行業指南

自動駕駛汽車中的人工智慧

人工智慧讓車輛感知周圍環境,預測其他人會做什麼,並在很少或根本不需要人類輸入的情況下自行駕駛。

概述

人工智慧讓車輛感知周圍環境,預測其他人會做什麼,並在很少或根本不需要人類輸入的情況下自行駕駛。它將電腦視覺、感測器融合和決策整合到即時操作汽車的系統中。

自動駕駛汽車中的人工智慧將人工智慧應用於特定領域的環境中,在這些環境中,法規、操作和風險承受能力強烈影響設計選擇。

深入探討

自動駕駛汽車運行一個連續的循環:感知、預測、規劃和控制。攝影機、雷達和光達提供原始數據,人工智慧將其融合到世界的 3D 模型中,偵測車道、車輛、行人和標誌。預測模型預測這些代理人在接下來的幾秒鐘內將如何移動。然後規劃者選擇安全路徑和速度,控制系統將其轉換為轉向、油門和煞車。 SAE 定義了六個自動化級別,從 0 級(無)到 5 級(在任何地方完全自主)。如今,Waymo 和 Cruise 的機器人計程車在地圖服務區域內的運作等級為 4 級,而 Tesla Autopilot 等消費系統則為 2 級,需要專心的駕駛。極端情況、罕見和不尋常的情況仍然是最困難的挑戰。

技術洞察

感知依靠深度神經網路進行物件偵測和語義分割,融合攝影機、雷達和雷射雷達,因此每個感測器都可以彌補其他感測器的弱點(攝影機用於顏色/文本,雷達用於霧中速度,雷射雷達用於精確距離)。許多堆疊使用高清地圖進行定位,將即時感測器資料與預先建立的厘米級 3D 地圖進行匹配。規劃可以將學習的模型與基於規則的安全約束結合起來,並且大量使用模擬來測試數十億英里的虛擬里程。

掌握自動駕駛汽車中的人工智慧

人工智慧讓車輛感知周圍環境,預測其他人會做什麼,並在很少或根本不需要人類輸入的情況下自行駕駛。它將電腦視覺、感測器融合和決策整合到即時操作汽車的系統中。自動駕駛汽車中的人工智慧將人工智慧應用於特定領域的環境中,在這些環境中,法規、操作和風險承受能力強烈影響設計選擇。為了建立深入的理解,請將自動駕駛汽車中的人工智慧視為一種操作模型,而不是單一功能:定義期望的結果,澄清假設,並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。

在實踐中,在自動駕駛汽車中使用人工智慧的強大團隊將技術能力與領域政策、可審計性和第一線決策結合起來。他們記錄明確的成功標準,根據實際數據和工作流程進行測試,並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。

產業背景決定了人工智慧創意能否與現實接觸。同時,監管要求可能會使原本強大的原型失效。最具彈性的方法是將實驗速度與治理規則結合:運行試點、捕獲證據、發布決策日誌,並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。

戰略影響

產業背景決定了人工智慧創意能否與現實接觸。

產業背景決定了人工智慧創意能否與現實接觸。在高品質部署中,這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式,以便團隊可以增強信心,而不是擴大模糊性。

領域約束會影響可接受的錯誤率和監督模型。

領域約束會影響可接受的錯誤率和監督模型。在高品質部署中,這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式,以便團隊可以增強信心,而不是擴大模糊性。

成功的部署使技術能力與第一線工作流程保持一致。

成功的部署使技術能力與第一線工作流程保持一致。在高品質部署中,這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式,以便團隊可以增強信心,而不是擴大模糊性。

自動駕駛汽車人工智慧的未來

預計機器人計程車服務的地理範圍將逐步擴大,而不是突然轉向可駕駛的汽車。將感測器直接映射到駕駛行為的端對端神經網路正在取得進展,而車對萬物(V2X)通訊可以讓汽車共享意圖。監管、責任和公眾信任將與科技一樣影響推廣。卡車運輸和固定路線班車可能會先於私家車擴大規模,因為高速公路和重複路線比混亂的城市街道更簡單。

現實世界的實施

Waymo 在鳳凰城和舊金山為大眾經營無人駕駛機器人計程車

Tesla 的 Autopilot 和全自動駕駛為消費性汽車提供 2 級駕駛輔助

自動卡車運輸飛行員(例如 Aurora、Kodiak)在高速公路上運輸貨物

自動代客泊車和接駁車服務在機場和校園的固定路線上運送人員

實施模式

自動駕駛汽車中的人工智慧實踐

Waymo 在鳳凰城和舊金山為大眾提供無人駕駛機器人計程車服務。

Waymo 在鳳凰城和舊金山為大眾提供無人駕駛機器人計程車服務。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時,通常會獲得更好的結果。

自動駕駛汽車中的人工智慧實踐

Tesla 的自動駕駛儀和全自動駕駛為消費性汽車提供 2 級駕駛輔助。

特斯拉的自動駕駛儀和全自動駕駛為消費性汽車提供 2 級駕駛輔助。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時,通常會獲得更好的結果。

自動駕駛汽車中的人工智慧實踐

自動卡車運輸飛行員(例如 Aurora、Kodiak)在高速公路上運輸貨物。

自動卡車運輸飛行員(例如 Aurora、Kodiak)在高速公路上運輸貨物 團隊在預先定義品質閾值、針對邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時,通常會獲得更好的結果。

自動駕駛汽車中的人工智慧實踐

自動代客泊車和接駁車服務在機場和校園的固定路線上運送人們。

自動代客泊車和接駁車服務在機場和校園的固定路線上運送人員如果團隊預先定義品質閾值,為邊緣情況保留人工升級路徑,並隨著時間的推移跟踪生產力的提高和錯誤成本,通常會得到更好的結果。

風險與防護欄

!

監理要求可能會使原本強大的原型失效。

!

歷史資料可能會編碼損害特定社區的偏見。

!

遺留系統可能會造成整合瓶頸和隱性成本。

實施路線圖

1

讓領域專家參與從問題框架到評估的整個過程。

讓領域專家參與從問題框架到評估的整個過程。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。

2

在啟動前設計審計追蹤和文件。

在啟動前設計審計追蹤和文件。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。

3

儘早驗證合規性和安全義務。

儘早驗證合規性和安全義務。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。

4

分階段推出,並有明確的停止和回滾標準。

分階段推出,並有明確的停止和回滾標準。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。

不斷探索