毋庸置疑的,100%安全且好用的,才是好的智能驾驶。只不过每个人对于好用都有不同的概念。就好比说到“什么样的操控才是好”,有的人会觉得换挡顺畅就是好操控、而有的人认为指哪打哪才是好的操控。0 v! C9 n% K. B4 h4 \
所以这个问题我们暂时不展开,聊聊后面的问题:关键时刻可以把车辆交给智能驾驶来控制吗?
3 ]2 ~" y( R( E$ y我的答案是:不行。
: y+ r1 ]3 z3 p! W* C, ?: \3 X智能驾驶是包含:互联网导航+辅助驾驶+人工干预的一个驾驶模式,人工干预和互联网导航我们先放一边,着重谈一下辅助驾驶这块。
( H- w) c) I/ l
5 h. R7 f5 e# N& C( w$ L7 V* p
" h) m( U3 {7 B) t5 O: ]辅助驾驶从发展最初到如今,已经经历过好几个版本和方向的更迭,分别如下:
9 M$ j9 l& ~( F4 O* q( u9 g* ^3 O纯视觉
2 P' H" H$ s- B6 {8 V2 }' B1 H! f' j- H5 Z. `# N- K" U
纯视觉,是特斯拉一贯坚持的辅助驾驶方案,也是辅助驾驶最初的主要方案之一。在这套方案中特斯拉采用摄像头捕捉→算法处理→方案执行的方式来进行。
5 p: Q* L9 m! _( }8 h这套方案的好处是非常节约物理成本,只要算法成熟了,那么就可以靠廉价的摄像头在任何车辆上进行自动驾驶。然而摄像头能够捕捉的画面只是平面的,数据是否准确全靠算法,算法不成熟,就会酿成灾难了。& z: h* C$ {3 u1 O9 Y
8 q S5 h# l, r) l+ m0 S9 u! ]0 J
) A9 H# w( B3 @! @1 q4 h5 d1 ~
高精地图
+ k4 f3 O/ T) j' ?, F9 t" f: z( u/ Y: q+ f* b
高精地图走的是另一套路线,也是曾经很多车企所采用的辅助驾驶方案。在这套方案中,采用高精地图识别→中央算法→方案执行的方式来进行。. o% {" \. d$ q8 O/ a0 G
当我们用手机APP打开XX地图时,我们可以清晰的看到某条路有某家店,而高精地图除了有这些,还会绘制出店铺的具体尺寸以及周边的各种其他比如椅子、消防龙头、公交站牌等信息。
0 F3 S" \4 g4 _因为高精地图本身就有信息所以可以非常准确的进行辅助驾驶,而感知原件(摄像头/雷达)只是起到辅助作用。 I7 [) ?: `/ W8 A0 I
8 |: W; T' s0 g/ K, j b& t/ S8 T2 {/ ]7 i
6 o3 Q7 `- m/ [/ I( r虽然高精地图是最初辅助驾驶的主要方案之一,但是这套方案对高精地图的依赖高于算法,成本和局限性非常大。因为高精地图需要对不同场景城市以及国家进行测绘,所以,目前已经被大多数企业淘汰。
L5 L: |7 s$ d: I3 n4 b多感知融合( v* N# `8 k g, N
% D& @- u5 a' f( L$ z, W
多感知融合式目前最为广泛应用的辅助驾驶方案了,在这套方案中,采用摄像头+毫米波雷达+激光雷达→算法处理→方案执行的方式执行。5 Z* I0 ^; t& m5 O
雷达的精确性弥补了摄像头的缺陷,同时非复杂路段毫米波雷达也保障了激光雷达的损耗。毋庸置疑的是,多感知融合精确性远超上述2套方案,也是目前位于辅助驾驶第一梯队的百度和华为所采用的模式。
" b. U* k+ N+ n6 J' a* B; l
6 |" N5 j7 A& g; {& k
$ q9 k" y \3 _( n7 \
不过,辅助驾驶并不想真实的人类肉眼看到的那样,可以做出非常精确的识别,事实上即便是多感知融合也会出现很多的问题。在这里面,就有一个非常有趣的例子,叫做边角案例。
2 ]; d. N3 _1 S2 a在澳大利亚,袋鼠是遍地跑的动物,对于我们人类而言,前面出现了袋鼠,无论它是可爱还是肌肉猛鼠,你都能认得出他是袋鼠,从而刹车或者避让,然而辅助驾驶却不是。% c# x# f0 e, ` j$ c
' K$ T' I# }& }
* y- w, H+ n8 Y; W' Z @" \当袋鼠跳跃在空中时,自动驾驶会将它识别成位于天空的物体,比如乌云。然而当袋鼠落地时,自动驾驶又会将它识别得比实际距离近一些,从而引起算法识别错误,导致事故的情况。* M2 d4 T: E5 l4 D8 b+ |
2 e8 v2 ^ y+ C$ X% n$ e
: V6 p/ I* D0 L9 Z9 q5 m2 `1 C z- T1 l) g2 g S# S5 J
没想到吧
; j& F: G+ }. P
3 N1 k" o2 J' ?* f. S3 C' F8 C) m一个细小的边角案例就能引发巨大的问题,你又怎么能够放心的把关键时刻交给智能驾驶??? |