近日,Lyft 旗下主管自动驾驶研发的 Level 5 团队在 Medium 发文,详细讲述了研发过程中工程师们遭遇的挑战。同时,本文也第一次揭开了 Lyft 自动驾驶解决方案的神秘面纱,让我们了解到该项目的大致进展。
想象一下,当一辆车行驶在高速路上,它前方突然出现另一辆连续并线要从匝道下高速的车。要想避免碰撞第一辆车就得减速,但执行这个动作时刹车到底应该踩多深?Lyft 的自动驾驶原型车就在试图解决这个问题,它们用到了所谓的“受人类启发”的规划方案。
最初,它们用了个较为原始的 AI 模型,连障碍物速度的问题都 Hold 不住。现在,它们则换了最新的模型,能向人类驾驶员学习如何轻点刹车以躲避那些胡乱插队的车辆。
“最终,这个折衷方案能为乘客带来更为舒适且自然的行车体验,”Level 5 团队在文中写道。“我们相信,运用组合式的规则与学习系统,再辅以人类驾驶数据,就能带来系统级的整体提升。”
Level 5 的工程师表示,在搭建自动驾驶决策系统时,他们的灵感来自马斯洛的需求层次理论与阿西莫夫的机器人三定律。
在这套系统的金字塔模型中,最底层的是安全性与合法性——Lyft 的车辆不但会验证自己的行为安全与否,在执行前还要保证其行为符合当地法律。虽然 Level 5 这篇博文并未详细阐释,但其安全模型与英伟达的安全力场和 Mobileye 的责任敏感安全(RSS)模型类似,后两大安全模型都是背靠物理学验证并通过数学计算来预防碰撞。
金字塔模型最中间,Level 5 的规划模型还考虑了感知安全的概念,在这里它们要力求将乘客的不安全感降到最低,即使当时车辆毫无安全风险(比如保持合适车距,不让乘客紧张)。倒数第二层,Level 5 则更重视舒适性,就连车辆的运行时的 G 值(加速、刹车或转弯时 G 值过大会让乘客反胃)都会考虑在内。
金字塔的顶层则是行车路线的效率。
▲Lyft 的决策模型
“虽说高速上胡乱变线只是极少数行为,但自动驾驶研发人员还是得正确且连贯地确定到底什么行为是车辆该做的。”Level 5 团队继续写道。“当然,什么行为是正确的我们并没有客观定义,但将自动驾驶需求层次应用在混合系统上就能消除其中的歧义。如果再辅以严格的测试,我们就能拿到自动驾驶安全的终极基准线。”
此外,系统的透明度也是自动驾驶汽车最好的奠基材料之一,因为它是提升公众接受度的关键。虽然人类失误才是车祸最主要原因(分心、酒驾和超速排名前三),但去年 PSB Research 的调研却显示,只有 21% 的美国人有意将传统车辆换成自动驾驶汽车,接近一半(43%)的受访者称自动驾驶汽车会给自己带来不安全感。
1、Lyft 自动驾驶简史
Lyft 的 Level 5 团队有数据科学家,也有应用研究者、产品主管和运营主管。当然,它们的老本行打车服务也会与自动驾驶紧密相融。
2017 年 7 月成立以来,该团队已经开发出了新颖的 3D 细分框架,评价车辆能效的新方法以及使用众包地图追踪车辆动态的技术。
今年早些时候,Lyft 还宣布在 Level 5 总部附近开设了新的路测中心。在新的路测中心,工程师们将模拟现实世界的驾驶场景,包括十字路口、交通信号灯、道路并线和人行道等。
该公司公布的数据显示,2019 年其路测线路总里程提升了 3 倍,未来它们还会继续迅速扩展路测范围。
上个月 Lyft 还透露称,与 6 个月前相比,它们的季度测试里程翻了两番,负责自动驾驶技术研发的员工超过 400 人(上次公布数据是 300 人)。值得注意的是,那些尝过 Lyft 自动驾驶汽车滋味的乘客中 96% 表示自己愿意当回头客。
今年 5 月份,Lyft 还成功牵手 Waymo,后者将自家 Pacifica 自动驾驶汽车编入了 Lyft 车队。此外,Lyft 还与自动驾驶公司安波福有深入合作,双方在赌城也有自动驾驶车队运营。最近,Lyft 还开源了自己的自动驾驶数据集,有 5.5 万个人类标记的 3D 交通框架模型囊括其中。
来源:新智驾