Chris Urmson:无人驾驶汽车如何看路

Chris Urmson: How a driverless car sees the road

频道:TED · 时长:15:29 · 发布:2015-06-26 · 播放:886201

在 YouTube 观看

简介

谷歌自动驾驶汽车项目负责人Chris Urmson展示了汽车如何感知道路并决定做什么。例子包括骑自行车者的手势、校车、警察和复杂的十字路口。

HN 为什么推荐

在自动驾驶讨论中反复使用,作为谷歌/Waymo系统已经处理了多少现实世界边缘案例的演示。

这个视频展示了为什么在高速公路上保持车道(特斯拉自动驾驶所做的)和处理城市街道是完全不同的两件事 — HN, 2016

自动驾驶与自主车辆

中文字幕节选

1885年,卡尔·本茨发明了汽车。 同年晚些时候,他进行了首次公开试驾, 然后——这是真事——撞上了一堵墙。 在过去130年里, 我们一直在解决汽车中最不可靠的部分,即驾驶员。 我们让汽车更坚固。 我们增加了安全带,增加了安全气囊, 而在过去十年里,我们实际上开始尝试让汽车更智能, 以修复那个缺陷,即驾驶员。 今天,我将和大家谈谈区别, 即用驾驶辅助系统来修补问题, 与真正拥有全自动驾驶汽车及其能为世界带来什么之间的区别。 我还将和大家谈谈我们的汽车, 让你们看看它如何看世界,如何反应,以及它做什么, 但首先,我要谈谈这个问题。 这是一个大问题: 每年有120万人在世界道路上丧生。 仅在美国,每年就有33,000人丧生。 为了让大家有个概念, 这相当于每个工作日都有一架737从天上掉下来。 这有点难以置信。 汽车是这样卖给我们,但实际上,驾驶是这样的。 对吧?不是晴天,而是雨天,你除了开车什么都想做。 原因是这样的:交通越来越糟。 在美国,从1990年到2010年, 车辆行驶里程增加了38%。 我们的道路只增加了6%,所以这不是你的错觉。 交通确实比不久之前糟糕得多。 所有这些都有非常人性化的代价。 所以,如果你取美国的平均通勤时间,大约50分钟, 乘以我们拥有的1.2亿工人, 结果每天大约浪费60亿分钟在通勤上。 这是一个大数字,所以让我们来理解一下。 你取那60亿分钟, 除以一个人的平均寿命, 结果每天浪费162个生命周期, 仅仅是从A点到B点。 难以置信。然后,还有我们中那些没有特权 坐在交通中的人。所以这是史蒂夫。 他是一个非常有能力的人,但恰好失明, 这意味着早上不是30分钟开车上班, 而是两个小时的折磨,拼凑公共交通的片段, 或者向朋友和家人求助搭车。 他没有像你我一样自由地四处走动。 我们应该为此做些什么。 现在,传统智慧会说, 我们只需采用这些驾驶辅助系统, 然后推动它们并逐步改进, 随着时间的推移,它们会变成自动驾驶汽车。 好吧,我在这里告诉你们,这就像我说, 如果我非常努力地练习跳跃,有一天我就能飞。 我们实际上需要做一些不同的事情。 所以,我将和大家谈谈三种不同的方式, 即自动驾驶系统与驾驶辅助系统的不同。 我将从我们自己的一些经验开始。 所以早在2013年,我们进行了自动驾驶汽车的首次测试, 我们让普通人使用它。 好吧,几乎是普通人——他们是100名谷歌员工, 但他们没有参与这个项目。 我们给了他们汽车,并允许他们在日常生活中使用它。 但与真正的自动驾驶汽车不同,这辆车有一个大大的星号: 他们必须集中注意力,因为这是一辆实验性车辆。 我们进行了大量测试,但它仍然可能失败。 所以我们给了他们两小时的培训, 我们让他们坐进车里,让他们使用它, 我们得到的反馈非常棒, 作为一个试图将产品推向世界的人。 他们每个人都告诉我们他们喜欢它。 事实上,有一位保时捷司机第一天来告诉我们,

HN 上的讨论

这就是为什么谷歌现在在现实世界中训练他们的汽车来处理所有这些事情。这是 2015 年的一段 TED 演讲[0],他们的自动驾驶部门负责人提出了完全自动驾驶与半自动驾驶的理由,因为半自动驾驶足够好,人们信任它,但还不够好到可以被信任。有点像特斯拉司机钻到未被正确检测的卡车下面的情况。[0] [VIDEO] 编辑:大约 8 分钟处,你可以看到激光雷达与世界的一些有趣互动。 — drewnick, 2016-08
> 我意识到这不是苹果对苹果,谷歌的汽车目前可能更自主。我认为这是一种轻描淡写。这个视频展示了为什么在高速公路上保持车道(特斯拉自动驾驶所做的)和处理城市街道是完全不同的两件事:[VIDEO] 我认为特斯拉要赶上谷歌目前的水平还有很长的路要走。 — haberman, 2016-08
这是Chris Urmson在7年前还在从事(现在的)Waymo工作时谈论这个问题的视频:[VIDEO] — jvolkman, 2022-12
无人驾驶汽车也比人类有优势。更快的反应速度,持续的360度监控,不受干扰,(理论上)更好地控制刹车和转向以处理打滑。Waymo已经展示了对你提到的许多边缘情况的解决方案。这段视频是3年前的:[VIDEO] 关于雪天,这可能是一个难题,但如果汽车看不到道路标线,人类也看不到,那他们是怎么做的?有时是跟随前面的车。虽然远未实现真正的自动驾驶,但我的特斯拉不需要看到道路标线就能让自动驾驶工作,它会退而求其次跟随前车。而且……为什么Waymo现在就必须解决这种恶劣天气问题?当然,先在好天气下展示安全性,然后是小雨,然后是大雨,然后是小雪,这样不是更好吗?他们可以直接拒绝在恶劣天气下运营,除非他们对这种情况有信心。 — stevep98, 2018-09
> 在我看来,它们一点也不相似。所有这些人员都遵循着相似的着装模式(正如我所说,是相似服装和颜色的组合)和行为模式(站在路上,以权威姿态打手势,直接面对汽车等)。机器学习算法尤其擅长识别模式并存储其抽象形式,因此,理解警察的抽象形象并非自动驾驶的主要问题,这应该不足为奇。> 人类在判断意图方面要强得多,甚至像从斜角度解析“警察”这个词这样简单的事情也是如此。谷歌似乎已经足够好地理解了这些意图,而且其水平远高于单纯的文字解析。这段视频来自2015年:[VIDEO] 在9分05秒时,汽车理解了复杂十字路口发生的一切,在9分35秒时理解了警车的样子,然后检测到校车并做出反应,接着在10分整时解析了警察的手势。我想说,3年后这些情况很可能已经基本解决了。你甚至可以在10分35秒时看到他们为汽车和行人建立的“动物园”模式中的一些生物。此外,这是去年的一篇文章:[LINK] > “当Waymo汽车听… — vntok, 2018-07

相关视频