“眼睛”可觀六路 反饋物體距離閱讀交通標志

　　大多數(shù)無人駕駛汽車配備了傳感技術“套裝”，包括“一雙眼”及“一把尺”——視覺傳感器(例如相機)和監(jiān)測傳感器(測量目標距離的激光和雷達)。過去十年中，測量范圍的傳感器在商用開發(fā)系統(tǒng)中占據(jù)了主導地位，能可靠地反饋周圍所有物體的距離，監(jiān)測范圍達到100米甚至更遠。

　　激光通常只用于低水平和簡單的任務中，比如躲避障礙物，確保不會撞上任何東西等。而雷達則是一些高檔車的老搭檔了，在巡航控制系統(tǒng)中至少“服役”了十年。近年來，低價位的汽車也紛紛采用了這一技術。不過，監(jiān)測距離的傳感器還是有其局限性，遠程激光或雷達掃描能夠向你反饋大致的信息，比如路人的姿勢，卻不會告訴你那個人的表情是平靜還是驚慌。而且，由于大多數(shù)的標志都是靠看的，在閱讀現(xiàn)有標識時，距離傳感器也表現(xiàn)得很差。相比之下，像相機一樣的視覺傳感器彌補了這一缺陷，它們能夠感知顏色和外觀細節(jié)。

　　由于我們的駕駛環(huán)境在設計和建造時默認司機能夠看到，所以，能夠像人一樣“眼觀六路”的無人駕駛汽車更能適應現(xiàn)有的基礎設施和標識。

　　“判斷力”待加強 駕駛系統(tǒng)難以應對惡劣天氣

　　不過，汽車并非裝備了眼睛就能保證“視力”沒問題。相機非常容易受到環(huán)境改變的影響，在路上最常遇到的就是晝夜循環(huán)。在黑暗的環(huán)境下，人工照明或遠光燈會讓系統(tǒng)很難判斷前方到底有什么。

　　在寒冷的地區(qū)，街道兩旁可能有不少大風吹成的雪堆，不僅完全模糊了線標，甚至連標識也很容易被埋、被遮擋。由于無人駕駛汽車的設計嚴格依賴道路法規(guī)，所以系統(tǒng)會變得很糾結。

　　這還不算完，最大的挑戰(zhàn)往往出現(xiàn)在多重變化同時發(fā)生的時候，比如夜間行駛又趕上熱帶風暴。遇到這種組合就連人類司機都難免會發(fā)生事故，好在大多數(shù)情況下我們都小心謹慎、處理得當，而無人駕駛汽車就顯得沒那么可靠了。除了雨雪，冰、冰雹、霧、煙、霾、風、光和熱都會對駕駛環(huán)境造成干擾?，F(xiàn)在還沒有一輛車能夠證明遇到極端天氣仍能可靠地行駛，目前大多數(shù)車能夠處理的，不過是中等降雨程度。

　　對于盯著無人駕駛汽車這塊蛋糕的各廠商來說，沒有什么比開發(fā)出適應全天候無人駕駛車更大的挑戰(zhàn)了。我們雖然有很多輛能夠適應“大部分情況”的車，卻沒有一輛適應“所有情況”的車。天氣的重要性無須贅述，僅在美國，超過20%的事故都和惡劣天氣有關。

6月28日，無人駕駛車輛駛出賽道。當天，作為世界智能大會的重要活動，世界智能汽車挑戰(zhàn)賽在天津拉開帷幕。 中新社記者 佟郁 攝

　　配備最強“大腦” 深度學習為鏡頭素材貼標簽

　　為了不讓無人駕駛汽車的一雙眼睛成為擺設，開發(fā)人員就要給它們配備相應的“腦子”。這也是為什么許多無人駕駛汽車廠商都在開發(fā)深度學習系統(tǒng)，有了這門技術，它們輕易就能超越人類需要練習100個小時才能達到的“老司機”的境界。

　　英特爾公司收購移動眼也正是有此用意，這些深度學習系統(tǒng)通常需要大量的標簽數(shù)據(jù)。收集原始數(shù)據(jù)雖然成本很高，但可行性高，方法也比較“簡單粗暴”：只需在大量汽車上安裝傳感器和計算機，然后就等著它們在公路網(wǎng)中跑上個數(shù)百萬小時吧。一旦跑回來，接下來的工作才是費時費工費腦子的，鏡頭記錄下的大量素材需要處理，人、汽車、各類危險、交通燈、車道標記等都需要“貼標簽”。移動眼公司意識到這種繁瑣的工作偷不了懶，于是雇用了數(shù)百名員工專門為圖像“貼標簽”，這種腳踏實地的作風也使其成為了該領域的引領者。有了這些基礎，未來，移動眼等其他公司會越來越多地使用模擬技術生成大部分數(shù)據(jù)，而不再靠人力了。