广告

自动驾驶汽车有多复杂?

时间:2022-05-24 01:09:51 作者:Egil Juliussen 阅读:
自动驾驶汽车有许多棘手的技术问题仍远未解决。在我看来,这里有三个关键问题:为什么自动驾驶汽车问题如此难以解决?不同的自动驾驶汽车用例如何影响自动驾驶汽车问题?自动驾驶汽车用例的部署将如何发展?
广告

自动驾驶汽车(AV)的发展继续吸引着交通和其他工业领域的大量投资。这些赌注是必要的,因为许多棘手的技术问题仍远未解决。

在我看来,这里有三个关键问题:

  • 为什么自动驾驶汽车问题如此难以解决?
  • 不同的自动驾驶汽车用例如何影响自动驾驶汽车问题?
  • 自动驾驶汽车用例的部署将如何发展?

为了回答这些问题,我们用三个图表总结了一份报告,旨在为新手和专家提供一些视角。

自动驾驶汽车复杂性问题

自动驾驶汽车的根本问题是在针对SAE Level 4功能开发安全、可靠的自动驾驶汽车时涉及巨大的复杂性。图1总结了这些困难。

图1:自动驾驶汽车问题范围。

图1所示,自动驾驶汽车问题在红色块中分为三组。潜在的解决方案列在12个黑框中——每个问题由四个框组成。请注意,有三个框中的蓝色文字相同,因为这三种类别的问题都需要用软件平台、人工智能(AI)软件——包括机器学习和神经网络——来解决。

首先,在大多数情况下,需要以厘米级的精度了解自动驾驶汽车的确切位置。下一步是对所有道路使用者和物体进行分类,包括他们正在做什么(如果有的话),并预测他们在接下来的几秒钟内可能会做什么。

这些问题的解决方案包括大量传感器、强大的计算能力以及管理多个复杂系统所需的平台和人工智能(AI)软件。例如,一辆典型的无人驾驶出租车需要30多个传感器,包括摄像头、雷达和激光雷达。例如,Zoox最近发布的无人驾驶出租车公告列出了64个传感器:28个摄像头、20个雷达和16个激光雷达。

处理传感器数据还需要基于人工智能的视觉软件。大多数的自动驾驶汽车都需要高清地图才能精准定位。

所有软件和硬件系统都需要大范围的网络安全保护。软件还必须使用内置的空中下载(OTA)软件的更新功能来定期更新。

第二个问题是确保自动驾驶汽车硬件和软件的可靠性,没有单点故障。如果发生故障,则需要所谓的“跛行模式”功能,至少可以将车辆引导到路边。

随着自动驾驶汽车法规的引入,必须将安全和操作规则作为系统和可靠性设计的一部分。

还需要在系统设计中加入硬件冗余。至少有三个自动驾驶汽车系统需要冗余:驾驶控制(转向、制动、速度)、视觉传感器功能(三种类型)和计算。

系统架构必须使用能够简化软件平台合作的技术,从而实现强大的网络安全和空中下载(OTA)更新。

这些系统仍然相当昂贵,并且需要显著降低成本。幸运的是,基于芯片的技术可以节省大量成本,尤其是对于最昂贵的组成部分:激光雷达。

对自动驾驶汽车各组成部分进行仿真至关重要,包括软件和硬件以及所有类型的测试和建模。

需要使用自动驾驶汽车事件数据记录器来深入了解碰撞情况以及可以采取哪些措施来提高安全性。远程操作也正在成为自动驾驶汽车监管的标准,并且在解决边缘案例时成为跛行模式性能的关键。

第三个问题是开发一个超越人类驾驶员的软件驾驶员。到底好多少还在争论中。很明显,自动驾驶汽车的开发人员必须继续测试和改进他们的系统。开发时间将取决于用例。

边缘案例测试被广泛使用,基本上意味着发现了新的驾驶状况,软件驾驶员以前没有见过而且可能也不知道如何处理。将新的边缘案例添加到软件驾驶员的功能上,可能被认为有着最高的优先级。

另一个难题的确认是自动驾驶汽车软件驾驶员可以胜过人类驾驶员。目前尚不清楚自动驾驶汽车法规和未来的自动驾驶汽车型式认证将如何处理这一重要问题。

解决方案主要涉及测试,分析大量测试数据以甄别出软件驾驶员的弱点,然后进行更多测试。幸运的是,大部分的测试可以仿真而且速度比道路测试高得多——在仿真模式下每天的英里数要比道路测试高出100多倍。这些仿真侧重于边缘案例和类似情况。

测试必须包括不同的天气和照明条件。大多数之前的自动驾驶汽车测试都是在理想的天气条件下完成的。因此,需要更大的真实世界仿真。

自动驾驶汽车用例

以上描述的复杂性将根据自动驾驶汽车用例产生很大差异。自动驾驶汽车的复杂性主要由驾驶时的复杂性所决定。图2概述了自动驾驶汽车用例的复杂性,重点关注SAE L4部署。这些场景的多种变化不包括在内。

图2:自动驾驶汽车用例的复杂性。

图2显示了各种自动驾驶汽车用例在二维空间内的适应情况,自动驾驶汽车的复杂度随y轴增加,驾驶的复杂度则随x轴增加。驾驶的复杂度包括路线障碍、驾驶速度、交通密度、道路使用者的种类(汽车、自行车、行人等)以及天气状况。还列出了死亡风险,这主要由速度决定。一些自动驾驶汽车用例的死亡风险率非常低。

低自动驾驶汽车复杂性

低自动驾驶汽车复杂性是指简单的路线、低速度和低用户或低交通状况。在最简单的层面上,操作仅限于封闭区域,例如校园、办公园区或军事基地。人行道送货车以及其他参与者则是最远。人行道自动驾驶汽车领导者Starship在2021年5月的交付量超过了150万次,并将很快超过200万次。

固定路线自动驾驶汽车的自动驾驶汽车复杂性也较低,这个市场利基包括多个参与者。这类汽车部署比较缓慢,因为其价格高昂,但已在数百个城市进行测试。应用包括低复杂性的公交路线和/或封闭环境。

固定路线自动驾驶汽车也可用于灵活的旅行,例如按需接送。最近于2021年7月发布的ISO 22737低速自动驾驶(LSAD)法规,应该会对固定路线自动驾驶汽车的部署产生积极影响。

用于最后一英里交付的纯货物自动驾驶汽车带来了更多的交通复杂性,其在道路上行驶的速度比人行道自动驾驶汽车更高。货车和小型卡车也可以改装为自动驾驶送货车。它们正在使用安全驾驶员进行测试。

中等自动驾驶汽车复杂性

这个类别包括几种自动驾驶汽车场景。没有安全驾驶员的低速货物自动驾驶汽车属于这一类。也可包括具有枢纽到枢纽路线的自动驾驶卡车,但目前需要一名安全驾驶员。这个类别也被称为中间一英里(middle-mile)卡车运输。

如果将安全驾驶员移除,则可将远程操作监控用于枢纽到枢纽卡车运输及自动驾驶出租车。大多数自动驾驶法规都要求将远程操作作为管理自动驾驶的最后手段,以防它们被卡住。远程操作也可能成为一种更普遍的技术,最终取代安全驾驶员。

高自动驾驶汽车复杂性

图2包括三个具有高自动驾驶复杂性的用例。枢纽到枢纽的卡车运输用例在这一类别中最低,其次是自动驾驶出租车。仍处于设计阶段的个人自动驾驶汽车,也将被归类为高复杂性。个人自动驾驶汽车可能会受益于在都市区部署自动驾驶出租车的经验。

自动驾驶汽车用例部署

自动驾驶汽车部署将从简单过渡到复杂。将图2的用例图稍作修改可得到图3,它将x轴更改为表示时间线,并贴上绿色标签,用来表示用例块的重新分布。自动驾驶汽车用例的放置,反映出它们在时间线上何时可能会看到有意义的使用。

图3:自动驾驶汽车用例演变。

在这种情况下,人行道自动驾驶汽车的部署率最高,其在许多城市用来运送餐食、杂货和其他小包裹。这种自动驾驶汽车也是最便宜的产品,因为传感器更少,重量更轻,行人速度更慢。撞到某人或某物的风险相对较低。

纯货运自动驾驶汽车以Nuro送货车为代表,其基本上还处于测试模式。当前的广告表明,Nuro可能已准备好广泛的部署。

自动驾驶出租车仍主要处于测试阶段并配有安全驾驶员。Waymo在菲尼克斯地区大部分的测试中都移除了安全驾驶员。一些自动驾驶出租车运营商已获准在美国和中国的一些城市对其服务收费。

配备安全驾驶员的货物自动驾驶汽车,还为商店和/或仓库之间的最后一英里或中间一英里运营运送包裹。

固定路线自动驾驶汽车,如EasyMile、Local Motors和Navya,已在多个国家/地区进行了大规模的测试。新冠疫情导致了大多数测试停止,这些测试的重点是每次乘车最多运送12名乘客。最近的ISO LSAD法规涵盖了这一用例,并应在未来几年启动固定路线自动驾驶汽车的使用。

配有安全驾驶员的枢纽到枢纽的自动卡车测试越来越多。其中大部分包括将货物运送给付费客户。

其余类别的部署则会难上很多,因此会比图3所示的时间点更晚到达。枢纽到枢纽的自动卡车可能会在2025年左右部署。自动驾驶出租车的大规模部署则是几年后的事情了,据一些自动驾驶出租车的期待者声称,这可能会在少数几个城市发生。个人自动驾驶汽车则将会明显晚于自动驾驶出租车。

用人工智能(AI)处理复杂性

自动驾驶汽车技术仍旧难以实现,但一些用例的复杂性较低,并将以有限的数量部署。针对更简单的自动驾驶汽车场景的法规正在出现,许多公司最终将依据法规部署。

所有自动驾驶汽车法规都要求能远程操作,但为了提前部署某些用例,也可用它来替代安全驾驶员。

自动驾驶汽车系统的成本目前仍由昂贵的激光雷达占据主导地位,未来五年将迅速下降。这意味着2025年之后,过高的自动驾驶汽车系统成本不会成为阻碍因素。

早期部署的复杂自动驾驶汽车系统最终将取决于人工智能技术的突破,这是无法预测的。如果出现这样的创新,潜在用户可能不必等到2030年才能使用个人自动驾驶汽车。

(原文刊登于EDN姐妹网站EE Times,参考链接:AV Complexity Explained,由Franklin Zhao编译。)

本文为《电子技术设计》2022年2月刊杂志文章,版权所有,禁止转载。免费杂志订阅申请点击这里

责编:Amy.wu
本文为EET电子工程专辑原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 通过MBSE 策略保持竞争优势 无论从展现形式还是从功能的角度来说,现代 MBSE 方法与以前的方法都大相径庭。其中,最重要的区别可能在于捕捉、存储和共享系统信息的方式。如今,数据都采用集中存储的方法,并能够安全地对接到其它相关信息中,进而形成覆盖开发流程直至服务运营的系统架构或路线图。
  • MiniLED进入放量节点 车载显示正成新战场 从技术成熟度以及具体性能来看,由于MicroLED面板显示技术难度过高,目前暂未出现搭载该技术的量产车辆。而OLED经过多年的发展仍未能解决烧屏的问题,且OLED材料激发光源亮度、使用寿命普遍偏低,阻碍了OLED屏幕在车载领域的进一步发展。因此,目前看来,MiniLED背光是最具可行性并已处于应用前夜的显示技术。
  • 华为哈勃投资汽车控制器芯片企业旗芯微 近日深圳哈勃科技再次出手投资苏州旗芯微半导体有限公司,日前旗芯微发生工商变更,新增深圳哈勃科技投资合伙企业(有限合伙)、 苏州翼朴二号创业投资合伙企业(有限合伙)为股东,同时公司注册资本增至约1044万人民币。
  • 热锁:用于可复原电池系统的无源故障防护技术 从电动汽车,到各种场景的不间断电源,电池/组的使用可以说是无处不在。作为分布式绿色能源,为环境可持续改善将作出越来越大的贡献。不过,随着电流负荷的不断增加以及应用的日益普及,会带来安全性方面的挑战。本文介绍的热锁技术,为解决该挑战提供了一种颇具吸引力的方案。
  • 欧盟《芯片法案》奏效   英特尔、STM等将兴建半导 欧洲几乎没有先进节点芯片的制造能力。因此,欧洲建立先进半导体工艺的工厂大概率只能通过与英特尔、三星和台积电等行业领先者合作来完成,但在欧洲投建工厂的预计只有英特尔,以及欧洲本土半导体厂商。
  • PCIe 6.0满足汽车和人工智能带宽需求 随着现代汽车陆续演变为车轮上的数据中心,战略上,汽车已成为大家关注的下一个焦点,还有人工智能和机器学习,所有这些都正朝着更高的带宽需求发展,并对高速互联提出挑战。本文介绍的堪称是“革命性飞跃”的PCIe 6.0,其所提供的带宽是其前身的两倍,互连性能也得以显著提升。
  • 新款iPad Pro 2021成最受欢迎的 由于采用性能相对强大的M1处理器和mini-LED屏幕以及更多的创新,新款iPad Pro 2021已经成为消费者心目中最受欢迎。然而,iPad 2却已经在全球范围内被列入“复古和过时”的名单中。
  • 三星折叠屏手机Galaxy Z Fold 3 目前来看,折叠屏新机作为一种新的生产力工具,逐渐成为高端/平板的一种趋势,有报料称三星的Galaxy Z Fold 3发布时间或为7月,并且会引入新手势操控。
  • 龙蜥社区:Anolis OS 23正式版将于 近日,龙蜥社区对外公布了下一代龙蜥操作系统(Anolis OS 23)研发路线图,PoC版已在社区官网上线,正式版本将于2023年发布,它支持X86、ARM-v9、RISC-V等多种芯片架构,并集成更多核心自研组件。
  • Matter标准:助力智能家居实现更高水 智能家居行业领先的供应商和潜在供应商已携起手来,为智能家居产品的互通性采取进一步行动,制定新的标准,即基于互联网协议(IP)的Matter标准。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了