侵權(quán)投訴
訂閱
糾錯
加入自媒體

解讀Mobileye的RSS模型,對自動駕駛有什么意義?

2018-07-05 14:20
GeekCar
關(guān)注

學(xué)好數(shù)學(xué)很重要。

一提到 Mobileye,大多數(shù)人的第一反應(yīng)是基于視覺方案的 ADAS 以及自動駕駛方案的芯片及算法供應(yīng)商。 在被 Intel 收購之后,雙方的聯(lián)盟也成為了自動駕駛領(lǐng)域的一大陣營。

事實上,除了視覺相關(guān)的技術(shù)之外,Mobileye 還希望通過別的一些手段來使得自動駕駛能夠更加安全、快速落地。他們開發(fā)了一套叫做 RSS(Responsibility Sensitive Safety 責(zé)任敏感安全模型)的體系,希望通過建立數(shù)學(xué)公式的手段,來使得自動駕駛汽車有能力判斷自身的安全狀態(tài),從而盡可能避免事故的發(fā)生。

在 IEEE 智能車大會上,GeekCar 和英特爾無人駕駛解決方案首席工程師兼首席系統(tǒng)架構(gòu)師 Jack Weast 聊了聊,從他那里,我也知道了 Intel 以及 Mobileye 對于 RSS 模型的一些詳細(xì)信息。

什么是RSS 模型?

要搞清楚 RSS 模型有什么用,首先得明白它是什么。

從本質(zhì)上來看,RSS 模型是一整套數(shù)學(xué)公式,將人類對于安全駕駛的理念和概念轉(zhuǎn)化成為數(shù)學(xué)公式和計算方式,用來界定什么樣的駕駛行為才是安全的駕駛。

Jack Weast 告訴我,他們認(rèn)為人類的駕駛雖然有很多問題,但潛意識里對安全有很強的意識。例如開車時候要和前車保持安全距離、并線的時候要留出足夠的空檔、有人加塞的時候要減速等等。這樣的安全意識是人類的本能并且非常有效,基本上可以保障各種駕駛情況下的安全性。

因此,RSS 模型希望把這樣的本能變化成一套嚴(yán)謹(jǐn)?shù)墓剿惴ǎ瑏碇笇?dǎo) AI 的決策算法在特定場景下做出合理安全的判斷。

在定義 RSS 模型的時候,有兩個原則必須要遵守:

1.自動駕駛汽車絕對不可以因為自身的原因引發(fā)碰撞或者事故;

2. 當(dāng)別的車輛造成潛在風(fēng)險、并且可能會產(chǎn)生交通事故的時候,自動駕駛汽車應(yīng)采取怎樣恰當(dāng)?shù)膽?yīng)對方式,來避免可能發(fā)生的交通事故。

在實際建立模型的時候,RSS 模型通過四條形式化的規(guī)則,來確保車輛在自動駕駛狀態(tài)下能夠保證安全以及避免成為制造車禍的一方:

1. 和前車保持安全距離;

2. 給側(cè)邊的人或車留下足夠的反應(yīng)時間和空間;

3. 在堵車的時候更謹(jǐn)慎;

4. 要合理使用路權(quán)(路權(quán)的使用應(yīng)優(yōu)先考慮安全)。

在不久前,Mobileye 發(fā)布的一份官方報告中,他們例舉了 37 種可能發(fā)生事故的場景,包括了車輛并行狀態(tài)的安全間距、安全并線的間距、避免追尾的最小安全距離、路邊有行人闖入機動車道時的安全車速等等。

從官方給出的數(shù)據(jù)來看,這 37 種狀況基本覆蓋了 99.4%的車禍可能性,也說明 RSS 模型目前已經(jīng)達(dá)到了一個相當(dāng)健全可用的狀態(tài)。當(dāng)然,RSS 模型肯定還沒有覆蓋所有意外的可能性,還需要 Intel 以及 Mobileye 不斷去完善。

以下是部分官方列舉的場景:

RSS 模型的意義在哪?

要搞清楚這個問題,首先得明白 RSS 模型和自動駕駛系統(tǒng)的關(guān)系。

從一般認(rèn)知來看,自動駕駛可以分為感知——決策——執(zhí)行三個步驟。其中感知主要依靠包括車身傳感器、高精地圖等部分來實現(xiàn);在決策層面,更多是依賴一套經(jīng)過 AI 訓(xùn)練的算法來判斷當(dāng)前狀況下,車輛應(yīng)該做出什么反應(yīng);最后通過包括控制轉(zhuǎn)向、剎車、加速等各種動作的車身電子部件實現(xiàn)對應(yīng)操作。

而 Mobileye 在創(chuàng)建 RSS 模型的時候,則是把 RSS 定位在決策之后、執(zhí)行之前。

Jack Weast 告訴我,RSS 模型本質(zhì)是一套科學(xué)的算法,是在車輛本身通過 AI 算法做出判斷之后,把這個指令輸入到 RSS 的模型中,來驗證對應(yīng)的結(jié)果。用他的話來說,RSS 模型就是決策算法的「安全封條」。

比如說,如果決策算法在某個狀態(tài)下做出了剎車的判斷,那么這個判斷就會輸入到 RSS 模型中,得出剎車操作是否能在當(dāng)前狀況下保證車輛的安全。

如果結(jié)果顯示安全,那么這個命令會直接執(zhí)行;如果結(jié)果顯示有危險,那么 RSS 模型會把這個指令返回到?jīng)Q策算法,進(jìn)行二次決策直到得到最安全的結(jié)果。

用下面這張圖簡單說明 RSS 模型和決策算法以及執(zhí)行的關(guān)系:

由于決策算法是通過不斷學(xué)習(xí)各種狀況,來使得算法能夠判斷出各種場景下做出對應(yīng)的決策,本質(zhì)上還是一個概率學(xué)的問題。因此,人工智能算法還不能 100%保證做出決策的安全,特別是隨著路況、車輛性能、傳感器配置等各種外界因素的影響,現(xiàn)階段下很容易做出不夠正確的判斷。

另外, Jack Weast 在演講中還談到過這樣的數(shù)據(jù),目前人類駕駛的事故概率是 10^-6 ,無人駕駛要達(dá)到 10^-9 的事故率,也就是目前航空業(yè)的安全水平才會被外界所廣泛認(rèn)可。要實現(xiàn)這樣的安全水準(zhǔn),大概需要 30 億英里的里程來訓(xùn)練算法。而目前數(shù)據(jù)量最大的谷歌累積里程也就是百萬級,遠(yuǎn)遠(yuǎn)達(dá)不到數(shù)據(jù)量。因此,這樣的方式在很大程度上限制自動駕駛的發(fā)展速度。

在這個前提下,RSS 模型的介入就有了很大意義。RSS 模型屬于一個嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)算法,通過控制某個特定狀況下,外界包括道路限速、車速、距離、天氣等等各種可能存在的變量,來計算出明確的結(jié)論,指導(dǎo)人工智能算法像真實人類一樣進(jìn)行安全判斷。從官方給出的數(shù)據(jù)來看,大約只需要 10^5 量級的自動駕駛里程數(shù)據(jù),就可以保證 RSS 模型實現(xiàn) 10^-9 的事故率。

從這個角度看,RSS 模型對于自動駕駛的普及有著很重大的意義。

開放是關(guān)鍵

在采訪中,Jack Weast 和我強調(diào)最多的就是 RSS 模型是一個開放的體系,希望能夠幫助所有自動駕駛的參與者,使得整個行業(yè)快速發(fā)展。

他們也不會因為自身是自動駕駛方案的供應(yīng)商之一,而限制 RSS 模型應(yīng)用的軟硬件方案。事實上,行業(yè)的快速落地也會使得 Intel 和 Mobileye 在自動駕駛領(lǐng)域商業(yè)模式更快的建立,這也是他們極力推行 RSS 模型的原因之一。

為了能夠讓更多的參與者使用 RSS 模型,Intel 和 Mobileye 選擇將 RSS 模型進(jìn)行開源,提供一套透明的框架,使得任何參與者能夠直觀的看到 RSS 模型的原理以及效果。這樣一來,能夠最大程度的降低主機廠、自動駕駛企業(yè)、監(jiān)管部門等參與者的質(zhì)疑。

我們能夠見到 Intel 以及 Mobileye 的努力,但背后的挑戰(zhàn)依然存在。

RSS 模型在建立之初,就希望能夠全球范圍內(nèi)通用的自動駕駛驗證模型,加速產(chǎn)業(yè)落地。從歷史來看,Intel 在 USB 以及 PCI 協(xié)議的制定上,都有過類似開源的行為。但考慮到自動駕駛受到車輛本身性能配置、傳感器能力、道路狀況等一些可控以及不可控因素的影響很大,因此開源的模型需要面對更大的挑戰(zhàn)。當(dāng)更多的人使用這套模型,背后意味著更大的責(zé)任和更高的安全性要求。

另外,自動駕駛行業(yè)還處在起步階段,大家對于數(shù)據(jù)的敏感程度還很高,如何取得信任依然是很大的挑戰(zhàn)。

Jack Weast 表示,RSS 模型在每個地區(qū)都需要和主機廠、自動駕駛企業(yè)以及政策制定者等合作,才能滿足特定地區(qū)不同法規(guī)、駕駛習(xí)慣下的安全需求,從而建立更嚴(yán)謹(jǐn)?shù)陌踩P。目前,他們已?jīng)通過自建車隊等方式,來逐漸完善 RSS 模型。在國內(nèi),他們也在通過寶馬的車型進(jìn)行測試。

總之,自動駕駛的應(yīng)用絕對是一個復(fù)雜而艱巨的過程。而作為消費者,我很樂于見到這類能加快自動駕駛落地的技術(shù)被開發(fā)應(yīng)用。

聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號