¿Se está enfriando la tecnología de conducción autónoma Autobot?

No importa cuán entusiasta estuviera el capital antes, el retraso en la ingeniería fue suficiente para calmarlos.

Escrito por Huang Yaopeng de "Car Man"

Para la tecnología de puesta en marcha de conducción autónoma (AP), 2020 es un año sombrío y ha estado luchando por cumplir sus promesas. Mientras que cada vez más coches producidos en serie están equipados con sistemas avanzados de asistencia al conductor (ADAS), los fabricantes de equipos originales más audaces sólo se han atrevido a prometer niveles L2,5.

En cuanto a los niveles L3 y L4 de conducción autónoma, aunque varias empresas afirman haber realizado un gran número de pruebas en carretera y entrenamientos de simulación, no han acortado el tiempo previsto para la producción en masa. Incluso Waymo, reconocida por estar a la vanguardia de la tecnología de conducción autónoma, no tiene un calendario claro para la implementación de la tecnología.

El entusiasmo de la capital por la conducción autónoma se desvaneció hace dos años. Los proyectos que todavía están en marcha hoy son básicamente proyectos existentes. Las empresas emergentes como Cruise, adquiridas por fabricantes de equipos originales, inevitablemente vuelven a estar eufóricas.

Cuello de botella técnico: un dique de mil millas se rompe en un hormiguero

Desde el accidente mortal en la prueba en carretera del coche autónomo de Uber, el proyecto ha quedado estancado, no Por el accidente en sí, pero es porque la ruta técnica (aprendizaje profundo) parece haber llegado a un callejón sin salida.

Cada vez más estudiosos creen que la dificultad actual de la conducción autónoma radica en la percepción y la planificación de la toma de decisiones. Las soluciones puramente visuales, aunque todavía se utilizan en los coches de producción en serie, han sido abandonadas en la vanguardia.

La toma de decisiones depende de la potencia informática. La potencia informática es cada vez más barata, lo que permite ejecutar redes neuronales más complejas en los automóviles. Pero no sólo es costoso entrenar este último, sino que los investigadores han descubierto, para su desesperación, que los sistemas actuales no pueden adaptarse a la complejidad de las carreteras del mundo real. Los cambios complejos en el mundo real son difíciles de encajar en modelos matemáticos.

Además, la IA no logra simular bien la toma de decisiones humana. Si el viento levanta un montón de hojas muertas volando en el aire, los humanos conducirán como de costumbre, y los radares y las cámaras lo considerarán un obstáculo que debe detenerse o evitarse.

Sería una tontería entrenar un sistema para que reconociera la forma de las hojas caídas. Incluso un charco al costado de la carretera o una ardilla pueden causar infinitos problemas a la toma de decisiones de una máquina, mientras que los humanos apenas se ven afectados.

La conducción autónoma L3 y L4 actualmente en etapa experimental están equipadas con múltiples lidares y radares de ondas milimétricas. Es difícil encontrar colisiones en carreteras de prueba, pero a menudo es difícil detectarlas. Las condiciones de la carretera parecen (para un ser humano) tontas, ya sea demasiado cautelosas o desconcertadas. La gente no cree que la inteligencia artificial en esta etapa tenga capacidades reales de pensamiento y juicio.

Cada vez está más claro para los equipos técnicos que ninguna herramienta de ingeniería puede proporcionar una solución completa para todos los paradigmas.

Evidentemente, los capitalistas de riesgo están perdiendo la paciencia.

Comercialización: Encontrar la luna en el agua

No se requieren reservas de conocimientos profundos. Siempre que tengas un poco de conocimiento sobre la tecnología de conducción autónoma, entenderás que en esta etapa, La aplicación a gran escala de la conducción autónoma (L4, L5) es imposible. No importa cuán perfecta y fluida sea la conducción autónoma en las carreteras de prueba, nadie intentará comercializarla durante al menos 3 a 5 años.

La tecnología que pueda comercializarse debe poder utilizar la tecnología existente y la base industrial para diseñar muestras sin defectos obvios y luego reducir los costos a través de la producción industrial a gran escala, aplicarlos ampliamente y generar ganancias.

La premisa para ello es que esta tecnología ha pasado por varias etapas de investigación y desarrollo.

El primero es un avance teórico. Los científicos lo han predicho en teoría desde hace mucho tiempo y han demostrado su viabilidad. La base teórica de la tecnología de chips actual es la mecánica cuántica, descubierta hace 100 años y que formó un sistema teórico completo.

Luego vinieron los avances tecnológicos. El equipo técnico rompió las barreras de la implementación técnica y produjo muestras que se acercaron a las expectativas teóricas. Evidentemente, la conducción autónoma de alto nivel aún está en fase de demostración, y el problema es que está lejos de las expectativas.

Entonces nos preguntamos si íbamos en la dirección equivocada desde el principio.

El último paso es la etapa de diseño de ingeniería. Resolvemos problemas como el diseño de productos, la optimización de soluciones, la estabilidad del rendimiento y la tasa de rendimiento uno por uno.

El Premio Nobel de Química 2019 fue otorgado a tres científicos que inventaron las baterías de iones de litio. Aunque las baterías voltaicas existen desde hace más de 200 años, no fue hasta 1979 que los científicos descubrieron una solución práctica en el laboratorio con baterías de iones de litio. Los coches eléctricos que utilizamos hoy son el resultado de la ingeniería de una solución práctica en 1979.

La historia no se repite simplemente, sino que puede indicar un patrón aleccionador. Se necesitan unos 20 años o más para que los productos de ingeniería pasen del laboratorio a la fábrica. En las primeras etapas de la Fase 2, los retrasos en la ingeniería de la tecnología de conducción autónoma son suficientes para que el capital se calme, por muy ferviente que haya sido alguna vez.

En esta etapa, los ingenieros de vehículos autónomos siguen de cerca los llamados últimos desarrollos publicados en revistas autorizadas, con la esperanza de inspirarse en ellos en materia de ingeniería, pero esto demuestra que la industria está lejos de estar madura.

Lo irracional del capital es que se precipita hacia la tercera etapa antes de que se complete la segunda. Cuanto más inviertes, mayor será el impacto.

Pero en escenarios específicos como minas, puertos, almacenes y parques industriales, no hay obstáculos para alcanzar los niveles L4 y L5 de conducción autónoma a baja velocidad. Esto es completamente diferente de la tecnología L4 común.

Esta tendencia ahora es obvia, con muy poca inversión nueva. Los vídeos de conducción autónoma publicados por algunas empresas emergentes en conferencias de prensa parecen películas, están editados pieza por pieza e incluso roban vehículos controlados remotamente desde portátiles en el acto, con la esperanza de engañar a los inversores haciéndoles creer en el potencial. de esta tecnología. El futuro es brillante. Hoy en día, la probabilidad de que los inversores se dejen engañar sigue siendo bastante baja. Hacerlo hoy equivaldría a declararse en reposo.

El camino por delante: Marte de las cenizas

Dado que el capital que busca rentabilidad a corto y medio plazo ya no llega a raudales, el capital a largo plazo seguirá sobreviviendo. Por ejemplo, Waymo de Google y Cruise de General Motors todavía se encuentran en un período de cuello de botella, al menos según información pública, sin signos de avance.

Por otro lado, las soluciones en la nube se están poniendo al día gracias a la llegada del 5G. En comparación con la inteligencia de bicicletas, la colaboración vehículo-carretera basada en 5G y el comando en la nube es un buen camino.

La base del comando en la nube es el big data. Recopilar primero los datos de la experiencia de conducción equivale a tener una excelente biblioteca de experiencias de conducción y la mejor solución para cada carretera.

Al mismo tiempo, las carreteras y las instalaciones de transporte se cubren de sensores, siguiendo la ruta del Internet de Todo. Ambos son basura, de la misma manera que a la máquina del automóvil se le dice cómo conducir, esta última no necesita entender por qué lo hace, solo citas basadas en el escenario.

La computación en la nube no pretende reemplazar la inteligencia automotriz, sino reducir la presión informática de esta última, simplificar el diseño y completar el diseño de ingeniería más rápido.

La nube forma una "red de área local" temporal compuesta por vehículos en un área pequeña. Cada vehículo obtiene datos de observación de otros vehículos y detecta el entorno circundante para resolver el problema de los puntos ciegos y las detecciones perdidas.

En el caso del intercambio de información, al adelantar, las solicitudes se envían a los vehículos circundantes con anticipación a través de las intersecciones, y la nube coordina a través de una estrategia unificada. Otros vehículos no necesitan adivinar ciegamente las intenciones de los demás, mejorando. eficiencia y seguridad. Después de todo, la transmisión de enlaces de datos es mucho más rápida que el movimiento mecánico y el frenado de los vehículos. El enfoque de orquestación en la nube es mucho más simple que diseñar una lógica de comportamiento compleja y entrenar modelos de inteligencia artificial para vehículos individuales.

Sin embargo, esto no sólo requerirá un alto grado de desarrollo de 5G e Internet de las cosas (IoT), sino que también significará la renovación de toda la infraestructura de transporte de la ciudad, lo que requerirá inversiones astronómicas y prolongadas.

Como se mencionó anteriormente, los equipos técnicos que se han sentido repetidamente frustrados en el entrenamiento de inteligencia artificial han comenzado a cuestionar toda la base teórica del entrenamiento de inteligencia artificial, es decir, las redes neuronales artificiales, que se inspiran en la estructura del sistema nervioso. . Pero los sistemas de von Neumann (infraestructura informática) simulan capacidades biológicas y son completamente impotentes en áreas avanzadas como el razonamiento, la asociación y el juicio subconsciente. Y esta es la capacidad central de los conductores humanos.

Los seres humanos tenemos una comprensión muy superficial de sus propias leyes cognitivas, no entendemos cómo funciona el cerebro, cómo se almacenan los recuerdos, cómo se busca la información, cómo se genera la inspiración y todos los aspectos más profundos. . Mecanismos neuronales, de los cuales sabemos muy poco. Esto significa que la simulación algorítmica de humanos por parte de la IA debe ser pobre y superficial.

Como disciplina aplicada, la conducción autónoma no puede estar por delante de las teorías básicas de las ciencias de la vida, cuando estas últimas todavía están en el nivel de la escuela primaria, lograr grandes avances es pura fantasía.

Desde esta perspectiva, la conducción autónoma ya está de moda, pero el capital no lo sabe desde hace mucho tiempo. Por supuesto, esta tecnología seguirá evolucionando y tendrá aplicaciones avanzadas limitadas en escenarios limitados. Después de dos o tres años, una gran cantidad de capital se retirará y la industria adoptará el camino de los automóviles de baja computación basados ​​en la nube y respaldados por 5G. (Texto/"Autobot" Huang Yaopeng, algunas imágenes son de Internet) Declaración de derechos de autor Este artículo es un manuscrito original exclusivo de "Autobot" y los derechos de autor pertenecen a "Autobot".

Este artículo proviene del autor de Autohome Autohome y no representa la posición ni las opiniones de Autohome.