【汽车与环境】国家 “ 千人计划 ” 特聘专家邓伟文:从自动驾驶到自主驾驶

盖世汽车综合 2017-12-09

微信图片_20171209094957.jpg

北京航空航天大学交通学院院长、国家“千人计划”特聘专家 邓伟文

大家早上好,我的报告是自动驾驶到自主驾驶的关键技术和背后的挑战。看到这个图,马上会联想像我们讲的自动驾驶、智能驾驶还有无人驾驶、自主驾驶,这个究竟有什么区别?大多数他们讲的是一回事,这个车可以代替人在路上自动驾驶。英文多少还是有区别,它是自动化的概念,智能化,无人的,我们探讨一下它们之间有什么关系,以及汽车发展趋势和方向。

首先是要素,汽车最重要的是环境,像道路交通天气这个里面有确定的,也有不确定的。首先是驾驶主体,我们习惯以人作为主体,但是逐渐是机器作为主体,机器的概念比较广泛,像云控遥控甚至黑客,驾驶技术是决定我们自动驾驶或者自主驾驶比较关键的区别,一个是自动控制技术,另一个是人工智能技术。驾驶目标都一样,巡航、安全稳定、舒适环保等等。

核心问题有两个,第一,能不能应对高度复杂且不确定的行驶环境,作为一个产品来讲非常关键。第二,能不能提供友好、直观且人性化、个性化的人机交互,这两个问题是自动驾驶和自主驾驶很关键的问题。我们知道传统汽车自动化之后,越来越变成一个移动机器人,但是作为一个产品而言,作为自主驾驶而言,我们希望他有个性化的因素和智能化的因素。我们讲的智能汽车,这里面的主体是驾驶人。这是一个传统汽车,传统汽车里面机械液压,有控制器,有控制力,环境因素往往是动力,风速、干扰,还有道路、轮胎、地面,总体来讲这两个方面构成环境干扰。我们人在这里面,总体来讲是相对简单的机械一体化控制系统,相对而言因为行驶环境,我们人在这边处理的。

从这个角度看,驾驶人一方面通过控制器,另一方面直接操控汽车,环境的因素被人隔离了,所以汽车相对跟环境无关。第一驾驶人基本完备,ABS、TCS,总体来讲是实现人的驾驶意图,所以人是基本完美的;第二个行驶环境基本无关,虽然我们讲环境非常复杂、高度不确定,但是因为驾驶人承担了对环境的判断决策义务,所以对汽车环境的无关。

随着汽车电动化、电子信息化和自动化发展,从传统汽车越来越走向自动驾驶,汽车一方面在机器化,以电子控制单元为中心,线控、电子电气架构,机器化和自动化是我们发展的两个方向。这个步伐在上个世纪八九十年代开始,从汽车电路系统开始,ABS、TCS到辅助驾驶系统做到自动驾驶系统,汽车驾驶过程从上个世纪80年代电动系统开始已经开始了这个步伐。基本是这个思路,首先有环境传感感知,对信息进行融合,然后对目标进行跟踪,障碍物识别,车道线识别,道路识别等等,然后进行规划,对运动进行控制,我们有车向控制,专项动力自动还有人机交互,这是基本的架构。

然后根据这个架构产生很多功能,一方面的功能是警示功能,比如车道预警之类的,另一方面是自动驾驶系统,这个系统基本特点是行驶环境成为了我们整个汽车的一部分,因为人认为它是有缺陷的,人是造成交通事故的主要原因,这是人、道路、气象是一个复杂系统,所以我们要重新定义汽车,重新定义驾驶。

行驶环境在整个驾驶链里扮演十分重要的作用,自动驾驶包含了道路交通环境等因素,是整个驾驶环境重要的一环,这个环境极其复杂,环境本身的复杂性、高度不确定性。这个环境是通过车载传感映射到车里,这个又加上额外因为传感感知带来的不确定性、不完备性,使得我们这个系统变成高度不确定,所以行驶环境是我们汽车重要的组成部分。

举个例子,比如复杂天气光照条件使得传感感知受到挑战,不仅仅是阳光明媚结、构化道路的概念,另一方面复杂的交通条件使路径的规划决策形成条件。整个行驶环境中充满大量不确定因素,包括电磁辐射、光照等等,这些使我们的感知网络传输带来很大的不确定性。所以自动驾驶系统面临的这些挑战,一个是在复杂场景、非结构化道路与非合作车辆交互、恶劣天气条件等等方面,这都是很重要的挑战,另一方面我们希望车辆提供360°的传感感知,360°的安全保护,全天候、全工况,还有传感的成本,要做到精确快速可靠,而且要在全天候的环境传感,技术成为很重要的挑战。

怎么做这个事,一方面我们把人机共驾在这个里面逐渐的替代,我们这里面有人和机器不断的迭代升级,构成了一个人机共驾系统,从手动驾驶、半自动到全自动,人的因素是自动驾驶的发展过程,但是人机共驾将长期存在,真正的无人驾驶是比较遥远的一个事情。人机共驾的概念是一方面有机器,一方面有人,同时操控这个车,机器可以辅助你,另一方面可以接管。

另一方面在这里面增强感知,通过提高自动控制系统帮助提高自动驾驶。这个系统既帮助人,又依靠人,这个听上去是一个悖论,但是更多的是挑战。挑战核心的地方是对人的驾驶状态和习性充分了解,我们要知道什么时候这个人需要帮助,比如疲劳、磕睡、酒驾,我们也知道什么时候系统不行,人是可以依靠的。另外是人和机是不是冲突的问题,是不是友好被接受,还是能实现人机交互。

人机共驾是人和机器共同驾驶汽车,但是就中国而言,机动车驾驶超过3亿,驾龄不满一年的占10%,驾驶的因素很多,年龄、性格等等,还有生理、心理因素,极其复杂,所以人机共驾的交互是一个很重要的挑战。我们开展了一些研究,对驾驶行为进行研究,包括驾驶的状态、驾驶习性、人机交互、驾驶员的分配。这个里面解决的问题有人机交互切换、切换的时机、切换的平稳性等等,还有人机交互融合,这个机器对于操作人的干扰影响,使得人机交互真正做到平滑、友好、直观。通过这个我们希望实现,一方面驾驶人的驾驶行为里判断驾驶的意图,检测驾驶状态,辨识驾驶习性,或者理解驾驶技能,根据这个实现托管、纠偏、补偿协同等人机驾驶的模式。

除了人机共驾之外,另外一个问题是个性化、人性化的问题,我们讲自动驾驶,我们不希望由机器人驾驶,我们更希望的虽然不是人的驾驶,但是是拟人的驾驶,这是人性化、个性化的问题,具有类我的驾驶风格。我们开始了驾驶习性的研究,不同驾驶人的驾驶习性是什么,包括驾驶人的技能,跟随、避撞和极限条件下的研究,纵向驾驶行为特性研究。

这是数据采样,根据这个采样设计我们的实验工况,包括跟车、加速、减速、维持车间距,对驾驶人进行分类和辨识,包括门类建模、个性化的分析和个性化的辨识,希望通过采集大量数据辨识、分类不同驾驶人的不同特性,形成模型,有这个模型之后,在线辨识这个驾驶人究竟属于哪一种类型,根据这个调整个性化的纵向控制,包括距离跟随车间距保持,它的个性化特征是什么,包括速度跟随、距离跟随、期望车间距,不同的驾驶人不同的驾驶特性。我们做了一些仿真,在东风汽车里会应用,根据不同驾驶人的不同特性,他的不同方式、距离跟随等等。

另一个问题,自动驾驶的局限是什么?我们前面讲自动驾驶是集自动控制理论的驾驶技术,这个里面有典型自动控制系统,有输入反馈、补偿干扰和噪声等等。这个背后是可控、观测、可稳定的,比如输出能够反映状态变化、输入控制系统变化,不确定和外界干扰他也有,但是是可控的,这样一个系统是自动控制基本的出发点。

一个是通过系统建模的方式,比如牛顿定律建立对系统的数学描述,然后通过系统辨识理论利用系统输入、输出数据,反演形成对系统的描述。基于信号滤波理论估算不能测量的状态,然后利用声音控制等等方面解决系统由于结构参数不确定和环境干扰等等因素导致控制系统的问题,然后基于反馈机制和规则形成控制决策,通过反馈进行误差调整。所以总体思路是希望机器按照我的思路做,但是这个机器不具备思考、获取智能的能力。

自动控制的缺陷,环境极其复杂,我们怎么解决这个问题,一方面不断增加传感,360°,增加不同距离应对不同天气的传感,包括视觉、雷达、激光等等。然后限定适用场景,比如低速结构化道路,改造道路,使道路智能化起来,从智能交通系统提供更多信息,这是从自动驾驶这条路我们基本的思路。

但是面临的挑战,因为我们的环境、机器复杂,不确定,所以我们系统可控、可观察的假设不成立,特别是有一些高阶段、非线性的不确定系统,而且运动环境系统也是不确定的,行驶环境,包括突发的危险情况,测量充满误差、延迟和不完整性。基于模型先验规则的控制策略,我们无法预先制订应对方案,使得很难识别这个环境。所以我们提出从自动驾驶到自主驾驶,从传统自动控制走向人工智能,从AC到AI。

现在自动控制技术也在发展,从自动化程度更高的方法,包括自动控制理论是一个典型分支,解决更大的不确定性提供了有效的方法,在现在的技术基础上引入了人工智能技术和智能控制技术,这些可以有效的处理不确定的被控对象,还有高度非线性识别系统。以深度学习为代表的人工智能技术带来了巨大的潜力,使自主驾驶下一步发生了更多的处理,比如汽车行驶环境的丰富复杂和不确定性,通过深度学习的方式解决面临的几个重要问题。

AI人工智能很重要一块是模仿人的大脑神经活动,产生类人的智能功能。通过构建深度神经网络与大数据的结合,突破模型的局限,通过数据而不是算法消除整个系统的不确定性。

从自动驾驶到自主驾驶的发展,一方面引入智能化,另一方面是个性化,这两个是关键的核心技术。智能化很重要的是应对高度不确定的环境,个性化是人机友好,交互的问题。所以一个是解决了可靠性问题,一个是解决人机友好问题,关键还是驾驶主体问题,驾驶主体,智能体是有类人和拟人的特性,自主性、反映性、主动性、社会性,这是自主驾驶所具备的很重要的特征。智能汽车不是移动机器人,人在整个里面扮演重要的角色。

最后是结论,人不再是驾驶的主体,但是驾驶需要人性化、个性化,我们要理解驾驶行为共性和差异性,实现人性化和个性化的无人驾驶,拟人的、类我的驾驶是无人驾驶市场广泛接受的重要前提。机器驾驶人性化和个性化的核心是理解人的驾驶意图。人不是驾驶主体,但是人的驾驶能力仍然是可望而不可及,我们要模仿自适应能力,应对不确定的各种因素。

从自动驾驶到自主驾驶是一场模拟人的驾驶革命,模拟人要具备拟人驾驶体验,体现类我驾驶风格,另一方面模拟人是要学习具有自适应能力。

自动驾驶和自主驾驶在大多数情况下是一回事,但是细究起来,自动驾驶是人教机器开车,通过控制和模型告诉这个车怎么开,所以这是一个无人化的过程,是一个移动机器人。另一方面,通过智能化,我们希望这个汽车具备足够的或者完全的智能能力,我们希望机器学习人开车,从无人驾驶方面智能化构成了自主驾驶。

自动驾驶既帮助人也依靠人,这是L2、L3主要的技术,也是我们现在面临的很重要的挑战。人的问题是解决人机共驾、人机交互以及在我们达到完全自动化之前关键的技术,我们怎么能够既帮助人又依靠人。自主驾驶是不依靠人,但是模拟人的驾驶,L4、L5是完全不依靠人,但是它需要学习人、模拟人。所以在通往自主驾驶道路上,我们比任何时候需要学习人、模仿人的自学习能力,应对复杂不可预测的环境,比任何时候需要研究人、深刻理解人的驾驶特征,也是一个人工智能技术。

从自动驾驶到自主驾驶是漫长的道路,也是终极目标。自主驾驶的出发点是要替代人,因为我们知道人是有问题的,是我们整个驾驶链里最薄弱的一环,但是自主驾驶的落脚点是要模拟人,谢谢各位。


敬请关注盖世汽车“2017汽车与环境创新论坛”直播专题

提示本文为现场速记,未经专家审核,请勿转载!

相关阅读
新能源汽车发展关键期 压死骆驼的不是补贴退坡

17-12 942

【汽车与环境】圆桌讨论:新能源汽车动力系统及控制技术发展

17-12 1823

【汽车与环境】上海大学罗建教授:轮毂电机与分布式驱动

17-12 1947

【汽车与环境】无锡安飞纤材韩楠林:新能源汽车及零部件轻量化复合材料的经济性门槛和解决方案

17-12 993

【汽车与环境】圆桌讨论:驾驶辅助到自动驾驶的技术路径

17-12 1180

【汽车与环境】奇瑞智能车技术中心总工程师高继勇:智能车的挑战—深度融合控制大脑和整车电子架构

17-12 1514

【汽车与环境】圆桌讨论:节能车动力系统的变局与挑战

17-12 918

【汽车与环境】上汽前瞻研究部燃料电池系统部总监陈雪松:上汽燃料电池汽车研发和运行情况介绍

17-12 1639

【汽车与环境】混合动力专家、国家“千人计划”特聘专家段志辉:混合动力发展趋势分析

17-12 3742

【汽车与环境】清华大学苏州汽车研究院智能汽车技术研究所所长戴一凡:基于超声波的环境感知与自主泊车

17-12 1820