與 Google 、Uber 和新創公司及科技巨頭一樣，Lyft 也在開發自駕車卡位未來，不過這可不是動動嘴就能解決的小問題。
近日，Lyft 旗下自動駕駛研發 Level 5 團隊在 Medium 發文，詳細講述研發過程工程師遭遇的挑戰。同時，本文也第一次揭開 Lyft 自動駕駛解決方案的神祕面紗，讓外界了解大致進展。
想像一下，當你行駛在高速公路上，前方突然出現另一輛連續換道要下匝道的車，想避免碰撞前車就得減速，但煞車到底要踩多深？Lyft 的自動駕駛原型車就嘗試解決這個問題，用到所謂「受人類啟發」規劃方案。
最初使用較原始的 AI 模型，連障礙物速度的問題都 Hold 不住。之後換了最新模型，能向人類駕駛學習如何輕點剎車，以躲避胡亂插隊的車輛。
「最終，這折衷方案能為乘客帶來更為舒適且自然的行車體驗，」Level 5 團隊寫道。「我們相信，運用組合式規則與學習系統，再輔以人類駕駛資料，就能有系統級的整體提升。」
Level 5 工程師表示，搭建自動駕駛決策系統時，靈感來自亞伯拉罕‧馬斯洛（Abraham Harold Maslow）的需求層次理論與艾西莫夫的機器人三定律。
這套系統的金字塔模型，最底層是安全性與合法性──Lyft 車子不但會驗證自己的行為安全與否，執行前還要保證行為符合當地法律。雖然 Level 5 文章並未詳細闡釋，但安全模型與輝達的安全力場、Mobileye 的責任敏感安全（RSS）模型類似，後兩大安全模型都是背靠物理學驗證，並透過數學計算來預防碰撞。
金字塔模型最中間，Level 5 規劃模型還考慮感知安全概念，力求將乘客的不安全感降到最低，即使當時車輛毫無安全風險（比如保持合適車距，不讓乘客緊張）。倒數第二層，Level 5 更重視舒適性，就連車輛執行時的 G 值（加速、煞車或轉彎時 G 值過大會讓乘客反胃）都考慮在內。
金字塔頂端則是行車路線的效率。
▲ Lyft 的決策模型。
「雖說在高速公路任意變換車道只是極少數行為，但自動駕駛研發人員還是得正確且連貫確定到底什麼行為是車輛該做的」，Level 5 團隊寫道，「當然，什麼行為是正確的我們沒有客觀定義，但將自動駕駛需求層次應用在混合系統就能消除歧義。如果再輔以嚴格測試，我們就能拿到自動駕駛安全的終極基線。」
此外，系統的透明度也是自駕車最好的奠基材料之一，因是提升大眾接受度的關鍵。雖然人類失誤才是車禍的最主要原因（分心、酒駕和超速排名前三），但去年 PSB Research 調查卻顯示，只有 21% 美國人有意將傳統車輛換成自駕車，近一半（43%）受訪者稱自駕車給人不安全感。
Lyft 自動駕駛簡史
Lyft 的 Level 5 團隊有資料科學家，也有應用研究者、產品主管和營運主管。當然，老本行網路叫車服務也會與自動駕駛緊密相融。
2017 年 7 月成立以來，團隊已開發出新穎的 3D 細分框架，評價車輛能效的新方法及使用群眾外包地圖追蹤車輛動態的技術。
今年稍早，Lyft 還宣布在 Level 5 總部附近開設新路測中心，工程師將模擬現實世界的駕駛場景，包括十字路口、交通號誌燈、道路換線和人行道等。
資料顯示，2019 年 Lyft 路測線路總里程提升 3 倍，未來還會繼續迅速延伸路測範圍。
11 月 Lyft 還透露，與 6 個月前相比，季測試里程翻了 2 倍，負責自動駕駛技術研發的員工超過 400 人（上次公布是 300 人），值得注意的是，嘗過 Lyft 自駕車服務的乘客中有 96% 表示願意再搭乘。
今年 5 月，Lyft 成功牽手 Waymo，後者將自家 Pacifica 自駕車編入 Lyft 車隊。此外，Lyft 還與自動駕駛公司安波福深入合作，雙方在賭城也有自駕車隊營運。最近，Lyft 還開源自己的自動駕駛資料集，其中有 5.5 萬個人類標記的 3D 交通框架模型。
科技新報粉絲團
加入好友
訂閱免費電子報
