1700044612
1700044613
预测算法通常基于底层控制，以确保机器人行进过程中的流畅性。预测算法可以提升汽车的情境识别能力，方法就是始终留意数字地图的变化，以便精准计算引擎的燃料注入量，使得汽车可以顺畅、平稳地翻山越岭。有些燃料喷射系统会利用多个不同传感器的数据流，并考虑到多种额外因素，如发动机负荷、空气湿度以及周遭环境的氧气水平，最终计算得出刚好适量的注入燃料以实现发动机的恒速运行。
1700044614
1700044615
想要实现汽油发动机的稳定运行，所需应对的重大难题之一就是时间延迟，或者称为“滞后时间（Lag time）”。对于一个发动机或者一个系统而言，时间滞后看似是无关紧要的小问题，但能影响反馈控制设备的运行，即使是最好的设备也不例外。因为给汽油发动机注入燃料的过程，究其核心还是一个机械的、化学的（非电子的）活动，所以因为时间滞后问题产生的难以预料的情况，使无人驾驶汽车的汽油发动机备受关注。这种时间滞后就意味着汽车的启动、加速以及停止都难以实现精准的时间控制。
1700044616
1700044617
不过，至少有两种方式可以减少时间滞后问题对自动驾驶汽车的影响：
1700044618
1700044619
一种方式是在底层控制中投入更多的计算能力。计算能力强大的电脑可以减弱燃油喷射器所带来的延迟问题，并为汽油发动机的匀速运行和精准计时提供更高的准确度，最终达到较高的平衡状态；解决问题的第二种方式就是更换发动机。
1700044620
1700044621
电动式引擎更加容易管理调节，这也是谷歌公司和特斯拉公司不约而同为其原型无人驾驶汽车配置电动引擎的原因之一。只要为电动引擎配置好特定的电压电位，引擎就始终能即时产生对应程度的力矩，推动汽车前进。很遗憾，几十年来大批才智超群的人将他们的智慧用于解决汽油发动机的调节控制问题，因为一旦全电动式引擎应用于无人驾驶汽车，那么那些丰富的智慧成果将变得毫无价值可言。
1700044622
1700044624
上层控制系统：路径规划和道路导航
1700044625
1700044626
只负责汽车基本运转的底层控制也许可以很快地完成任务，但上层控制系统的工作时间则要长得多，有时可能在整个出行的过程里都需要运行。如果将底层控制系统比喻为“条件反射活动”，那么上层控制系统就类似于“高级心智活动”，即传统上而言的“脑力活动”。上层控制系统的基础是路径规划和导航，而两者都需要通过搜索算法（Search Algorithms）的应用来实现。
1700044627
1700044628
搜索算法是基于规则的符号型人工智能的典型应用：如果需要搜索算法迅速解决上层控制中遇到的问题，就必须为这个算法程序提供充足的计算能力。因为大多数问题都有着多个可能解，有多种因素影响最佳路线的制定，所以需要对所有路线进行评估。因此搜索算法会占用大量的系统资源。搜索算法有着广泛的应用领域，现如今它们的覆盖范围可以从国际象棋（检索所有棋子可能性移动后的结果，并进行优劣排列）到导航。为了规划路径，无人驾驶汽车要利用搜索算法罗列出两地之间所有可能的备选路线，并按照优劣等级进行排序。
1700044629
1700044630
搜索算法中最为常用的一个是A*算法，是由尼尔斯·尼尔森（Nils Nilsson）及其同事于1968年发明。几乎所有涉及将备选方案排序并筛选最佳答案的问题，都会尝试用A*算法来解决。这个算法为全世界的GPS导航设备提供了智能判断，并且它还应用于当今很多不同领域的软件程序中，如棋牌类对弈和工厂任务调度。
1700044631
1700044632
就像阿根廷探戈舞一样，A*算法做的事情也是看似简单实则复杂。在这个算法发明出来之前，早期的人工智能研究者一直困惑于如何让搜索更高效。解决办法就是为这个搜索加入一个巧妙的代价函数（cost-function）。A*算法之所以能提升搜索速度，就在于它使用的代价函数将已经检索路径占用的成本与达到目标位置还需要付出的乐观预计成本相结合，即得出最终需要支付的代价。这个算法的代价函数巧妙地移除了前期搜索过程中的大量重复计算，借助数学方法实现对最短路线的精准搜索。
1700044633
1700044634
虽然A*算法是一种通用型搜索算法，但它尤其适用于驾驶活动中的上层控制功能。只要软件研发人员适当调整算法中的代价函数，使其重新运行算法，它就可以用于评估各种各样的驾驶行为需要支付的成本，例如信号灯等待时长、道路拥堵情况、道路维修工程、信号灯数量，甚至需要等待的左转弯的数量都可以计算检索。
1700044635
1700044636
尼尔森和他的同事在发明这个算法之初，就开放了其源代码，这一慷慨之举大大加速了数字导航软件的研发进程。自从这个算法诞生以来，它已经成为人工智能研究中最有影响力的算法之一。几年前，我在瑞士的一个小型研讨会上见到了尼尔森，当时大家在庆祝人工智能概念诞生的第50个纪念日。尼尔森目睹了当今人工智能研究领域对每一个细小进展都授予专利的趋势，不无取笑地说：“如果每个用GPS导航的人每次付给我一美分，那么我早就是亿万富翁了。”
1700044637
1700044638
今天，上层控制系统和底层控制系统技术都已经比较成熟，并且经过时间的考验后得以广泛应用。然而，它们的成熟却又引发出一个有趣的问题：为什么无人驾驶汽车还没有开始真正在市场中销售？答案就在于莫拉维克悖论，即看似简单的移动和感知过程，其实十分难以自动化。
1700044639
1700044640
正如我们前文提到的，无人驾驶汽车相比其他移动版机器人的一大优势就在于它们是建立在四个轮子上的，无须借助躯干肢体运动。事实上也是如此，由于汽车可以滚动前进，无人驾驶汽车的设计师可以回避类似CHIMP等灾难恢复机器人在自动化过程中所遇到的大量计算难题。但是，莫拉维克悖论的第二个方面，即有关知觉和反应的问题，几十年来仍然难以实现自动化。识别周围环境并做出针对性反应，能够赋予无人驾驶汽车这些能力的软件始终都是机器人操作系统中最关键的部分。
1700044641
1700044642
1700044643
1700044644
1700044646
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 第四章 创建人工识别
1700044647
1700044648
无论是底层控制系统还是上层控制系统，都无法赋予机器人从视觉上识别周围环境并做出恰当反应的能力。因此，直到最近，人工智能也未能为汽车提供极为可靠的人工识别。
1700044649
1700044650
2015年，黑客乔治·霍兹（George Hotz）发表声明，称只用了一个月的时间，就在自家车库成功改装了一辆无人驾驶汽车。激光雷达、摄像机以及能塞进储物箱内的电脑、网络交换机和GPS传感器，霍兹用这些寻常的设备改装了一辆2016年版的本田讴歌ILX（Acura ILX）。按照霍兹的说法，他的无人驾驶汽车运行状况良好。霍兹还夸口表示，再经过几个月的改进和实践，引导这辆改装版讴歌汽车运行的软件在运作性能上会超越特斯拉S型车（Tesla S）的定速自动行驶模块。
1700044651
1700044652
特斯拉的CEO埃隆·马斯克对霍兹的公开挑战并没有置之一笑，而是在特斯拉网站上郑重其事地向霍兹说明了自动驾驶的真正难题：
1700044653
1700044654
把机器学习系统做到99%的准确率相对简单，但是在这个基础上再提升0.9999%的准确率却非常难，而这0.9999%才是根本性的需求。去看看每年一度的机器视觉竞赛就能知道其中缘由了，电脑在判断什么东西是狗的问题上准确率可以高达99%以上，但可能偶尔也会把盆栽植物错认为狗。如果在以每小时70英里的速度行驶时犯下这种错误，那么后果将十分严重。
1700044655
1700044656
霍兹和马斯克之间的争论，恰恰体现了人工识别软件的价值所在——无人驾驶汽车目前还缺失的核心组件，这还表明了这个组件的发展对于无人驾驶汽车能否真正走向市场有多重要。霍兹成功改装讴歌的事迹，证明了如今一个熟练的开发人员在短时间内便可搭建一辆“不错”的无人驾驶汽车。然而，正如马斯克所说，当需要人们对软件托付生命时，让它的准确率从99%提升到99.9999%才是质的飞跃。
1700044657
1700044658
在过去的几年中，移动机器人在定位周边环境方面表现得越来越好。得益于大数据、高分辨率数码相机和更快速的处理器的出现，计算机视觉软件的性能已有了显著改善。另一个催化剂便是机器学习软件的成功应用，解决了机器视觉的一些棘手问题，进而引发了一场人工识别研究的复兴。
1700044659
1700044660
无人驾驶汽车技术的最后难关仍然是开发软件来监管汽车的感知和反应。在编写这本书时，我们遇到了一个十分困惑的问题——应该如何称呼这些不能完全归属于底层控制或者上层控制领域的各种新兴软件工具包。思考一番之后，我们索性将这些软件归属到名为“中层控制（Midlevel Controls）”的领域。
1700044661
[
上一页 ]
[ :1.700044612e+09 ]
[
下一页 ]