拿到一張自動(dòng)駕駛路測(cè)牌照似乎早已不是什么新鮮事,。
與初期為路試資格欣喜若狂相比,，近年來主機(jī)廠及科技公司對(duì)于無人車路測(cè)工作習(xí)以為常,。隨著公開測(cè)試的大規(guī)模展開，各家車隊(duì)的駕駛能力幾乎齊頭并進(jìn),。單憑駕駛能力遠(yuǎn)不足以評(píng)判技術(shù)效果,，其仍舊沒有完全杜絕類似“Uber無人車致死”等事故的發(fā)生。
為了最大程度上確保系統(tǒng)安全可靠,，從業(yè)者開始強(qiáng)調(diào)無人駕駛技術(shù)兼顧駕駛能力與魯棒性,。所謂“魯棒性”，可以簡(jiǎn)單理解成無人駕駛系統(tǒng)的容錯(cuò)能力,，以保證系統(tǒng)能夠在操作錯(cuò)誤,、超出常規(guī)頻率的發(fā)出指令、網(wǎng)絡(luò)過載等極端情況中,，仍舊正常運(yùn)作,，從而避免安全問題發(fā)生。因此,，技術(shù)魯棒性逐漸成為了這項(xiàng)未來技術(shù)后期能否實(shí)現(xiàn)大規(guī)模商業(yè)落地的重要指標(biāo)。
順著自動(dòng)駕駛產(chǎn)業(yè)鏈來看,，感知,、決策、執(zhí)行層面均各自遭遇了“黑盒子”的困境,。
感知：地圖原始數(shù)據(jù)與衍生信息受限
感知定位層面無需多言,。除了始終備受爭(zhēng)議的多種傳感器路線之外，近期大熱的高精地圖同樣沒能避開上述難題,。
圖商的商業(yè)模式大同小異：以測(cè)繪車隊(duì)收集的道路數(shù)據(jù)為基礎(chǔ),，畫出一張厘米級(jí)精度的地圖，將其使用權(quán)出售給主機(jī)廠客戶,。換句話說,，車輛基本看不到地圖原始數(shù)據(jù)，更別提拿到其衍生信息,。另一方面,，長(zhǎng)期占據(jù)產(chǎn)業(yè)鏈主導(dǎo)位置的老牌車廠在拿到數(shù)據(jù)之后，現(xiàn)階段恐怕不太可能對(duì)地圖廠商開放接口,，以完成眾包進(jìn)而實(shí)現(xiàn)實(shí)時(shí)更新,。
在這種情況下,，訓(xùn)練系統(tǒng)、反復(fù)測(cè)試及模擬工作勢(shì)必會(huì)受到影響,。如何在核心數(shù)據(jù)量受限時(shí)突圍,，成了自動(dòng)駕駛感知層打開“黑盒子”的關(guān)鍵。
決策：數(shù)據(jù)運(yùn)算邏輯不可解釋
在自動(dòng)駕駛與人工智能緊密綁定的當(dāng)下,，深度學(xué)習(xí)成了行業(yè)中熱度最高的語匯,，而其主要應(yīng)用在決策層，也就是人們口中的“自動(dòng)駕駛大腦”,。
然而理論上,，基于訓(xùn)練數(shù)據(jù)集歸納的深度學(xué)習(xí)算法并不像人類一樣，對(duì)所有開放環(huán)境均具備強(qiáng)認(rèn)知功能,。技術(shù)不能處理完全陌生的場(chǎng)景,，最終會(huì)陷入數(shù)據(jù)運(yùn)算邏輯不可解釋的“黑盒子”中，無法預(yù)估算法輸出結(jié)果,。
或許這恰好可以解釋,，為何創(chuàng)業(yè)者們談及無人駕駛時(shí)間節(jié)點(diǎn)時(shí)，往往信心十足又慎之又慎,。畢竟在算法“黑盒子”未被拆解之前,，誰也不敢拿運(yùn)氣與性命對(duì)賭。
執(zhí)行：底層控制協(xié)議被國(guó)際Tier 1壟斷
當(dāng)然,，自動(dòng)駕駛絕不是拍腦袋決策,。脫離“四肢”談“大腦”的都是高位截癱，執(zhí)行控制層才是自動(dòng)駕駛技術(shù)真正落地的基礎(chǔ),。
有意思的是,，當(dāng)真正涉及到車輛系統(tǒng)控制時(shí)，終于出現(xiàn)了一個(gè)具象的“黑盒子”：據(jù)悉,，目前來自Tier 1供應(yīng)商的執(zhí)行控制產(chǎn)品都會(huì)做成一個(gè)黑盒子,，也就是全套自成體系的底盤控制系統(tǒng)。底層的執(zhí)行控制協(xié)議是付費(fèi)公開的,，即便公開,，車廠對(duì)于接口開放程度也直接影響著汽車操控的可調(diào)程度。
對(duì)于如今直接面向主機(jī)廠的ADAS廠商而言,，這也是雙方溝通過程中最大的難點(diǎn),。或許,，只有國(guó)內(nèi)企業(yè)真正打開跨國(guó)Tier 1巨頭手中的“黑盒子”,，才能搶奪到部分話語權(quán)，將自主品牌從長(zhǎng)期被動(dòng)的處境中拉出來,。