英特爾Mobileye開展自動駕駛車隊測試

■趙芝康

近日，英特爾Mobileye在耶路撒冷開展自動駕駛車隊測試，展示了Mobileye的先進技術，以下為英特爾公司高級副總裁、英特爾子公司Mobileye公司首席執行官兼首席技術官Amon Shashua教授發表的評論。

英特爾與Mobileye的百輛自動駕駛汽車已經在耶路撒冷開始第一階段的測試。測試路段行車艱難、極具挑戰性。此次上路測試展示了Mobileye的先進技術，證明了責任敏感型安全（RSS）模型可以提升安全性，并將關鍵學習成果融入到產品和客戶項目中。預計數月內，測試車隊將進入美國和其他地區。雖然我們的自動駕駛車隊不是第一個上路測試的車隊，但它代表了我們在多個領域采用的全新理念，并且有別于傳統技術。憑借在計算機視覺和人工智能領域積累的二十多年的經驗，測試汽車證明，英特爾和Mobileye的解決方案是目前極行之有效的方案。

與其他自動駕駛系統相比，關鍵之處在于，系統在設計之初，就將安全性、經濟性和可擴展性作為重要目標。具體而言，自動駕駛汽車要比手動駕駛汽車速度更快、更順暢，而且成本更低；它能適應任何地理環境；比人工駕駛的安全水平要高出一千倍，無需在公共道路上進行數十億英里的驗證測試。

為什么選擇在耶路撒冷開展測試

很顯然，Mobileye公司就在以色列。一方面，選擇耶路撒冷十分方便開展駕駛測試；另一方面，這可以證明，我們的技術足以挑戰任何地理環境和道路環境。耶路撒冷因行車艱難而出名，道路標識不清，變道環境復雜，行人不遵守交通規則。自動駕駛汽車的車速不能太慢，這樣容易造成交通堵塞或引發交通事故。相反，自動駕駛車必須像當地駕駛員一樣自信駕駛、果斷決策。

在這種環境下，在測試自動駕駛汽車和技術的同時，也可以改進駕駛策略。駕駛策略也稱為規劃或決策。好的駕駛策略讓自動駕駛汽車設計上的諸多困難迎刃而解。通常，很多目標有待優化，部分目標又彼此矛盾。比如，如何確保極致安全，而又不過度謹慎；如何模擬手動駕駛風格（以免嚇到其他駕駛員），又不造成人為錯誤。為了更好地平衡這些因素，車隊采用2套獨立的系統，一套下發駕駛指令，另一套批準或拒絕指令。目前，這2套系統都運行穩定。

安全駕駛vs果斷決策

對駕駛決策系統中的指令發出模塊進行離線訓練，以形成果斷、流暢和擬人化的駕駛風格。我們公司使用的這套軟件是基于AI強化學習技術開發出的。該系統也是車隊的最大亮點，各種場景指示也讓我們為之振奮。然而，自動駕駛汽車的“駕駛員”也要清楚且果斷地判斷與危險駕駛之間的邊界點。為了達到這一目的，采用責任敏感型安全（RSS）模型來控制AI系統。

RSS模型將安全駕駛的基本原則轉化成機器可以理解的數學公式。例如，尾隨其他車或變道時的安全距離、道路優先權和障礙物避讓等。如果AI系統發出的指令違反了任何一條基本原則，RSS將拒絕該指令。

簡而言之，基于AI的駕駛策略系統，其職責是讓自動駕駛汽車行駛到目的地，而RSS模型則負責保障沿途的駕駛安全。安全性靠系統設計進行保障，無需進行數十億英里的道路測試。車隊目前使用Mobileye的安全系統，相關方法已公開，并期望在與其他公司合作的過程中，形成技術中立的業界領先標準（中立指該系統適用于任何汽車制造商的駕駛策略）。

為何感知系統只有攝像頭

在初始階段，車隊的感知系統只配備了攝像頭。在360°全景系統中，每輛車配備了12個攝像頭，其中，8個攝像頭探測遠距離環境，另外4個用于泊車。這個階段的目標是想證明，僅依據攝像頭獲取的信息，就可以形成端到端的自動駕駛方案。該方案中，環境感知系統通過俯視圖來呈現行駛汽車周圍的環境狀態，能夠識別車輛和行人、道路標志和交通信號燈的含義，能夠實時創建高清地圖并幫助汽車做精確到厘米級的定位，能夠進行道路規劃（即駕駛策略）和車輛控制。

初始階段是為了實現感知系統的“真正冗余”。“真正冗余”是指，感知系統包含多個獨立工作的子系統，每個子系統都可以獨立支持自動駕駛。而之前的感知系統，則是將不同來源的原始傳感器數據整合在一起，實際上，只有一個傳感系統。“真正冗余”有兩個主要優勢：首先，感知系統驗證所需的數據量大大降低（十億小時的平方根與十億小時相比）；其次，如果其中一個子系統故障，車輛還可以繼續安全行駛。如果采用以往數據整合的傳感系統，則出現故障時只能立即停車。數據整合傳感系統就好比一串圣誕樹彩燈，如果一個燈泡壞了，那么，整串彩燈也就壞了。

從“平均無故障時間”（MTBF）測試角度對上述兩種系統進行比較。這里的故障是指，任何一個可能導致死亡的傳感器故障。Mobileye的目標，是把MTBF提高到十億小時，比手動駕駛汽車的安全標準高一千倍。單傳感器系統需要收集約十億小時的數據來測試MTBF，而“真正冗余”感知系統則只需收集大約三萬小時的數據（十億小時開平方）。此外，“真正冗余”感知系統可以在實驗室進行MTBF測試，無需到實際駕駛環境中收集數據。

未來，會在系統開發的第二階段，加入雷達/激光雷達傳感設備，通過不同的傳感模塊之間的協同作用，來提升駕駛的“舒適性”。

當前及未來的計算平臺硬件

自動駕駛車隊的端到端計算系統安裝了四顆Mobileye EyeQ4芯片。該芯片功率為六瓦，在八位深度網絡上，提供每秒2.5萬億次運算（TOP/s）的計算能力。EyeQ4是Mobileye最新推出的系統級芯片，于2018年生產。Mobileye計劃，2018年再推出四款芯片，2019年推出十二款芯片。根據公司規劃，EyeQ5支持全自動駕駛，在2018年晚些時候，就可以推出工程樣品。EyeQ5提供二十四萬億次運算的能力，比EyeQ4強約十倍。我們計劃，為一輛L4/L5階段的全自動駕駛汽車，配備三顆EyeQ5芯片。因此，2019年初推出的新一代EyeQ5的計算能力，將是目前EyeQ4芯片的十倍。

英特爾和Mobileye采用的方法不同于業界常用的方法。業界在研發中往往超額訂購計算需求，比如，要求“在產品開發中給我無限的計算能力”，然后，再嘗試進行成本和功耗優化。而我們則使用更有效的策略，來減少計算需求，從而聚焦于開發最有效的算法——用于狀態感知、駕駛策略制定和車輛控制。

前路漫漫，但依然為Mobileye和英特爾的開發團隊感到無比的自豪，感謝他們的努力工作和取得的重大突破。我們的目標是：在客戶的支持下，這套系統在2021年進入批量生產并應用于L4/L5階段自動駕駛汽車。