7月8日,百度自动驾驶技术部PnC负责人彭亮受邀参加2023世界人工智能大会,并在智能驾驶论坛上发表主旨演讲,分享了百度Apollo在迈向全无人规模化运营过程中的技术心得。彭亮指出:完善的安全体系是自动驾驶无人化运营重要前提,学习型PnC是全无人运营的必由之路。
完善的安全体系是无人化运营重要前提
自动驾驶系统最重要的就是安全,只有自动驾驶的安全超过人类驾驶,才能实现Robotaxi的规模化运营。百度Apollo一直基于城市复杂场景,稳步推进L4自动驾驶,已累计测试运营了6000万公里,期间没有发生过一起重大安全事故。“这足以说明我们的自动驾驶系统,在安全方面经受住了考验”,彭亮说。
百度Apollo将自动驾驶无人化的安全问题拆解成“不安全-安全”、“未知-已知”两个维度,并针对这两个维度采取了相应的策略。首先,通过提升单车智能能力,将已知的不安全场景转化为安全场景;其次,通过监控、冗余和平行驾驶等系统,将未知的危险场景转化为已知的场景。最终,通过持续努力将未知风险降到最低,实现整体系统的安全性。
另外,百度Apollo遵循成熟的汽车安全体系设计,从功能安全和预期功能安全两个方面构建安全系统。通过底盘、传感器和计算单元的冗余设计,降低设备本身失效带来的风险;同时,通过完善的故障检测和应对方案,实现全方位的功能安全。当系统检测到故障时,会进入安全状态,并针对不同类型的故障设计合理的应对方案,比如当胎压出现异常,系统需要能够检测出来并合理处理。
彭亮认为,在复杂的道路条件下,系统遇困时不能简单一停了之,而是需要与真实的道路环境兼容。因此,百度Apollo充分利用仿真系统来设计针对不同故障类型的应对处理策略,从而提供基本的安全保障,将未知的风险场景降到最低。
目前自动驾驶业界的系统的操作设计领域(ODD)定义通常是静态的,比如雨雪天气、高速公路、隧道等等,难以覆盖所有的道路交互场景状态。百度Apollo自动驾驶在演进过程中,以预期功能安全为框架,不断扩展了系统ODD,提升系统能力边界。同时,设计了一个偏召回的风险预警模型,通过云端和路侧提供辅助,确保系统从潜在的不安全状态转变为更加安全的状态。此外,通过在云端进行数据挖掘、训练和仿真等工作,进一步提升自动驾驶系统的能力。
学习型PnC系统是实现无人化的必由之路
自动驾驶的设计一直存在两种路线,一种是端到端的自动驾驶统一模型路线,另一种是将整个系统拆分成多个模块的工程化路线。百度Apollo在工程化路线上持续努力,同时也在端到端方案上做了大量深入探索,并把阶段性成果应用到自动驾驶系统中,这一过程中,文心大模型起到了重要作用,大幅提升了系统的感知能力。
彭亮认为,学习型PnC系统是实现无人化的必经之路,该系统能逐步吸收规则系统的经验,通过数据驱动的学习不断提升能力,并通过启发轨迹的检索降低规划优化过程的计算开销。
百度Apollo将预测和决策系统合并为一个多任务系统,通过预测决策统一建模,联合处理问题。并巧妙地把规则系统当作学习型系统的“学步车”,用规则系统的经验初始化学习系统,再通过大量的数据反哺,驱动学习系统不断成长,最终超越规则系统。
彭亮提到,在探索学习型PnC系统的过程中,取得了意想不到的成果:基于搜索的轨迹生成方法,只需搜索两条候选轨迹,即可生成99%场景下的可行答案,在困难场景下表现出色。因此,这种基于搜索的匹配方案被整合到百度Apollo决策系统中。
百度Apollo的学习型PnC系统还具有较强的泛化能力,能够快速适应不同城市的道路环境,落地新城市的技术交付时间仅为20天,“打通数据驱动范式后,就像获得感知系统一样,可以更快扩展城市,用更多城市的数据来驱动系统快速适应。”彭亮说。
伴随着百度Apollo在无人驾驶技术上的深耕,百度萝卜快跑一直在“稳步扩区”,目前全无人运营及测试已经覆盖北京、上海、深圳、武汉、重庆五大城市,越来越多的人愿意在出行时选择“无人车打萝卜”。截至2023年一季度,萝卜快跑的订单总量已超过200万。接下来,百度Apollo仍将持续扩大业务规模,着力打造全球最大无人驾驶运营服务区,助力中国智能网联汽车产业高速高质发展。
全部0条评论
快来发表一下你的评论吧 !