自动驾驶与车联网引发谁的焦虑与困惑?这场三方闭门会说明答案
发布日期:2019-05-09        

主题词自动驾驶车 ; 人工智能



 

 

关于机器之心 AI20 :

 

AI20 是机器之心发起的聚焦人工智能产业应用的高端闭门分享活动,每期活动邀请20名人工智能技术公司及产业界的专家和决策者,共同探讨人工智能产业化。本活动旨在通过高质量内部分享和探讨,促进人工智能技术方和产业方之间更加高效的交流合作,辅助各方进行产业决策,搭建人工智能落地的产业平台。首期 AI20 以「大数据及人工智能在汽车行业的应用」为主题,邀约了 Deepmap 、径卫视觉、钛马车联网、数之联、数策等数据智能企业代表与来自产业界的嘉宾进行深度交流。

 

撰文 | 宇多田

 

在一个聚集了上海政府、技术公司与传统汽车人的闭门会议上,气氛有点特别:

 

台上的技术创业公司不讲产品不讲技术,只聊客户反馈与多年踩坑心得;而台下来自上汽、吉利、威马、博世等一众车企与 Tier1 厂商的老炮儿们无不在认真拿笔写写画画,期间还举手提问请对方解惑。

 

不得不说,在剥离掉许多公开活动的宣传包装成分后,这场闭门会议除了让我们对科技公司的创业之痛有了更切实的感知,也对「车厂爸爸们」面向新技术的态度有了新的认识——

 

车厂很焦虑,他们比谁都想先让新技术在自己车上「跑」起来。

 

而究其原因,用演讲嘉宾钛马网 CEO 的一段话解释再合适不过:

 

「今天大家不要看不起特斯拉,它的市值超过福特和通用,又超过了宝马,这是有必然原因的。我们不能说它是完全市场炒作,市值超过一堆百年传统大厂,大家可以想象一下这是不得了的事情。

 

为什么?以用户为中心已经成为潮流,而很多车厂还在只考虑产品和产能,就想着一个点——怎么在客户买车的那一刻忽悠它,连后面那堆售后服务都是迫不得已才要做的。

 

而现在,你逛一圈车展就知道,反映在产品力上面的竞争已经结束了,水平都差不多了。

 

但是体验和功能向上的,譬如智能座舱和 ADAS 的竞争还进行地十分火热。

 

而智能座舱做完还会有更高阶的人工智能驾驶舱,ADAS 下面还有更高阶的自动驾驶功能,这些维度都会对汽车产品力和汽车的用户运营战略产生双重影响。

 

不过你看,掌握这些核心技术的都不是车厂。」

 

虽然如今几乎没有一家汽车企业不设立与大数据、车联网以及智能驾驶相关的业务部门,甚至许多家车厂也仿照自动驾驶技术公司,给自己的车装上各种传感器,然后低调地把它们放到全国的道路上去收集数据。

 

但是,这些都不能掩盖「不擅长」这个基础事实。

 

给车装了昂贵的传感器,能跑起来吗?跑起来以后就能顺利扫出高精地图?以及关于数据传输,特殊场景数据分析,道路规划等等相关的一系列问题都会接踵而至。

 

而这不仅仅是把各类工程师「拼凑」起来这么简单。

 

「之前有主机厂就说要不我自己去买一家地图企业,自己去做高精地图吧。然后我说你这事肯定不靠谱。」

 

另一位演讲嘉宾高精地图 DeepMap 大中华区总经理刘澍泉在与车厂的频繁接触中,也曾遇到一些公司期望用钱来一次性买断这个技术能力,

 

「为什么不靠谱?

 

今天粤港澳你知道里面的交通符号、交通法规有多大差异。你知道中国的左舵驾驶车和英汽的右舵驾驶车,行驶习惯上有多大差异?

 

你知道在中国里侧道路常见的左转调头道路标识,在美系道路标识里面根本没有;在英国全是 roundabout(转盘,有点类似于中国的环岛),在中国则全是红绿灯,有高架桥。

 

专业人干专业事儿,做成高精地图这件事,除了你对测绘了解,你还要对交通法规有很深的了解,然后再结合人工智能,你才能做成这件事儿。」

 

事实上,除了防止割裂地去看待每一项技术能力,割裂看待每个以用户为中心的汽车应用方向也是一个当下相关行业里错误的认识。

 

自动驾驶、车联网、智能制造以及共享汽车(分时租赁),每个方向单拎出来都能被专业人士塑造成一个颠覆汽车未来的商业赛道,但我们却一直忽视了他们之间的关联性。

 

做自动驾驶所涉及到的带宽以及数据传输问题,需要车联网的「底层支援」。而这两个概念也是「智慧城市」不可忽视的两个组成部分;

 

自动驾驶汽车的量产与验证流程,智能网联汽车的软硬件升级,都与智能制造脱不了干系;

 

共享汽车从一开始就和自动驾驶捆绑地特别紧,虽然短期来看实现难度之大有目共睹,但对于重金押注分时租赁的车企们来说,理论上自动驾驶的确能够解决线下运营调度的问题,也能够提升车辆的利用率。

 

不过有趣的是,从当下来看,解决分时租赁企业遇到的麻烦倒是与一些特定的车联网功能「一拍而合」。

 

譬如,来自国内某汽车分时租赁平台的嘉宾就对因驾驶安全问题导致的运营成本高居不下而非常头痛,就向演讲嘉宾径卫视觉 CTO 李亮提出了两个问题:

 

「我们在全国大概投了几万辆车,有一部分用户是刚拿到驾照,发生事故的概率相对较高,这种情况会造成每年的运营成本的增加。

 

所以我的疑问是,安装一些有疲劳检测功能的软硬件是否会产生作用?当我们收集到不良驾驶行为数据之后,如何对这些驾驶行为进行进一步干预?」

 

前一个问题可以让相关人脸识别技术公司发挥用武之地;后一个问题如何解决则需要双方做进一步探索。

 

幸运的是,在汽车产业恰逢「新旧转换期」的当下,传统汽车与新兴技术公司之间并不是「支配」与「被支配」的关系,也不是竞争关系。

 

互相学习,才能各取所需。

 

机器之心选取了本次闭门会议其中2位嘉宾的精彩演讲,但由于部分内容涉及到技术商业机密且内容相对敏感,我们应演讲者要求对内容进行了删减处理(以下内容以第一人称呈现):

 

DeepMap刘澍泉:车企能用的高精地图到底长什么样?

 

今天我们去做地面测量,不管是测绘公司,还是其他企业,都会选取一些观测点。然后基于这些观测点,根据天气情况每个点用 GPS 平均测量 4~8 个小时,得出一个测量平均值,就是这个观测点的绝对精度。

 

绝对精度事本身是一个统计平均值,并不是完全准确的,当有了云或风,或其他天气变化的时候,绝对精度会出现一定偏差。

 

假如说能通过绝对精度去做自动驾驶这件事,可能自动驾驶在十年前就实现了。

 

因为整体 GPS 这一套系统,无论是北斗,还是差分 GPS 技术都已经很完整。

 

但为什么自动驾驶的定位到今天都这么难做,原因就在于 GPS 信号是一种弱信号,经常会受到各种各样的影响。

 

依靠 GPS 定位,定位偏差保持在米级已经算好的了。我们碰到过高架桥下高达 8 米的偏差,隧道和地库里则根本没有信号。

 

这个时候该怎么做?我们的答案是,在我们创业之初就确定了通过相对精度以及定位服务去解决自动驾驶的问题。

 

那么高精地图怎么去发挥作用呢?

 

首先,这个东西是给机器指路的,不是给人指路的。因此,要认识到机器眼中的高精地图使用模式:

 

基于摄像头、激光雷达、GPS 等多种传感器相融合的精准定位。这些传感器在不同的环境下面会有置信度,根据每一个传感器在不同环境下的置信度,对传回的数据进行处理,再去决定机器应该朝哪个地方走。

 

某国际顶级自动驾驶技术公司见过我们的定位服务效果,在看过我们的图后,提了一个问题——「为什么你的定位不抖啊」,当时我们也被问住了,最后才明白是因为我们的定位精度高。只有精度够高,才不会抖。

 

简单介绍完我们对高精地图的理解,再来谈一下为什么自动驾驶车一定需要高精地图,特别是 L4 级别以上的。

 

高精地图是作为一个经验的集合存在的。打个比方,你现在给一辆车装上 CPU 或传感器,但它仍旧是一张白纸,还没有你家小孩聪明。

 

当它还不如你更聪明,又没有给它经验的时候,那要怎么去训练它?

 

所以这就是高精地图针对于自动驾驶的基础设施定位。而我们做的是 mapping as service,地图生成服务。

 

但我们要强调我们做的不是完整测绘这件事。如果将它看作是测绘服务的话,前面所说的绝对精度所存在的问题,就会困扰所有的人。

 

尤其是主机厂,当面临量产的时候,就会发现每家图商所提供的地图,标准都是不一样的。要如何去做地图的 matching,这件事就非常复杂。

 

因为要把大家的数据揪到一个标准(坐标系)上,但是你自己所依靠的标准本身就是不准确的。

 

今天当每一个主机厂去做自动驾驶的时候,其实你是需要一个定制化的 mapping as service,而不是一张静态的地图。地图是需要动态更新的,而做到动态更新需要比较高的制图效率。

 

如果仅仅是一张图,今天可以从中国的几大图商那边买到。

 

中国有一家主机厂用 8 个月与一家图商合作,后者并没有给他提供这样一张精度足够高的图。同时主机厂也认为所用时间太久。

 

这样来看,无论是高精地图的测量精度还是测量效率,都是车企非常看重的。

 

作为一家技术创业公司,最后再回到对政府这边的诉求。

 

一方面,对于自动驾驶路段,我们作为一家自动驾驶基础设施供应商,希望把我们的图给所有的车厂使用,


来源:电子工程世界-汽车电子
点击查看网络原文>>

版权所有@ 北京市电子科技情报研究所 京公网安备 11010102003025号

地址:北京市东城区北河沿大街79号  邮编:100009  Email:bjdzqbs@126.com

在线人数:210

当日访问计数:8451

累计访问计数:45048134