自動(dòng)駕駛汽車在軟件方面的需求

1.高精度預(yù)計(jì)算地圖，壟斷vs競(jìng)爭(zhēng)

現(xiàn)在每個(gè)人出行都會(huì)用谷歌地圖、蘋果地圖、百度地圖及高德等產(chǎn)品，并且他們都有一個(gè)不錯(cuò)的準(zhǔn)確度令我們?cè)诔鞘兄锌梢员憬莸耐ㄐ小５钊祟愑脩魸M意的地圖精度距離滿足自動(dòng)駕駛汽車的需求還很遠(yuǎn)，因?yàn)樗狈α寺访嫔嫌袔讞l車道、車道的邊緣位置、隔離帶與路障位置等極為具體的信息。

因此給自動(dòng)駕駛汽車開發(fā)其專用的高精度地圖便成為了必不可少的任務(wù)。國內(nèi)外較大的地圖提供商目前都已經(jīng)在高清地圖領(lǐng)域展開了積極的行動(dòng)，意圖盡快的占領(lǐng)自動(dòng)駕駛汽車用地圖市場(chǎng)更多的份額。

高清地圖服務(wù)商一般先要使用類似于谷歌街景車的技術(shù)，用車頂上的高清相機(jī)、雷達(dá)等設(shè)備把周圍環(huán)境全部掃描記錄，再通過算法優(yōu)化最終得到厘米級(jí)別的地圖數(shù)據(jù)。

HERE生產(chǎn)高清地圖的策略與Google類似，這兩家公司目前都是一次性采集一整個(gè)街區(qū)的數(shù)據(jù)。HERE通過車頂安裝的四個(gè)廣角的24兆像素?cái)z像頭、旋轉(zhuǎn)式的激光雷達(dá)、陀螺儀以及GPS系統(tǒng)，依靠自有算法能夠生成高清地圖。按照Here的預(yù)期，用于自動(dòng)駕駛高清地圖服務(wù)預(yù)計(jì)將在2020年能夠上線。

國內(nèi)的高德地圖也已經(jīng)在推進(jìn)地圖數(shù)據(jù)的高精度化，在未來高德希望能夠利用高精地圖數(shù)據(jù)支撐自動(dòng)駕駛的發(fā)展，自動(dòng)駕駛再產(chǎn)生新的數(shù)據(jù)，經(jīng)過科學(xué)自動(dòng)化的處理，變得更新更準(zhǔn)，更能被機(jī)器電腦使用和學(xué)習(xí)的數(shù)據(jù)，最終形成高精地圖數(shù)據(jù)的生產(chǎn)閉環(huán)。地圖行業(yè)及自動(dòng)駕駛領(lǐng)域的巨頭百度也早有布局，目前高精度地圖已經(jīng)是百度最重要的戰(zhàn)略性業(yè)務(wù)之一。

A16Z的合伙人擔(dān)心高精度地圖會(huì)存在壟斷的機(jī)會(huì)，因?yàn)樗J(rèn)為在自動(dòng)駕駛時(shí)代人們將不得不完全依賴于這些成本高昂地圖，且這個(gè)目前沒有法律所管轄的領(lǐng)域也急需監(jiān)督。

星河研究院認(rèn)為從我國情況來看這種擔(dān)心有些多余，在國內(nèi)資本充足的現(xiàn)狀下，多家地圖企業(yè)相互競(jìng)爭(zhēng)才是比較現(xiàn)實(shí)的情況，而其高昂的成本多半要先由風(fēng)險(xiǎn)投資商承擔(dān)，再到后期尋找合適的變現(xiàn)模式。目前高德已經(jīng)宣布其高精度地圖對(duì)自動(dòng)駕駛汽車免費(fèi)開放，而預(yù)計(jì)隨著競(jìng)爭(zhēng)的加劇，為了市場(chǎng)份額而爭(zhēng)相免費(fèi)的情況將不可避免。

2.機(jī)器學(xué)習(xí)vs工程算法：

算法是支撐自動(dòng)駕駛技術(shù)最關(guān)鍵的部分，目前主流自動(dòng)駕駛公司都采用了機(jī)器學(xué)習(xí)與人工智能算法來實(shí)現(xiàn)。

而海量的數(shù)據(jù)是機(jī)器學(xué)習(xí)以及人工智能算法的基礎(chǔ)，通過此前提到的傳感器、V2X設(shè)施和高精度地圖信息所獲得的數(shù)據(jù)，以及收集到的駕駛行為、駕駛經(jīng)驗(yàn)、駕駛規(guī)則、案例和周邊環(huán)境的數(shù)據(jù)信息，不斷優(yōu)化的算法能夠識(shí)別并最終規(guī)劃路線、操縱駕駛。

現(xiàn)在面臨的主要問題是相比于模型計(jì)算，真實(shí)行駛場(chǎng)景中的算法需要的數(shù)據(jù)過多且計(jì)算量超出了現(xiàn)有能力。目前已經(jīng)有了不少對(duì)機(jī)器學(xué)習(xí)進(jìn)行簡(jiǎn)化的嘗試，例如OpenAI的Universe這一項(xiàng)目，未來這一問題或許能夠通過近似簡(jiǎn)化以及計(jì)算能力的提高得到解決。

同時(shí)在機(jī)械以及路徑規(guī)劃方面較為優(yōu)秀的工程算法也不應(yīng)該被棄之不顧。這兩者最主要的區(qū)別是工程算法依靠固定的邏輯及規(guī)則運(yùn)行，而機(jī)器學(xué)習(xí)能夠結(jié)合歷史經(jīng)驗(yàn)與數(shù)據(jù)計(jì)算出最優(yōu)結(jié)果。

BostonDynamics令人驚嘆的機(jī)器人的算法中并沒有使用機(jī)器學(xué)習(xí)技術(shù)，但依然擁有了令人印象深刻的成果。因此即使工程算法在執(zhí)行效率上與基于深度學(xué)習(xí)算法的Alpha-Go并不在一個(gè)水平，但將兩者的優(yōu)點(diǎn)相結(jié)合依然能夠有效的提升機(jī)器學(xué)習(xí)的最終效果。

3.算法通用化vs本地化：

本地化是一個(gè)計(jì)算機(jī)科學(xué)的術(shù)語，意味著軟件將會(huì)依據(jù)其周圍的環(huán)境條件選擇合適的執(zhí)行策略。

每個(gè)城市都有不同的駕駛習(xí)慣，所以未來自動(dòng)駕駛汽車如何處理好本地化問題成為了其實(shí)際應(yīng)用前必須突破的障礙。如果算法不能夠做到本地化，那么在班加羅爾適用的自動(dòng)駕駛安全措施很明顯將會(huì)在波士頓造成嚴(yán)重的交通擁堵，其他城市亦然。

但我們無法為每一個(gè)不同駕駛習(xí)慣的地區(qū)都編寫特定的算法，因此能夠?qū)崿F(xiàn)本地化的自適應(yīng)綜合算法成為了關(guān)鍵，這種自適應(yīng)算法要做到能夠通過學(xué)習(xí)社會(huì)習(xí)俗及典型的當(dāng)?shù)厝祟愋袨閬硎棺詣?dòng)駕駛汽車獲得更好的表現(xiàn)。