怎么样的安全才足够成为自动驾驶最棘手难题
密歇根州立大学的最新研究表明，毛毛雨和小雨都会混淆自动系统用来检测行人、自行车手和其他道路使用者的算法。这些发现再次明确了这样的前提，即除非这些算法能够更好地处理各种天气条件，否则自动驾驶汽车可能仅限于阳光合适的天气，或者当天气条件低于系统临界标准时，有人接管车辆。
这项研究的重点是测试计算机视觉系统的能力，因为摄像头通常是汽车制造商和技术公司用来对行人和其他道路使用者进行分类的主要传感器。
但问题不在于相机，这次研究的参与者强调，而是从相机中提取信息的算法。
“一旦有几滴雨，算法就会感到困惑，”他说，这就像眼药水滴在眼睛里，人的生理反应就是希望马上就能看到外面世界。”
研究人员评估了各种参数，包括雨滴的大小、每平方英寸的雨滴数量以及风速的影响。从晴朗的天气到暴风雨的尺度，他们发现，当降雨强度是最坏情况的10%时，算法无法检测到多达20%的物体。当降雨强度增加到30%时，多达40%的物体不再能被探测到。
来自雷达和激光雷达的信息可以缓解一些问题，但是最终的传感器融合数据仍然需要视觉去分辨和识别物体的类型。
在密歇根州立大学，研究人员在兰辛大学东校区周围的红绿灯上安装了摄像头，使他们能够收集有关行人、自行车和车辆运动的数据，并更好地预测他们的运动，这对于自动驾驶系统来说至关重要。
而早在2015年7月，密歇根州立大学在位于密歇根州安娜堡市的该大学校区内就修建了自动驾驶汽车测试场“交通转换中心”（简称Mcity）。
该测试场位于平坦地带，全长6.5km，其中有再现高速公路的直线路段、再现十字路口等的市区道路，周边还有土路。同时，密歇根大学过去一直与美国交通运输部及密歇根州运输局合作，由市民参与，使用约3000辆汽车在普通公路和高速公路上进行路车间和车车间通信的验证试验。
这项测试还产生了另一个与天气有关的发现。根据气候的变化，自动驾驶系统用来确定其位置的高分辨率地图可能需要季节性更新。
比如，秋天当树叶从树上落下时，研究人员意识到他们的地图已经过时了。而到了夏天，你可以想象在靠近道路的树木或灌木上长满了树叶，它们是地图的重要组成部分，所以夏天和冬天是完全不同的。
寒冷天气也会给自动驾驶车辆的传感器造成问题。去年冬天，研究人员发现10华氏度的温度以及更低的温度增加了传感器的“数据噪音”，或者说增加了激光雷达传感器的低质量或者不相关的返回量。
而激光雷达制造商告诉研究人员，他们不能保证传感器能在极端寒冷的环境下工作，他们正在努力扩大传感器的温度范围。
不管是寒冷的天气、树叶还是小雨，研究人员表示，这些缺点都突出了这样一个事实：在可预见的未来，天气会削弱自动驾驶技术的能力。
同时，如果一旦摄像头失效，自动驾驶系统被迫依靠其他替代传感器和GPS及高精定位来确认本车的位置，这种状况并未在公共道路上进行大量测试。
未来许多年，具有挑战性的天气条件将是一个问题。
Waymo在2017年向美国交通部提交的一份43页的安全报告中这样写道：我们的车辆已经具备在恶劣天气下驾驶的能力，如中雨，白天和夜间都能正常工作。
而在Waymo今年10月发布的自动驾驶车辆事故应急指南中明确提出：Waymo自动驾驶车辆的设计使其可在高速公路、公路、城市街道和乡村道路等限速达65英里/小时的地方驾驶，也可在停车场、在小雨和雾中日夜不停地行驶。
但是Waymo明确提出，在大雨、下雪和冰冷的天气等恶劣天气、被水淹没的道路、山区道路以及无路区该车的自动驾驶功能将受到限制。
显然，Waymo仍在不断努力克服这样的天气障碍。在今年谷歌I/O 2018开发者大会上，Waymo介绍了如何借助机器学习技术来减少雪花带来的“信号噪点”，让自动驾驶汽车看穿积雪路面并安全行驶。
自动驾驶，自动驾驶初创公司,自动驾驶路测
比如，上图的上半部分，展示了自动驾驶汽车传感器扫描到的无数噪点，密密麻麻地围成了一片紫云。如果不能滤除所有噪点，自动驾驶汽车会误认为自己被各种坚实的物体包围，选择蠕行、甚至干脆停下来不走了。
而目前谷歌的机器学习技术能够用算法过滤掉噪点之后，信号收集画面简洁得如同正常天气状态。
此外，面对恶劣天气环境，还必须要做到如何保持车外传感器清洁和不被遮挡。
现在，研究人员和制造商主要关心的问题之一是开发用于恶劣天气的安全和道路测试协议，这对于依靠先进技术感知周围环境的车辆来说可能是一场斗争。
而美国联邦公路管理局（FHWA）估计，每年有500多万起不同的车祸中，22%直接与恶劣天气有关，显然，未来自动驾驶车辆也同样可能遭遇类似问题。
自动驾驶汽车发展的决定性问题不是围绕着某单一的技术功能展开，至少在几年内不会有答案。研究人员表示：“‘how safe is safe enough’是我们必须解决的最棘手的问题。”
看看，学习学习 快马加鞭 异想天开
页:
[1]