极端天气、复杂路况才是对自动驾驶的真正考验 | 厚势

2017 年 12 月 20 日 厚势 拉里佩


厚势按评价某公司自动驾驶技术先进程度的指标有哪些呢?拥有博士学位的工程师的数量?获得融资的金额?拥有专利的数量?但是驴子是马,最后总得拉出来溜溜,将「自动驾驶汽车测试里程总数」作为评价指标似乎更合理。


但再进一层,更重要的是,这些测试是自动驾驶汽车在什么样的天气以及在什么样的驾驶场景下完成的——在太简单的驾驶场景和友好的气候条件中积累再多里程,对于应对复杂场景和极端天气也没有太大的帮助,因为前者会出现更多不可预测的事情。


本文来自《底特律新闻报》(The Detroit News)12 月 18 日发表的文章《 Bad Weather, Traffic are True Tests for Robotic Cars 》,作者是 Ian Thibodeau。



引子


对一辆自动驾驶汽车而言,在凤凰城郊区阳光明媚的高速公路上行驶是一回事,在曼哈顿或底特律市区的街道上应对自如就完全另外一回事了,更不用说再加上暴风雪这种而来极端天气了。


这就是为什么业界专家正在观察汽车制造商、汽车零部件供应商和科技公司们,到底决定在哪一种驾驶场景下推出自动驾驶车队的原因了 。他们认为, 那些在交通拥堵、经常遭受极端天气侵袭的城市里成功地推出全自动驾驶汽车的公司,将会发出一个强烈的信号——即在研制未来汽车的竞争中,到底是谁在前面领先,又是谁在后面追赶?



该选哪种评价标准?


「当它们开始将自动驾驶技术商业化,并推出相关产品和服务时,我会注意观察:它们在多少个城市运营?这些城市处于哪些区域?」法维翰咨询公司(Navigant Research)驻密歇根州的汽车分析师山姆·阿布勒赛德(Sam Abuelsamid)说,「它们将从哪种驾驶场景开始部署?部署多少辆汽车?这些车辆能可靠地工作吗?真正重要的不是整个车队行驶过多少里程,而是这些里程是在哪里积累的(注:即在太简单的驾驶场景中积累再多里程,对于应对复杂场景也没有太大的帮助)。」


福特汽车公司在密歇根州的安娜堡(Ann Arbor)和迪尔伯恩(Dearborn)以及宾夕法尼亚州的匹兹堡(Pittsburgh)等三个城市进行了测试,这些城市具有不同程度的行人、骑车人和车辆,并且拥有具有挑战性的冬季气候。通用汽车公司在加利福尼亚州的旧金山市区、亚利桑那州的凤凰城和密歇根州的沃伦市进行了测试,这些城市都有着一系列的街道场景,其中沃伦市还拥有恶劣的天气。


图 1  截至 2017 年 11 月,Waymo 已积累 400 万英里道路测试里程

由于市场领导者在内部使用不同的评价标准来衡量自动驾驶汽车的成功,因此消费者和投资者很难在短期内选出一个领导者。最重要的评价标准是:道路测试里程数——在这种情况下,Alphabet 旗下的 Waymo 处于领先——或者自动驾驶汽车所使用的测试场景


「任何说出谁谁谁是领导者的人,他们其实并不知道,因为这真的很难知晓,」迈克尔·拉姆齐(Michael Ramse)说,他是位于康涅狄格州的高德纳咨询公司(Gartner)的员工,负责跟踪网联与自动驾驶汽车行业的趋势,「你将如何比较所有这些车辆的性能?这甚至是不可能的。」


「在这种情况下,我们唯一能对一家公司的能力进行评分的方法是:它们多久才能把一种产品放到它们认为不会被起诉的道路上。」



带有「极端天气和复杂路况」的驾驶场景更有价值


今年早些时候,法国汽车制造商标致雪铁龙集团(PSA Group)宣布,将与德尔福分拆后的公司 Aptiv 旗下的马萨诸塞州初创公司 nuTonomy 合作,在处于热带地区的新加坡测试全自动驾驶的标致汽车,新加坡是世界上最拥挤的城市之一。


与此同时,Google 母公司旗下自动驾驶子公司 Waymo 最近才宣布将在能提供冰雪天气的密歇根州诺维市(Novi)测试全自动驾驶汽车。到目前为止,Waymo 大部分时间都是在加州郊区、亚利桑那州和得克萨斯州奥斯汀市这些地区的相对不具挑战性的天气中进行测试。


那些测试地点很重要,因为某些汽车制造商离第一代全自动驾驶汽车(SAE Level 4 及以上)的计划交付日期已经不到三年时间。


图 2  2016 年 12 月,Waymo 在旧金山进行全自动驾驶汽车测试,CEO 约翰·克拉夫切克(左)和史蒂夫·马汉(Steve Mahan)坐在一起,后者是一位盲人


通用汽车计划在 2019 年之前拥有一支供公众使用的自动驾驶车队。福特公司高层表示,其自动驾驶汽车将在 2021 年前上路。Waymo 最近取消在自动驾驶汽车方向盘后配置安全驾驶员,这是一个明确的信号,表明其克莱斯勒 Pacifica 测试车辆是由自动驾驶系统在控制的。丰田汽车、日产汽车和戴汽车姆勒正在开发自己的自动驾驶系统。

随着截止日期的临近,那些能够在不具备完美天气的地区 测试和 运营自动驾驶车队的公司可以证明自己是领导者。
对于那些选择首先在密集城市地区部署自动驾驶汽车的团队来说,也有机会取得领先,因为这表明其软件也能够「解读」某一条街道,甚至比人类驾驶员做得更好—— 在密集城市的街道上发生的不可预测的事情比在郊区道路或高速公路上要多得多,需要一个更先进的系统来 看到 并解释这些输入信息



测试里程数和驾驶场景同样重要


几乎每周一次的频率,会有某家公司跳出来向媒体宣布自己称之为尖端的或行业第一的进展。但事实上,所报告的进展中有许多是模棱两可的。随着华尔街投资者和消费者对不可靠的信息流越来越不耐烦,专家们在如何确定当前行业领导者的问题上存在分歧。业内观察人士表示,在接下来的几个月里,行动将胜于雄辩。


密西根大学教授莱昂内尔·罗伯特(Lionel Robert)研究人类如何与自动驾驶车辆互动,他认为: 最简单的办法就是,先说出谁先拿出一辆自动驾驶汽车。 但你真正需要寻找的是测试工作——到底是谁在路上做自动驾驶测试?仅有的有形因素之一是自动驾驶汽车的道路测试里程数。


Waymo 在 11 月底说,它的自动驾驶车队已经行驶了 400 万英里,这使得一些人宣布这家硅谷公司是目前暂时的行业领导者,哪怕只是以微弱的优势。


但是, 法维翰咨询公司的 阿布 勒赛 德认为,如果没有更多的信息, 里程表上的数字就显得不太重要了 更关键的是,要知道自动驾驶汽车在什么样的天气 以及在什么样的驾驶场景下做的 测试。



三方势力,谁主沉浮?


一个不那么可靠的衡量进步的方式是计算机化的虚拟测试,即自动驾驶软件控制的车辆实际上并没有真实移动,但会面对各种驾驶场景。


这使得很难确定哪一家公司处在行业领先地位。展望未来,分析人士希望看看这些车辆能做什么样的完美操作以及这些操作的出现频率。这一直是福特汽车和通用汽车关注的焦点。


福特汽车的发言人艾伦·霍尔(Alan Hall)表示,福特并不把自动驾驶汽车所行驶的里程数作为一种监测进展的方式。而通用汽车则表示,到明年年初,其自动驾驶汽车的行驶里程将达到每月 100 万英里。


两家公司都倾向于关注,目前自己公司的自动驾驶汽车在道路上已经能够「解决」哪些驾驶场景,如在有施工区域、救护车辆和其它障碍物的公共道路上顺利完成转弯、换道、超车等操作。


图 3  法维翰咨询公司对自动驾驶行业参与方的排名

随着要求企业交付成果的压力越来越大,从长远来看,相比于科技公司和汽车零部件供应商,专家们对汽车制造商更有信心。


我们 (注:指法维翰咨询公司) 着眼于公司的技术、商业模式、金融稳定性和市场推广策略, 阿布勒赛德解释说, 这就是为什么我们倾向于把(汽车制造商)排在科技公司之前的原因之一,它们实际上有能力制造并支持自动驾驶汽车



编辑整理:厚势分析师拉里佩

转载请注明来自厚势和厚势公号:iHoushi



-END-


文章精选


企业家

马斯克和贾跃亭 福特CEO下台正道汽车仰融

任正非裁员电池大牛凯尔提离开特斯拉

智能驾驶

BBC自动驾驶纪录片自动驾驶第一案,谷歌讼Uber

高精地图自动驾驶的灾难英特尔收购Mobileye

清华汽车李客强教授:智能车辆运动控制研究综述

Mobileye创始人:无人驾驶汽车如何自证清白?

智能电动汽车的感知、决策与控制等关键基础问题及对策研究

北理工:一种评价无人驾驶车辆智能水平的新方法

埃森哲:汽车保险业如何应对自动驾驶的到来?

新能源汽车

全国50个新能源汽车项目大盘点

锂电池发展趋势中国汽车产业电动化进程

苹果收购特斯拉?丰田和特斯拉决裂

中科院物理所:电动汽车动力电池技术研究进展

电动汽车共享商业模式的发展

一文了解电动汽车无线充电技术及其商业应用

项目和评论

以色列最强10家自动驾驶创业公司

 37个汽车分时项目盘点百度投资蔚来汽车

马化腾或为共享单车最大赢家汽车产业3大趋势

Momenta获$4000万B轮

百度系自动驾驶初创公司 Pony.ai 的突围之路

这些大神从Google出走,创办了五家(命运各异的)无人车公司

戴世智能带你读懂自动驾驶高精度行车定位技术

无需基础知识,理解自动驾驶高精度行车定位技术


为您对接资本和产业

新能源汽车 自动驾驶 车联网




联系邮箱

bp@ihoushi.com

点击阅读原文,查看文章「自动驾驶汽车用混合动力比纯电动更好吗?

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
华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
125+阅读 · 2020年5月22日
【CVPR2020-谷歌】多目标(车辆)跟踪与检测框架 RetinaTrack
专知会员服务
44+阅读 · 2020年4月10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
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
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9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
【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
“黑”掉自动驾驶汽车,只要给路标涂个大花脸
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Few-shot Adaptive Faster R-CNN
Arxiv
3+阅读 · 2019年3月22日
Joint Monocular 3D Vehicle Detection and Tracking
Arxiv
8+阅读 · 2018年12月2日
Arxiv
7+阅读 · 2018年1月30日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
5+阅读 · 2018年1月17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
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9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
【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
“黑”掉自动驾驶汽车,只要给路标涂个大花脸
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
相关论文
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Few-shot Adaptive Faster R-CNN
Arxiv
3+阅读 · 2019年3月22日
Joint Monocular 3D Vehicle Detection and Tracking
Arxiv
8+阅读 · 2018年12月2日
Arxiv
7+阅读 · 2018年1月30日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
5+阅读 · 2018年1月17日
Top
微信扫码咨询专知VIP会员