為什么今天的L4無(wú)人駕駛無(wú)法達到終局？

　　其次，探索新的人工智能方法

　　為什么人能夠在駕校學(xué)習幾十個(gè)小時(shí)、上路開(kāi)了幾千公里，就能夠達到“L5”?如何讓今天的弱人工智能去適應開(kāi)放、動(dòng)態(tài)、不確定的環(huán)境?如何提升人工智能對未知輸入和欺騙性輸入(或者更專(zhuān)業(yè)的“對抗輸入”)的魯棒性?要回答這些問(wèn)題，必須在科技的前沿尋找思路。馭勢科技跟包括加州大學(xué)伯克利分校在內的國際國內多所頂尖大學(xué)展開(kāi)了合作，短短1年中，我們對未來(lái)的道路看得更加清晰了。不妨摘錄一些加州大學(xué)伯克利分校的科研項目以饗讀者。

　　方向在這些標題里面，全新場(chǎng)景的處理，對不確定性的容忍度，自我學(xué)習提升，和跨領(lǐng)域的遷移學(xué)習(比如不同城市，或從仿真環(huán)境向真實(shí)場(chǎng)景遷移)。

　　最后，假設有新的算法被不斷研發(fā)出來(lái)，如何證明新算法是安全的呢?

　　有一段軼事，2016年5月的特斯拉致命車(chē)禍，導致了大眾對自動(dòng)駕駛的信任危機。馬斯克頗為不忿，他指出Autopilot在此次事故之前安全行駛了1.3億英里，而美國人類(lèi)駕駛員的平均水平是9000萬(wàn)英里，已然超越了人類(lèi)。他這個(gè)論證中有兩個(gè)謬誤。第一，是Autopilot是輔助駕駛，還有人類(lèi)駕駛員在糾正Autopilot的錯誤，所以這個(gè)1.3億英里是有水分的。第二，這個(gè)數據的統計置信度是不夠的，因為里程樣本實(shí)在太小了，如果把先前在中國邯鄲發(fā)生的那起致命事故算上，其安全里程一下子從1.3億降到了1.3億除以二，6500萬(wàn)英里。

　　那么，到底需要多少里程，才能有足夠的置信度做孰優(yōu)孰劣的判斷呢。美國著(zhù)名的智庫蘭德公司做了幾個(gè)數學(xué)模型，結論如下圖：

　　挑其中1個(gè)結論來(lái)說(shuō)，如果要有95%的置信度判斷無(wú)人駕駛比人類(lèi)水平(9000萬(wàn)英里/致命事故)好20%，需要跑110億英里。如果說(shuō)你有一個(gè)100輛車(chē)的車(chē)隊來(lái)跑，平均40公里的時(shí)速，需要連續不停跑500年?？紤]到全世界最大的車(chē)隊Waymo去年也就600臺車(chē)，9年跑了400萬(wàn)英里，這看起來(lái)是不可能實(shí)現的任務(wù)。況且，除了谷歌之外，常見(jiàn)的開(kāi)放道路L4測試車(chē)在配全傳感器后，要好幾十萬(wàn)美元，100臺車(chē)的車(chē)隊已經(jīng)是天價(jià)。

　　那么，只剩下1條路了，想辦法把算法裝到至少100萬(wàn)臺不那么昂貴的車(chē)上，讓每臺車(chē)跑1.1萬(wàn)英里，110億英里就實(shí)現了。

　　首先，這些車(chē)必須是增量的車(chē)，不可能找現有的車(chē)改裝，因此算法公司必須與大車(chē)廠(chǎng)進(jìn)行合作。

　　其次，這些車(chē)不可能無(wú)緣無(wú)故裝一些還在驗證的算法，必須是裝了成熟的、有用的智能駕駛功能，這樣才可能賣(mài)掉100萬(wàn)臺。

　　再次，這個(gè)功能具備某些場(chǎng)景的智能駕駛能力，但在大量的場(chǎng)景仍然需要人來(lái)駕駛。那么，在有人駕駛狀態(tài)下，系統切換到“影子模式”，用來(lái)跑新型算法、對其進(jìn)行驗證。算法在“影子”中持續做模擬決策，并且把決策與人的行為進(jìn)行對比，如果兩者顯著(zhù)不同，那么有兩種情況：一，如果算法有高置信度的把握人開(kāi)錯了，將給予人警告(類(lèi)似ADAS);二，算法判斷人做得更好，或場(chǎng)景數據在感知、定位方面也具有高價(jià)值，那么這些數據將自動(dòng)傳回，后臺工程師判斷是否有利于提升算法。

　　這里的核心問(wèn)題是，車(chē)上裝什么樣有用的系統?而這個(gè)系統如何能夠跑新型L4算法?在這一點(diǎn)上馭勢的嘗試是非常令人鼓舞的，上面我們展示的兩個(gè)視頻，自動(dòng)代客泊車(chē)和L4城市開(kāi)發(fā)道路都是基于同一個(gè)車(chē)型和系統配置，能夠在兩種模式之間切換。

　　今天多數L4系統采用昂貴的傳感器和計算資源(最近百度Apollo在轉向低成本方案)，而且只適配少數幾款車(chē)型(比如林肯MKZ加AutonomousStuff的線(xiàn)控)。我們從一開(kāi)始選擇低成本思路，不使用高線(xiàn)數激光雷達、高端GPS和慣導系統，攻堅關(guān)鍵零部件和底層線(xiàn)控能力(雖然執行器性能難稱(chēng)完美)，堅持機器視覺(jué)為主、其他傳感器為輔的思路，并且對算法和系統進(jìn)行深度優(yōu)化、使之能夠運行在普通計算資源上。這意味著(zhù)我們多數的無(wú)人駕駛SKU具備“影子模式”跑開(kāi)放道路的能力。

　　未來(lái)的3-5年，我們期待與主機廠(chǎng)合作，將自動(dòng)代客泊車(chē)和L3系統裝在至少100萬(wàn)臺車(chē)上，與此同時(shí)，下一代的駕駛智能算法將橫空出世，以“影子模式”的驗證方式快速迭代。

　　最后做個(gè)總結：

　　一，今天僅僅在大馬路上跑L4，無(wú)法商業(yè)化，而且在大概率上是到達不了終局的;

　　二，在很多特殊場(chǎng)景中訓練L4，不僅可以實(shí)現商業(yè)化，而且多種場(chǎng)景融合的泛化能力超預期，在開(kāi)放道路L4上展現了巨大潛力;

　　三，需要研發(fā)適應開(kāi)放、動(dòng)態(tài)、不確定環(huán)境的新型L4算法;

　　四，新算法和商業(yè)化的算法(比如自動(dòng)代客泊車(chē)和L3)必須能夠同時(shí)跑在同一套系統上，裝在至少100萬(wàn)臺車(chē)上，通過(guò)“影子模式”實(shí)現高置信度的快速驗證。