdf
专知会员服务
153+阅读 · 2020年6月14日
【中科院自动化所】视觉对抗样本生成技术概述
专知会员服务
35+阅读 · 2020年4月15日
专知会员服务
123+阅读 · 2020年3月26日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
172+阅读 · 2020年2月8日
智能交通大数据最新论文综述-附PDF下载
专知会员服务
104+阅读 · 2019年12月25日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
自动驾驶汽车技术路线简介
智能交通技术
15+阅读 · 2019年4月25日
自动驾驶汽车决策层算法的新方向
智能交通技术
7+阅读 · 2019年4月6日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
【智能驾驶】史上最全自动驾驶系统解析
产业智能官
23+阅读 · 2017年8月21日
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
Arxiv
22+阅读 · 2019年11月24日
OD-GCN: Object Detection by Knowledge Graph with GCN
Arxiv
4+阅读 · 2019年9月30日
SlowFast Networks for Video Recognition
Arxiv
4+阅读 · 2019年4月18日
Arxiv
7+阅读 · 2018年12月5日
VIP会员
相关资讯
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
自动驾驶汽车技术路线简介
智能交通技术
15+阅读 · 2019年4月25日
自动驾驶汽车决策层算法的新方向
智能交通技术
7+阅读 · 2019年4月6日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
【智能驾驶】史上最全自动驾驶系统解析
产业智能官
23+阅读 · 2017年8月21日
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
Top
微信扫码咨询专知VIP会员