20240620 

来自委内瑞拉国民报（El Nacional）科技专栏的报道：

原文参见：https://www.elnacional.com/tecnologia/una-startup-peruana-analiza-el-trafico-de-lima-para-resolver-el-desafio-de-la-conduccion-autonoma/

 

自动驾驶技术，作为全球科技巨头和初创企业竞相追逐的目标，包括谷歌（Google）、特斯拉（Tesla）和优步（Uber）等巨头。然而，其大规模普及之路仍遥不可及。

自2022年以来，不少自动驾驶车辆（AV）公司纷纷停业，即便谷歌的Waymo、特斯拉（由埃隆·马斯克掌舵）以及通用汽车的Cruise等知名企业手握数十亿美元投资，也不得不收缩团队，努力维持自动驾驶的愿景。

尽管计算机视觉技术取得了显著进展，如Detectron2的突破，但自动驾驶车辆事故仍旧频繁发生。去年十月，Cruise因一起车辆拖拽妇女的事故，紧急召回了950辆自动驾驶车型进行软件升级。

是什么导致了这些故障？为何机器难以复制人类驾驶的行为？

 

挑战自动驾驶的根本原因

阿杜罗·德萨（Arturo Deza）曾在麻省理工学院（MIT）担任博士后研究员，现任利马工程技术大学（UTEC）教授，致力于自动驾驶技术的研发。他创办的公司Artificio正在开发一个针对恶劣驾驶条件的自动驾驶评估平台，其总部设在被TomTom评为拉丁美洲交通状况最差的城市——利马。

德萨表示，自动驾驶的失败源于对计算机视觉系统的过度乐观，似乎认为该技术已臻至完美。他告诉《秘鲁报道》（Peru Reports），计算机识别常见物体的能力常被人们夸大其词，因为“仍存在许多模糊的刺激条件”。

尽管计算机在识别大多数物体方面表现出色，但在处理复杂场景时往往力不从心，例如在拥挤的交通中驾驶。他补充道：“许多自动驾驶汽车项目因这些困难而受挫或转向。例如，Argo AI尽管获得了十亿美元的投资，但最终仍宣告破产。”

Artificio于去年12月发布的研究报告指出，自动驾驶失败的感知问题主要有两大原因：一是对分布外刺激的感知不足，二是缺乏高质量的分布外场景参考点。

研究报告强调：“在多数情况下，自动驾驶车辆在接近完美的阳光条件和简单路况下进行训练，但一旦面临雾天、人群游行、街头奔跑的狗或侧道上的滑板车等复杂场景，许多系统的感知推理便开始失效。”

 

Artificio的提案：在极端条件下测试自动驾驶

德萨认为，秘鲁的驾驶环境为自动驾驶技术提供了理想的测试场所。他建议，自动驾驶行业应优先收集发展中国家的数据，这些地区的驾驶模式更具挑战性，如利马。这将有助于更好地训练自动驾驶车辆使用的计算机视觉系统。

德萨表示：“如果自动驾驶车辆能在利马、河内或孟买的道路上轻松识别每个物体和障碍物，那么在旧金山、伦敦和北京等城市进行感知推理就会变得轻而易举。”

此外，Artificio还建议将自动驾驶车辆的计算机视觉系统训练放在将要部署的城市之外。在机器学习中，这被称为对抗训练，旨在利用逆境和不常见的数据进行训练，提高神经网络在预期和非预期情况下的表现。

 

在秘鲁街头收集数据

如果你曾到访利马，你会知道这个拥有1100万人口的大都市交通混乱不堪。根据TomTom最新的交通研究报告，利马在拉丁美洲交通最差城市中排名第一，甚至超越了波哥大和墨西哥城。同时，它在全球最拥堵的城市中位列第五，仅次于米兰、多伦多、都柏林和伦敦。

基于这一现实情况，Artificio在2023年12月至2024年3月期间，在利马、库斯科和卡哈马卡等多个秘鲁城市进行了数据收集工作，使用了仪表盘摄像头和车载GoPro摄像头。

德萨解释说：“数据收集相对简单，但数据的分析和标注则是一个更为复杂且耗时的过程。我们的目标是利用标注数据进行比较，以评估模型的准确性。”

Artificio团队面临着独特的挑战，例如识别秘鲁特有的车辆类型，如机动三轮车和冰激凌车，这些车型在当前模型中并未纳入分类。“这项研究告诉我们，我们需要为不同的地理环境创建新的物体类别，因为不同地区的交通环境各有特色。”德萨补充道。

德萨的目标是找到可以推广至全球所有城市的基本原则：“如果我们能做到这一点，其他公司也将从中受益。”

 

使用神经AI进行对象分类的创新方法

与当前依赖大量数据和计算资源（如GPU和数TB数据）进行对象分类的人工智能模型不同，Artificio开发的神经AI技术旨在以最少的数据和资源，构建出相同或更出色的系统。

德萨解释说：“我们的技术目标在于，利用尽可能少的数据和资源，打造出一个性能相同或更优的系统，相较于Detectron2、YOLO或RetinaNet等现有模型，我们的系统更加高效。这对于成本控制和数据的伦理处理具有重要意义。”

该公司专利产品NeuroAI基础模型背后的核心理念是，自动驾驶车辆能够实时查询其在路上遇到的任何物体，并找到与之最相似且已经分类的物体，以迅速解决潜在的冲突。

 

Artificio的长远愿景

当然，Artificio想要与更大的自动驾驶公司竞争，甚至帮助它们，仍有很长的路要走。德萨表示，他们的下一步计划是将平台商业化，以便任何学生或工程师都能通过网络应用程序上传和评估他们的模型。

他说：“我们正在搭建一个平台，让人们可以上传和评估他们的模型，即使他们不是公司的员工。这将使先进技术的访问变得更加民主化。”

此外，Artificio还计划在秘鲁的车辆中加装激光雷达（Lidar）传感器，以进一步丰富其数据平台，并展示这些系统在极端条件下的能力。

Deza表示：“如果一辆自动驾驶车辆能够在秘鲁的道路上顺利行驶，那么它就可以在任何地方行驶。”

尽管面临诸多挫折，德萨对自动驾驶的未来仍然持乐观态度，但他也承认仍有许多挑战需要克服。他说：“我认为，到2030年，自动驾驶车辆应该能够在全球范围内运营，但关键在于企业能否在高成本和缓慢的采用速度下生存下来。”

 

 

编辑：盛枫茹

校对：李焱斌

 

本文使用ChatGPT 辅助翻译，内容服务于中拉科技互鉴，不代表平台观点，如有疏漏，欢迎指正。