“蘿卜快跑”問世的熱潮迅速從武漢輻射到全國，為本就火熱的智能駕駛話題再添了一把薪柴。然而，從小馬智行到Apollo GO，再到如今的蘿卜快跑，Robotaxi的概念早已不是新鮮事物，智能駕駛的課題也已經(jīng)歷了近一個世紀(jì)的浮沉。

早在1925年，美國發(fā)明家弗朗西爾·弗里曼Francis Houdina就展示了一輛通過無線電控制的汽車，這輛車能夠在紐約市的街道上行駛，是自動駕駛技術(shù)的最初嘗試之一。

進(jìn)入20世紀(jì)60年代，達(dá)特茅斯學(xué)院的約翰·麥卡錫John McCarthy首次提出了“自動駕駛”概念，設(shè)想通過計算機(jī)來控制車輛，實(shí)現(xiàn)自主駕駛的目標(biāo)。此后，智能駕駛技術(shù)逐步發(fā)展，尤其在1984年，美國國防高級研究計劃署（DARPA）聯(lián)合陸軍啟動了自主地面車輛（ALV）研究計劃，這一計劃為無人駕駛技術(shù)的研究奠定了基礎(chǔ)。

人工技能的飛躍發(fā)展使得智能駕駛落地成為現(xiàn)實(shí)，智能駕駛的發(fā)展可以分為多個階段。美國汽車工程師學(xué)會（SAE）將自動駕駛技術(shù)細(xì)分為六個級別，分別是無自動化（L0）、駕駛支持（L1）、部分自動化（L2）、有條件自動化（L3）、高度自動化（L4）和完全自動化（L5）。

在最低的L0級別下，車輛完全依賴傳統(tǒng)駕駛員進(jìn)行操作，所有駕駛?cè)蝿?wù)都由駕駛員負(fù)責(zé)。而在L4和L5級別，車輛能夠?qū)崿F(xiàn)高度自動化駕駛，完成了從L4特定區(qū)域或條件的自主駕駛到L5級別在任何條件下自主駕駛，駕駛員完全不需要介入的“Mind Off”。

圖 1 國內(nèi)外無人駕駛技術(shù)發(fā)展歷程

自動駕駛技術(shù)的實(shí)現(xiàn)依賴于三個核心環(huán)節(jié)：環(huán)境感知、決策規(guī)劃和控制執(zhí)行。環(huán)境感知、決策規(guī)劃及控制執(zhí)行是自動駕駛技術(shù)的三大核心環(huán)節(jié)。環(huán)境感知模塊是自動駕駛的基礎(chǔ)，實(shí)時獲取周圍環(huán)境的數(shù)據(jù)。在獲取環(huán)境信息后，決策規(guī)劃階段的任務(wù)是分析和處理這些數(shù)據(jù)，以確定車輛的行駛策略。最后，控制執(zhí)行模塊負(fù)責(zé)將決策規(guī)劃的結(jié)果轉(zhuǎn)化為具體的駕駛操作。如同人類司機(jī)駕駛一樣，先要通過觀測知道路況信息，再進(jìn)行分析進(jìn)行駕駛決定，最后肢體執(zhí)行大腦的決策信息駕駛汽車。

圖 2 自動駕駛關(guān)鍵技術(shù)

環(huán)境感知技術(shù)是自動駕駛系統(tǒng)的核心組成部分，依賴于多種傳感器來獲取和理解車輛周圍的環(huán)境信息。此外，基于視覺感知的技術(shù)通過計算機(jī)視覺技術(shù)對獲取的圖像進(jìn)行分析，完成物體識別、目標(biāo)檢測、三維重建以及距離測量等任務(wù)。例如，圖像目標(biāo)檢測技術(shù)能夠識別和定位圖像中的重要目標(biāo)，如行人、車輛和交通標(biāo)志；而圖像語義分割技術(shù)不僅僅是標(biāo)注目標(biāo)位置，還能精確地描繪目標(biāo)邊緣，歸類到不同的物體類別，提供詳細(xì)的場景理解。

圖 3 圖像識別示意圖

接下來到了行為決策與路徑規(guī)劃的關(guān)鍵環(huán)節(jié)，這一部分決定了車輛在復(fù)雜的交通環(huán)境中如何行動其中的一種方法是通過設(shè)定一個“效用函數(shù)”來評估不同決策的優(yōu)劣，綜合考慮了安全性、舒適性和效率等因素的效用函數(shù)決策，例如在遇到行人過馬路時，系統(tǒng)會優(yōu)先選擇停下，因?yàn)檫@在效用函數(shù)中有更高的安全分?jǐn)?shù)。

路徑規(guī)劃是決定車輛如何從一個點(diǎn)安全高效地到達(dá)另一個點(diǎn)的關(guān)鍵步驟，通常分為三個層次：道路級、車道級和行駛級。道路級規(guī)劃是從起點(diǎn)到目的地的路徑選擇，類似于人們在導(dǎo)航系統(tǒng)中設(shè)定目的地。車道級規(guī)劃是在確定了總體路徑后，考慮到車道特性、交通標(biāo)志和信號等因素，確保車輛在適當(dāng)?shù)能嚨郎闲旭?，?shí)現(xiàn)安全和流暢的交通流。行駛級規(guī)劃則是涉及車輛的具體駕駛操作，如加速減速、變道和避障，實(shí)時響應(yīng)周圍的環(huán)境變化，處理突發(fā)情況。高效的路徑規(guī)劃，車輛能夠確保行駛的流暢性和安全性，為乘客提供舒適的乘車體驗(yàn)。

控制執(zhí)行則是要求車輛能夠平穩(wěn)且精準(zhǔn)地跟蹤規(guī)劃好的軌跡，為了實(shí)現(xiàn)這一目標(biāo)，系統(tǒng)通常應(yīng)用自動控制理論，結(jié)合車輛的動力學(xué)和運(yùn)動學(xué)約束，生成相應(yīng)的控制指令。

圖 4 自動駕駛不同層次的路徑規(guī)劃

通過前文的介紹可以發(fā)現(xiàn)，傳統(tǒng)的方法依賴多個工程模塊的緊密協(xié)作，每個模塊各司其職，環(huán)環(huán)相扣，缺一不可。然而，隨著人工智能技術(shù)的迅猛發(fā)展，端到端智能駕駛技術(shù)或?qū)⒊袚?dān)重要的未來使命。它突破了模塊化的局限，通過一個統(tǒng)一的神經(jīng)網(wǎng)絡(luò)系統(tǒng)將整個駕駛過程銜接。

圖 5 技術(shù)分類

端到端技術(shù)在自動駕駛領(lǐng)域的實(shí)現(xiàn)依賴于深度學(xué)習(xí)模型，這猶如給汽車配備了一位經(jīng)驗(yàn)豐富的“超級司機(jī)”，這位超級司機(jī)不僅能夠根據(jù)眼前的路況做出反應(yīng)，還能根據(jù)過去的經(jīng)驗(yàn)預(yù)見即將發(fā)生的情況。所有的傳感器——攝像頭、激光雷達(dá)、毫米波雷達(dá)等——就是它的眼睛和耳朵，時刻捕捉周圍環(huán)境的信息。而這些信息會被直接輸入到“超級司機(jī)”的大腦中，通過大量數(shù)據(jù)的訓(xùn)練，模型會根據(jù)這些輸入做出判斷，并轉(zhuǎn)化為具體的駕駛指令。

這種方法的優(yōu)勢在于它將整個駕駛過程整合為一個統(tǒng)一的系統(tǒng)，避免了傳統(tǒng)方法中各模塊之間可能出現(xiàn)的“信息脫節(jié)”現(xiàn)象。傳統(tǒng)自動駕駛系統(tǒng)中的每個模塊，就像是接力賽中的每一棒，必須無縫銜接才能確保整個過程的順暢。而端到端技術(shù)則更像是一位全能運(yùn)動員，從頭到尾一氣呵成，不再需要任何中間的傳遞。

在應(yīng)用落地上不同的是，特斯拉的FSD v12通過深度學(xué)習(xí)模型直接從傳感器數(shù)據(jù)中提取信息，而蘿卜快跑項(xiàng)目則通過結(jié)合車端算法與遙控駕駛結(jié)合，具有安全保障與合理的應(yīng)急處理方案。

進(jìn)入2023年，我國自動駕駛政策重心逐步轉(zhuǎn)向支持車型量產(chǎn)和商業(yè)化運(yùn)營，加速高級別自動駕駛技術(shù)的成熟以及創(chuàng)新商業(yè)模式的發(fā)展。這一變化標(biāo)志著政策方向從之前的鼓勵擴(kuò)大道路測試和試點(diǎn)范圍，轉(zhuǎn)向更實(shí)際的產(chǎn)業(yè)化推進(jìn)。而Robotaxi無人駕駛出租車作為自動駕駛等級中的L4乃至更高級的市場應(yīng)用，已經(jīng)在多地開展了商業(yè)化運(yùn)營試點(diǎn)。此外，作為城市道路的新生態(tài)，控制成本，運(yùn)營服務(wù)，仍是市場落地亟需考慮的問題。

參考文獻(xiàn)

吳瓊.自動駕駛汽車變道決策與規(guī)劃關(guān)鍵技術(shù)研究[D].中國科學(xué)技術(shù)大學(xué),2022.

徐謙.面向復(fù)雜環(huán)境自動駕駛的視覺環(huán)境感知研究[D].吉林大學(xué),2023.

劉瀟.面向高速環(huán)境的自動駕駛車輛行為決策、規(guī)劃與控制研究[D].浙江大學(xué),2022.

2024年Robotaxi商業(yè)化趨勢展望[J].上海汽車,2024,(04):1-3.

李洪硌.無人駕駛汽車高速工況智能決策、軌跡規(guī)劃與跟蹤研究[D].華南理工大學(xué),2020.

蘇建美.面向大場景的智能駕駛端到端算法研究[D].電子科技大學(xué),2020.

文章由科普中國-創(chuàng)作培育計劃出品，轉(zhuǎn)載請注明來源。
作者：蔡文垂 中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所 研究生

審核：馮超 三一智礦科技有限公司 高級工程師