<mark id="oztn4"></mark>
0
阿里巴巴的自動駕駛研發正在走向縱深。
雷鋒網新智駕獲悉，9月26日，阿里巴巴自動駕駛實驗室負責人王剛在云棲大會自動駕駛技術專場上表示，“從算法的角度，我們認為現在最需要解決的問題是，交通場景復雜多樣，但是交通算法不能有效處理很多場景的關鍵問題，從而導致了碰撞風險。”
由于電商平臺對物流配送的天然需求，阿里巴巴在自動駕駛領域的投入主要集中在物流行業，且主要關注兩大類場景：一是末端物流，也即最后一公里到三公里的配送。目前其無人車主要在高效進行常態化的商業運營。二是在城市環境場景下的自動駕駛研發。據王剛介紹，目前其無人車可以在時速40-50公里時實現轉彎、躲避障礙物等功能。
雷鋒網新智駕了解到，與所有從事自動駕駛研發的公司一樣，阿里巴巴的自動駕駛團隊也遇到了算法方面的問題。這主要是因為，由于車型種類、交通環境、cut in動機等存在多樣性，從而導致車輛的行為方式復雜多變，而現有算法無法有效處理復雜多樣的場景。
提及如何解決復雜場景下的算法問題時，王剛認為，可以參照人工智能領域的“No Free Lunch”理論，擯棄借助通用算法解決所有問題的思路，而是將交通場景細化和分類，進行針對性的算法優化，從而讓效率不斷提高。
王剛指出，現有的按照駕駛環境比如高速公路、城區道路等進行分類的方式是粗粒度的，起不到分解問題的作用。而按照場景要素比如天氣情況、道路情況進行組合的方式又是非常冗余的，大部分組合與自動駕駛的核心難點沒有直接關系。
基于此，阿里巴巴自動駕駛團隊對場景進行了精細化分類，且和算法做了深度融合。 以cut in為例，該團隊將這一場景進一步分為25個小類，每個小類對應一個優化算法。
在王剛看來，傳統的人工分類方式建立在人對交通的理解上，但這種方式還不夠精細化。與人工分類方式不同的是，機器可以基于大量的測試和路測數據，再通過智能算法挖掘出合適的場景進行分類。這正是他們正在做的事情。
除了采用機器分類，阿里巴巴自動駕駛團隊在對場景分類時還加入了其他交通參與者的動態行為。“這些動態行為才是自動駕駛的關鍵難點。在以往的分類中，我們很少看到這樣的動態行為劃分，因為人很難描述動態行為。”王剛表示。
理論上，如果有一千個場景，阿里巴巴自動駕的技術實現就需要設計一千個算法。這會帶來大量的人工投入。
王剛稱，目前業界的開發模式是“人工+智能”的方式，但他們主要通過大量的自動駕駛工程師的理論知識去設置相應的算法、規則和參數等，由于場景太多，導致人工需求大量增加，很多時候甚至是難以滿足相關要求。
據雷鋒網新智駕了解，為解決這一問題，阿里巴巴研發出Autodrive平臺，通過計算機進行智能的搜索、發現和學習，以適合每個場景下相應的算法、規則、模型結構和參數等。據王剛介紹，目前他們的算法已經取得了初步成果。比如，在路口防碰撞方面，相對于人工效率，利用Autodrive平臺能夠將防碰撞成功率提高16.5%。研發效率方面則在人工效率的基礎上提高了5倍。
自去年4月起，阿里巴巴首次公布正在以王剛帶隊進行自動駕駛技術研發。隨著對自動駕駛技術的不斷深入探索，該公司正在算法層面展開集中攻關。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
