從“能跑”到“能替代人”,自動(dòng)駕駛普及的真實(shí)攔路虎是什么?
現(xiàn)在市場(chǎng)上L2(帶部分自動(dòng)化的駕駛輔助)級(jí)的車輛已經(jīng)很普遍,L4級(jí)的Robotaxi也在一些城市或限定場(chǎng)景較小的范圍內(nèi)試運(yùn)營(yíng),但從“輔助駕駛能做”到“完全替代人駕駛并大規(guī)模商業(yè)化”中間,好似有道橫亙的鴻溝,即便已經(jīng)多年過(guò)去,自動(dòng)駕駛?cè)耘f沒(méi)有質(zhì)的提升。
到底是什么在擋路?技術(shù)不夠、成本太高、法規(guī)沒(méi)跟上、還是公眾不信任?這個(gè)答案不是單一要素能概括的,但如果把所有因素往根源上追一追,會(huì)發(fā)現(xiàn)一個(gè)核心矛盾,我們還不能以可驗(yàn)證、可量化、可證明的方式確定自動(dòng)駕駛汽車已足夠安全。
01 感知與長(zhǎng)尾,技術(shù)上的“最后一公里”難點(diǎn)
感知系統(tǒng)作為自動(dòng)駕駛的核心,一直是很多自動(dòng)駕駛設(shè)計(jì)時(shí)被重點(diǎn)關(guān)注的一部分,攝像頭擅長(zhǎng)識(shí)別細(xì)節(jié)與顏色,毫米波雷達(dá)在穿透能見(jiàn)度差時(shí)表現(xiàn)穩(wěn)健,激光雷達(dá)(LiDAR)提供稠密的點(diǎn)云深度信息。把這些傳感器的數(shù)據(jù)融合起來(lái)去做物體檢測(cè)、追蹤、場(chǎng)景理解,理論上可以彌補(bǔ)單一傳感器的短板,但現(xiàn)實(shí)里問(wèn)題并不只是把三種信息“加起來(lái)”那么簡(jiǎn)單。
雨、雪、霧、不規(guī)則反光、強(qiáng)逆光、路面積水下的反射等惡劣天氣和復(fù)雜光照條件,都會(huì)讓傳感器輸出發(fā)生系統(tǒng)性偏差。算法在訓(xùn)練數(shù)據(jù)里見(jiàn)到這種情況的比例通常極小,模型在遇到從未見(jiàn)過(guò)的組合時(shí)會(huì)產(chǎn)生高不確定性。還有就是長(zhǎng)尾場(chǎng)景問(wèn)題,交通世界含有無(wú)數(shù)稀有但又可能致命的情形,例如行人突發(fā)行為、非標(biāo)交通設(shè)施、臨時(shí)施工現(xiàn)場(chǎng)、異類動(dòng)物橫穿、被遮擋的交通標(biāo)志等。要把系統(tǒng)訓(xùn)練到能覆蓋這些長(zhǎng)尾,需要數(shù)量級(jí)巨大的數(shù)據(jù)、多樣化的采集場(chǎng)景和極其精細(xì)的標(biāo)注,單靠路測(cè)或有限的仿真都難以窮盡。
此外,現(xiàn)有許多感知和決策模塊基于深度學(xué)習(xí),它們往往缺乏可靠的置信度度量和可解釋的失敗模式。這意味著當(dāng)系統(tǒng)在實(shí)際道路上犯錯(cuò)時(shí),我們很難定位是感知失靈、預(yù)測(cè)失誤、規(guī)劃問(wèn)題還是執(zhí)行異常,從而也難以形成有效的補(bǔ)救與認(rèn)證手段。很多技術(shù)方案提出通過(guò)冗余傳感、規(guī)則校驗(yàn)、邊緣安全控制等辦法緩解,但自動(dòng)駕駛系統(tǒng)的成本和復(fù)雜度隨之上漲,更不能從根本上消除長(zhǎng)尾風(fēng)險(xiǎn)。
02 證明“夠安全”的制度難題
假設(shè)技術(shù)團(tuán)隊(duì)做的自動(dòng)駕駛技術(shù)非常完美,把感知、預(yù)測(cè)、規(guī)劃都做到行業(yè)領(lǐng)先,是否就意味著可以大面積上路了?其實(shí)不然,對(duì)于消費(fèi)者來(lái)說(shuō),要的是一套可以判定“這個(gè)系統(tǒng)在目標(biāo)ODD(OperationalDesignDomain)內(nèi),長(zhǎng)期運(yùn)行比人類駕駛更安全”的證據(jù)鏈。要構(gòu)建這樣的證據(jù)鏈,需要系統(tǒng)化的驗(yàn)證與驗(yàn)證(V&V)框架、海量的實(shí)車數(shù)據(jù)、嚴(yán)格的場(chǎng)景覆蓋標(biāo)準(zhǔn)、以及統(tǒng)計(jì)學(xué)上令人信服的置信區(qū)間。
這就是為什么“安全證明”成為阻礙自動(dòng)駕駛商業(yè)化的核心要素之一,現(xiàn)有的安全標(biāo)準(zhǔn)(比如功能安全I(xiàn)SO26262、SOTIF的討論等)能約束電子/軟件失效和已知危險(xiǎn),但對(duì)“AI在開(kāi)放世界里的不確定性”并沒(méi)有成熟的、被普遍接受的測(cè)試協(xié)議。正因如此,司法與監(jiān)管自然不能輕易放行,因?yàn)橐坏┌l(fā)生事故,責(zé)任歸屬、召回與修復(fù)機(jī)制、保險(xiǎn)賠付的邊界都要清楚。很多公司選擇在明確ODD內(nèi)先小步試水(如限定路段、限定天氣、設(shè)有遠(yuǎn)程接管或安全員),但這種做法也限制了規(guī)模化商業(yè)模式的展開(kāi),因?yàn)槟芊⻊?wù)的場(chǎng)景太窄,邊際收益不足以覆蓋高昂的研發(fā)與運(yùn)營(yíng)成本。
場(chǎng)景化仿真、基于因果推斷的驗(yàn)證方法、合成數(shù)據(jù)增強(qiáng)稀有場(chǎng)景、形式化驗(yàn)證關(guān)鍵子模塊、冗余系統(tǒng)與持續(xù)在線健康度監(jiān)測(cè)等可以從技術(shù)上解決可解釋性差的問(wèn)題。但這些方法要么成本高、要么在某些邊界上仍缺乏社會(huì)接受的權(quán)威性證據(jù)。也就是說(shuō),技術(shù)上的不完備直接引發(fā)了制度上的不放行,形成反饋環(huán),阻礙普及。
03 成本與商業(yè)模式,誰(shuí)為安全買(mǎi)單?
感知硬件(特別是高精度LiDAR)、高性能算力、冗余執(zhí)行機(jī)構(gòu)、持續(xù)的高精地圖和云端更新,以及大規(guī)模數(shù)據(jù)標(biāo)注與訓(xùn)練,這些都是非常巨大的成本投入。早期的Robotaxi公司主要靠風(fēng)投與補(bǔ)貼支撐“先投入、后找規(guī)模”的策略,但長(zhǎng)期來(lái)看,想要商業(yè)化自負(fù)盈虧,就必須控制成本。
為了能夠讓自動(dòng)駕駛商業(yè)化應(yīng)用,有兩條路可以走。一是降本,把硬件成本、算力功耗和地圖維護(hù)成本壓下去,讓系統(tǒng)變得經(jīng)濟(jì)可復(fù)制;二是限定ODD,把業(yè)務(wù)先集中在能夠形成規(guī)模效益的場(chǎng)景(如固定路線的園區(qū)物流、封閉或低速的城中接駁、工業(yè)園區(qū)無(wú)人配送),用規(guī)模和頻次攤薄單次成本。兩種路線都必須配套相應(yīng)的法規(guī)與保險(xiǎn)機(jī)制,否則即使成本能夠下降,也難以大規(guī)模推廣。
除了硬件成本外,運(yùn)維成本、地圖與軟件的持續(xù)更新、法律合規(guī)成本、以及面對(duì)事故后的賠付和信譽(yù)恢復(fù),都可能占到總成本相當(dāng)大的比例。若想把自動(dòng)駕駛推向大眾市場(chǎng),必須找到可持續(xù)的商業(yè)模式,比如按里程計(jì)費(fèi)的出行服務(wù)、以數(shù)據(jù)驅(qū)動(dòng)的差異化定價(jià)、或與城市交通基礎(chǔ)設(shè)施合作分擔(dān)成本。但這些商業(yè)模式的落地又取決于法律能否明確責(zé)任和降低營(yíng)運(yùn)風(fēng)險(xiǎn)。
04 法規(guī)、責(zé)任與公眾接受度,互相影響的三角關(guān)系
對(duì)于自動(dòng)駕駛技術(shù)來(lái)說(shuō),公眾接受度是個(gè)敏感指標(biāo),一次致命事故就足以讓輿論和監(jiān)管收緊。公眾是否愿意把生命交給算法,取決于他們是否理解風(fēng)險(xiǎn)、是否信任監(jiān)管能在事后追責(zé)、以及是否看到系統(tǒng)在長(zhǎng)期統(tǒng)計(jì)上真的更安全。監(jiān)管在這中間既要保護(hù)公眾安全,又不能扼殺技術(shù)創(chuàng)新。
責(zé)任劃分也是自動(dòng)駕駛難以推廣的核心問(wèn)題之一。當(dāng)汽車以更高比例自動(dòng)化運(yùn)行時(shí),事故發(fā)生后是歸咎于車輛制造商、軟件開(kāi)發(fā)者、地圖提供商、還是運(yùn)營(yíng)商?保險(xiǎn)業(yè)也在觀望如何定價(jià)自動(dòng)駕駛風(fēng)險(xiǎn)。缺乏清晰的法律框架會(huì)抑制投資者和運(yùn)營(yíng)方的積極性,延緩規(guī);渴。
05 最后的話
讀到這里你可能會(huì)問(wèn),那到底哪個(gè)是最大攔路虎?我的結(jié)論是,不能把阻礙歸結(jié)為單一因素。自動(dòng)駕駛難以推廣的關(guān)鍵在于“可證明的長(zhǎng)期安全性”缺失,這個(gè)缺失又把技術(shù)成熟度、成本壓力、法規(guī)滯后和公眾信任四者緊密綁在一起。技術(shù)無(wú)法在所有長(zhǎng)尾場(chǎng)景里做到可預(yù)測(cè)的表現(xiàn),于是監(jiān)管不能放心放行;監(jiān)管不放行導(dǎo)致規(guī);芟,規(guī)模化受限意味著無(wú)法攤薄成本和積累足夠的數(shù)據(jù)來(lái)進(jìn)一步提升技術(shù);沒(méi)有規(guī)模和明確法規(guī),公眾缺乏長(zhǎng)期安全記錄,接受度也難以提高。它是個(gè)閉環(huán),任何單點(diǎn)突破都難以立刻打破這個(gè)系統(tǒng)性瓶頸。
-- END --
原文標(biāo)題 : 從“能跑”到“能替代人”,自動(dòng)駕駛普及的真實(shí)攔路虎是什么?

發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
圖片新聞
-
馬云重返一線督戰(zhàn),阿里重啟創(chuàng)始人模式
-
機(jī)器人奧運(yùn)會(huì)戰(zhàn)報(bào):宇樹(shù)機(jī)器人摘下首金,天工Ultra搶走首位“百米飛人”
-
存儲(chǔ)圈掐架!江波龍起訴佰維,索賠121萬(wàn)
-
長(zhǎng)安汽車母公司突然更名:從“中國(guó)長(zhǎng)安”到“辰致科技”
-
豆包前負(fù)責(zé)人喬木出軌BP后續(xù):均被辭退
-
字節(jié)AI Lab負(fù)責(zé)人李航卸任后返聘,Seed進(jìn)入調(diào)整期
-
員工持股爆雷?廣汽埃安緊急回應(yīng)
-
中國(guó)“智造”背后的「關(guān)鍵力量」
最新活動(dòng)更多
-
10月23日火熱報(bào)名中>> 2025是德科技創(chuàng)新技術(shù)峰會(huì)
-
10月23日立即報(bào)名>> Works With 開(kāi)發(fā)者大會(huì)深圳站
-
10月24日立即參評(píng)>> 【評(píng)選】維科杯·OFweek 2025(第十屆)物聯(lián)網(wǎng)行業(yè)年度評(píng)選
-
即日-11.25立即下載>>> 費(fèi)斯托白皮書(shū)《柔性:汽車生產(chǎn)未來(lái)的關(guān)鍵》
-
11月27日立即報(bào)名>> 【工程師系列】汽車電子技術(shù)在線大會(huì)
-
12月18日立即報(bào)名>> 【線下會(huì)議】OFweek 2025(第十屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
推薦專題
- 1 特斯拉工人被故障機(jī)器人打成重傷,索賠3.6億
- 2 人形機(jī)器人廠商,正在批量復(fù)刻宇樹(shù)G1
- 3 【行業(yè)深度研究】退居幕后四年后,張一鳴終于把算法公司變成AI公司?
- 4 AI 時(shí)代,阿里云想當(dāng)“安卓” ,那誰(shuí)是“蘋(píng)果”?
- 5 自動(dòng)駕駛誰(shuí)將笑傲江湖?如何把握無(wú)人駕駛“財(cái)富密碼”?
- 6 特斯拉機(jī)器人獲得10,000臺(tái)訂單?馬斯克抄底成功
- 7 華為公布昇騰芯片三年計(jì)劃,自研HBM曝光
- 8 硬剛英偉達(dá)!華為發(fā)布全球最強(qiáng)算力超節(jié)點(diǎn)和集群
- 9 機(jī)器人9月大事件|3家國(guó)產(chǎn)機(jī)器人沖刺IPO,行業(yè)交付與融資再創(chuàng)新高!
- 10 谷歌“香蕉”爆火啟示:國(guó)產(chǎn)垂類AI的危機(jī)還是轉(zhuǎn)機(jī)?