谷歌自動駕駛前 CTO：從 L2 逐步升級到 L4 + 是行不通的｜厚勢

厚勢按：2017 年 4 月 20 日，已經離開 Google 並且創立了 Aurora Innovation 的 Google 自動駕駛項目前 CTO 克里斯·烏莫森（Chris Urmson） 受其母校卡內基梅隆大學機器人研究所下屬的旭古一田機器人學紀念講座（Teruko Yata Memorial Lectures in Robotics）的邀請，回 CMU 做了一場名為「對自動駕駛汽車的基本觀點」（Perspectives on Self-Driving Cars）的講座。

在該場講座中，Urmson 對自動駕駛汽車發表了 4 個基本觀點（講座的完整視頻可以登入 YouTube 觀看，網址為：https://youtu.be/BtgBySRrN0Q ）：

• 實現大數據的完備性比想象中要困難的多；

• 理解人類意圖是無人駕駛汽車的根本挑戰；

• 從 SAE Level 2 逐步升級到 SAE Level 4 + 的技術路線是行不通的；

• 「電車難題」是一個有趣的倫理學思想實驗，但只是存在於大腦中而極小概率會會發生於現實中。

上述觀點得到了行業其他專家在不同場合獨立發表的觀點的交叉驗證，因此整體較為可信。

2017 年 7 月 28 日，由三位自動駕駛領域明星公司技術負責人共同創辦的初創公司 Aurora Innovation 拿到了加州機動車管理局（Department of Motor Vehicles，California）頒發的第 37 張自動駕駛汽車道路測試許可證（如圖 1 所示），距離公司成立僅 9 個月時間。

圖 1 擁有自動駕駛加州路測許可證的公司名單

作為眾多自動駕駛領域的諸多初創公司之一， Aurora Innovation 無疑是最特別的那個，因為三位公司創始人的學術背景與工作背景使其有了極高的起點，如表 1 所示。不可否認的是，整個自動駕駛汽車產業目前之所以能夠獲得前所未有的社會關注度和資本市場熱捧，離不開 Google、Tesla 與 Uber 這三家明星公司的大力探索和率先垂範。

而現在，這三家企業自動駕駛項目的技術負責人克里斯·烏莫森（Chris Urmson）、斯特林·安德森（Sterling Anderson）以及德魯·巴格奈爾（Drew Bagnell）齊聚於 Aurora Innovation，它的技術水平可見一斑。

表 1 Aurora Innovation 三位創始人的學術背景與工作背景

圖 2 Aurora Innovation 三位創始人（從左至右依次為：Chris Urmson，Sterling Anderson 和 Drew Bagnell）

如表 1 與 圖 2 所示，Urmson 與 Bagnell 畢業於卡內基梅隆大學，且後者目前仍然擔任 CMU 的副教授，而 Anderson 畢業於麻省理工學院，CMU 和 MIT 同屬全球著名的計算機四大牛校。三人都擁有機器人學博士學位，而自動駕駛汽車本質上可歸為輪式機器人的一種。

日前，Aurora 在受訪時向 Fortune 雜誌證實，該公司已經開始在封閉測試區上測試自動駕駛汽車，目前正為加州的公共道路測試做準備。Aurora 並沒有公布加州路測何時開始，測試車輛有多少台，以及這些車輛的型號。但在 4 月的採訪中，Aurora 表示正在基於 2017 款奧迪 Q7 搭建前前數據採集平台（pre pre alpha data-gathering platform）。目前，Aurora 在加州帕洛阿爾托市和賓州匹茲堡市設有辦公室。

Urmson 和 Anderson 對 Fortune 雜誌表示，Aurora 將開發一個可以應用於不同公司的不同車型上的自動駕駛系統，即為自動駕駛汽車開發「全方位解決方案」（full-stack solution）。在此過程中，Aurora 將與一家或幾家汽車製造商或一級供應商合作，以設計、開發及調試大規模部署全自動駕駛汽車（即 SAE Level 4 +）所需的感測器、軟體和數據服務及其正確的組合方式。

Aurora 的重點將放在軟體而不是硬體上，即致力於為自動駕駛汽車創建底層技術（underlying technology）並基於此幫助汽車製造商和其它公司搭建自動駕駛系統和服務，而不是從零開始設計與製造汽車或者大批量生產攝像頭、毫米波雷達或激光雷達之類的自動駕駛汽車所需的感測器。Aurora 這麼做的最終目的是想讓客戶的自動駕駛汽車儘快上路測試。

對此，Urmson 解釋道，「Aurora 的最終產品可能會需要一套標準的感測器組合以及車載計算單元的硬體載體來發揮效用，但不會針對某款具體車型做專門的匹配優化，汽車廠商可以根據自己的需求將 Aurora 的產品融入自己的車型中。目前，各大公司在自動駕駛軟體方面都在做著相同的工作——準確地感知汽車周圍的環境，並根據這些被收集的信息決定下一步做什麼——或許應該有幾家供應商來為所有企業提供共性技術。」

此外，Aurora 不涉足硬體製造與創始人對對傳統車企的看法有關。與科技行業的某些認為主要汽車製造商速度過慢的人不同，Urmson 非常尊重傳統汽車企業及其大規模生產優質複雜產品的能力：「人們都在談論矽谷，談論複雜事物和創新事物，然而這些傳統汽車企業每兩分鐘就能生產出一輛高度複雜的汽車，而且能用上 15 年而不出大的故障。」

筆者認為，Aurora 的價值在於，三位創始人對於全自動駕駛汽車所需的感測器和軟體如何設計與測試、自動駕駛系統需要配置多少算力有著深刻的理解以及極其稀有的一線研發經驗與領導經驗，可以向行業的其它公司提供極有價值的指導意見。

圖 3 CHris Urmson CMU 講座海報

實現大數據的完備性比想象中要困難的多

就目前而言，人工智慧領域的基本理念是通過數據驅動（Data-Driven）方法來解決所遇到的問題。而要精準有效地解決問題，就要儘可能地保證所收集到的大數據的完備性（Completeness）。

在講座中，Urmson 引用官方統計數據，即 2015 年僅在美國，在警局有案件記錄的交通事故共有 630 萬起，共造成 3.5 萬人喪生以及 244 萬人受傷。但 Urmson 估計，「實際發生的交通事故數量是記錄在案的 2 ~ 10 倍」。其所隱含的含義便是——僅僅解決這些案件中所體現的自動駕駛決策問題，還遠遠達不到大數據的完備性！

在厚勢 7 月 27 日推送的介紹 TU Darmstadt 教授 Hermann Winner 同濟大學汽車學院講座 內容的文章中，Winner 博士也提到與 Urmson 觀點類似的、自動駕駛測試驗證過程中將會遇到的「暗物質」問題。

圖 4 自動駕駛汽車測試驗證過程中的暗物質問題

目前，我們只知道標準場景（即封閉測試園區中提供的場景）以及被報道過的事故場景（即有記錄的事故），即圖 4 中的黃色區域。對於從不會產生事故的操作到引發事故的操作的轉變概率，以及臨界場景（如圖 4 中的黃色邊界線所示）的類型和發生頻率，我們目前幾乎一無所知。

由此，為了測試並驗證自動駕駛汽車的安全性，需要獲取足夠數量的有效的臨界場景及其特性，與此同時，還需獲取刻畫自動駕駛系統以安全的操作方式應對臨界場景的能力的有效模型。

可以想象這是多麼繁重且曠日持久的工作量！

理解人類意圖是無人駕駛汽車的根本挑戰

Urmson 在講座中提到：「自動駕駛汽車的決策在很大程度上取決於理解和匹配道路上其他人類駕駛員的預期，而理解人類意圖是自動駕駛汽車的根本挑戰。」 對於 Urmson 而言，這一難題是目前整個自動駕駛所遇到的大部分問題的核心。

圖 5 自動駕駛汽車在識別人類意圖方面表現的不理想

如圖 5 所示，一輛無人駕駛汽車無法對在人類駕駛員看來是一目了然的事情作出準確判斷：正在路邊交談的兩個人（左圖）並不打算過馬路，但如果一個人轉身離開，並朝著馬路方向走去，說明他們要過馬路了（右圖）。

準確識別並理解這種隱含在人們行為的意圖，目前對自動駕駛汽車而言尚顯困難。

圖 6 講座現場座無虛席

從 SAE Level 2 逐步升級到 SAE Level 4 + 的技術路線是行不通的

圖 7 自動駕駛領域的路線之爭：Tesla VS Google

自動駕駛領域存在所謂的路線之爭，即：

• 以 Tesla 為代表的汽車製造商，選擇從 SAE Level 2 逐步升級，直到代表無人駕駛水平的 SAE Level 4 +；

• 以 Google 為代表 IT 企業，選擇直接研製 SAE Level 4 + 的無人駕駛汽車。

其中，SAE Level 4 + 代表SAE Level 4 與 SAE Level 5 兩個自動駕駛級別，有關 SAE 對自動駕駛分級的細節，可參考厚勢 7 月 24 日推送的文章《BBC出品，必屬精品——自動駕駛史上最全面的紀錄片！（附超長導讀）｜厚勢》。

在講座中，Urmson 明確表態，支持老東家 Google。他認為高級駕駛員輔助技術（即 ADAS）與無人駕駛技術是兩種截然不同的技術，逐步增加自動駕駛水平的做法會使工程師在設計中選擇那些將會限制自動駕駛汽車升級到 SAE Level 4 + 的技術。

無獨有偶，CMU 電子工程系教授菲利普·庫普曼（Philip Koopman）在其論文《Philip Koopman CMU-Challenges in Autonomous Vehicle Testing and Validation》（SAE Paper 2016-01-0128）中提到，由於 ADAS 遵循的是「駕駛員在環」（Driver in the Loop）模式，自動駕駛汽車在行車過程中出現任何問題，最後都可以求助人類駕駛員來「擦屁股」；相反，無人駕駛汽車為「駕駛員非在環」（Driver out of the Loop），在遇到突發問題時，一切都要靠自身來解決，並不會有人類駕駛員來幫忙。

由此，在設計 SAE Level 3 及以下的自動駕駛汽車的軟體系統時，需要提前考慮到並提前做好應對方案的場景數量相比於 SAE Level 4 及以上將呈現好幾個數量級地減少。在設計硬體時前者也不需要將設計指標（可以理解為「安全係數」）往最嚴苛的方向調整，因為只要硬體出問題了，人類駕駛員會發現，並採取安全措施，而後者則正好相反。

綜上所述，在 SAE Level 3 與SAE Level 4 之間有著大而深的鴻溝，兩者之間相隔著好幾個數量級的設計難度以及測試與驗證方面的工作量，非技術高超且堅韌不拔者難以逾越。

「電車難題」是一個有趣的倫理學思想實驗，但只是存在於大腦中而極小概率會發生於現實中

圖 8 「電車難題」示意圖

如圖 8 所示，倫理學中的「電車難題」大致可以表述如下：一輛失控的有軌電車正在加速駛來，前面的軌道上有 5 個小孩在玩耍，來不及通知並且片刻后就要碾壓到這些小孩。幸運的是旁邊正好還有一條軌道，但是上面也有 1 個小孩。在這種情況下，司機是否應該選擇變軌？

從 Urmson 在講座中的口吻可以感受到，在他看來上述思想實驗實在是有些無聊。

首先，無人駕駛汽車會提前探測到上述情景（通過 V2X 或者車載感測器），從而提前規避掉，在實際運行過程中上述情景發生的概率小到可以忽略不計。

退一萬步講，即便與上述情形類似的情形會發生，如在交通事故發生不可避免時，自動駕駛系統是選擇保護車主還是路邊的行人，廠商也可以通過提前告知消費者某輛車的自動駕駛系統所採用的是那種模式，將這個難題的選擇權留給他們。

由上文可知，Chris Urmson 在講座所給出的對自動駕駛的 4 個基本觀點中至少有 3 個並不是孤證，而是得到了其他學者在別的場合所獨立發表的觀點的交叉驗證。

因此，這些觀點整體上還是值得相信的。

讓我們再次回顧一下這 4 個基本觀點：

若想觀看 Chris Urmson CMU 講座的完整視頻，可以登入 YouTube 觀看，網址為：

作者：厚勢分析師蓋布林

轉載請註明來自厚勢和厚勢公號：iHoushi

-END-

文章精選

企業家

馬斯克和賈躍亭 ｜福特CEO下台｜正道汽車仰融

任正非裁員｜電池大牛凱爾提離開特斯拉

智能駕駛

BBC自動駕駛紀錄片｜自動駕駛第一案，谷歌訟Uber

高精地圖｜自動駕駛的災難｜英特爾收購Mobileye

中美無人駕駛差距｜福特投10億美金干自動駕駛

自動駕駛將如何改變生活｜自動駕駛創業機會

矽谷灣區如何主宰全球自動駕駛汽車產業？

愈演愈烈的專利大戰是否會殺死自動駕駛汽車產業？

一文讀懂汽車網路安全

自動駕駛的根本挑戰：人類意圖識別與人-車博弈難題

Google並不急於將自動駕駛技術商業化的原因——行為經濟學的視角

新能源汽車

全國50個新能源汽車項目大盤點

鋰電池發展趨勢｜汽車產業電動化進程

蘋果收購特斯拉？｜豐田和特斯拉決裂

全球汽車品牌價值榜｜德國螃蟹電動車

特斯拉Model Y｜無線充電大突破

2016市場分析和2017走勢

項目和評論

以色列最強10家自動駕駛創業公司

37個汽車分時項目盤點｜百度投資蔚來汽車

馬化騰或為共享腳踏車最大贏家｜汽車產業3大趨勢

Momenta獲$4000萬B輪

百度系自動駕駛初創公司 Pony.ai 的突圍之路

厚

勢

汽

車

為您對接資本和產業

新能源汽車 自動駕駛 車聯網

聯繫郵箱

[email protected]