专家:无人驾驶处理复杂路况和应对极端天气仍存在挑战,在我国大规模普及还需10至15年

全文2845字,阅读约需9分钟,帮我划重点

划重点

01无人驾驶技术正处于快速发展阶段,但在应对复杂路况和极端天气条件下仍存在挑战。

02专家表示,无人驾驶实现100%安全仍需多个领域的突破和长期的积累。

03为了提高自动驾驶安全性,需要优化感知、决策和控制算法,研发更高精度、更耐用的传感器,并推动多传感器数据融合技术发展。

04同时,自动驾驶系统需要处理大量实时数据,提升计算能力,确保实时性和低延迟。

05此外,基础设施建设、公众接受度和信任度也是影响无人驾驶技术普及的关键因素。

以上内容由腾讯混元大模型生成,仅供参考

每经记者:石雨昕    每经编辑:陈星
2024(第二十三届)中国互联网大会于7月9日至11日在北京召开。大会以“互联三十载 智汇新质变”为主题,聚焦人工智能、工业互联网、数据要素、算力、数字政府、智慧教育、数据安全等热点。
图片
中国互联网大会现场 图片来源:每经记者 石雨昕 摄
《每日经济新闻》记者注意到,近日,无人驾驶出租车在武汉街头与行人相撞事件引发社会广泛关注。
在大会召开期间,围绕无人驾驶出现故障的可能原因、影响无人驾驶车辆安全性因素、何时能大面积普及等问题,沈阳航空航天大学计算机学院院长、教授赵亮接受《每日经济新闻》(以下简称NBD)记者专访时表示,目前,自动驾驶技术正处于快速发展阶段,已经在某些特定环境下实现了较高的自动化水平(L4级别),但整体上仍未完全成熟。主要不足包括应对复杂和动态道路环境的能力、极端天气条件下的可靠性以及对人类行为预测的准确程度。
“无人驾驶实现100%安全仍是一个巨大挑战。我国无人驾驶车辆的大规模普及可能还需要10至15年。”
自动驾驶应对复杂和动态道路环境能力不足
NBD:有市民反映,无人驾驶出租车在道路上运营期间,出现车辆在绿灯状态下停滞不前、红灯时冲入路口中央、转弯时卡顿不动等情况,并引发交通拥堵现象,对市民出行造成了一定影响。从技术角度看,为何会出现这些问题?未来能否避免?
赵亮:从技术角度来看,这些问题通常源于自动驾驶系统的感知、决策和控制模块协调不足。感知模块可能在识别交通信号或动态环境变化时出现误判,特别是在复杂的城市交通环境中,传感器数据可能受到干扰或遮挡。决策模块在处理实时数据时,可能由于算法的局限性或计算资源的不足,导致决策错误。控制模块在执行决策时,可能因硬件性能限制或信号延迟,导致动作执行不流畅。
以上缺陷可以通过优化算法、传感器融合、增强车载计算能力等技术手段改进。最重要的是目前无人自动驾驶技术主要依赖单车智能,还缺少车-车、车-路旁、车-人的互联互通。如果进一步引入C-V2X(蜂窝车联网)技术,在可靠互联的加持下,能更大程度确保道路安全。
NBD:目前自动驾驶技术处于什么阶段?未来能否实现100%安全的无人驾驶?
赵亮:目前,自动驾驶技术正处于快速发展阶段,已经在某些特定环境下实现了较高的自动化水平(L4级别),但整体上仍未完全成熟。主要不足包括应对复杂和动态的道路环境的能力、极端天气条件下的可靠性以及对人类行为预测的准确程度。无人驾驶实现100%安全仍是一个巨大挑战,可能需要多个领域的突破和长期的积累。
NBD:您认为我国无人驾驶何时能大面积普及?要提高自动驾驶安全性需要从哪些方面入手?
赵亮:根据学术界和产业界的共识,我国无人驾驶车辆的大规模普及可能还需要10至15年。这一过程中需要解决多方面的问题。
在技术层面,当前的自动驾驶技术虽然已经取得了显著进展,但在处理复杂路况和应对极端天气时仍存在挑战。为了提高系统的鲁棒性(注:鲁棒性就是系统的健壮性,是在异常和危险情况下系统生存的能力)和可靠性,需要进一步优化感知、决策和控制算法。此外,传感器的性能直接影响自动驾驶系统的感知能力,未来需要研发更高精度、更耐用的传感器,并推动多传感器数据融合技术发展,以提高感知的准确性和稳定性。同时,自动驾驶系统需要处理大量实时数据,这要求高性能的车载计算平台,未来需进一步提升计算能力,确保实时性和低延迟。
基础设施建设也是关键的一环。自动驾驶车辆的普及依赖于智能交通基础设施建设,包括车路协同系统、高精度地图和5G通信网络等。这些基础设施可以提供更准确的定位和实时交通信息,提升自动驾驶的整体安全性和效率。特别是高精度地图,是自动驾驶车辆实现精准导航的关键。需要建立全国范围内的高精度地图系统,并保持实时更新,以确保导航的准确性和可靠性。此外,公众对无人驾驶技术的接受度和信任度也要逐步提升,这需要通过长期的示范运营和教育来实现。
图片
赵亮 图片来源:受访者供图
企业应建立完善的事故应急处理机制
NBD:在实际运行过程中,影响无人驾驶车辆安全性的因素有哪些?
赵亮:一是复杂路况,如行人、非机动车和突发障碍物等,特别是在城市中心区,这些因素对自动驾驶系统的感知和决策提出了很高的要求;二是极端天气,如雨雪、雾霾等会严重影响传感器的性能,导致感知数据不准确;三是网络信号,网络信号的不稳定可能影响车辆与云端的通信,导致数据传输延迟或丢失,增加故障风险,这在需要实时处理大量数据的情况下尤为明显;四是道路设施,不完善的道路标识和信号系统也会影响车辆正常运行。
在网络受限的极端场景下,为了提高无人驾驶的可靠性,必须增强本地计算和决策能力,在一定程度上减少对外部通信的依赖,同时通过多传感器融合技术提高感知系统的鲁棒性。例如,在雨雪和雾霾等恶劣天气情况下,可以采用图像处理技术去除图像中的干扰物,确保感知数据的准确性。
NBD:不同城市道路规划不同,自动驾驶系统适应不同路况条件的关键是什么?如何提高自动驾驶道路预测的准确性?
赵亮:适应不同城市道路规划的关键在于自动驾驶系统的灵活性和自适应能力。具体来说,首先,多样化数据训练是提升系统通用性和适应能力的基础。通过收集和训练大量来自不同城市、不同路况的数据,自动驾驶系统可以更好地理解和应对各种复杂交通场景。例如,不同城市的道路标识、交通规则和驾驶习惯可能存在差异,系统需要通过大量数据训练来学习这些差异,从而在不同城市环境下都能表现出色。
其次,高精度地图和实时定位技术是确保车辆在不同城市道路上实现准确导航的关键。高精度地图不仅提供详细的道路信息,还包括车道级别的细节、交通标志和信号灯的位置等。结合实时定位技术,车辆可以在复杂的城市道路环境中实现精准导航,避免因地图误差导致的导航错误。
实时学习和更新也是不可或缺的一部分。通过机器学习和人工智能技术,自动驾驶系统可以在实际运行过程中不断学习和优化决策能力。例如,系统可以通过不断积累和分析实时数据,优化路径规划和避障策略,从而提高整体决策的准确性和鲁棒性。
传感器融合技术则通过结合多种传感器的数据,提高对复杂路况的感知和理解。例如,雷达、激光雷达和摄像头等传感器可以互为补充,在不同环境条件下提供稳定和可靠的感知信息。这种多传感器融合不仅提高了系统的感知能力,还能够在传感器数据不完全一致的情况下进行合理判断,从而提升整体系统的可靠性。
为了进一步提高道路预测的准确性,需要不断优化预测算法,结合历史数据和实时信息,增强系统对动态变化的应对能力。例如,可以引入先进的深度学习模型,对交通流量和行人行为进行预测,从而提前应对潜在的风险。通过多层次数据分析和预测模型,自动驾驶系统能够更准确地预测道路环境的变化,作出更为安全和高效的决策。
图片
NBD:除了技术,您认为无人驾驶商业化运营还面临哪些挑战?
赵亮:在商业模式方面,需要探索可持续的商业模式,确保无人驾驶技术的经济可行性。这包括寻找盈利点,如无人驾驶出租车服务、物流配送等,同时考虑如何降低成本,提高市场竞争力。
在无人驾驶交通事故中,目前我国法律还在逐步完善中。如果出现事故,应根据具体情况,由交通管理部门、企业和保险公司共同调查和处理,明确责任归属,确保受害者得到合理赔偿。例如,可以设立一个专门的调查委员会,对事故原因全面调查,依据调查结果明确责任方,并由保险公司赔偿。
同时,企业应建立完善的事故应急处理机制,确保在事故发生后能够迅速响应并妥善处理。此外,国家应加快制定和完善相关法律法规,明确责任划分,为未来无人驾驶技术提供法律保障。这需要立法机构、技术企业和社会各界形成合力,共同推动自动驾驶技术的健康发展。
每日经济新闻