英特爾與Mobileye的百輛自動駕駛汽車已經在耶路撒冷開始第一階段的測試。測試路段行車艱難、極具挑戰性。此次上路測試展示了Mobileye的先進技術,證明了責任敏感型安全(RSS)模型可以提升安全性,并將關鍵學習成果融入到產品和客戶項目中。預計數月內,測試車隊將進入美國和其它地區。雖然我們的自動駕駛車隊不是第一個上路測試的車隊,但它代表了我們在多個領域采用的全新理念,并且有別于傳統技術。憑借在計算機視覺和人工智能領域積累的二十多年的經驗,我們的測試汽車證明,英特爾和Mobileye的解決方案是目前極行之有效的方案。

  與其它自動駕駛系統相比,我們的關鍵之處在于,系統在設計之初,就將安全性、經濟性和可擴展性作為重要目標。具體而言,自動駕駛汽車要比手動駕駛汽車速度更快、更順暢,而且成本更低;它能適應任何地理環境;比人工駕駛的安全水平要高出一千倍,無需在公共道路上進行數十億英里的驗證測試。

  為什么選擇在耶路撒冷開展測試?

  很顯然,Mobileye公司就在以色列。一方面,選擇耶路撒冷十分方便開展駕駛測試;而另一方面,這可以證明,我們的技術足以挑戰任何地理環境和道路環境。耶路撒冷因行車艱難而出名:道路標識不清,變道環境復雜,行人不遵守交通規則。自動駕駛汽車的車速不能太慢,這樣容易造成交通堵塞或引發交通事故。相反,自動駕駛車必須像當地駕駛員一樣自信駕駛、果斷決策。

  在這種環境下,我們在測試自動駕駛汽車和技術的同時,也可以改進駕駛策略。駕駛策略也稱為規劃或決策。好的駕駛策略讓自動駕駛汽車設計上的諸多困難迎刃而解。通常,很多目標有待優化,部分目標又彼此矛盾。比如,如何確保極致安全,而又不過度謹慎;如何模擬手動駕駛風格(以免嚇到其他駕駛員),又不造成人為錯誤。為了更好地平衡這些因素,車隊采用兩套獨立的系統,一套下發駕駛指令,另一套批準或拒絕指令。目前,這兩套系統都運行穩定。

  英特爾及其子公司Mobileye百輛自動駕駛車隊已在耶路撒冷開始第一階段測試

  安全駕駛vs果斷決策

  我們對駕駛決策系統中的指令發出模塊進行離線訓練,以形成果斷、流暢和擬人化的駕駛風格。我們公司使用的這套軟件是基于AI強化學習技術開發出的。該系統也是車隊的最大亮點,各種場景指示也讓我們為之振奮。然而,自動駕駛汽車的“駕駛員”也要清楚且果斷地判斷與危險駕駛之間的邊界點。為了達到這一目的,我們采用責任敏感型安全(RSS)模型來控制AI系統。

  RSS模型將安全駕駛的基本原則轉化成機器可以理解的數學公式。例如,尾隨其他車或變道時的安全距離、道路優先權和障礙物避讓等。如果AI系統發出的指令違反了任何一條基本原則,RSS將拒絕該指令。

  簡而言之,基于AI的駕駛策略系統,其職責是讓自動駕駛汽車行駛到目的地,而RSS模型則負責保障沿途的駕駛安全。安全性靠系統設計進行保障,無需進行數十億英里的道路測試。車隊目前使用Mobileye的安全系統,相關方法已公開分享,并期望在與其它公司合作的過程中,形成技術中立的業界領先標準(中立指該系統適用于任何汽車制造商的駕駛策略)。

  為何感知系統只有攝像頭?

  在初始階段,車隊的感知系統只配備了攝像頭。在360°全景系統中,每輛車配備了十二個攝像頭,其中,八個攝像頭探測遠距離環境,另外四個用于泊車。這個階段的目標是想證明,僅依據攝像頭獲取的信息,就可以形成端到端的自動駕駛方案。該方案中,環境感知系統通過俯視圖來呈現行駛汽車周圍的環境狀態,能夠識別車輛和行人、道路標志和交通信號燈的含義,能夠實時創建高清地圖并幫助汽車做精確到厘米級的定位,能夠進行道路規劃(即駕駛策略)和車輛控制。

  自動駕駛汽車上分立式安裝了十二個攝像頭,提供3600視角并進行遠距離環視和停車

  初始階段是為了實現感知系統的“真正冗余”。“真正冗余”是指,感知系統包含多個獨立工作的子系統,每個子系統都可以獨立支持自動駕駛。而之前的感知系統,則是將不同來源的原始傳感器數據整合在一起,實際上,只有一個傳感系統。“真正冗余”有兩個主要優勢:首先,感知系統驗證所需的數據量大大降低(十億小時的平方根 VS十億小時),如圖A所示;其次,如果其中一個子系統故障,車輛可以繼續安全行駛。如果采用數據整合的傳感系統,則需立即停車。數據整合傳感系統就好比一串圣誕樹彩燈,如果一個燈泡壞了,那么,整串彩燈也就壞了。

  “真正冗余”的作用

  (注:此圖從“平均無故障時間”(MTBF)測試角度對上述兩種系統進行比較。這里的故障是指,任何一個可能導致死亡的傳感器故障。Mobileye的目標,是把MTBF提高到十億小時,比手動駕駛汽車的安全標準高一千倍。單傳感器系統需要收集約十億小時的數據來測試MTBF,而“真正冗余”感知系統則只需收集大約三萬小時的數據(十億小時開平方)。此外,“真正冗余”感知系統可以在實驗室進行MTBF測試,無需到實際駕駛環境中收集數據。)

  未來幾周,我們會在系統開發的第二階段,加入雷達/激光雷達傳感設備,通過不同的傳感模塊之間的協同作用,來提升駕駛的“舒適性”。

  當前及未來的計算平臺硬件

  自動駕駛車隊的端到端計算系統安裝了四顆Mobileye EyeQ4芯片。該芯片功率為六瓦,在八位深度網絡上,提供每秒2.5萬億次運算(TOP/s)的計算能力。EyeQ4是Mobileye最新推出的系統級芯片,于2018年生產。Mobileye計劃,今年再推出四款芯片,2019年推出十二款芯片。根據公司規劃,EyeQ5支持全自動駕駛,在今年晚些時候,就可以推出工程樣品。EyeQ5提供二十四萬億次運算的能力,比EyeQ4強約十倍。我們計劃,為一輛L4/L5階段的全自動駕駛汽車,配備三顆EyeQ5芯片。因此,2019年初推出的新一代EyeQ5的計算能力,將是目前EyeQ4芯片的十倍。

  英特爾和Mobileye采用的方法不同于業界常用的方法。業界在研發中往往超額訂購計算需求,比如,要求“在產品開發中給我無限的計算能力”,然后,再嘗試進行成本和功耗優化。而我們則使用更有效的策略,來減少計算需求,從而聚焦于開發最有效的算法——用于狀態感知、駕駛策略制定和車輛控制。

  前路漫漫,但我依然為Mobileye和英特爾的開發團隊感到無比的自豪,感謝他們的努力工作和取得的重大突破。我們的目標是:在客戶的支持下,這套系統在2021年進入批量生產并應用于L4/L5階段自動駕駛汽車。(本文作者:Amon Shashua教授)