EN

虞正华:舒适无人驾驶还很远 五年目标实现安全驾驶

2018-05-07
来源:投中网

2018年4月23-25日,由投中信息、投中网主办,投中资本协办的“第十二届中国投资年会·年度峰会”在上海金茂君悦酒店举办。本次会议主题为“价值的力量”,来自国内外上百家私募股权机构汇聚一堂,对当前行业热门话题展开讨论。

 

在此次峰会上,魔视智能CEO虞正华就“无人驾驶的幻想与前景”主题进行了精彩分享。



虞正华表示,无人驾驶更大规模的测试,是只有真正进入量产,经过几十万辆车上百万辆车用同样的技术进行测试了,才能真正探寻到实现L4自动驾驶所面临的、所需要解决的Corner Case。“真正要解决的技术通路是把L3、L4的技术先用到L1、L2的产品中,通过这样的产品,能够验证到这项技术在100万台广泛测试下Corner Case到底在哪里”。


以下为魔视智能CEO虞正华在“第十二届中国投资年会”精彩演讲实录,投中网整理。


虞正华:大家下午好,非常高兴有机会跟大家分享一下我们关于自动驾驶的理解。原来的题目希望我讲自动驾驶的幻想与前景,而我觉得更合适的是讲一下幻想与挑战。因为所有的前景都是基于挑战已经解决的前提之下。


技术进展让自动驾驶的商业模式演变


人类关于自动驾驶的幻想由来已久,这是1950年代美国的广告,那时候预想自动驾驶有朝一日实现的那一天。实际上,自动驾驶真正进入大家视野,好像已经触手可及了,是最近十年之内的事。这也伴随着人工智能技术的进展,大家觉得技术解决的步伐已经临近了,在这里面Google做了很重要的先驱性工作。


我们在人工智能领域,过去几年确实是随着深度学习的进展,取得了很多重要的进步。我们去年组织了国际竞赛,得了世界第一,任务是一个像素级的语义分割,上面是原始的摄像机看到的视频,下面是计算机算法、人工智能算法所得到的结果。可以看到通过现在人工智能技术,能很准确辩证到道路、人行道、电线杆、交通标识等。


大家过去也经常讲说到视觉夜间情况怎么样,我们这也有相应的对比,这是在伸手不见五指的晚上,这是一个深夜,车开着近光灯,左边是跟人眼主观感受相近,在这样的情况下人可能会看清近光灯照的主体,除此之外都是黑糊糊的一片。现在新一代的宽动态传感器和高级的图象处理算法,能让我们在新技术之下看清的远远不只是近光灯所及了。


有了这些技术的进展,自动驾驶也有很多想象空间,比如说Waymo做自动驾驶出租,演变的商业模式以后我们的交通出行从买汽车到买服务,包括自动驾驶的卡车OTTO在这方面做了很多很重要的工作。


无人驾驶的不安全事件可以被避免吗?


整体而言,互联网企业对自动驾驶相对来说是比较激进的,这条路线通常会投入到L4、L5的研发,也希望我们将来能直接提供运营。相对来说车厂反而是比较保守的,会一步一步往前走,循序渐进的路径。我们沿着不同的路径,但终点都是一样的。


要考量的是,沿着不同路径的选择,带来的问题或者风险是什么呢?今年3月18日有一个事件,对整个自动驾驶界有很深远的影响。大家看新闻也看到了,Uber停止了所有自动驾驶车的测试,Nvidia停止了所有自动驾驶的测试,Toyota停止了所有自动驾驶的测试,这个是很不幸的事件,但这类的事件,也许对单一事件而言是可以避免的,但是我们会看到的从概率上来说,这类事件是必然会发生的。


为什么?从单一事件而言,把同样的当时相机采集的视频跑到我们自己的今天已经量产的产品中,我们能很准确的找到这个目标,我们提前1.4秒可以发现这个行人,似乎说这个事件我们是可以避免的。所以对于这个事件,其实我们并没有看到最终的调查结果,所以我们并不知道当时因为这辆车上装了摄像机,我们并不知道当时发生了什么。


但是我们是否认为这个事件是完全可以避免的呢?我们的回答是NO,今天为什么要进行大量的无人驾驶的测试,就是因为你现在还不能证明其安全性,这是鸡生蛋蛋生鸡的问题,你不能证明安全性的前提必须要进行大量的测试。


在今天任何一套完全自动驾驶的车都是一辆不安全的车。自动驾驶本身是非常复杂的系统,有很多的模块组成,从感知到定位到决策到最后的控制,这样一个复杂的系统,我们认为你要通过如何验证其安全性,如果把所有的东西混在一起验证,你要跑大量的实验,验证的周期非常漫长。


所以我们认为一个复杂系统的验证,更需要拆解到某一个独立验证安全的模块,这之后你整个系统,整个验证周期反而能够缩短,反而能够实现整体系统安全的目标。而安全的自动驾驶离不开安全的传感器。


传感器到99%准确率依然不安全


对任何一个传感器而言,我们认为99%或者更高够不够。这里举一个简单的车道线检测的例子,车道线而言常见的有直线有虚线,如果直接开上路去测,99%能碰到都是类似这样的场景,是不是你如果达到99%准确率就安全呢?你可能还会发现其他的类型,有鱼骨线,还有车道合并和分拆。这些1%不能解决,碰到这种Corner Case就是100%不能解决。所以我们要解决的问题是我们不断探寻系统的边界,我们系统的CornerCase,只有把这些探索完毕了系统才有可能是安全的。


我们过去已经做了很多工作解决Corner Case。为了这些Corner Case,做了很多工作,Waymo花了差不多两年的时间在美国测试500万英里,对于自动驾驶的公司来说,财力如Waymo做了500万英里这个测试够不够?人类开车每一亿公里出一次严重的事故。对任何自动驾驶的公司而言,测500万英里或者跟事故发生的概率而言是很微不足道的事。


我们自己也花了两年多的时间,在进行超过500万公里的测试,我们也看到中国的公路确实非常复杂,有各种各样的板车、农用车、三轮车等,我们对这500万公里进行充分的测试,但我们认为还是不够的,因为任何一个自动驾驶公司也好,创业团队也好,如果自己搞几百台车,你就算一辆车一年跑十万公里,几百万公里这样测试的量,对于你真正在自动驾驶工况中发生的Corner Case是远远不够的。Waymo是在美国定几千辆车开始运营,更重要的目的是开始进行大规模的测试。


量产才会知道Corner Case在哪儿


我们实际而言,更大规模的测试是只有你真正进入量产,你经过几十万辆车,上百万辆车用同样的技术进行测试,才能真正探寻到实现L4自动驾驶所面临的、所需要解决的Corner Case。真正要解决的技术通路是把L3、L4的技术先用到L1、L2的产品中,通过这样的产品能够验证到我这项技术在100万台广泛测试下Corner Case到底在哪里。这是我们做的一项工作,这段视频不知道能不能放出来,这是面向L3的。我把这个说一下就行了,前面类似比较典型的方案,今天如果做L3,也是这样的视觉感知的系统,但是我们把这个首先在海量的L1、L2进行充分的验证。


围绕这条路,我们把这个东西做成产品,我们做到乘用车、商用车,我们今天已经有量产车,明年会有更多的量产车进行相应的验证。为了实现这个,我们在相应的人工智能方面,在核心的算法上已经进入了深入算法芯片化的工作,因为这套人工智能算法都需要很强有力的计算芯片来承载。我们在量产的产品中是我们第一代的芯片化、嵌入式的计算平台,后续也会开展进一步的自动驾驶的芯片工作。


我们认为自动驾驶的发展是三个阶段。今天已经很多量产的是辅助人工进行智能的驾驶,下一个是行业要解决的关键性问题是实现安全的自动驾驶。这可能是将来五年之内能把这个解决好,已经是最重大的突破。


但真正未来舒适的自动驾驶,需要整个行业更长久的努力。我们认为一辆自动驾驶的车首先是安全的车,而安全的车一定是经过充分认证的车。所以我们认为对这个行业最大的挑战,如何你能够以用户可以接受的成本提供安全的自动驾驶的量产车。