自动驾驶汽车的现状与未来挑战

留学申请微信咨询

微信扫描左侧二维码

或点击下方按钮咨询

在密歇根大学安娜堡分校（2024USNews美国大学排名：21）的Michigan Minds播客中，Henry Liu教授深入探讨了自动驾驶汽车的现状和面临的挑战。作为Mcity和连接与自动化交通中心的主任，同时也是土木与环境工程的教授，Liu教授的研究主要集中在自动驾驶汽车的测试和评估，以及训练自动驾驶汽车应对罕见和危险的真实世界情况。

Liu教授指出，自动驾驶汽车面临的主要技术障碍有两个：一是“维度诅咒”，即驾驶环境的复杂性；二是“稀有性诅咒”，即安全关键事件的低概率发生。这些挑战使得自动驾驶汽车难以在各种复杂环境中安全运行。为了应对这些挑战，Liu教授及其团队开发了一种加速训练的软件，通过将训练数据分为正常驾驶情况和安全关键事件两类，从成功和失败中学习，以提高机器学习模型的性能。此外，Mcity还开发了自动驾驶汽车安全评估程序，包括“驾驶执照测试”和“驾驶智能测试”，以评估自动驾驶汽车的基本行为能力和安全性能。

尽管目前全自动驾驶汽车尚未普及，但Liu教授对未来充满信心，预计在未来五到十年内，商用自动驾驶汽车将会在道路上出现。同时，Liu教授还提到了一些已经在特定环境中运行的自动驾驶技术，如May Mobility的自动穿梭巴士和Refraction AI的低速送货机器人。总的来说，尽管自动驾驶技术面临诸多挑战，但随着人工智能和深度学习技术的发展，自动驾驶汽车的前景依然光明。

自动驾驶汽车的现状与挑战

根据麦肯锡的2023年全球高管调查，尽管最近存在不确定性，但自动驾驶汽车行业正在逐渐成形。2023年是自动驾驶汽车行业的一个转折点，尽管一些领先企业成功运行并扩大了首批商业运营并增加了资金，但其他企业则遭遇重大挫折，停止或减少了运营，甚至完全退出市场。麦肯锡未来移动中心在2023年夏季对行业决策者进行了后续调查，结果显示区域预期在变化，自动驾驶汽车开发的时间表在延长，所需投资在增加。调查还揭示了自动驾驶汽车制造商的新机会，如更多样化的市场和技术，利润率超过17%。

调查方法包括对来自全球的86位决策者进行调查，他们代表了一些世界上最大的软件和汽车公司，以及知名初创公司和支持机构。调查结果显示，北美市场预计将是最分散的，而欧洲市场则可能由两家或更少的公司主导。关于完全自动驾驶的竞赛，2023年的受访者在认为中国或北美将率先部署L4高速公路试点方面意见不一，这表明中国在自动驾驶竞赛中取得了进展。

自动驾驶汽车开发的时间表平均延迟了两到三年。L4机器人出租车预计到2030年大规模商业化，完全自动驾驶卡车预计在2028年至2031年之间实现可行性。尽管如此，资金充足的先驱者正在推进并扩大部署。约60%的受访者仍认为法规是自动驾驶汽车采用的最大瓶颈，技术的重要性也在增加。为了实现L4及更高级别的自动驾驶，受访者估计需要显著的投资，软件开发被认为是主要驱动力。软件预计将是最盈利的技术堆栈元素，平均利润率超过15%。

随着更先进的自动驾驶汽车的推出，超过70%的受访者认为新的市场模式将变得普遍。北美的参与者对按英里付费模式最为悲观，而欧洲的参与者则专注于按次付费模式。今天，领先的行业参与者正在转向规模化并尝试优化其商业模式，以最终实现盈利。战略合作伙伴关系将是关键，几乎所有受访者（96%）认为战略合作伙伴关系对自动驾驶汽车的发展至关重要。

Henry Liu教授在自动驾驶汽车研究中的角色和贡献

Henry Liu教授在自动驾驶汽车研究领域的贡献不可忽视。他领导的研究团队在底特律郊区伯明翰进行了一项试点计划，利用通用汽车车辆的速度和位置数据来调整交通信号灯的时间。尽管伯明翰只有6%的车辆连接到通用汽车系统，但已有足够的数据来调整交通信号灯的时间并改善交通流量。北卡罗来纳州立大学的Ali Hajbabaie教授提出了一种不同的方法，建议增加第四种灯光，可能是白色，当道路上有足够的自动驾驶车辆时，该灯光将指示车辆跟随前车行驶。然而，这种方法的实施可能需要数年时间，因为需要40%到50%的车辆为自动驾驶车辆。Waymo公司的发言人Sandy Karp表示，尽管在自动驾驶车辆发展的早期阶段，人们对如何促进自动驾驶车辆的安全部署进行了创造性的思考，但政策制定者和基础设施所有者应谨慎对待可能过早或不必要的自动驾驶车辆特定投资。

自动驾驶中的技术障碍：维度诅咒与稀有性诅咒

自动驾驶汽车面临的技术障碍之一是“维度诅咒”，即驾驶环境的复杂性。驾驶环境中存在大量的变量，如道路状况、天气、行人和其他车辆的行为等，这些变量的组合使得自动驾驶系统难以应对所有可能的情况。另一个障碍是“稀有性诅咒”，即安全关键事件的低概率发生。尽管这些事件很少发生，但一旦发生，可能会导致严重的后果。因此，自动驾驶系统需要能够在极少数情况下做出正确的反应。

为了应对这些挑战，研究人员提出了一种名为NeuralNDE的深度学习框架，用于模拟自然驾驶环境，特别是安全关键事件的生成。该框架通过学习车辆轨迹数据中的多代理交互行为，提出了冲突评估模型和安全映射网络，以精确生成符合现实世界频率和模式的安全关键事件。研究结果表明，NeuralNDE能够在模拟城市驾驶环境中实现准确的安全关键驾驶统计数据（如碰撞率、碰撞类型、严重程度和近乎碰撞的统计数据）以及正常驾驶统计数据（如车辆速度、距离、让行行为分布等）。这是首次有模拟模型能够在安全关键情况下再现具有统计真实性的现实世界驾驶环境。

NeuralNDE框架通过模仿学习和生成对抗训练，结合Transformer模型，成功解决了多代理交互行为建模和长尾安全关键事件生成的难题。实验验证了该框架在美国密歇根州安娜堡市和德国亚琛市的两个多车道环岛环境中的有效性，结果显示NeuralNDE能够准确再现现实世界的驾驶行为和安全关键事件。此外，NeuralNDE还展示了在更大交通网络中的可扩展性，证明其在模拟大规模交通网络中的潜力。

自动驾驶汽车的未来前景与商业部署

英国在2024年5月20日颁布了《自动驾驶车辆法案》（AV法案），为2026年自动驾驶汽车上路铺平了道路。该法案旨在通过减少人为错误来提高道路安全，并为自动驾驶汽车设立了严格的安全标准，确保其表现至少与人类驾驶员一样安全。英国交通大臣马克·哈珀称这项法律是英国自动驾驶行业的里程碑，预计到2035年将创造38,000个高技能工作岗位，并带来高达420亿英镑的市场价值。Wayve公司联合创始人兼CEO亚历克斯·肯德尔表示，这一法案的通过巩固了英国在全球自动驾驶技术监管方面的领导地位。

AV法案不仅为自动驾驶汽车提供了全面的法律框架，还明确了在自动驾驶模式下的责任归属，建立了独立的事故调查机制，类似于航空业，以确保持续的安全和合规。该法案的实施预计将显著提高道路安全，减少因酒驾、超速和注意力不集中引发的事故，并促进英国在自动驾驶和人工智能领域的增长。英国政府自2015年以来已在自动驾驶车辆行业投资超过6亿英镑，行业和政府将继续合作，制定必要的二级立法，确保自动驾驶车辆的安全和负责任的推广。