創(chuàng)業(yè)資訊：自動駕駛技術面臨的挑戰(zhàn)
無人駕駛今天還不能成為現(xiàn)實，實際是技術本身還在發(fā)展和進化當中。以下是小編J.L分享的自動駕駛技術面臨的挑戰(zhàn)，更多創(chuàng)業(yè)指導請您繼續(xù)訪問(www.oh100.com/chuangye)。
近日，一輛特斯拉Model S在美國發(fā)生事故致人死亡，不僅將特斯拉推到風頭浪尖，同時也引爆了行業(yè)各方對自動駕駛的大討論。
特斯拉官方博客解釋稱，當約書亞·布朗(Joshua Brown，事故親歷者)的汽車撞上卡車時，控制汽車的正是Autopilot技術，這門技術仍然處在“公開測試階段”。
“不得不說，特斯拉在產品本身還未完全成熟時便推向市場，這個行為本身在這次事件中必會承擔一定的責任。”長期根植于硅谷的TEEC天使基金管理合伙人張于慶表示，即使在對技術崇拜的硅谷，大家對這次事件的態(tài)度都十分敏感。
但理性的正視事件本身，才能避免日后類似事件發(fā)生，有助于自動駕駛技術與行業(yè)的長遠健康發(fā)展。
自動駕駛技術是否已準備好商用，面臨著什么樣的挑戰(zhàn)?當我們已遇見自動駕駛技術所帶來的問題之后，是否可以看看硬幣的另一面，自動駕駛領域伴隨的創(chuàng)新機遇?
特斯拉Autopilot并不等于自動駕駛
“特斯拉致死事件首先要澄清下概念，特斯拉的Autopilot(自動駕駛儀)是輔助駕駛而不是完全的自動駕駛。” 一直關注自動駕駛技術發(fā)展的NewGen Capital創(chuàng)始合伙人張璐解釋到，Autopilot是用戶駕駛的一個輔助功能，可以幫助駕駛員在開車過程中進行更好的判斷、更輕松的操作。
實際上特斯拉在對外宣傳上，也表明Autopilot并不是完全獨立自主的自動駕駛系統(tǒng)。但“對于用戶而言，當特斯拉將這個功能開放出來后，用戶在使用了一段時間后容易形成依賴感，而這樣的依賴印象導致駕駛行為容易超過Autopilot這樣一個輔助駕駛功能的可控范圍，帶來了潛在的危險。”張璐認為，換個角度看，其實人出錯誤的概率遠大于汽車系統(tǒng)、軟件系統(tǒng)，但這個概率并不是平均分布，可能一位駕駛員發(fā)生的概率是30%，另一位則是20%。而同樣一套軟件或機器系統(tǒng)，在不同用戶身上發(fā)生的概率可能都是0，或都是90%，“這可能是比較可怕的一方面”。
其實特斯拉Autopilot其核心技術使用的是以色列Mobile eye技術，該技術除了特斯拉也被很多汽車廠商如奔馳等采用，但目前只有特斯拉開放給用戶進行公測。特斯拉也承認現(xiàn)在Mobile eye還是一個 beta版本，而非終極版本。“特斯拉致死事件為業(yè)界帶來了很大的負面影響，但核心仍是如何去理解Autopilot，并不應該因此對自動駕駛產生巨大的質疑，這是兩個不同的功能。”張璐說道。
另一方面就目前調查，從事件本身來看，駕駛員一邊利用改裝設備看視頻一邊使用Autopilot，盡管Autopilot技術不成熟，但究竟駕駛方和車方就這次事件各占多少責任，也值得商榷。
自動駕駛技術的軟、硬件挑戰(zhàn)及機遇
張璐認為，目前對于自動駕駛技術，在軟件層面臨比較大的問題是基于圖像的機器學習能力。理論上，基于圖像的機器學習可以讓汽車實現(xiàn)自動駕駛，但在實際技術發(fā)展方面，仍有很多問題無法解決。例如現(xiàn)在特斯拉的'輔助駕駛只能在高速公路上使用，因為在非高速路段，其無法自動識別停車等路標。所以只有當圖像識別、判斷，信息的分析、學習，得到深入發(fā)展，才可能真正解決自動駕駛面臨的難題。
另外在硬件層面，圖像采集也是難關。無論是各類攝像頭還是傳感器，其都是一個數(shù)據(jù)采集端。數(shù)據(jù)采集端采集的數(shù)據(jù)有完整性、反應時間與速度等，決定著提供數(shù)據(jù)的準確性。在這基礎上，才是圖像識別問題。
“在特斯拉致死事件中，因為卡車車身為白色，車內照相機可能誤判，又恰好掃描雷達看到的是大卡車的空檔，也漏測了。”張于慶表示，目前特斯拉汽車并沒有安裝能在200米內掃描成像，精確度到厘米級的激光雷達，而Google每輛self-driving車都有，他認為，“激光雷達應該是今后自動/自助駕駛的必要傳感器之一。”
“所以無人駕駛今天還不能成為現(xiàn)實，實際是技術本身還在發(fā)展和進化當中。”張于慶說。
邊角測試問題決定商用之路漫長
即使技術到位，在張于慶看來，特斯拉Autopilot技術在通常情況可以正常使用，但由于軟件系統(tǒng)總存在隱藏的缺陷和漏洞(bug)以及真實駕車世界中無窮盡的邊角問題(corner cases)，市場化就需要時間。而這些邊角問題的發(fā)現(xiàn)是很難在短時間內檢測到，而一旦引起計算機誤判后果難以估計(如特斯拉致死事件)，這些問題的積累、發(fā)現(xiàn)、修正需要經(jīng)過產品發(fā)布——發(fā)現(xiàn)bug——bug修正，這樣循環(huán)往復的過程，所以才會有產品1.0版、2.0版不停的迭代。但在無人駕駛中，潛在的問題會導致人們的生命受到威脅，這個犧牲成本太高，也就促成對產品的要求會更高。
“一個產品誤測率做到低于5%可能需要花 2年時間，但要做到小于1%，可能需要花3倍或更長的時間。畢竟涉及到生命威脅時，這個考核標準就應該被嚴苛考量了。”他表示，總的來說，自動駕駛無論是從技術需要時間進一步成熟，新技術包括激光雷達等引入等，還是在產品化過程中，都仍需要更多的時間才能真正投入市場。
同時，張璐表示，整體來看，現(xiàn)在自動駕駛所應用的計算機視覺(computer vision)技術發(fā)展非常快速，但人的眼睛經(jīng)過了幾百年的演進才達到現(xiàn)在的感知水平，并和人體一半的細胞相關聯(lián);對比計算機視覺，發(fā)展歷程不過十幾年盡管已有非凡成就，仍需要時間進一步變革�，F(xiàn)在包括斯坦福人工智能實驗室開發(fā)的計算機視覺技術已走在時代尖端。“但畢竟計算機視覺不是單個技術，而是一套技術的整合，從硬件層的信息采集、分析，到后端軟件的圖像識別，以及圖像處理、深度學習，還需要很長的時間去進行調整、測試、學習、糾錯等。”她說。
硅谷VC重點關注計算機視覺
一直在美國市場專注于新興技術類初創(chuàng)公司的投資的張璐表示，現(xiàn)在硅谷對自動駕駛投資集中在圖像識別、計算機視覺、深度學習等關鍵技術領域。
在硬件層面，也有不少VC關注雷達領域，如Google雷達精確度高但造價昂貴，同時也有公司進行3D雷達開發(fā)，以實現(xiàn)360度探測，獲得更完整、全面的數(shù)據(jù)。“但新型硬件方面成本居高不下，短期不會成為最大熱點。”
另外，在自動駕駛周邊服務方面也存在大量的投資機會。例如已有公司開始開發(fā)不同于普通地圖的3D地圖，能詳細到道路旁邊的電線桿的位置，以及與下一個油桶、燈柱的距離。“對于自動駕駛的發(fā)展，這些周邊的技術和系統(tǒng)同樣扮演著非常重要的角色。”張璐說。
【創(chuàng)業(yè)資訊：自動駕駛技術面臨的挑戰(zhàn)】相關文章：
1.女性創(chuàng)業(yè)依然面臨重重挑戰(zhàn)
2.女性創(chuàng)業(yè)面臨的挑戰(zhàn)是什么
3.女性創(chuàng)業(yè)將面臨的五大挑戰(zhàn)你知道多少
4.女性：創(chuàng)業(yè)就業(yè)面臨哪些難題