汽车自动驾驶技术简介(三)

汽车自动驾驶目前亟需攻克技术点

①规避障碍物

能避障不等于自动驾驶。因为避障只考虑了设备本身不与外界物体产生碰撞；但汽车驾驶是一种社会协同运作的模式，除了最基本的不与外界物体产生碰撞要求外，还要能做到理解外界环境，并正确的对外界环境作出预判：何时直接通过、何使紧急避让，何使紧急制动，何时直行，或转弯（红绿灯，单行道等），这些数据模型无论是从数量还是复杂度来说，远超简单的规避障碍物这个要求。

②分辨障碍物

通过摄像头识别出障碍物是什么，当然激光雷达也能实现这个的一部分功能。突出有三个难点：

壹： 长尾效应，目前主要的场景可以模拟较好，但无法穷尽所有的小众情况，总会出现车辆无法识别障碍物的情况。

贰：通过视频信号识别物体，本身就需要很大的算力，为了尽可能的穷尽各种情况，喂养给AI模型的原材料相当庞大。车载以及远程计算机算力成了一个制约发展的瓶颈。例如之前特斯拉使用的是通用型的显卡，因单显卡算力和结构问题，需要多个显卡同时协同工作。但是显卡间的协同工作，本身也损耗了大量算力。因此，特斯拉开发了Dojo超级计算机。特斯拉的Dojo超级计算机用于进行计算机视觉视频处理和识别，以改进特斯拉的全自动驾驶系统。特斯拉计划利用Dojo超级计算机来处理大量的自动驾驶数据，并进行高效的学习和训练，以提升自动驾驶系统的性能和安全性。

叁： 即便有了强大的计算机，也需要人工的实时监控AI学习方向。因为原始数据难以确保完全正确，一旦AI学习了不正确的数据，就会对追踪的判断正确性产生严重影响，因此需要人工监控，但随着长尾效应的显现，人工监控将变得困难。

③预判

即便检测到了障碍物，也了解到障碍物是什么，还是不够的。车机需要对障碍物的运动轨迹进行预判。

对于预判，不但与其生物属性有关，还与文化有关，更关键的是作为人类驾驶者能猜到同为人类的其他道路使用者；但AI当前无法形成人类所谓的意识，进而理解至其他人，并作出预判。

④合规合法

这几年不同国家对汽车自动驾驶都持开放态度，并给予了合法的测试路段。但随着

我国对个人信息保护、信息安全不断的重视和加强，自动驾驶所依赖的大数据喂养模式，存在着严峻挑战：

个人信息被采集的问题：客户行进的行车地址，以及客户的驾驶操作习惯等都可能被采样上传并分析。

个人信息过境问题：车载电脑往往无法单独处理庞大数据， 因此需要上传至服务器，对于服务器在国外的自动驾驶公司来说，这可能涉及个人信息过境的问题。