数据详解国内外自动驾驶技术水平

640?wx_fmt=png&wxfrom=5&wx_lazy=1


4月27日-5月4日,被形容为史上最挤、堪比春运的2018年北京国际车展圆满举行。展会中,“国货”、“新能源”、“自动驾驶”等元素频繁出现,各种新能源智能汽车争奇斗艳,各大车企不仅把新能源车型作为本次车展的加分项甚至是必选项,大幅精进的自动驾驶技术亦成为展会的重点。车用芯片、ADAS算法、高精地图、超声波雷达……如今,汽车无人驾驶行业蓝图已现,其产业链上下游已经出现支撑公司,并在逐渐走向成熟。

 

640?wx_fmt=png&wxfrom=5&wx_lazy=1


一、目前自动驾驶的水平:谈L5级别为时太早

 

1. 全球最权威自动驾驶“成绩单”:谷歌、通用领跑

 

尽管目前很多主机厂和互联网车企宣称已其产品具备自动驾驶的能力,然而,究竟能达到哪种水平,需要用道路测试成绩来证明。

 

对于用户而言,衡量自动驾驶水平的一个至关重要的因素,无疑是安全性。据外媒报道,美国消费者保护组织宣称,从加州车管局(DMV)发布的《2017自动驾驶“脱离报告”》来看,自动驾驶技术并不安全,至少目前还需要配置一名备用驾驶员,用于监控车辆的操作,从而确保自动驾驶路测时的安全性。

 

作为自动驾驶圣地,几乎全球所有无人车公司,都云集于美国加州展开路测。每年DMV都会照例发布年度自动驾驶车辆脱离报告,堪称无人车领域最权威的“成绩单”。

 

DMV的报告中最核心的是两个数据:


  • 一为某公司在加州测试自动驾驶车的总里程;

  • 二为自动驾驶测试中发生的“脱离”(disengagement)数,“脱离”即自动驾驶汽车因为故障、路面突发或者人为原因,脱离自动驾驶模式,改为人类驾驶员接管车辆的情况。


两个数值相除,就能得到MPD(Miles Per Disengagement)——一辆自动驾驶车平均跑多少英里才脱离一次。某种程度上,这是目前仅有的、政府制定的、涵盖公司最多的、衡量自动驾驶技术水平的量化标准。

 

不过需要强调的是,SAE把自动驾驶分为5个等级,每家公司都处在自动驾驶研发的不同阶段,该成绩只能说明不同级别自动驾驶的进展;另外,所有车企也会选择在其他城市或国家测试自动驾驶汽车,所以加州测试成绩无法反应各家公司在自动驾驶路测的全貌,横向比较意义不大。

 

640?wx_fmt=png


以下是DMV发布的2017自动驾驶脱离报告前12名成绩:

 

640?wx_fmt=png


如果把MPD值作为核心标准来参考,可以看出谷歌遥遥领先。各路玩家努力了一年,离谷歌2016年的5000 MPD都还差得很远,不过对比谷歌2017年MPD 5596,很明显谷歌这一年进展并没有很快。

 

而通用在收购了Cruise Automation过后,2017年在自动驾驶上全面发力,近百辆Bolt AV组成的自动驾驶车队组建起来,日夜在美国西海岸的街道上飞驰。自动驾驶的算法上,通用也成熟了不少,平均每行驶1200多英里才会有一次脱离的状况出现,除谷歌之外暂时没有对手。通用2017年的表现可以用飞跃来形容,对比2016年为54的MPD值,成长了近23倍。

 

而其他的玩家在数字上的表现就没那么亮眼了,只是在MPD值上可以归为“百位档”、“十位档”、“个位档”,没有拉开差异。 值得注意的的是,并不是所有汽车厂商都提交了数据报告。德国的大众和宝马都没有路测数据,显示为“零”;福特、本田等几家主要汽车制造商报告也称,他们在加州的公共道路上自动行驶里程为零。不过这并非表明这些公司在无人驾驶领域方面落后,只是它们可能在加州以外的州或者在其它国家进行路测,另一些企业则是在封闭道路进行路测。

 

另外,特斯拉也交了“白卷”,但特斯拉解释,他们已经把电动车卖到了全球各地,通过匿名的方式收集车主数据,这是一种“影子测试”方法,特斯拉声称这种方法可以帮助其实现“全自动驾驶”能力。同时,这份报告中也没有包含Uber公布的数据。Uber在2017年5月获得了加州的无人驾驶测试许可,但测试未满一年,所以此次不需要提交报告。

 

640?wx_fmt=png


与中国资本关系密切的法拉第未来以及蔚来汽车也都没有向DMV提供数据,尽管这两家企业都在加州进行过无人驾驶路测。对此,有一种解释是,或许他们的成绩不够好。兴民智通首席运营官张人杰认为:“成绩好的企业会迫不及待地想要披露,但是一些成绩不好的企业可能就会有所保留。”除了百度已公布路测成绩,那些宣称发力自动驾驶的国内车企,都达到什么技术水平呢?

 

2. 国内车企自动驾驶水平:L2级别车辆明年量产

 

随着《中国制造2025》将智能网联汽车列入十大重点发展领域之一,《汽车产业中长期发展规划》明确智能网联汽车是汽车产业转型升级的突破口,国内相关法规和政策也开始逐渐落实。

 

日前,工业和信息化部、公安部、交通运输部日前联合发布《智能网联汽车道路测试管理规范》,对测试主体、测试驾驶人和测试车辆等都提出了严格要求,以促进我国智能网联汽车发展。继去年李彦宏乘坐自动驾驶汽车被罚款后,北京已于2017年12月份确定了33条、共计105公里开放测试道路,并发放了首批试验用临时号牌;上海也于2018年3月份划定第一阶段5.6公里开放测试道路,并发放了第一批测试号牌。此外,重庆、北京-河北、广州、浙江、福建、吉林长春、湖北武汉、江苏无锡等地纷纷建设智能网联汽车测试示范区,积极推动半封闭、开放道路的测试验证。在如此大环境下,国内主机厂、互联网新势力的自动驾驶技术,也终于有机会能够得到验证。不过由于车企获得自动驾驶测试牌照时间不长,测试里程太短,尚不足以形成有支撑力的数据成绩,我们只能根据其车辆搭载的技术窥探一二。

 

  • 长城汽车

长城汽车从2009年开始进行驾驶辅助系统研究,继而开展自动驾驶技术研究,至今已有近10年的积累。2017年2月,长城汽车正式发布专门针对中国路况进行特定设计的i-Pilot自动驾驶系统。这是一个全新开放式、集软硬件一体的智能驾驶平台, i-pilot1.0系统基于高精度地图,可满足城市高速公路为特定场景,它不仅能够在高速公路上进行正常驾驶,同时还可以应对一些异常状况,包括路面破损以及堵车修路等,据称能够达到SAE规定的L3级别。据了解,i-pilot系统分为7个模块,除了传感器是采购供应商的产品以外,数据融合、智能决策,运动控制,AMI这些都由长城汽车自主研发设计,这其中还包括一块系统管理模块和系统监控模块。同时,长城汽车和百度将进行开放性合作,发挥各自技术优势,实现长城汽车i-Pilot和百度Apollo平台深度对接,联合打造开放性、符合车规级别的自动驾驶系统软硬件一体化应用平台。

 

640?wx_fmt=png


目前,i-Pilot 1.0的样车已经在国内进行超过50万公里的实路测试;基于i-Pilot 2.0研发的样车,已经获得美国密歇根州无人驾驶测试牌照,并在北美开展实际道路测试。对于长城汽车而言,实现无人驾驶目标是循序渐进的: 2020年,实现部分自动驾驶,达到L3+级别,2023年实现高度自动驾驶,达到L4级别,2025年实现完全自动驾驶,达到L5级别。

 

  • 长安汽车


2016年,在李彦宏还没被罚款的时候,长安就安排两辆自动驾驶车辆从重庆经西安一路到达北京,赚足人眼球。不过,当时长安的技术水平并没有达到真正“自动驾驶”,而是高级驾驶辅助系统。

 

去年11月,在自动驾驶领域投入超过2亿人民币的长安已经获得了加州的自动驾驶测试牌照。按长安提出的“654”智能战略,今年已经要进入长安智能化技术发展的第二阶段,完成半自动驾驶技术的开发及产业化。今年3月20日,长安汽车正式发布L2级自动驾驶核心技术IACC,该技术将搭载在长安CS55车型上,并实现量产。与此同时,长安汽车还积极寻求智能化领域的合作,与蔚来、百度、英特尔、阿里等多家创新型企业建立战略合作关系,致力于在2025年实现完全自动驾驶。

 

  • 北汽


在2017年年初时,北汽的计划还是实现L1级别的驾驶。2017年12月,北汽与百度签署战略合作协议,两家公司将在自动驾驶、车联网、云服务等领域合作,构建“人工智能+汽车”生态。随着百度Apollo平台的不断更新,北汽的目标也跨了一大步——2019年推出L3自动驾驶车型,2025年实现完全自动驾驶。今年4月25日,北汽新能源拿到了北京市自动驾驶的测试牌照,这意味着北汽新能源可以正常的在北京开放的路段上,进行自动驾驶的路测实验。

 

  • 一汽


多年前,一汽在红旗HQ3车型基础上完成了高速公路自动驾驶样车,但之后一直没再有过什么动静,直到去年7月,一汽和百度达成了战略合作,参与Apollo计划,共同研发自动驾驶技术。今年1月的红旗品牌战略发布会上,又正式宣布将在2019年推出L3级别自动驾驶的量产车,L4、L5则分别将于2020年、2025年实现。一汽在自动驾驶方面起步略晚,如今正处于奋起直追的阶段。

 

  • 上汽


上汽进军自动驾驶所采取的方式,是对高精度地图、人工智能算法、系统解决方案等领域进行资本投入和战略合作。去年9月,上汽收购武汉光庭信息,正式进入高精度地图这一自动驾驶核心技术领域;今年1月,宣布与英特尔合作,将基于Mobileye技术在中国开发3、4、5级自动驾驶汽车;今年3月,与奥地利TTTech Computertechnik AG签署合资经营合同,加快推进智能驾驶中央决策控制器的集成开发……据悉,目前上汽已经完成两代智能驾驶整车平台开发,以及集成5G通讯技术的车联网平台,构建了全自主知识产权的智能驾驶系统开发能力。

 

  • 新造车企业


除了已经拿到上海自动驾驶路测牌照的蔚来汽车,无论哪一家,新造车企业都是打着智能的旗号发的家。从样车到量产,几乎都搭载了L2-L3等级的自动驾驶系统。

 

奇点汽车成立了新的美国研发和创新中心,还挖来了百度前百度美国研发中心资深架构师黄浴博士担任首席科学家。黄浴在近期自动驾驶沟通会上表示,奇点汽车将在短期内实现L2级别、未来冲击L3、L4级别。据了解,目前该公司在硬件配置(传感器,计算平台,云服务)上已经能支持L4,未来将在软件上实现L2-L3-L4的迭代升级。

 

640?wx_fmt=png


威马则与Mobileye和博世等企业达成合作,共同研发自动驾驶技术;拜腾拉上了自动驾驶界的小黑马Aurora,要成为首批将L4级别自动驾驶汽车推向市场的车企之一;小鹏汽车同样与博世达成战略合作,将为小鹏汽车自动驾驶系统及平台的升级提供有力的支持,目前小鹏汽车技术水平处在L2.5级别。


总体看来,国内大多数车企都会在2019年落地L2自动驾驶技术。但是据业内人士分析,自动驾驶真正商业化并不会像我们现在认为的这么乐观。中国自动驾驶环境复杂,人口稠密、混合交通、野蛮驾驶,如何能推行适合“本土化”的自动驾驶技术是车企需要考虑的重点。常驻麦肯锡上海分公司的全球董事合伙人吴听认为,中国无人驾驶实现所需要的技术和全球是差不多的,重点是需要考虑软件方面,尤其在算法和数据的应用上能够有所突破。根据麦肯锡的研究报告显示,中国本土自动技术在算法、训练数据上还需要2~3年的追赶时间。

 

二、中美贸易战对国内自动驾驶技术研发的影响


随着中美贸易战的延续,4月29号VentureBeat 报道,据知情人士透露,美国政府可能会开始审查美国公司和中国公司在人工智能领域的非正式合作关系,也就是说,所有中美之间涉及 AI 业务的企业都将受到波及,包括半导体和无人驾驶汽车。但据了解,这些考虑还处于早期阶段,因此尚不清楚它们是否会继续推进,以及这项新举措将会审查哪些非正式的企业关系。


事实上,任何旨在切断中美科技公司关系的动作(哪怕是暂时的),都可能对整个行业产生巨大影响。


  • 一方面,中国车企发展自动驾驶,严重依赖英特尔、英伟达等已性能成熟的自动驾驶芯片;

  • 另一方面,包括 AMD、高通、英伟达和 IBM 在内的美国大型科技公司,都与中国公司、高校开展了一系列合作,英伟达在中国的业务占比高达 1/5。


因此,美国倘若有所行动,其影响必是伤敌八千自损一万。


另外,尽管中国缺“芯”是事实,但是自研AI芯片、甚至自动驾驶芯片的实力不容小觑。根据近期Compass Intelligence对全球100多家AI芯片企业进行的排名显示,华为海思(HiSilicon)位列榜单第12名,联发科(MediaTek)排第14名,Imagination排第15名,瑞芯微(Rockchip)排第20名,芯原(Verisilcon)排第21名,寒武纪(Cambricon)排第23名,地平线(Horizon)排第24名。

 

640?wx_fmt=png


在自动驾驶芯片方面,地平线在去年12月发布了两款AI处理器征程和旭日,都属于嵌入式人工智能视觉芯片,分别面向智能驾驶和智能摄像头。在这次北京车展上,地平线宣布新,征程1.0面向智能驾驶的ADAS产品——地平线星云也即将量产上市。该产品能够同时对行人、机动车、非机动车、车道线、交通标志牌、红绿灯等多类目标进行精准的实时监测与识别,准确率大于99%,可满足车载设备严苛的环境要求,以及复杂环境下的视觉感知需求,支持L2级别ADAS功能。与此同时,还发布了自动驾驶处理器征程 2.0 架构,以及基于征程2.0处理器架构的高级别自动驾驶计算平台Matrix1.0。Matrix1.0最大化嵌入式AI计算性能,是面向L3/L4的自动驾驶解决方案,可满足自动驾驶场景下高性能和低功耗的需求。

 

另外,尽管百度没有上榜,它其实也开发了自己的AI芯片。在2017年的HotChips大会上发布的XPU,是一款256核、基于FPGA的云计算加速芯片,用于百度的人工智能、数据分析、云计算以及无人驾驶业务。百度设计的芯片架构突出多样性,着重于计算密集型、基于规则的任务,同时确保效率、性能和灵活性的最大化。


事实上,自动驾驶技术涉及到的汽车本身、计算平台(芯片)、雷达、摄像头、高精地图、通讯技术等众多领域,这些技术不是哪一家企业单凭一己之力可以完全做到的。在自动驾驶技术研发进程中,技术生态圈的构建会成为一大趋势。当前,市场上已经出现了一些技术联盟,如宝马-英特尔-Mobileye、Uber-沃尔沃-戴姆勒、Lyft-通用-捷豹路虎、谷歌OAA联盟,以及百度阿波罗平台等,这其中不乏一些跨国联盟。倘若中美贸易战的硝烟来到这个领域,想必全球自动驾驶技术的进展会受到严重影响。


与美国相比,中国自动驾驶水平存在差距,核心技术上也确实存在短板,好在国内人工智能行业的有效竞争和发展,让自研芯片成为可能,我们并非没有可替代品。文章最后,用任正非在华为内部会议上发言结尾:“我们不要狭隘,做操作系统和做高端芯片是一样的道理。主要是让别人允许我们用,而不是断了我们的粮食。断了我们粮食的时候,备份系统要能用得上。”中国的AI产业,或许都能从华为公司得到启示。


640?wx_fmt=jpeg

  • 1
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
神经网络在自动驾驶中扮演着重要角色,它可以帮助车辆感知环境、做决策和控制行为。以下是一个简单的自动驾驶神经网络算法代码详解: ```python import numpy as np # 定义神经网络类 class NeuralNetwork: def __init__(self, input_size, hidden_size, output_size): # 初始化权重和偏置 self.W1 = np.random.randn(input_size, hidden_size) self.b1 = np.zeros((1, hidden_size)) self.W2 = np.random.randn(hidden_size, output_size) self.b2 = np.zeros((1, output_size)) def forward(self, X): # 前向传播计算输出 self.z1 = np.dot(X, self.W1) + self.b1 self.a1 = np.tanh(self.z1) self.z2 = np.dot(self.a1, self.W2) + self.b2 self.a2 = self.sigmoid(self.z2) return self.a2 def backward(self, X, y, learning_rate): # 反向传播更新权重和偏置 m = X.shape[0] delta2 = self.a2 - y dW2 = (1/m) * np.dot(self.a1.T, delta2) db2 = (1/m) * np.sum(delta2, axis=0) delta1 = np.dot(delta2, self.W2.T) * (1 - np.power(self.a1, 2)) dW1 = (1/m) * np.dot(X.T, delta1) db1 = (1/m) * np.sum(delta1, axis=0) self.W2 -= learning_rate * dW2 self.b2 -= learning_rate * db2 self.W1 -= learning_rate * dW1 self.b1 -= learning_rate * db1 def sigmoid(self, x): # sigmoid激活函数 return 1 / (1 + np.exp(-x)) # 样本输入和输出 X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]]) y = np.array([[0], [1], [1], [0]]) # 创建神经网络对象 nn = NeuralNetwork(2, 3, 1) # 训练神经网络 for i in range(10000): output = nn.forward(X) nn.backward(X, y, learning_rate=0.1) # 测试神经网络 test_input = np.array([[0, 0], [0, 1], [1, 0], [1, 1]]) predictions = nn.forward(test_input) print(predictions) ``` 这段代码实现了一个简单的多层感知器神经网络,用于解决XOR逻辑门问题。其中`NeuralNetwork`类定义了神经网络的结构和操作,`forward`方法用于前向传播计算输出,`backward`方法用于反向传播更新权重和偏置。最后通过训练和测试数据来验证神经网络的准确性。该代码可以作为自动驾驶神经网络算法的基础,根据具体问题进行进一步扩展和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值