我们距离自动驾驶汽车究竟还有多远?|理性派对第三季(5)
2023-05-01 来源:飞速影视
在可以预期的未来,如果将大部分车辆的数据都累积到云端的“大脑”上去,这个“大脑”能够自我学习、自我更新、自我进化。举个例子,假如北京地区有200万辆联网的汽车,它就可以同时学习200万辆汽车的驾驶员所采集的数据进行自我学习与更新,进而实现自己智能的进化,这就有可能加速自动驾驶算法的演进。总而言之,数据是基础的生产力,它能够推进算力的演化。
段玉龙:最近自动驾驶汽车上数据的来源成为人们关注的焦点。比如某公司就强调自己坚决不用激光雷达,只用视觉雷达,但是一些厂商却认为激光雷达的效率更高,您怎么看?
李慧云:这个需要分阶段和目标来看待。某公司的初衷是做辅助驾驶,那么要低成本地实现商业化落地,采用视觉的方案无疑是达到它的目标的途径。现在大部分造车新势力要做的是更高级别的自动驾驶,那么激光雷达在大部分场景是不可或缺的。它在目标检测甚至定位建图方面都是视觉不可替代的,因为它有深度的信息。如果要达到L3-L4级别,那两方的目标最终将殊途同归,达到多传感融合。
段玉龙:路面上能够装载自动驾驶相关系统的车毕竟数量有限,只依赖这些车获取数据,是否足够支撑整个自动驾驶系统的升级呢?
李慧云:所以在未来,车路协同将成为必然。因为单车智能有它的局限:如果每个车都依赖于累积传感器数量、种类以及算力资源,成本将会很高;另外也有一些物理局限,比如前方车道车辆或右转道路遮挡导致的“鬼探头”现象。通过车路协同的方法,显然能够低成本地解决单车智能的局限带来的问题。
车路协同示意图
从另一个角度讲,单车智能并不能很好地完成数据采集以及解决整个城市的拥堵。因为如果以速度或者是行驶的舒适性为考量,单车的优化势必会造成多车之间的竞争,这就带来了博弈。如果要达到一个总体作用,那么就要考虑城市交通,这时车路协同就自然而然地引入了。从这个层面讲,有道路旁边的传感器、算力以及调动能力的辅助,将会使自动驾驶时代的交通整体达到最优,包括事故数、平均通行速度以及舒适程度。
本站仅为学习交流之用,所有视频和图片均来自互联网收集而来,版权归原创者所有,本网站只提供web页面服务,并不提供资源存储,也不参与录制、上传
若本站收录的节目无意侵犯了贵司版权,请发邮件(我们会在3个工作日内删除侵权内容,谢谢。)
www.fs94.org-飞速影视 粤ICP备74369512号