简单易懂的自动驾驶科普知识

本文详细解析了自动驾驶技术从L2到L5的分级标准,探讨了每一级别之间的具体区别及技术难点,包括传感器感知、人机交互、法规挑战及高精度地图的采集与更新。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

有不少人问我人工智能和自动驾驶的技术问题,我作为一个主业是后端开发的老码农可是回答不了啊!今天转载一篇自动驾驶大拿写的文章,学习一下。

作者:陈光

来源:https://www.zhihu.com/question/65799732/answer/238516359


先来一张各大车企自动驾驶技术的分级图,大致了解一下目前已经量产的自动驾驶技术哪家强。

640?wx_fmt=jpeg

奔驰:这儿有点挤啊...

沃尔沃:隔壁那位兄弟,你踩着我脚了...

特斯拉:唉,无敌是多么寂寞

奥迪:Tesla,你对力量一无所知

自动驾驶从L2到L5是一个相对漫长的过程,现已发布的量产车型中有处于L3的奥迪A8、处于L2.5的Tesla、还有处于L2的凯迪拉克CT6等。

那么每一级别之间具体的区别和需要克服的难点到底又有哪些?那就一级一级细细道来。按照国际惯例,谈论自动驾驶级别时必须上一张SAE的分级图。

640?wx_fmt=jpeg

图片出处:LEVELS OF DRIVING AUTOMATION ARE DEFINED IN NEW SAE INTERNATIONAL STANDARD J3016

下面我用给大家解释一下

  • 各个级别到底代表着什么样的技术

  • 哪些指标能立刻区分汽车属于哪个Level

  • 为什么Level越高,对技术的要求越高

Level 0:无自动化

准确来说,现在我们已经很难看到 Level 0 的汽车了。要么早已报废,要么法规都禁止其上路了。无自动化意味着诸如ABS(自动防抱死)这种现在看来最基本的配置都没有。极端一点,你可以认为Level 0的车就是四个轮子加一个沙发。@吉利

Level 1:驾驶员辅助

生活中常见的车基本都属于Level 1。Level 1 称为驾驶员辅助系统,所有在驾驶员行驶过程中,对行车状态有干预的功能都叫驾驶员辅助,都属于Level 1。

比如最基本的ABS,以及在ABS基础上升级而来的ESP,还有高速路段常用的定速巡航、ACC自适应巡航功能及LKA车道保持辅助。

大家买车时,在底盘功能介绍中看到的各种英文缩写,或多或少都是属于SAE 规定的Level 1。

Level 2:部分自动化

Level 2和Level 1最明显的区别是系统能否同时在车辆横向和纵向上进行控制。

如果一个车辆能同时做到ACC+LKA(自适应巡航+车道保持辅助),那么这辆车就跨进了Level 2的门槛。2018款的凯迪拉克CT6拥有的半自动驾驶系统“Super Cruise”就是典型的Level 2级别。

先来看个视频:凯迪拉克CT6,SuperCruise自动驾驶系统演示



视频中可以看到,该车并不具备主动超车的功能。即目前的Super Cruise仅能实现单一车道内的加减速。

再来说说自动驾驶话题下不得不提的特斯拉。正如我在"互联网公司和汽车企业都在开发自动驾驶,你更看好谁?(https://www.zhihu.com/question/65252076/answer/230624306)"中提到的那样,特斯拉过度夸大了他们系统所具备的能力。

为什么称 Tesla 目前的 AutoPilot 为 Level 2.5?

因为特斯拉具备换道功能。驾驶员在确保安全的情况下,拨动转向灯杆,车辆即可依据该信号实现换道。也就是说,特斯拉的换道操作并不是全自动的,而是把这一块对环境感知的需求交给了人。特斯拉收到变道信号后会由车判断是否可安全变道后才会执行。比如前后车距离太近、实线都不会变道的。

(重点来了!敲黑板)

难点:Level 1 ~ Level 2

1.汽车横向控制和纵向控制配合的舒适性

单独的横向控制(车道保持)或纵向控制(ACC等)技术已经十分成熟,那么两者同时控制时,如何将舒适性做到最优,这就是当前遇到的挑战。

2.通知驾驶员接管车辆的时机选择

Level 2的系统并不具备较高级别的自动驾驶功能,需要驾驶员实时监控并做好接管的准备。如何以最友好的和最恰当的交互方式通知驾驶员接管车辆,而不影响到驾驶员的心情,需要人机交互攻城狮费尽心思。

Level 3:有条件自动驾驶

有条件自动驾驶是指在某些特定场景下进行自动驾驶。比如全新奥迪A8在他们的宣传视频中就限定了十分常见的场景——堵车,该功能叫作Traffic Jam Pilot(交通拥堵巡航),功能描述如下:

当车速小于或等于60公里/小时,用户可以启动道路拥堵状况下的自动驾驶功能。在当地法律允许的情况下,车辆会完全接管驾驶任务,直到系统通知用户再次接管。这也是目前在全球范围内,在实现量产的车型中拥有的最高级别的自动驾驶能力。

引用出处:全球首款自动驾驶量产车奥迪A8背后的Audi AI

(http://news.zol.com.cn/649/6498170.html)

仔细想想,这些功能特斯拉通过升级软件也能实现,为什么只有Audi A8敢宣称自己达到 L3 呢?

因为L3 相比 L2 最大的进步在于——不需要驾驶员实时监控当前路况,只需要在系统提示时接管车辆即可。这对于自动驾驶技术来说是一个很大的跨越,这也意味着自动驾驶系统代替人类成为了Driver & monitor。驾驶员变为乘客,而乘客是不需要实时监控当前路况的。

难点:Level 2 ~ Level 3

1.传感器感知技术

NTSB最近刚发布的,去年五月特斯拉撞卡车交通事故的宣判结果--特斯拉Autopilot的功能限制是导致2016年5月交通致死事故的主要原因,这里的功能缺陷实际上就是传感器感知的缺陷。AutoPilot 1.0的硬件配置很难处理特殊工况,比如交叉路口。图为特斯拉因传感器感知缺陷未正确识别卡车所导致的事故。

<img src="https://pic4.zhimg.com/v2-42b319988ea779183a5739f220d28fa7_b.jpg" data-caption="" data-size="normal" data-rawwidth="1050" data-rawheight="550" class="origin_image zh-lightbox-thumb" width="1050" data-original="https://pic4.zhimg.com/v2-42b319988ea779183a5739f220d28fa7_r.jpg" _src="https://pic4.zhimg.com/v2-42b319988ea779183a5739f220d28fa7_b.jpg"/> 640?wx_fmt=jpeg

图片出处:Inside the Self-Driving Tesla Fatal Accident

正是因为传感器感知缺陷这种客观因素的存在,整车厂做自动驾驶时就显得尤为保守,要么增加传感器以加强感知能力,比如全新奥迪A8加的四线激光雷达;要么就通过监视驾驶员的面部状态,确保驾驶员实时观测着前方路况,比如凯迪拉克CT6。

2.法规

上次Apollo发布会,百度当着全中国的面在开放道路测试自动驾驶技术,被请喝茶了。目前中国还是不允许自动驾驶车在开放及高速道路测试的,所以在法规正式发布之前,自动驾驶还只能到封闭的试车场中测试。这一点国外走在前列。

Level 4:高度自动驾驶

无论是国外的Waymo、Uber还是国内的Baidu L4事业部做的都是Level 4自动驾驶技术的研究。它们的自动驾驶汽车有一个很明显的共同点,就是头上顶着一个大大的激光雷达。如下:

<img src="https://pic3.zhimg.com/v2-21646ee3878f231255614bcf2a1f23ea_b.jpg" data-caption="" data-size="normal" data-rawwidth="1313" data-rawheight="297" class="origin_image zh-lightbox-thumb" width="1313" data-original="https://pic3.zhimg.com/v2-21646ee3878f231255614bcf2a1f23ea_r.jpg" _src="https://pic3.zhimg.com/v2-21646ee3878f231255614bcf2a1f23ea_b.jpg"/> 640?wx_fmt=jpeg

激光雷达提供了极高精度和极其丰富的感知信息,这使自动驾驶车自如处理极端工况成为可能。激光为主,视觉为辅,再加上车上各种功能冗余的传感器及高精度电子地图,在开放道路上实现A点到B点的自动驾驶不再遥远。

难点:Level 3 ~ Level 4

1.传感器成本

激光雷达的成本短期内还降不下来,这也是 L4 自动驾驶汽车还未普及的重要原因之一。Waymo在今年年初宣布将激光雷达成本降低90%,希望低成本激光传感器早日到来。

2.极高鲁棒性的自动驾驶算法及稳定的计算平台

Level 4的自动驾驶算法准确性和精确性需要达到,甚至超过人类的认知水平,这就需要的是极具鲁棒性的算法和稳定的计算平台。确保自动驾驶汽车即使遇到突发情况也能较好应对。

3.高精度地图采集资质

这一项难点国外并不存在,但是国内确实是一个很大的壁垒(国防考虑)。除了大家耳熟能详的BAT有地图测绘资质外,国内有测绘资质的图商寥寥无几。近几年随着自动驾驶的发展,想在国内发展自动驾驶技术,图商说不定会成为稀缺资源。可以的话,推荐大家自己去调研国内有测绘资质的几家图商,买点他们的股票,看涨~

4.乘坐人员接纳度

现在让你去乘坐一辆没有方向盘,随时都无法接管的汽车,心里多少会有些忐忑吧。因此人类的接纳程度也是自动驾驶普及的一个大难点,需要时间建立信任。

Level 5:完全自动驾驶

相信很多人都会对 L4 和 L5 感到困惑,其实两者很容易区分,观察他们的可行驶范围即可。

大家看下图:

640?wx_fmt=jpeg

图片来源:无人驾驶汽车的黎明 https://www.bilibili.com/video/av12429465

图中的大圆弧是自动驾驶 Level 4 所限定的区域,小圆圈是汽车的感知范围。

t时刻,汽车依然在大圆弧内,自动驾驶系统正常工作;

t+1时刻,已靠近边界,自动驾驶系统即将失效,并发出警报;

t+2时刻,汽车开出了边界,这时自动驾驶系统完全失效,安全停车。

那么L5的功能该如何描述?

只要给出一个GPS坐标点,L5的自动驾驶车就能到你指定的地方,无论这地方的法规是靠右行驶还是靠左行驶,自动驾驶车都能轻松应对。即全工况、全区域的自动驾驶。

难点:Level 4 ~ Level 5

1.高精度地图 众包更新生态

自动驾驶技术十分依赖高精度电子地图,所用到的电子地图一定要确保实时且易于更新。未来每一辆在路上行驶的自动驾驶车,不仅是用于正常通勤,同时也是地图信息的采集车,实时将当前地图信息反馈至云端供其他自动驾驶汽车使用。

以上内容就是自动驾驶研究所需要攻破的难点,暂列这么多,以后想到继续更新。

何时能到Level 5?

在这个做预测随时都可能会被打脸的时代,仅做一个保守估计:L4会在2025年前普及。

至于L5,可能不会有,因为造出一个全世界都能跑的车子性价比不高,L4对用户来说已经够了。你真的在乎,在中国能来去自如的某辆汽车,不能在美国跑吗?

码农翻身,用故事讲解技术本质, 更多精彩文章,请移步《码农翻身三年文章精华

<think>好的,用户想了解人工智能的基础知识和科普信息。首先,我需要明确用户的需求,他们可能对AI的定义、分类、核心技术以及应用场景感兴趣。根据提供的引用,引用[1]提到了强AI、AGI和ASI,还有AI、深度学习和机器学习的关系。引用[2]介绍了AI的实际应用,比如语音助手和自动驾驶。引用[3]则讨论了AI算法的基础。 接下来,我需要将这些信息整合成一个结构清晰的回答。先从定义开始,区分强AI和弱AI,然后介绍核心技术如机器学习和深度学习,接着讲应用场景,最后讨论现状和未来趋势。要确保使用正确的中文术语,并按照用户的要求使用LaTeX格式,比如变量用$...$,独立公式用$$...$$。 要注意用户可能对技术细节不太熟悉,所以需要避免过于专业的术语,用通俗易懂的语言解释。例如,解释监督学习和无监督学习时,可以举例子说明。同时,生成的相关问题要围绕用户的需求,帮助他们进一步探索,比如AI的伦理问题或者学习路径。 另外,检查是否有遗漏的重要点,比如AI的发展历程或者当前的热点技术,如生成式AI(如ChatGPT)。需要确保引用正确,比如在提到强AI时引用[1],应用场景时引用[2]和[3]。 最后,确保回答符合格式要求,使用中文,正确应用引用标识,并且在末尾生成相关问题。可能的问题包括AI的分类、核心技术、应用场景、挑战等,这样用户可以根据兴趣深入阅读。</think>### 人工智能科普介绍 #### 1. **定义与分类** 人工智能(Artificial Intelligence, AI)是计算机科学的分支,旨在开发能够模拟人类智能行为的系统。根据能力范围,可分为: - **弱人工智能(Narrow AI)**:专注于特定任务,如语音识别(Siri)、图像分类(人脸识别)[^2]。 - **强人工智能(AGI)**:理论上的通用智能,具备人类水平的推理、学习和自我意识[^1]。 - **超级人工智能(ASI)**:超越人类智能的形态,目前仅存在于科幻作品中(如《2001太空漫游》的HAL)[^1]。 #### 2. **核心技术** AI的实现依赖于以下技术: - **机器学习(Machine Learning)**:通过数据训练模型,例如: - 监督学习:输入数据带标签,如分类问题(识别手写数字$y = f(x)$)。 - 无监督学习:数据无标签,如聚类分析(客户分群)。 - **深度学习(Deep Learning)**:基于神经网络的复杂模型,例如卷积神经网络(CNN)用于图像识别: $$ \text{CNN}(x) = \sigma(W * x + b) $$ - **自然语言处理(NLP)**:如ChatGPT通过Transformer架构生成文本。 #### 3. **应用场景** - **生活场景**:智能家居(温控系统)、推荐算法(Netflix影视推荐)[^2]。 - **工业领域**:预测性维护(通过传感器数据预判设备故障)。 - **医疗健康**:医学影像分析(肺癌早期筛查准确率超90%)。 #### 4. **现状与挑战** - **当前主流**:弱AI已广泛应用,但强AI仍无实际案例[^1]。 - **关键挑战**:数据隐私(GDPR合规性)、算法偏见(招聘系统中的性别歧视)、能耗问题(训练GPT-3耗电量相当于120个家庭年用电量)。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值