量產(chǎn)自動(dòng)駕駛簡介

量產(chǎn)自動(dòng)駕駛目前分為跨越式和漸進(jìn)式兩類?？缭绞降氖窍Ｍ徊降轿恢苯幼鯨4級別的自動(dòng)駕駛，主要有兩個(gè)點(diǎn)：

第一個(gè)是需要有一個(gè)特殊的車輛，泛指經(jīng)過一些做L4的自動(dòng)駕駛公司改裝后的特殊車輛。

第二個(gè)是需要有一個(gè)特殊的場景，指用高精度地圖或一些事先規(guī)劃好的地域逐漸實(shí)現(xiàn)從a點(diǎn)到b點(diǎn)的全自動(dòng)駕駛。漸進(jìn)式是先做輔助智能駕駛系統(tǒng)，再迭代實(shí)現(xiàn)L4級別的自動(dòng)駕駛。

隨著行業(yè)和產(chǎn)業(yè)的不斷發(fā)展和成熟，L2+的輔助駕駛近幾年有了一些不錯(cuò)的成果。L2+量產(chǎn)自動(dòng)駕駛的主流功能有3個(gè)：行車輔助、泊車輔助和主動(dòng)安。行車輔助里包括車道保持、撥桿變道、導(dǎo)航輔助駕駛等；泊車輔助里包含車位博入、智能召喚、記憶泊車等；主動(dòng)安全包含防撞輔助、車道輔助、車速輔助等。

輔助的概念實(shí)際上是人機(jī)共駕，即當(dāng)司機(jī)在開啟輔助駕駛的時(shí)候，同時(shí)人也會通過方向盤和油門對車輛進(jìn)行控制。

L2+和L4 Planning的差異

做量產(chǎn)自動(dòng)駕駛的思路跟L4不一樣的地方在于L4是怎么樣去取代人類司機(jī)來開車，而量產(chǎn)自動(dòng)駕駛思考的角度是讓人開車時(shí)更加的安全和輕松，所以替人開車這塊的能力實(shí)際上跟L4是差不多，但量產(chǎn)自動(dòng)駕駛里面會包括更多的東西。

其中一個(gè)主動(dòng)提示/接管現(xiàn)在的思路是希望結(jié)合比較強(qiáng)大的一個(gè)感知和規(guī)控的能力，把輔助駕駛變成汽車軟件層面的安全帶。

L4級別的自動(dòng)駕駛是能夠在沒有接管的各種路況下很好的駕駛車輛，實(shí)際有兩個(gè)很重要的前提：第一個(gè)是需要事先標(biāo)注好的高精度地圖，第二個(gè)是對于交通參與者以及路面上的一些元素基本上都是一個(gè)非常完美的感知狀態(tài)。但實(shí)際上做L2+的時(shí)候，這兩個(gè)先決條件不一定成立，一旦離開了高精度地圖或者沒有一個(gè)完美感知的時(shí)候，該系統(tǒng)表現(xiàn)出來的能力還能像L4一樣。

高精度地圖在當(dāng)前的情況下存在著兩個(gè)最大的問題：第一個(gè)是制造的成本很太高，導(dǎo)致覆蓋率很低。第二個(gè)是地圖更新做不到實(shí)時(shí)。覆蓋率低的問題還涉及到產(chǎn)品本身的問題，因?yàn)槭褂米詣?dòng)駕駛能力的一些目標(biāo)客戶并不是都在有高精度地圖覆蓋的一線城市，可能也存在于一些三、四線城市。

同時(shí)這些一線城市并不是所有路段都會有高精度地圖覆蓋。第二個(gè)是即便該路端覆蓋了高精度地圖，但其本身也不是掃描一次就足夠，因?yàn)檎鎸?shí)道路是每時(shí)每刻都會發(fā)生變化，因此，后期也需要不停的通過手工或半自動(dòng)的方式去不斷的更新和維護(hù)這些地圖。另外一個(gè)是感知的不確定性，不確定性主要是來自于上游的感知，實(shí)際上感知在通過激光雷達(dá)或視覺方案給出的時(shí)候，和真值會有一些偏差以及時(shí)序上的抖動(dòng)。

輔助駕駛里最基本的一個(gè)能力就是車道保持，即駕駛員不用扶著方向盤，車輛也能準(zhǔn)確的行駛在車道中間。在沒有高精度地圖的情況下，車道線主要依靠視覺生成。實(shí)際上，這些車道線不可避免的會存在一個(gè)特性：離車越遠(yuǎn)的車道線，感知誤差會越大，如圖1所示。還有是感知道的兩幀之間會存在一定的偏差，導(dǎo)致方向盤會不斷的抖動(dòng)。

圖1 觀測車道線與真值誤差

Contingency Planning

量產(chǎn)自動(dòng)駕駛的兩個(gè)基本是安全性和舒適性。但這兩個(gè)指標(biāo)實(shí)際上是相悖的，因此思考的問題是：如何在沒有好的感知情況下，做一個(gè)兼顧安全性和舒適性的自動(dòng)駕駛產(chǎn)品。

做決策規(guī)劃最實(shí)用的兩點(diǎn)是：第一是完備性，即盡可能的擴(kuò)大解空間；第二是最優(yōu)性，即提升解的質(zhì)量。

Contingency Planning（防御性規(guī)劃）能夠?qū)ξ＜鼻闆r隨時(shí)做出有效的反應(yīng)。實(shí)際上可以用多模態(tài)的問題解決，包括自車的多種可行解以及他車的多種意圖預(yù)測。舉一個(gè)常見的例子：假設(shè)本車發(fā)現(xiàn)前面停下一輛車，一般會決策出左繞還是右繞。傳統(tǒng)的做法是假定開始選擇左繞，可能更加符合人的預(yù)期，當(dāng)車開到新的位置，

上游會重新給一個(gè)關(guān)于車的新位置估計(jì)，這時(shí)再次進(jìn)行判斷繼續(xù)左邊還是右邊，不巧，左邊發(fā)現(xiàn)新的障礙物，決策出需要右繞通行。所以在極端的情況下，最后會出現(xiàn)搖擺不定，畫龍的問題。

目前主流的做法是做一些輸入傾向的提升，這樣只緩解了合法方向的問題，并沒有真正意義上解決問題，因?yàn)楫?dāng)前車被檢測出來的這一幀，實(shí)際上就已經(jīng)開始對未來的預(yù)期做了一個(gè)決策。

目前比較習(xí)慣于把軌跡當(dāng)成一個(gè)鏈?zhǔn)侥Ｐ瓦M(jìn)行處理，但真正實(shí)用的可能是樹模型，如圖2所示。

每個(gè)樹模型分叉的節(jié)點(diǎn)叫branch state，同時(shí)可以在任意的節(jié)點(diǎn)分叉，所以該模型比較的靈活。所以利用該模型來做剛剛的案例，開始選擇在離障礙物有一定距離時(shí)分叉一下，這樣就是由兩段組成：第一段是公用的部分，第二段是分開的部分。然后以此來分叉判別可以保證方向盤不太會左右晃。即便出現(xiàn)了新的障礙物位置，也可以繼續(xù)用軌跡優(yōu)化。

圖 2 樹模型

還有一個(gè)很在意功能是加塞應(yīng)對，即當(dāng)車輛駕駛時(shí)，旁邊開過來一輛車，是需要繼續(xù)車道保持還是減速/變道處理。傳統(tǒng)方案對加塞概率進(jìn)行判定，當(dāng)大于閾值的時(shí)候則會考慮減速/變道處理，這時(shí)車就開始減速處理，如果小于閾值，則繼續(xù)車道保持。

但加塞和不加塞的概率各占一半的時(shí)候，很容易出現(xiàn)決策上的跳動(dòng)，導(dǎo)致用戶體驗(yàn)不好。

自動(dòng)駕駛方法的加塞處理如圖3所示。如果加塞就會開始減速，然后再提速進(jìn)行跟車，如淺綠色線所示。圖下方是加速度曲線，加速度為0則對應(yīng)勻速直線行駛，應(yīng)對加塞時(shí)再減速。

圖3 軌跡樹的加塞處理

Risk-Aware Planning

Risk-aware的概念是保證自動(dòng)駕駛從a點(diǎn)到b點(diǎn)上整個(gè)的安全性。一般通過保證每一幀規(guī)劃軌跡是安全的得以實(shí)現(xiàn)，實(shí)際上有個(gè)問題：保證自動(dòng)駕駛整個(gè)周期的安全性需不需要保證每一幀軌跡的安全性？

通?？紤]兩個(gè)點(diǎn)：第一，軌跡規(guī)劃不能撞上一些靜態(tài)的障礙物，比如馬路邊、靜止車等。第二與交通參與者的交互有關(guān)，比如車輛、行人等交通參與者的未來行為會隨著自車的決策規(guī)劃而產(chǎn)生變化。

傳統(tǒng)系統(tǒng)的考慮方式是，當(dāng)前方突然出現(xiàn)一臉車，那會規(guī)劃出一個(gè)預(yù)測軌跡，再根據(jù)預(yù)測軌跡在時(shí)空域規(guī)劃出對應(yīng)的障礙物，然后規(guī)劃出一個(gè)不會相撞的軌跡。但當(dāng)舒適性和安全性出現(xiàn)一定沖突的時(shí)候，這樣的規(guī)劃思路比較保守。實(shí)際上要保證整個(gè)自動(dòng)駕駛周期的安全性，單幀軌跡的規(guī)劃性是更高的。

具體來說，預(yù)測往往具備一個(gè)特性：預(yù)測時(shí)間越往后，置信度越低。也就是在預(yù)測初期是不可能相撞的（比如2秒內(nèi)），那2秒后是不是可以允許適當(dāng)?shù)慕佑|，同時(shí)讓規(guī)劃出來軌跡的舒適性和安全性之間達(dá)到平衡，從而保證整個(gè)自動(dòng)駕駛的安全性。

審核編輯 ：李倩