自動(dòng)駕駛遇上“蜘蛛俠”

蜘蛛俠的“spidey senses”（蜘蛛感官），想必曾經(jīng)令無(wú)數中二少年心向往之。

這種超能力可以讓他預判身邊即將發(fā)生的事情，更好地探測和躲避物體，比如躲過(guò)子彈、避免被敵人擊中等等。

不過(guò)，同款放射性蜘蛛是沒(méi)有的，但同款“超能力”卻被科學(xué)家們賦予了機器。

來(lái)自凱拉·威爾斯普渡大學(xué)的研究人員，將蜘蛛式傳感器植入了自動(dòng)駕駛無(wú)人機和汽車(chē)的外殼中，試圖幫助它們能夠更好地探測物體。

我們習以為常的自動(dòng)駕駛，通常都可以理解為設計一個(gè)與人類(lèi)一樣甚至超越人類(lèi)表現的駕駛水準，因此，其技術(shù)路線(xiàn)效法的對象自然也就是人類(lèi)本身。以深度學(xué)習來(lái)模擬人類(lèi)的大腦，為決策提供強大的計算能力；以攝像頭、激光雷達等代替人類(lèi)的雙眼，實(shí)現高效的傳感器融合。

然而，且不提目前的傳感器技術(shù)并沒(méi)有完全釋放類(lèi)人的潛力，而且即使是真人上陣，也經(jīng)常有預判失誤導致事故。人類(lèi)的極限，基本決定了此前自動(dòng)駕駛系統的極限，也難怪馬斯克會(huì )對目前的無(wú)人車(chē)感知方案說(shuō)出——“A task that has little to no chance of being successful or beneficial”（幾乎沒(méi)機會(huì )成功或取得收益）的評價(jià)。

那么，將動(dòng)物們或者說(shuō)超人們的“超能力”引入自動(dòng)駕駛，會(huì )讓事情出現轉變嗎？下面就從有趣的“spidey senses”來(lái)聊聊，自動(dòng)駕駛感應技術(shù)的另一種可能性。

蜘蛛俠超能力：幫自動(dòng)駕駛“看”得更清楚

蜘蛛的感知能力究竟有何特別之處呢？

這就必須提到它們處理感官信息的速度，比目前最先進(jìn)的傳感器還要快，因此可以更好地在危險環(huán)境中避免事故。當然，這并不是蜘蛛的獨家技能，蝙蝠、鳥(niǎo)類(lèi)等其他動(dòng)物也或多或少都自帶“預先避障buff”。

之所以能做到這一點(diǎn)，因為它們的神經(jīng)末梢與被稱(chēng)為機械感受器的特殊神經(jīng)元相連。而這種特殊的感應器往往以羽毛、毛發(fā)等形式出現，只檢測和處理動(dòng)物生存所必須的信息。

人類(lèi)在面臨危險時(shí)雖然也有“汗毛乍起”之類(lèi)的操作，但這種“直覺(jué)”顯然已經(jīng)在進(jìn)化過(guò)程中被消滅得差不多了。因此，人類(lèi)往往需要盡可能多地收集周?chē)h(huán)境的數據來(lái)輔助判斷，落地到自動(dòng)駕駛車(chē)上，就是“寧可錯拍不可放過(guò)”的冗余攝像頭和傳感器。豐田曾財大氣粗在自家的自動(dòng)駕駛原型車(chē)上搭載了七臺激光雷達（當時(shí)單價(jià)7999美金/臺）。

但是，與人類(lèi)相反，大自然中的動(dòng)物們并不需要“面面俱到”，它們會(huì )過(guò)濾到不需要的信息，以保證自己處理的信息不會(huì )過(guò)載，同時(shí)又保持足夠的敏感度。

比如當蜘蛛網(wǎng)以獵物或者配偶相關(guān)的頻率振動(dòng)時(shí)，蜘蛛毛茸茸的腿（機械感應器就在上面）就會(huì )在體內產(chǎn)生一種神經(jīng)反射，提醒它迅速做出反應。而更低的頻率，比如蛛網(wǎng)上的灰塵，機械感應器是“視而不見(jiàn)”的，因為它對蜘蛛的生存安全來(lái)說(shuō)并不重要。

只有某一特定水平的力激活了“多毛的”機械感受器，它們會(huì )快速從一種狀態(tài)（收集過(guò)濾信息）轉換到另一種狀態(tài)（計算信息），并做出相應的反應。

核心成員之一Arrieta認為，在自然界，硬件和軟件沒(méi)有清晰的區別，它們相互關(guān)聯(lián)的。比如傳感器即可以收集和過(guò)濾數據，也可以用來(lái)解釋和計算數據。這顯然與普遍推行的“大腦-器官”仿人類(lèi)學(xué)設計相去甚遠。

那么，這種傳感器被集成到無(wú)人機機翼或汽車(chē)外殼上，會(huì )產(chǎn)生怎樣有趣的變化呢？

為了讓自動(dòng)駕駛機器能夠獲得“蜘蛛感覺(jué)”的超能力，普渡大學(xué)的研究者們開(kāi)發(fā)了一種超薄的電容傳感器。它能夠從環(huán)境中接受信息，并根據閾值(如壓力或溫度的變化)過(guò)濾數據，在預定的力水平提示時(shí)還會(huì )改變形狀。而且，不需要電源。

這些機械傳感器可以被定制來(lái)檢測特定的力學(xué)變化，比如人、貓狗、井蓋、石子等，與自動(dòng)駕駛駕駛需要規避的特定對象相關(guān)聯(lián)，就能實(shí)現快速避障的作用。

同時(shí)，普渡大學(xué)的研究人員與新加坡南洋理工大學(xué)、蘇黎世聯(lián)邦理工學(xué)院合作，設計了同樣的傳感器，利用這些“機械感受器”的狀態(tài)變化來(lái)讓自動(dòng)駕駛機器像蜘蛛一樣處理數據。

因為可以形變，使得傳感器材料內的導電粒子彼此移動(dòng)得更近，從而允許電流通過(guò)傳感器并攜帶信號，這些信息則通知駕駛系統應該如何響應。在機器學(xué)習算法的幫助下，傳感器們能夠以最小的能耗實(shí)現自主工作，無(wú)形中降低了算力方面的成本。

動(dòng)物仿生學(xué)引入自動(dòng)駕駛，有何意義？

相比于前兩年的無(wú)比“稀奇”，如今大部分吃瓜群眾應該都對自動(dòng)駕駛機器的智障（劃掉）智能程度有所了解了。

在避障技術(shù)方面，主要就是依靠超聲波、激光、視覺(jué)、毫米波雷達等傳感器的融合及協(xié)同工作，獲得道路、車(chē)輛位置和障礙物等信息，從而使無(wú)人車(chē)、無(wú)人機能夠安全靈活地行駛。

然而即使是融合了絕對數量的傳感器，無(wú)論是在物體識別還是距離估計上，依然很容易出現令人意想不到的差錯。

比如之前特斯拉的自動(dòng)駕駛汽車(chē)因為將前方的白色大卡車(chē)當成了白云，因此發(fā)生了車(chē)禍。

“高空作業(yè)”的無(wú)人機也沒(méi)有好到哪里去，2015年紐約肯尼迪國際機場(chǎng)，一架無(wú)人機在7000英尺的高空中就差點(diǎn)撞上一架飛機，二者當時(shí)距離只有20英尺遠。

之所以會(huì )出現這樣的局面，主要原因有二：

第一，當前主流的傳感器幾乎都有自身局限，多傳感器相互備份和補充是必不可少的。而多傳感器融合協(xié)作，面對復雜的現實(shí)場(chǎng)景，還要達到360度無(wú)死角的高精度監測，龐大的數據量必然會(huì )帶來(lái)堆積和冗余問(wèn)題。

另外，現有的自動(dòng)駕駛系統主要將算力集中在決策層面，感知層面的算力不夠充沛，自然也就導致處理器難以支撐龐大連續高速的計算壓力。一旦數據堆積導致處理延遲，自然也就更容易犯錯。

上述重要而關(guān)鍵的問(wèn)題，目前看來(lái)，對癥下藥只有兩個(gè)解決方案：

提高感知層面的性能要求，對復雜信息和環(huán)境實(shí)現更高精度的識別。讓感知系統能夠處理一部分計算任務(wù)，過(guò)濾掉無(wú)意義的數據，為“機器大腦”減負。

既然前面模仿人類(lèi)生理工作機制的智能化發(fā)展不盡如人意，那么向蜘蛛、蝙蝠等“低智能、高機械”生物學(xué)習，會(huì )不會(huì )才是自動(dòng)駕駛應該拿到的“劇本”呢？

沒(méi)有人能給出確切的答案，但這不妨礙有不少學(xué)者開(kāi)始在這個(gè)方向努力探索了。

以前面提到的“蜘蛛感知”能力為例，AXA Winterthur關(guān)于自動(dòng)駕駛研究的數據顯示，一般情況下，提前1.5秒的警示就可以減少90%的追尾碰撞。也就是說(shuō)，當提前2.5秒給予一個(gè)車(chē)輛警告的話(huà)，基本上可以讓系統做到安全剎停，無(wú)人機同理。

目前，想要在碰撞時(shí)間（TTC）上保障這一前提，只能通過(guò)探測距離大于120米的汽車(chē)雷達實(shí)現。但與此同時(shí)，激光雷達的探測精度又十分離散，在120米距離上垂直和水平分辨率已經(jīng)是0.3-0.5米的級別，這意味著(zhù)如果前方站著(zhù)的是一個(gè)人，它很有可能會(huì )被激光雷達所忽略。而且，由于要進(jìn)行360度掃描，數據緩存和回傳的時(shí)間已經(jīng)足夠發(fā)生一場(chǎng)悲劇了。

但是借助“蜘蛛感知”的能力，裝載了超薄電傳感器的自動(dòng)駕駛機器就能夠在感知到信息的瞬間，就迅速計算并選擇性地進(jìn)行處理，或能夠有效減少系統大腦的數據負載，從而提升自動(dòng)駕駛系統的決策效率和靈敏度。

從某種意義上來(lái)說(shuō)，現階段的自動(dòng)駕駛感知系統，有點(diǎn)像剛剛開(kāi)始變異的蜘蛛俠。在漫畫(huà)《神奇蜘蛛俠》中，他剛開(kāi)始有了一定預知未來(lái)的能力，卻總是無(wú)法很好地控制自己能看到什么。讓機器快速掌握和人腦人眼一樣“看”和“聽(tīng)”的能力，也同樣是強“機”所難。

更何況，人類(lèi)自己還沒(méi)有搞清楚人腦是怎么工作的，又何談?dòng)脵C器來(lái)模仿人腦呢？

或許放下幻想，放低身段，對于動(dòng)物能力的觀(guān)察與模仿，才能引領(lǐng)機器走向類(lèi)腦智能的應許之地。