谷歌無人駕駛獨立公司Waymo的技術負責人曾提出了無人駕駛效果的兩個標準，一是駕駛能力，另一個是魯棒性(Robust音譯，代表健壯、強壯的意思，它是在異常和危險情況下系統生存的關鍵)。

關于駕駛能力，加州DMV(交通管理局)公布的年度無人駕駛測試報告對包括谷歌、特斯拉、寶馬、通用等11家公司的路測現狀做出了披露。谷歌以220萬英里的測試數據位居第一，而通用集團斥資10億美元收購自動駕駛軟件公司Cruise之后，后來居上，達到上萬英里的測試里程。

如下圖表可以看出，各家廠商在駕駛能力上已經齊頭并進，另一標準——魯棒性則成為無人駕駛技術后期走向大規劃商用的主要衡量指標。

作者統計自加州DMV

魯棒是無人駕駛系統在異常和危險情況下生存的關鍵，實際上它的內涵是容錯能力，即在操作錯誤、超出常規頻率的發出指令、網絡過載等情況下，自動駕駛系統是否依然能夠保持正常運作。

鈦媒體前不久探訪了馭勢科技位于房山的測試基地，對馭勢科技創始人兼CEO、前英特爾研究院院長吳甘沙進行了采訪。吳甘沙介紹，魯棒性已經成為人工智能和無人駕駛行業都在談的共性話題，魯棒性的好壞關系到的算法、硬件以及基礎設施等多個層面的問題。

打開深度學習的“黑盒子”

自動駕駛系統，要包括感知、計算和決策三個部分，當下炙手可熱的人工智能即主要應用在感知和計算部分。激光雷達技術成本居高不下的情況下，大多自動駕駛系統采用攝像頭作為主要的視覺傳感器，這就對于人工智能的深度學習能力有著直接要求。

吳甘沙把人工智能的應用分成了2 X 2四個象限，即物理世界、數字世界和高風險、低風險。他告訴鈦媒體作者，“物理世界的低風險案例有掃地機器人，數字世界的低風險案例是推薦系統，而數字世界的高風險則是金融，無人駕駛就是物理世界的高風險。”

在物理世界的關鍵任務上一旦出錯，問題會很大，因此當AI應用在汽車上，可靠性和魯棒性就非常重要。

馭勢科技CEO吳甘沙

正因為如此，吳甘沙認為人工智能面臨的最大問題是——深度學習的“黑盒子”還沒有打開。

“我們也很多期待學界的合作，把黑盒子打破，適應自動駕駛的高風險。”他說。

據鈦媒體了解，深度學習是受啟發于腦神經元對輸入信息進行響應從而學習的過程。許多層的模擬神經元和突觸都被標記上了數據，這些神經元和突觸的行為在學習的工程中不斷被調整，直到它們學會如何進行識別。比如說，直到他們學會如何識別一種圖片中的貓。

但是問題出在“這個識別過程并不能被解釋”。

當一個深度學習網絡可以識別一只貓的時候，我們并不知道這個學習系統到底是聚焦在這個圖片中的貓須，貓咪的耳朵，還是貓咪的毯子上的。

“Deep Learning作為單一技術，沒辦法獨立承擔自動駕駛使命，尤其是‘黑盒子’，數據進去，結果(分類、檢測、分割、預測、控制等)出來，多數情況下不可名狀地好，但也有些情況莫名其妙地糟糕，里面的邏輯不可解釋。”吳甘沙向鈦媒體表示。

《機器學習》作者、南京大學計算機科學博士周志華曾形象地描述過深度學習的“黑盒子”問題，

“人昏招的時候從九段變成八段，而深度學習一下子從九段變成初段。”

在吳甘沙看來所謂現在端到端(視頻進去、控制出來)的方式是不能被接受的。現在美國NHTSA的自動駕駛性能中有一條跟倫理相關的要求，就是當面臨事故的發生時，智能應該給出明確的邏輯該如何判斷和選擇，而黑盒子是給不出的。

“‘黑盒子’的問題沒有解決，是因為針對開放環境，它的適應能力不夠，因為今天的機器學習都是基于訓練數據集來去做歸納法，如果這個場景從來沒有出現，他處理不了，他不像人類具備強認知功能，具備舉一反三、觸類旁通、邏輯推理、背景知識、常識等等這些東西。”吳甘沙說，“ 所以肯定未來會在人工智能算法上提升它的魯棒性，把深度學習跟剛才說的背景知識、常識、遷移學習、舉一反三和貝葉斯邏輯推理結合起來，提升魯棒性。”

“路測100億英里”是最低線

如前文所述，魯棒性的內涵是系統的容錯率。在吳甘沙看來，單個部件出錯是必然的，如果有足夠的冗余性，它的容錯率就會提升，而這是整個系統層面的工作。例如，在傳感器、計算器件、電源等方面，都要有足夠的冗余。

此外，對無人駕駛汽車的大量測試，也是從系統層面提升魯棒性的方法。

奔馳S級的代碼量是波音787的夢想客機代碼量的16倍，對于現在具備人工智能的車，它的隨機性和機器學習方面都需要大量測試。

目前包括谷歌、特斯拉等在內的業界領先的企業都有一個共識，那就是，路測里程達到100億英里之后，才意味著無人駕駛技術的成熟。

谷歌的無人駕駛汽車已經積累了不少訓練里程，包括 220 萬英里的道路測試數據；10 億英里的模擬訓練數據(截至2016年)。而特斯拉也在通過全球出貨量部署智能駕駛模塊，以獲得大量的現實道路數據。

馭勢科技目前也正在通過園區測試、與OEM合作部署無人駕駛技術模塊以及借助仿真環境等途徑來提升測試數據。

當然，無人駕駛從來都不是汽車本身的事情，從整個基礎層面圍繞無人駕駛去重新規劃，比如增加V2X(車聯網)的應用等基礎設施，才能提高無人駕駛技術的魯棒性。

“整個魯棒性的提升是從算法到系統，整個全面的工程。”吳甘沙說。

返回第一電動網首頁 >