阿里巴巴达摩院近日与交通运输部公路科学研究院成立了车路协同联合实验室。

这个实验室研究的“车路协同”,简单说就是如何让道路智能化,拥有眼睛和大脑,能跟路上跑的车交流信息,辅助自动驾驶车辆做出决策。

与之相对的概念是“单车智能”,这也是现在包括谷歌在内的大部分公司采用的无人驾驶方案,它们试图通过让无人驾驶车本身更加智能,来解决实际上路中的驾驶和安全问题。

那么阿里为什么投入“车路协同”这个研究方向呢?

可以说车路协同是种曲线救国的技术方案,目的就是降低自动驾驶车要为传感器付出的成本,并弥补车辆自身智能局限性带来的安全隐患,从而让它更快上路。

当人们讨论无人驾驶车什么时候能大规模商业化,安全是最核心的问题。从舆论反应来看,用户对无人驾驶车安全隐患的容忍度比对人类司机安全性的容忍程度要低。

但在环境复杂的现实场景中,无人驾驶车的识别和决策能力,并不令人满意。

一个典型案例是今年 3 月 18 日 Uber 无人车在美国亚利桑那州发生的撞人事故。49 岁的女性 Elaine Herzberg 在骑自行车横穿马路时被处于自动驾驶模式下的 Uber 无人车撞击死亡。根据事故报告,当时正值夜间,这位女性或处于嗑药后的迷幻状态,而Uber无人车虽然通过雷达发现了她,但并没有将她识别为行人。

这起事故在美国引起了对无人车上路和安全性的广泛讨论。“我们告诉人们的是,请遵守法律,请考虑周全,”吴恩达曾对外表示。

也就是说,现阶段无人驾驶车的识别能力和安全性,需要依赖于一个人人都遵守交通规则的环境。然而在现实场景中,这几乎不可能。

此外,现实的行车场景会给单独依赖车身传感器的方案带来很大挑战。

无人驾驶车要上路,阿里 AI Labs 觉得应该先给“路”装上眼睛-黑科技

阿里 AI Labs 的首席科学家王刚举了几个例子:车上的传感器会受到车自身视角和高度的限制,比如大部分传感器的有效监测距离不超过 80 米,当车速超过 60km/h,突然出现了障碍物,车是来不及作出反应的;又比如,车上传感器只能看到相邻车道的情况,当相隔的车道被中间车道挡住,就难以识别。

为了让无人车尽可能全面地掌握交通环境中的方方面面,各大无人驾驶公司都在尽可能多的往车身堆传感器,但这带来很大的成本——“平均下来每辆车 20 万美元,商业化会比较困难。”

王刚因此认为可以通过车路协同的技术方案,把原来每辆车都需要安装的智能设备,通过集约的模式共享,同时给路加上智能设备,让它们具备能处理更多复杂情况的视觉大脑,弥补现阶段单车智能的不足。

这个车路协同实验室目前在做的核心技术之一是“感知基站”,它就像个手机的无线发射基站,可以把车与车、车与路之间的信息连接起来。感知基站会被安装在同交通等高度的位置,覆盖范围是 200 米半径。这样当一个位置点A出现事故,远处的车辆可以通过 A 处的感知基站提前发现 A 地的情况,做出预判和路径决策。

无人驾驶车要上路,阿里 AI Labs 觉得应该先给“路”装上眼睛-黑科技

无人驾驶车要上路,阿里 AI Labs 觉得应该先给“路”装上眼睛-黑科技

感知基站看到的“上帝视角”的路况。

 

按照王刚所说的思路,车的眼睛和大脑会有一部分被移植到路上,最先从价格相对昂贵的激光雷达开始替代。关于路的智能能在多大程度上为车的智能减配,他认为潜力很大,不过没有给出确切的答案。

“感知基站的稠密程度会决定感知的信息的全面性和精确性。我们是不是把这个感知基站装得非常非常密,让两个车之间完全没有(不需要)智能,还是我们可以一定程度上装一个基站,让车保持一定程度的智能,哪一个方案他带的总体成本更低,这个还需要继续验证。”

在杭州的一些开放路段,实验室设计了让人突然从障碍物后出现在无人车前的场景做对比测试。在单车智能紧急避让失灵的场景下,车路协同的方案都避让成功。王刚透露,车路协同技术方案会最早落地在货车运输上,做智慧物流。不过在此之前,这种新方案还需要找到一套市场认可的通信协议,以及明确谁将为此买单的商业模式。

来源:36氪