奇怪的事件揭示了L5挑战

一系列令人惊讶的、违反直觉的、有时甚至是奇怪的事件揭示了在自动驾驶汽车上实现完全5级自动驾驶的挑战，自动驾驶汽车在大城市越来越普遍。虽然与发人深省的故事相比，人们很容易将这些轶事视为幽默的小插曲账户行业高管表示，这些事件值得认真对待，因为它们突显了当今技术与将导致L5的真正颠覆性进步之间的差距。

要弥合这一差距，汽车行业不仅需要技术进步，还需要改变思维方式。“一些公司认为客户想要的是不现实的，所以他们甚至没有尝试创建一个真正的解决方案，”David Fritz说，混合动力物理和虚拟系统的汽车和军事/航空西门子数字工业软件．“但如果你只是试图逐步改善现有的东西，你最终会远远达不到你的预期，还可能失去市场。”

多数预测预测真正的自动驾驶汽车至少还需要十年的发展，并将需要低功耗的AI推理、可靠的车对车通信系统5G和6G连接,智能城市基础设施，仅举几个必要的技术。汽车制造商还必须让公众相信自动驾驶汽车是安全的，值得购买。

另一个考虑因素是，根据Expedera最近的一份报告，许多使该行业达到3级的技术将无法在所有必要的维度上进行扩展——性能、内存使用、互连、芯片面积和功耗白皮书．尽管如此，许多研究人员仍然乐观地认为，更好的算法和更密集、更高效的处理将使事情朝着正确的方向发展。

然而，人们普遍认为，面对这些障碍是值得的，因为有可能挽救数百万人的生命，开发出改变世界的技术在这个过程中。

当谈到这些奇怪的自动驾驶轶事时，它们通常分为两类——汽车试图像人类一样“思考”时的不寻常行为，以及人类在先进的自动驾驶技术成为主流时的不寻常行为。

车辆挑战:推理
高科技汽车困惑的由袋鼠和天鹅，以及自然现象。在一起事故中，是一辆汽车误以为月亮为一个黄色的交通灯，并试图保持减速。

西门子的弗里茨描述了一个事件，一辆汽车认为一个多层次的停车场实际上是一层一层地堆在一起，并改变了它的路线，它认为这是一个可怕的事故。他描述了另一种情况，一个正在测试的自动驾驶人工智能不知道开放式吊桥是怎么回事，所以它直接从桥上开下来，坠入了下面的水中。

在某些情况下，如果一辆汽车不知道它所感知的是什么，它就会简单地停下来。“这就像一个蹒跚学步的孩子遇到了从未见过的情况，”弗里茨说。“这个蹒跚学步的孩子会做什么?”它没有做出选择。它只是说，‘不。’”

公司解决方案和业务发展副总裁Frank Schirrmeister说Arteris IP他说，与人工智能相关的识别问题也突出了操作设计领域的重要性，即车辆设计运行的条件。当这些条件不满足时，运载工具就不能工作。根据SAE的规定，这些条件可能包括“环境、地理和时间的限制，以及/或某些交通或道路特征的必要存在或不存在。”L5飞行器将有一个操作设计域允许它开在任何地方人类会开车。

Schirrmeister指出，汽车的操作设计领域应该被定义为，如果汽车突然发现自己处于违反该领域的环境中，比如遇到了它既不能识别也不能像人类在相同情况下那样广泛分类的物体，汽车就会安全可靠地自动退休。“有些事情需要决定，‘我不会打袋鼠。’如果它采取一种谨慎、优雅的降级方式，它可以打开信号灯，向右转，然后停车。”

今年夏天发生了一起神秘的大规模停车事件，其原因尚未得到公开确认。一名网上评论人士说，一群无人驾驶汽车在旧金山街道中央排成一排，看起来像是机器人起义的开始阻塞交通好几个小时。

在许多情况下，自动驾驶汽车做出违反直觉的操作时，车辆的人工智能遇到了边缘情况，不确定如何继续。专家说L5级汽车需要在驾驶过程中学习，不仅要感知环境，根据训练做出决策，还要从数据中得出推断和意义。整个过程需要传感器套件、高性能异构处理系统、复杂的软件算法和低功耗的车载学习。其中一些元素还没有被发明出来。

车辆挑战:低功耗AI
虫子的大脑能为自动驾驶汽车提供一条前进的道路吗?至少有一家公司是这么认为的。英国创业公司Opteran最近提高了1200万美元的资金用于受昆虫神经生物学启发的低功耗自主AI技术。

“我们不做统计模式匹配，”Opteran首席执行官大卫·拉詹说。“这里没有机器学习或深度学习。”相反，该技术使用专有算法在传感器级别过滤信息。该公司最初的重点是视觉导航，最终将扩展到机器决策、超光谱视觉、图像识别和基于动态学习的环境输入。

Opteran的首席科学官詹姆斯·马歇尔(James Marshall)说，昆虫模型意味着这项技术使用相对低清晰度的摄像头，一个标准的FPGA，而且没有合并尖峰神经网络(SNNs)。“理论上讲，人类大脑就是这么做的，所以这肯定是扩大大型人工智能网络的关键。但在我们的方法中，我们不需要使用那种专业硬件，因为从本质上讲，尖峰并不重要。事实上，昆虫的一些神经元根本不会激增。人类神经元中的一些行为可能更多地与保持细胞本身的活力有关，而不是与计算有关。”

昆虫也没有特别高分辨率的视觉，马歇尔指出，这意味着信息可以快速处理。“少量的信息被采样，缺失的信息被填充。此外，如果从传感器级别提取正确的信息，则不需要如此重量级的计算。例如，避免撞到物体，可以通过高效的计算来完成，我们可以在FPGA上部署高达每秒10,000帧的计算，因为我们丢弃了很多信息。这是受到蜜蜂视觉系统的启发。”

Marshall解释说，这本质上是用于避免碰撞的光流估计。该过程允许相对较低的功耗。例如，该公司的机器人开发套件只消耗不到1瓦的电力。

Opteran技术的真正考验将是它是否会被汽车原始设备制造商所接受。这还有待观察。

人类的挑战:信任和收养
某些L5挑战不仅与技术有关，还与人类对技术的反应有关。例如，司机的攻击性行为被称为“路怒症”，但如果这种攻击性行为是针对无人驾驶汽车的，那它是机器人的愤怒吗?

不管用什么术语，随着半自动驾驶汽车在城市街道上越来越常见，此类事故的报告正在上升。有一次，一个男人挥了挥手在亚利桑那州钱德勒的一辆自动驾驶货车上发现一把点22口径左轮手枪。在另一起案件中，一名出租车司机下了车打了旧金山一辆自动驾驶汽车的前车窗被刮伤了玻璃。据报道，其他个人攻击无人驾驶车辆携带岩石和尖锐物体，或试图将汽车驶离道路。

目前尚不清楚这些袭击的动机，但一些专家说，这是恐惧、愤怒和在快速变化的社会中缺乏控制的一种表达。这些都是汽车原始设备制造商面临的来自日益自动驾驶汽车的潜在买家的情绪。

Fritz指出，支持5G/ 6g的定制和通信可能是克服消费者不情愿的关键，他还介绍了一款可以在早上通勤时定制流媒体的汽车。同样吸引人的是一款能够向乘客解释其决策过程的汽车。“想象一下，你坐在后座上，前面没有司机，你说，‘车，你为什么不向右转?它回答说:“我不能右转，因为救护车来了。”’这没什么，它减轻了人们的焦虑，而焦虑是这些汽车被采用的真正障碍。”

车辆对行人的方法也在考虑之中。日本的研究人员围绕“animated”一词的使用进行了多项研究瞪视的眼睛，向行人展示车辆对周围环境的感知能力。2017年，研究人员评估在虚拟现实环境中，他们发现当眼睛就位时，行人能更快地做出安全过马路的决定，而且感觉更安全。后续研究在今年9月提交使用机器人的眼睛并报告了类似的结果。

如果机器人的眼睛看起来有点奇怪，那么人的眼睛呢伪装作为汽车座椅?这是当地一家新闻媒体在弗吉尼亚州街头追踪一辆似乎是新的自动驾驶汽车后发现的。事实上，这是弗吉尼亚理工大学交通研究所的一名工作人员在为一项无人驾驶汽车的研究收集数据。据该研究所称目标这项研究包括调查自动驾驶车辆对额外外部信号的潜在需求，并确保行人、骑自行车的人和其他司机都能适应。

Arteris IP的Schirrmeister指出，人类的行为往往是不可预测的或违反直觉的，这给车辆工程师增加了另一层困难。“判断行人是否看到迎面而来的车辆，或者是否计划穿过十字路口，对于人类和人工智能来说是一个完全不同的过程。当一个人在十字路口的脚看起来甚至都没有试图过马路时，会发生什么?这些弱点会让AI感到困惑。类似的挑战是教会人工智能预测其他车辆的攻击性驾驶行为，并做出适当的反应。”

人类的挑战:法律问题
“里面没有人。这太疯狂了。”这是今年早些时候旧金山一名警官说的话拉在一辆晚上开着大灯却发现车里没有人的车。2015年，执法拉在加州山景城的一辆自动驾驶汽车，因为开得太慢。在这两起案件中，警方都没有发出传票就释放了这辆车。2018年，一名测试司机就没这么幸运了发布一张罚单，据称是在自动驾驶模式下驾驶时离行人太近。

从车辆技术的角度来看，交通停车是一个相当简单的场景。一个2016谷歌的专利描述汽车感知闪光并将其解释为属于警车或其他应急车辆的多种方式。在一种方法中，摄像头和激光在一个三维“包围盒”内感知汽车附近发出的光。然后，GPS数据被用来确定交通信号灯或其他可能发光物体的位置，系统会过滤误报。这款汽车通过检查灯的开关模式来确定灯是否在闪烁，并使用地理数据来确定该地区应急车辆的灯的间距和颜色。如果观察到的闪光灯与这些模板相匹配，系统就会将汽车操纵到安全的停车位置。

图1:自动驾驶汽车可以通过识别匹配特定模板的闪光灯来检测警车的接近，正如2016年谷歌专利的插图所描述的那样。资料来源:美国专利局

相反，这种情况的复杂性源于这样一个事实:警察部门通常没有无人驾驶汽车的经验，也不确定如何与这种类型的车辆互动。几乎没有法律或其他法律先例来指导这条道路。执法部门最终可能会效仿保险业的做法，对违规和事故的责任追究缓慢转移从司机到汽车制造商。英国的情况似乎就是这样，政府在8月份公布了一项计划，反映了保险公司、执法部门和其他利益相关者的责任转移。该计划的建议44写道:“当使用相关的ADS功能时，负责用户不应对动态驾驶引起的任何刑事犯罪或民事处罚负责。”

随着无人驾驶汽车越来越普及，这个话题将变得更加棘手。随着驾驶过程中人为错误的消除，交通罚单将变得不那么常见，这反过来将大大减少交通事故主要来源警察和其他政府服务的收入。美国警察靠边每年大约有2000万名司机。

与此同时，执法部门很可能会采用自己的无人驾驶车辆来维持治安。一本执法杂志推测，基于自动驾驶汽车的功能，警察机构将能够在每个警官开始轮班时，将预测警务数据上传到每个警官的巡逻车中，这样巡逻车就会知道该在何时何地行驶，以提供可见的存在，以阻止犯罪。这将产生另一组有待社会解决的伦理和技术问题。

结论
完全自动驾驶汽车所需的道德、法律和技术流程仍然很复杂。如果说过去几年的情况预示着未来，那么自动驾驶汽车行业的成熟将是令人揪心的，有时也会令人感到奇怪。弗里茨认为，汽车生态系统的高管必须专注于帮助人类这一更广泛的使命。举一个患有癫痫的年轻人为例，自动驾驶汽车可能会挽救他的生命，“这是我们经常忘记的非常人性化的一面。”