為什么自動駕駛要做“預測”

[首發(fā)于智駕最前沿微信公眾號]自動駕駛汽車要安全行駛，光知道眼前有什么還不夠，更重要的是能預判接下來會發(fā)生什么。打個比方，開車的人不僅看前方的車位，還會判斷那輛車是不是要并線、那個行人是不是準備過馬路。自動駕駛也是這樣，如果只是把物體的位置和速度報出來，規(guī)劃器就只能被動反應，容易出現(xiàn)緊急制動、急拐或讓乘客覺得不舒服等情況。預測的核心價值是把“可能發(fā)生的未來”提前告訴決策層，讓車能提前準備，從而做出提前減速、放棄變道或慢慢避讓等決策，從而把突發(fā)情況變成可控事件。

預測不僅僅是讓自動駕駛系統(tǒng)可以思考，預測的時間尺度也很重要。像是未來1s~2s的短時間的預測，多半是根據(jù)當前速度和方向往前延伸就能大致估計，這是為了避免追尾等即時風險；而三到六秒、甚至十秒的預測，則需要理解對方的意圖，比如前方車輛是不是要進出口匝道，對面的騎車人是不是要拐彎。這兩類預測用到的技巧不一樣，短期更多靠物理和濾波，長期則要靠對道路語義和人車互動的理解。預測不是可選項，而是把“看見”變成“懂得可能發(fā)生什么”的必要能力。

自動駕駛是怎么做預測的？

想要讓自動駕駛汽車做好預測，首先得有靠譜的輸入。攝像頭、雷達、激光雷達會把周圍的物體“看”出來，然后跟蹤模塊把同一個目標在時間上連成軌跡，告訴系統(tǒng)這個目標現(xiàn)在在哪兒、速度多快、朝哪個方向。高精度地圖在這個環(huán)節(jié)中的作用也很關鍵，高精度地圖能告訴系統(tǒng)車道在哪兒、路口怎么連、哪里有人行橫道，這些信息可以把未來的可能性大幅縮小。沒有穩(wěn)定的跟蹤和時間同步，預測的基礎就不牢。

想實現(xiàn)預測，其實有幾類比較直觀的辦法。最簡單的是把車輛或者行人當作遵循物理規(guī)律在走的“物體”，用當前速度和加速度往前推幾步，這種做法快、穩(wěn)，短時間內的決策通常夠用。還有一種叫概率/濾波的方法，會把不確定性考慮進去，用數(shù)學工具維護“可能狀態(tài)”的分布，在遇到傳感器噪聲或遮擋時會更穩(wěn)。第三種是靠數(shù)據(jù)學出來的方法，也就是現(xiàn)在比較火熱的深度學習。它們把歷史軌跡、地圖信息、周圍車輛的行為一股腦兒丟進模型，學習從復雜場景里直接輸出“未來可能的幾條軌跡”。這些學習方法能捕捉到禮讓、并線、繞行等策略性行為，但需要大量數(shù)據(jù)來訓練。

當然，在實際的交通環(huán)境中，交通參與者并不只會做一個的動作，比如在十字路口，一輛車可能直行也可能左轉，這就是所謂的多模態(tài)。因此在預測技術中，通常不會只給一條“最可能”的路，而是給幾條帶概率的候選軌跡，或者直接給出一個軌跡的概率分布。這樣做的好處是規(guī)劃器可以基于概率來做風險權衡，某條軌跡雖然最可能，但另一條低概率但高風險的軌跡會導致碰撞，系統(tǒng)就會選擇更保守的策略。與此同時，預測系統(tǒng)還要把模型沒見過的情況區(qū)分出來，也就是模型不確定性。如果模型對當前場景信心不足，系統(tǒng)應該主動變得保守，比如執(zhí)行減速或請求人工接管的動作。

自動駕駛系統(tǒng)在預測時還有一個很關鍵的問題就是互動，路上的參與者會互相影響。比如準備變道的車會觀察旁邊車的速度，旁邊車的反應又會影響它的決策。把每個目標獨立預測通常會出問題，尤其是在人多、車多的城市路段，每個目標獨立預測通常沒有什么意義。因此現(xiàn)在常用的方法會把周邊對象的信息“聚合”起來，學習他們之間如何相互影響。有的用注意力機制把影響大的對象加權，有的把道路和車輛抽成圖結構，用圖神經(jīng)網(wǎng)絡來傳播影響信息?？傊?，交互建模是讓預測更貼近真實行為的關鍵一步。

想要讓預測技術應用到實際，其實還有一個細節(jié)是如何表示這些信息。早期很多系統(tǒng)把場景渲染成鳥瞰的格子圖像（BEV），再用卷積網(wǎng)絡處理，這種方式直觀，但對表達長距離道路拓撲不夠高效。最近更流行把車道、路口這些用向量方式表示，結合圖網(wǎng)絡或基于矢量的Transformer，既節(jié)省計算又更符合道路的結構。在實際應用中多選擇模塊化方案，即感知先把結構化信息（物體、軌跡、地圖語義）產(chǎn)出來，預測模塊再用這些干凈的輸入做判斷，這樣利于驗證和可解釋。

把預測放到真實車上有何實際難題？

把一個預測模型從實驗室放到真車上，將會有很多問題。第一個是延遲，模型越復雜推理越慢，延遲會侵蝕決策時間窗，影響能否及時應對突發(fā)情況。第二個是算力，車上的計算資源有限，必須在精度和速度間取舍。第三個是驗證，光看預測模型訓練時的誤差指標完全不夠，必須把預測器放到整個感知—預測—規(guī)劃—控制的閉環(huán)里做仿真和路測，看看在預測出錯時整車系統(tǒng)是否還能保證安全。這種閉環(huán)評估比單獨看軌跡誤差更能發(fā)現(xiàn)真實風險。

對于預測模型來說，數(shù)據(jù)很重要但也很難。大多數(shù)危險的場景一般不會出現(xiàn)，真實道路上很難收集到足夠多的樣本。為了解決這個問題，在很多技術實現(xiàn)中會通過仿真合成或放大這些長尾場景來訓練和驗證，或者是做場景挖掘，把真實數(shù)據(jù)里出現(xiàn)的復雜場景抽出來作為重點測試用例。當然那，在這一環(huán)節(jié)中，標注也不能馬虎，軌跡標簽要時間對齊、定位準確，否則模型會學到錯的規(guī)律。

預測模型在運行時還需要有明確的守護策略。預測模塊要跟規(guī)劃模塊約定好接口，比如候選軌跡的數(shù)量、置信度怎么表達、當置信度低時采取的默認動作等。自動駕駛系統(tǒng)還要能檢測輸入分布漂移，如果當前遇到的場景和模型訓練時差別很大，系統(tǒng)應該自動觸發(fā)更保守策略。很多事故并不是單一模塊出錯，而是模塊之間對風險的理解不一致導致的連鎖反應，所以接口和降級策略的設計要在系統(tǒng)層面就考慮清楚。

最后的話

預測前方交通環(huán)境既是科學問題也是系統(tǒng)工程問題。它結合了物理規(guī)律、概率理論與大規(guī)模數(shù)據(jù)驅動方法，同時必須通過嚴謹?shù)墓こ舔炞C與運行時守護來保證安全。一個既能輸出多模態(tài)候選又能提供可信置信度、并和規(guī)劃器協(xié)同做風險加權決策的預測—規(guī)劃閉環(huán)，才是真正具備落地能力的解決方案。