广告
自动驾驶汽车发展的主要技术挑战解析
2019-10-28 12:08:54· 来源：《SBD汽车研究》
自动驾驶的技术发展速度一直很迅速，尤其是在过去的1-2年中，在较低的自动驾驶级别技术上已经实现了重大突破。车道偏离系统（Lane departure systems）的功能已
自动驾驶的技术发展速度一直很迅速，尤其是在过去的1-2年中，在较低的自动驾驶级别技术上已经实现了重大突破。车道偏离系统（Lane departure systems）的功能已经从仅发出警告发展到全主动的车道保持。防前撞系统（Forward collision systems）在性能和功能上都取得了进步，不仅提供了主动制动功能，而且还能够检测骑自行车的人、行人以及其他车辆。但是，与机器可以实现的功能相比，在许多方面，人类驾驶员所拥有的感知能力仍然遥遥领先，而且在许多关键领域我们仍然无法提供能够实现SAE 4级自动化所需性能和功能的传感器。在本文，我们涉及了一些特别具有挑战性或目前完全无法解决的情境来加以说明。
技术挑战1：预测车辆在前方道路上的制动性能
前向碰撞警告和自动紧急制动系统（Forward Collision Warning and Autonomous Emergency Braking systems）在制定避免或减轻碰撞事件的决策时，需要了解路面将提供的制动摩擦力。然而，预测道路摩擦力比较困难。
对可能的解决方案的看法
有两种主要方法可以实时估算车辆在前方道路上的制动性能表现。
一：机载方法(On-boardapproach)
二：基于云的计算方法(Cloud-basedmapping approach)
技术挑战2：预测行人轨迹
在包含行人的环境中行驶的任何自动驾驶汽车都需要预测附近行人路线，并相应地调整其路线以避免碰撞。但是，预测人类目标的运动轨迹是很困难的，因为人类的行动常常具有很强的不可预知性，不会严格遵守既定的规则和社会规范。
对可能解决方案的看法
斯坦福大学和东京大学都使用各种模型研究了行人轨迹预测的各个方面，其中包括可以学习和预测人类运动的长短期记忆（LSTM）模型。东京大学进一步开发了基于LSTM的编解码器模型，该模型旨在对运动轨迹和人类交互进行编码，以预测人类未来较长一段路径的行为表现。这类技术尽管还有很多待开发的地方，但这些预测模型最终可能会提供一个可靠的解决方案。
技术挑战3：道路上有杂物-我可以开过去吗？
在看到前方道路上未知属性的杂物时后，大多数驾驶员能够决定是避开还是开过去。在这段很短时间内，驾驶员在执行各种风险计算，根据感知到的物体大小、重量和密度，将权衡停止、转弯或驶过杂物的相对风险。在遇到杂物时，自动驾驶汽车通常会先经历四个阶段的过程，然后再决定要采取什么措施。涉及的阶段包括：
一：识别
二：分类
三：了解物品
四：开过，避开或停止
对可能解决方案的看法
第一阶段和第二阶段虽然具有挑战性，但可使用在现实世界中经过识别大量物体训练的神经网络来实现。提早识别物体是很重要的，因为这会使系统有更多时间余量进行后续阶段操作。除此之外，还需要一些额外的系统训练来帮助对不常遇到的情景（例如，沙发从卡车上掉下来）进行物体分类，以完善数据库。第三阶段涉及物体的完整图片信息的建立，并将涉及来自多个传感器的信息融合。例如，如果识别出桶型物品，那么它是由什么制成的？是空的还是满的？无论最终的行为是撞击还是避开物体，这一最后阶段的结果都会因一系列的碎片动态行为而变得复杂。它很可能在起始识别到接触这一时间段内移动，并且其运动将取决于一系列因素，包括天气条件以及我们的车辆与物体之间的任何其他车辆的行为。类似于先前关于行人轨迹讨论的建模技术的使用，将来可能会为这一挑战提供解决方案。
技术挑战4：管理不同的天气条件
当前的光学传感系统在大雾，大雪或大雨中不能很好地工作。这些条件减小了它们可以工作的范围，甚至使它们完全无法工作。在大多数情况下，人都可以开车，因为即使是大雾，大雪或雨天，通常也不会阻止他们安全到达目的地，即使迟了一点。
对可能解决方案的看法
在过去一年左右的时间内，潜在的解决方案已经开始试用。由于雷达对极端天气条件的敏感度要低得多，因此它可以为这一难点提供解决方案。用于地面的雷达正在开发，它将被用来进行地面的拓扑分析，并将结果与道路网络数据库进行比较。期望在将来，该信息可能能够在任何天气下帮助车辆在高速公路上行驶并保持在车道内。
挑战“这些挑战是进行SAE 4级车辆安全部署的重大障碍。”SBD Automotive的自动驾驶部门总监Alain Dunoyer博士说，“通常情况下，人们说法律方面的原因限制了自动驾驶的广泛部署，而实际上是因为许多关键技术难点仍未解决。并且法律可以花费时间和精力来修改，但物理定律不能更改，所以可以在路上看到SAE 4级车辆的时间可能远比以前设想的时间长。”
技术挑战1：预测车辆在前方道路上的制动性能
前向碰撞警告和自动紧急制动系统（Forward Collision Warning and Autonomous Emergency Braking systems）在制定避免或减轻碰撞事件的决策时，需要了解路面将提供的制动摩擦力。然而，预测道路摩擦力比较困难。
对可能的解决方案的看法
有两种主要方法可以实时估算车辆在前方道路上的制动性能表现。
一：机载方法(On-boardapproach)
二：基于云的计算方法(Cloud-basedmapping approach)
技术挑战2：预测行人轨迹
在包含行人的环境中行驶的任何自动驾驶汽车都需要预测附近行人路线，并相应地调整其路线以避免碰撞。但是，预测人类目标的运动轨迹是很困难的，因为人类的行动常常具有很强的不可预知性，不会严格遵守既定的规则和社会规范。
对可能解决方案的看法
斯坦福大学和东京大学都使用各种模型研究了行人轨迹预测的各个方面，其中包括可以学习和预测人类运动的长短期记忆（LSTM）模型。东京大学进一步开发了基于LSTM的编解码器模型，该模型旨在对运动轨迹和人类交互进行编码，以预测人类未来较长一段路径的行为表现。这类技术尽管还有很多待开发的地方，但这些预测模型最终可能会提供一个可靠的解决方案。
技术挑战3：道路上有杂物-我可以开过去吗？
在看到前方道路上未知属性的杂物时后，大多数驾驶员能够决定是避开还是开过去。在这段很短时间内，驾驶员在执行各种风险计算，根据感知到的物体大小、重量和密度，将权衡停止、转弯或驶过杂物的相对风险。在遇到杂物时，自动驾驶汽车通常会先经历四个阶段的过程，然后再决定要采取什么措施。涉及的阶段包括：
一：识别
二：分类
三：了解物品
四：开过，避开或停止
对可能解决方案的看法
第一阶段和第二阶段虽然具有挑战性，但可使用在现实世界中经过识别大量物体训练的神经网络来实现。提早识别物体是很重要的，因为这会使系统有更多时间余量进行后续阶段操作。除此之外，还需要一些额外的系统训练来帮助对不常遇到的情景（例如，沙发从卡车上掉下来）进行物体分类，以完善数据库。第三阶段涉及物体的完整图片信息的建立，并将涉及来自多个传感器的信息融合。例如，如果识别出桶型物品，那么它是由什么制成的？是空的还是满的？无论最终的行为是撞击还是避开物体，这一最后阶段的结果都会因一系列的碎片动态行为而变得复杂。它很可能在起始识别到接触这一时间段内移动，并且其运动将取决于一系列因素，包括天气条件以及我们的车辆与物体之间的任何其他车辆的行为。类似于先前关于行人轨迹讨论的建模技术的使用，将来可能会为这一挑战提供解决方案。
技术挑战4：管理不同的天气条件
当前的光学传感系统在大雾，大雪或大雨中不能很好地工作。这些条件减小了它们可以工作的范围，甚至使它们完全无法工作。在大多数情况下，人都可以开车，因为即使是大雾，大雪或雨天，通常也不会阻止他们安全到达目的地，即使迟了一点。
对可能解决方案的看法
在过去一年左右的时间内，潜在的解决方案已经开始试用。由于雷达对极端天气条件的敏感度要低得多，因此它可以为这一难点提供解决方案。用于地面的雷达正在开发，它将被用来进行地面的拓扑分析，并将结果与道路网络数据库进行比较。期望在将来，该信息可能能够在任何天气下帮助车辆在高速公路上行驶并保持在车道内。
挑战“这些挑战是进行SAE 4级车辆安全部署的重大障碍。”SBD Automotive的自动驾驶部门总监Alain Dunoyer博士说，“通常情况下，人们说法律方面的原因限制了自动驾驶的广泛部署，而实际上是因为许多关键技术难点仍未解决。并且法律可以花费时间和精力来修改，但物理定律不能更改，所以可以在路上看到SAE 4级车辆的时间可能远比以前设想的时间长。”
广告
广告
编辑推荐
最新资讯
-
ENCAP2026对撞后安全的要求（下）
2024-11-24 08:46
-
直播｜中国汽研：重型车温室气体企业平均方
2024-11-23 17:42
-
美国FCC正式划定5.9GHz频段用于C-V2X技术
2024-11-23 17:41
-
标准立项 | 《自主代客泊车 预期功能安全测
2024-11-23 16:13
-
长三角（盐城）智能网联汽车试验场气象多级
2024-11-23 16:11
广告
广告
