Mobileye：4年内造出L4级无人驾驶汽车！

图为2018年5月15日在Mobileye总部展示的Mobileye自动驾驶测试车（图片来源：REUTERS / Ronen Zvulun）

就在刚刚结束的CES 2019上，Mobileye狠狠刷了一波存在感。其联合创始人兼首席执行官Amnon Shashua不仅在演讲中公布了与北京公共交通集团和北京贝泰科技两家中国企业的合作（双方将利用Mobileye提供的技术，改善中国的商业公共交通服务）。同时，他还透露了与英国国家测绘机构Ordnance Survey的合作，表示Mobileye将通过技术赋能帮助Ordnance Survey实现高精度位置数据商业化。

除此之外，Mobileye还透露了另一个重要信息，即目前已经有近百万辆汽车正在不断将行驶数据映射回Mobileye的云平台。而这，也成为了Mobileye下一步推进无人驾驶的核心支撑。

自2017年3月被英特尔以153亿美元收购以来，Mobileye负责数据收集和分析工作的员工数一直持续增加。两年之前，Mobileye公司的员工总数约为780名，现如今仅仅在以色列就拥有1400名员工（其中约300名来自英特尔公司）。除此之外，Mobileye目前还在耶路撒冷建筑的一座新园区，预计将容纳2500名员工；同时，它还在为佩塔提克瓦的“数百名”工程师与数据科学家建造办公室。

在主题演讲之后，笔者采访了Shashua，进一步了解了Mobileye在无人驾驶领域的未来布局。

无人驾驶汽车目前要解决的是工程传感器问题

据Shashua透露，明年年初Mobileye公司将与大众汽车以及以色列汽车进口商冠军汽车公司合作，共同推出以色列的首个无人驾驶服务。冠军汽车公司将负责车队运营与控制中心的管理工作，大众汽车公司负责汽车供应，并由以色列政府共享基础设施与交通数据，Mobileye公司提供无人驾驶系统方案。

届时，无人驾驶版本的大众汽车将在特拉维夫的预选路线上为乘客提供交通服务，运营区域面积约为11平方公里。而这，只是计划的第一阶段。Mobileye公司希望到2020年实现在公共道路上部署“数十辆”无人驾驶汽车，这些车辆将在目的地之间不受限制地自由行驶。而到2023年，这项服务将延伸到以色列的所有地区。

与此同时，在未来四年当中（如果一切按计划顺利进行），无人驾驶测试也将通过与合作伙伴的合作在美国与中国全面铺开。目前，Mobileye公司已经与宝马、沃尔沃以及现代等多家汽车厂商达成协议，将无人驾驶技术应用于各厂商的商用汽车。

Shashua强调，这些无人驾驶汽车将“真正”达到L4级水平，意味着其能够在仅需有限的人为输入及监督之下应对一切特殊状况。到目前为止，L5级汽车——也就是能够在任何道路上行驶且在一切情况下皆可实现无人操控的汽仍没有出现。对于其中的原因，Shashua解释称，即使是当今市场上最为强大的系统，有时候也会难以应付暴雨、暴雪等极端恶劣天气的挑战，Mobileye公司自然也不例外。他同时补充称，“正因为如此，目前的部署场景一般都选在天气良好的区域，例如美国凤凰城。”

当然，并不是说L5级无人驾驶汽车无法实现。在Shashua看来，借助目前的机器学习技术，完全有可能将其转化为现实。他表示，其中的要点在于工程传感器问题，也就是说要找到一种能够以可靠方式处理雪花、雨滴、雾以及其它干扰性降水条件的传感解决方案。而这也是现有摄像头所面临的难题之一。

同时，Shashua还预测，随着低成本雷达与高保真激光雷达的出现，目前的一系列无人加强挑战将在未来五到十年当中得以解决。比如，以AEye为代表的多家企业已经推出将激光雷达与摄像机数据进行合并的系统；Luminar等初创企业也正在着手设计远程激光雷达传感器。这些传感器的出现，将大大改善目前困扰整体系统发展的难题。

绘制高精度道路位置地图

当然，单纯改善感知能力本身并不足以真正解锁完全无人驾驶系统的全部潜能。正因为如此，Mobileye才与Ordnance Survey等机构开展合作，在英国、以色列以及其它地方建立高精度道路位置数据库。

从2019年到2020年，Mobileye、大众以及冠军汽车三方计划将从以色列特拉维夫33公里的道路之上收集数据。而在此后的两年之内，数据收集范围还将进一步扩大至总长度为111公里的道路。

Shashua指出：“任何商用汽车都可以配备一台目前价值仅数百美元的前置摄像机，并以每辆车每年一美元的成本持续创建高分辨率绘图数据。这将解决道路绘制可扩展性的重大难题。”

高精确度地图能够为车辆以及车队运营商提供新的收入来源。通过从无人驾驶以及普通汽车处收集到的数据，公共事业企业将能够更准确地追踪井盖、电线杆以及灯柱等市政资产，电信供应商则可以凭借这些指示性信息规划新的无线与地下网络。Shashua补充道：“利用这些地图改善商业与市政等领域的运营能力，将帮助我们在智慧城市的建设与道路安全水平提升等层面更进一步。”

基础设施建设可能带来高昂成本

除了Mobileye之外，百度在CES 2019上也宣布对其V2X阿波罗智能汽车基础设施协作系统平台进行了开源，并表示将在道路基础设施所嵌入的传感器方面进行投入，从而帮助改善无人驾驶汽车的导航能力。

但Shashua认为这一发展思路似乎并不可行。其中的问题并不在于车辆到周遭环境（简称V2X）交互系统本身的功能水平，而在于这套系统的实际部署将带来极为高昂的成本。根据美国国家公路交通安全管理局（National Highway Traffic Safety Administration）公布的数据，预计到2020年，单是车辆与车辆组件本身带来的平均支出就将达到341美元到350美元。

Shashua认为，支持无人驾驶系统所需要的唯一地面组件，就是交通信号灯转发器——这是一种小型发射装置，能够在可安全行驶的情况下向汽车发出无线通知信号。当然，这种通知机制只是一种补充与保障性方案，汽车本身也有能力在交叉路口处进行导航。

一个“摄像机”解决复杂路况的操作任务

无人驾驶场景的实现，要求配备Mobileye系统的汽车能够更好地在各类具有挑战性的道路条件下完成操作任务。现在，该系统已经能够处理无保护左转弯状况（无人驾驶汽车在这方面一直表现得很差），在严重拥堵路况进行车道变换，并且识别侧通道、窄车道以及减速带。

值得一提是，以上提到的全部任务操作都是在只依靠摄像机的前提下完成的。目前有相当一部分无人驾驶汽车系统（包括Waymo以及优步的相关解决方案）都会激活激光雷达，通过用激光照射物体并测量反射脉冲的方式实现传感器的物体测距能力。除了雷达之外，加速度测量计与其它数据采集传感器也被添加进来。

对于这个问题，俄勒冈州的Flir等供应商建议在车辆中嵌入有机器学习算法的热感应摄像机，而源自麻省理工学院国防部林肯实验室的波士顿初创企业WaveSense则认为在传感器堆栈当中添加地面穿透雷达（简称GPR）才是最合理的改进方向。

但Mobileye公司仍然坚持，通过摄像机就能解决这个问题。为此，其EyeQ系列采用了最新的定制加速器处理器芯片，利用专项图像处理算法实现感知能力提升。Shashua解释称，最新的7纳米制程的EyeQ5处理器将能够与完全无人驾驶汽车的传感器进行融合，从而提供360度全方位覆盖的摄像机与超声波探测结合型解决方案。

早在2016年CES展会上，Mobileye就推出了称为“道路体验管理”（简称REM）的后端系统，这套系统能够以低带宽的方式提取路标与道路信息（行驶每公里只产生10 KB数据），从而为本地以及高清车道数据创建实时的众包支持。这些细分数据最终都将被整合至Mobileye的云端全球地图中。如今，数据量还在不断攀升。截至2017年年底，EyeQ已经覆盖超过1500万辆汽车，远高于2016年年中的1000万辆。

当然，这并不意味着Mobileye公司就固执地反对整合更多额外的传感器。恰恰相反，EyeQ5也支持普通雷达与激光雷达。Shashua强调称，虽然Mobileye一直将研究重点放在视觉信息处理层面，但其也将努力在今年上半年构建起带有普通雷达与激光雷达的支持系统。他表示，“我们只是希望将摄像机的处理能力推向极致。”

Mobileye公司计划到2020年年中开始向合作伙伴提供白盒“子系统”——例如环绕计算机视觉套件。这是一套由12个摄像机组成的360度视觉系统，观察半径能够达到300码；此外，其还将推出一套多芯片交钥匙解决方案，即AV Kit，其中融合有多种其它传感器、决策制定驱动策略以及地图绘制功能。

回归安全问题

回到最初的问题。如果无法在公众当中得到信任，那么无人驾驶系统的技术飞跃将毫无意义。

根据去年的三项独立研究（分别来自布鲁金斯学会、智囊机构HNTB以及公路与汽车安全倡议）发现，大多数人都对无人驾驶汽车的安全性表示怀疑。超过六成的受访者表示他们“不倾向于”使用无人驾驶汽车，近七成受访者亦“担心”与无人驾驶汽车一同行驶在道路之上。有59%的受访者预计无人驾驶汽车在安全性方面“至少不会好于人类”。

这样的担心不无道理。2018年3月，优步公司的一辆无人驾驶汽车在亚利桑那州坦佩市致使一名行人死亡，这也直接导致其放弃对无人驾驶沃尔沃XC90车队做出进一步测试。此外，特斯拉公司的无人驾驶辅助系统也饱受诟病，不少车主表示由此引发的小规模刮蹭导致汽车挡泥板损坏，甚至出现了某辆特斯拉Model S在卡尔弗城与停放在路边的消防车相撞的事故。（特斯拉公司于2018年10月初宣布，停止在部分新车型上提供「完全无人驾驶功能」。）

要如何说服抱有怀疑态度的公众？在Shashua看来，答案源自数学模型，即责任敏感型安全（简称RSS）。

Mobileye公司于2017年10月在韩国首尔举办的世界知识论坛上正式提出了RSS这一概念，直白地说，这像是一种“常识性”方法，可帮助无人驾驶系统在道路上进行决策并培养良好的习惯，例如保持安全的跟车距离并为其它车辆提供优行通过权等。

事实上，能够从RSS当中受益的不仅只有无人驾驶汽车的乘客。在本周发布的博文当中，Shashua详细介绍了一种增强型自动紧急制动机制——即自动预防性制动（简称APB）。其利用公式来确定汽车何时可能进入危险状态，基本思路是在有潜在危险性因素进入视野时降低车辆速度，并逐渐停车以防止可能出现的碰撞。

Shashua认为，如果能够在每一辆汽车上安装APB并配备一部前置摄像机，那么就有望消除因粗心驾驶导致的车辆碰撞事故。他甚至称，包含环绕摄像机感应与位置感知功能的APB系统能够消除“几乎所有”可能导致后挡泥板刮蹭的轻微事故。

而为了激励汽车原始设备制造商采用RSS以及APB等决策模型，Shashua建议NHTSA等监管机构采用新的评级标准以要求车辆使用这些增强型安全系统。他总结说：“这一举措的终极目标，在于保证汽车以符合人类操纵习惯的方式运行。我们需要为此建立起合作联盟。”