深度神经网络:主动驾驶汽车的“引擎”
2019-08-06 19:52

星力捕鱼|www.xingliyouxi.cn|星力捕鱼游戏下载

Photo by Samuele Errico Piccarini on Unsplash


在过来十年中,深度神经网络获得了打破性停顿,从微软亚洲研讨院在ImageNet图像辨认应战赛中运用的残差网络,到DeepMind的alphaGo围棋算法,它们都依赖深度神经网络的开展与美满。


在主动驾驶汽车范畴,深度神经网络也起到了相似于推进引擎的作用。预算路途边沿地位、发明妨碍物、依据GPS数据和减速度计跟踪汽车地位,穿越忙碌的十字路口……主动驾驶汽车早曾经学会应用感知和情况建模层和高条理推理层来停止考虑。


据英国路透社7月19日报道,宝马和腾讯于当日表现,两家公司将联手在中国这个天下上最大的汽车市场建立一个盘算中央,协助其研发主动驾驶汽车。该盘算中央将于往年年末开端运营,将为汽车提供数据处置才能,协助汽车完成半主动驾驶,并终极完成主动驾驶。



固然在英美以及德国、瑞典 、西班牙等欧洲国度,主动驾驶汽车曾经上路,但我们间隔自驾汽车的遍及另有很长一段路要走。在瑞典如许汽车产业高度兴旺的国度,也仅有非常之一的百姓容许路测,这意味着大局部人关于自驾汽车的承受水平仍然不高。


回看中国,大片地区在主动驾驶范畴仍然是空缺。宝马与腾讯的协作能否意味着主动驾驶汽车行将走入中国群众视野?在不远的未来,人们可以放心依托“汽车的大脑”上路吗?


实在早在2004年,主动驾驶汽车就开端被存眷。在谷歌前工程专家、呆板学习博士肖恩·格里什的旧书《智能呆板怎样考虑》中,明晰地引见了主动驾驶汽车在过来十几年间的开展进程。


以纵深的视角回望过来10年以致15年,主动驾驶汽车是怎样从最后的7英里到可以接纳三层架构相应的计划各层义务的?深度神经网络在此中又饰演着何种脚色?我们间隔主动驾驶汽车大范围投入研发究竟另有多远?



一、从无到有,应战不行能(主动汽车研讨案例:悍马)


2004 年,第一次呆板人汽车竞赛在莫哈韦戈壁拉开了战幕,成功者将取得百万美金的嘉奖。


在这场竞赛中,最有能够得胜的是来自卡内基–梅隆大学的克里斯和威廉的团队。卡内基–梅隆大学的研讨职员在过来20 年不断引领着这一范畴,早在1991 年,他们就把一辆原始的主动驾驶汽车开上了匹兹堡的街道。


但令人懊丧的是,这呆板人汽车竞赛头奖的桂冠终极无人摘取,由于没有任何一辆参赛汽车在规则日期内跑完全程——哪怕仅仅是10小时跑完142英里的赛程。


即使云云,我们仍然会以克里斯和他的团队的作品为例,对最后的无人驾驶汽车形状一探求竟。


竞赛当天,克里斯和他的团队设计的装满了传感器的悍马一起抢先,外行驶7英里之后,冲上路肩,装上了一块岩石,不得不加入竞赛。但它依然比当天其他参赛车辆要好得多。



悍马是怎样主动行驶7英里的?主动驾驶汽车完成主动驾驶所运用的技能是呆板学习,特殊是深度神经网络。但是克里斯和他的同事赛后描绘他们的悍马时,基本没有提到呆板学习和神经网络。事先是2004 年,间隔我们研讨出怎样训练神经网络牢靠地“看到”物体另有快要10年的日期。


答案是,沃康松谁人期间的人经过运用一种叫离心调速器的安装,创立了一个反应回路来控制发起机的速率。离心调速器是一种带有两个金属飞球的“旋转”安装,如下图所示:



当发起机运转得更快时,离心调速器就旋转得更快,金属飞球被向心力向外拉。经过一系列杠杆,一个阀门会封闭进入发起机的燃料通路,使发起机加速。假如发起机运转太慢,安装就会添加发起机的燃料,使其减速。经过调理注入发起机的燃料,离心调速器可以让发起机的转速坚持波动。


这即是悍马的驱动安装。但当悍马在竞赛中行驶时,它并不是朝某个随机偏向行驶25 分钟,而是沿着一条通往特定目标地的路途行驶,这个目的又怎样完成?


克里斯和他的团队为汽车装备了GPS传感器来检测地位。从实际上讲,汽车只需求从地图上的一个所在导航到另一个所在,用GPS传感器调解偏向,使本身坚持沿道路行进即可。


车队还提早绘制了一幅宏大的地图,以此美满他们在竞赛当天早上方才失掉的那张地图。在竞赛开端前的几周里,他们研讨了54 000 平方英里戈壁的卫星图像,以确定妨碍物的地位。



但不行防止的是,由于技能限定,统统确认道路的地图标志举动都是14团体的团队在盘算机的支持动手动标志的。


带着糟糕而又分明的人工干涉陈迹,悍立刻路了。它只行驶了7英里就不得不加入竞赛。但克里斯车队迈出的这一小步,是整个主动驾驶汽车行业的一大步。


二、主动汽车的三层大脑怎样感知?(主动汽车研讨案例:斯坦利)


第二次呆板人汽车竞赛在一年后准期举行,这次悍马终于跑完了全程,但得胜者却不是它, 而是完全押注于呆板学习的古代化主动驾驶汽车团队——斯坦福车队。


该车队的主创职员由20名斯坦福大学人工智能实行室的先生和领队塞巴斯蒂安组成。由塞巴斯蒂安率领,车队凭仗着两辆群众途锐汽车的资助,在8周内造出了参赛原型车——斯坦利。值得一提的是,在研发阶段,整个团队只阅读了两篇论文,目标是在研讨进程中不倾向于任何特定的办法。



“无论在竞赛前照旧在竞赛中,呆板学习的普遍使用都使斯坦利变得弱小和准确。我们置信,这些技能加上普遍的测试,对斯坦利在这场竞赛中的乐成起到了很大的作用。”


在主动驾驶汽车成为主流媒体抢手词汇之前的近10年里,他们就怅然承受了呆板学习在主动驾驶汽车范畴的脚色,塞巴斯蒂安的车队在赛后如许描绘其赛车。


塞巴斯蒂安的团队整合的架构由三个独立的局部构成,如图所示。



架构最左侧的局部是硬件层,此中包罗传感器和实行器,前者担任搜集数据,后者控制转向、刹车和发起机转速。


在另一端,即最左边,是考虑层,或称计划层:它实行汽车的高条理计划。鉴于路途上有妨碍,这一层处理了汽车应该怎样转向以避开妨碍的题目。这一层担任决议汽车的实践驾驶方法。它将下令发送到最右边的硬件层。


两头层位于左侧的硬件层和右侧的考虑层之间。它将传感器的原始读数转换成可表明的模子,如许考虑层就可以完成它的任务。此中一些模子复杂地总结了斯坦利需求遵照的初级道路,这是斯坦利在竞赛开端时计划的道路。其他模子对数据停止处置,以此通知斯坦利它的传感器看到了什么。


两头层中继续运转着林林总总的呆板学习模块,此中包罗几个路途检测条理,这些模块表明杂乱无序的传感器读数, 并把它们转换成对天下更故意义的表明,然后通报给计划层。


如许的三层大脑,足以为“斯坦利”提供肯定的感知力,确保它能在驾驶中避开妨碍物,寻觅路途的边沿。


三、Boss的高条理推理层(主动汽车研讨案例:雪佛兰·塔霍)


这一年的都会主动车应战赛冠军得主终于回归到了克里斯团队,不外他们曾经保持了悍马,改组雪佛兰·塔霍的2007版(前面称之为Boss)


在三年的日期里,主动驾驶汽车从无法在戈壁中行驶超越8 英里酿成了可以在路下行驶数小时,乐成穿过忙碌的十字路口。除了用感知和情况建模层停止察看外,Boss和其他汽车还需求一种办法来推算它们的情况。在之前的两个案例中,我们看到的汽车全都无法做到这些,那么Boss是怎样做到的呢?


硬件的改良是一个要素吗?固然,硬件不断在改良,但这个题目的真正答案在于这些汽车软件架构的提高


Boss的大脑中心是三个模块,它们的笼统推理条理逐一低落。在下图架构的最左边的板块中可以看到这一点。



风趣的关键在这一层发作——


我们将道路计划器上面的笼统层称为豪富翁棋盘模块。这一层可以说是最庞大的,由于它需求跟踪Boss正在做什么以及接上去需求做什么。它是用一种叫“有限形态机”的工具来完成这些的。 有限形态机为盘算机顺序提供了一种经过限定其需求处置的事变来推算情况的办法。


它的任务原理很像《豪富翁》游戏:你有一枚可以在棋盘上挪动的棋子,在恣意给定的日期,你的棋子都市在棋盘上准确地处于一个形态(登基置)。这个形态决议了你如今可以做什么以及下一步你可以挪动到什么中央。


假如还不清晰,那我们换个办法表明。


假如在玩《豪富翁》游戏时走到了一处没有人霸占的公园,你就可以买下它。假如你进了牢狱,要出去有三种办法:一是掷出点数一样的骰子,二是领取50美元,三是弄到一张“赦罪卡”。游戏的规矩以及你的棋子在棋盘上的形态为你简化了《豪富翁》玩家的天下,如许你就不会被种种能够性吞没。也便是说,当你走到公园,你就只能购置公园或许保持。



回看豪富翁棋盘模块,汽车以后的地位也决议了你下一步可以挪动几步。这取决于掷骰子的后果。克里斯团队设计Boss的时分,为豪富翁模块发明了种种有限形态机,每一种辨别实用于Boss能够会遇到的情况形态。当Boss驱车前行,它的豪富翁棋盘模块围绕着有限形态机挪动一枚假造的豪富翁棋子,以此记载汽车正在做什么以及需求做什么来完成下一个目的。


豪富翁棋盘模块的职责是,从道路计划器手中接过义务,跟踪义务完成进度,然后将举动委托给下一个条理—活动计划器,直就任务完成。活动计划器(图右下角所示的模块)的职责是为汽车找到并实行一条途径,使其从以后地位平安地驶向豪富翁棋盘指定的目的地位。


豪富翁棋盘模块实行了大局部你能够会遐想到的与驾驶相干的人类推理,这便是高条理推理层。


就像《智能呆板怎样考虑》著作人肖恩·格里什所说的那样,固然主动驾驶汽车在这些竞赛中获得了提高,但由于技能和执法方面的应战,这些汽车要在没有人类驾驶员的状况下在大众路途下行驶还需求许多年。在都会应战赛举行10 年之后,处置不测状况的才能依然是这些汽车面对的最大题目之一。


那么随同着深度神经网络的进一步开展,下一个10年,群众可否真正搭上无人驾驶的慢车?

 

本文综编自谷歌前工程专家、呆板学习博士肖恩·格里什力作《智能呆板怎样考虑:深度神经网络的机密》,中信出书团体2019年6月出书。以上图片来路于unsplash。


本内容为著作人独立观念,不代表虎嗅态度。未经容许不得转载,受权事件请联络hezuo@lafranciscentral.com

正在改动与想要改动天下的人,都在虎嗅APP

赞赏
封闭赞赏 开启赞赏

支持一下   修正

确定
回顶部
珍藏
批评2
点赞13