273
除了產(chǎn)品發(fā)布和人才招聘，Tesla AI Day還有很多的技術(shù)干貨。本文包含規(guī)劃難點分析、規(guī)劃整體架構(gòu)、換道方案、多車交互、軌跡平滑五方面深度解析。
作為自動駕駛領(lǐng)域的領(lǐng)軍企業(yè)，Tesla的一舉一動無不吸引著從業(yè)者們的目光。就在最近，一年一度的Tesla AI Day的開展更是讓廣大自動駕駛行業(yè)的工程師們大飽眼福。所謂外行看熱鬧，內(nèi)行看門道。文章《特斯拉AI Day | 人工智能，會不會是車企下一個十年的標(biāo)配技術(shù)？》已經(jīng)對特斯拉發(fā)布的新產(chǎn)品有了較為深度的介紹，本篇文章想從作者的自身領(lǐng)域出發(fā)，帶大家深入解析一下Tesla最新的決策規(guī)劃相關(guān)工作。
目前的規(guī)劃難點
作為自動駕駛整套流程中的大腦，決策規(guī)劃未來可能是自動駕駛中最具有挑戰(zhàn)性的方向之一。任何時候，如果想讓人們相信自動駕駛，將自己的生命交給機器，那么其中最重要的部分就是決策規(guī)劃，一個好的規(guī)劃模塊能夠帶給乘坐者們類似于人類司機的駕駛體驗，并且兼顧安全與效率。
在AI DAY中，Tesla的規(guī)控模塊負(fù)責(zé)人Ashok Elluswamy首先就給出了規(guī)劃問題中的兩大難點。第一就是很多時候，我們的規(guī)劃搜索空間是非凸的，這樣規(guī)劃算法就會陷入局部最優(yōu)。如何將實際道路上的場景構(gòu)建成一個凸問題，是目前的規(guī)劃瓶頸之一。第二，就是規(guī)劃本身是在三維空間中進行的，這樣的高維度會對算力提出很大的要求，如何利用算法來合理降維，也是一個困擾業(yè)界的難點。
這一上來指出的問題確實很犀利，也確實是作為規(guī)劃從業(yè)者，目前被困擾最多的兩大問題，目前學(xué)術(shù)界針對這兩方面也有很多的相關(guān)工作發(fā)表。但比較可惜的是，Tesla在這次會上并沒有說明他們是如何解決這兩個問題的，也沒有給出相應(yīng)的論文。
規(guī)劃整體架構(gòu)
接下來，Ashok就簡要介紹了一下目前Tesla所采用的規(guī)劃架構(gòu)。從中我們可以看出，整體流程還是比較常見的，規(guī)劃分為兩部分，首先是第一層粗略搜索，然后在凸空間內(nèi)進行連續(xù)優(yōu)化，從而得到平滑的軌跡。其實個人非常好奇凸空間是如何通過決策來得到的，這塊應(yīng)該是目前的難點。
從這張流程圖以及后續(xù)演講中出現(xiàn)的凸空間來看，Tesla采用的規(guī)劃算法和百度Apollo的規(guī)劃整體思路比較相近，都是通過數(shù)值優(yōu)化的方式。這種算法的優(yōu)勢在于其可擴展性強，可很好地對實際道路場景進行建模，另外也可以通過學(xué)習(xí)的方法來不斷對代價函數(shù)進行優(yōu)化，從而提升規(guī)劃的安全性和舒適性。
換道方案
在演講中，Ashok給出了實際的一個規(guī)劃訓(xùn)練換道時機的例子。據(jù)他所說他們的規(guī)劃算法可以在1.5ms 搜索2500次，在仿真中生成不同換道時機的軌跡后通過對軌跡的評價，選擇最優(yōu)的軌跡。
此處舉例如下：第一條軌跡是提前換道并且緩慢行走，那么就會給乘客帶來不舒適的體驗，第二條軌跡是加速并且晚換道，但是會有在前面左轉(zhuǎn)路口換道無法完成，無法實現(xiàn)導(dǎo)航要求，我們需要的是一條安全、舒適、效率平衡的軌跡，因此特斯拉生成大量軌跡（如下圖右上方圖），然后基于代價選擇出最優(yōu)的一條軌跡。
這塊的學(xué)習(xí)訓(xùn)練過程中，我們就可以看出采取優(yōu)化算法的優(yōu)勢，通過在仿真中進行大量的采樣模擬，并且搭建一個合適的評價指標(biāo)，可以收斂到一個兼顧安全和效率的最優(yōu)軌跡出來。
多車交互
Tesla還討論了為何要將路面上的其他交通參與者也考慮進決策中來。我們的自動駕駛車輛開在道路上，肯定會遇到其他交通參與者共同行駛的情況，而這時如果決策規(guī)劃中不考慮其他交通參與者的行駛意圖，那么規(guī)劃出的路徑肯定是不安全，不平順的。
此處特斯拉舉了一個窄道通行的場景，在開始時，特斯拉自動駕駛車輛認(rèn)為他車會繼續(xù)行走的概率較高，因此自動駕駛車輛靠右等待。然后發(fā)現(xiàn)社會車也停下讓行，特斯拉馬上在很短時間決策出繼續(xù)前行。這一處理是非常棒的，目前大多數(shù)自動駕駛公司是無法處理這樣的場景，很容易會出現(xiàn)自動駕駛車輛保守起見，停下來等待，導(dǎo)致社會車也無法通行，造成擁堵，或者與社會車同起同停，極有可能造成碰撞風(fēng)險，但特斯拉可以很好的處理該場景，證明特斯拉的預(yù)測和決策配合非常好。
軌跡平滑
最后，Ashok談到了Tesla規(guī)劃算法的最后一步，軌跡平滑。從放出的圖中來看，凸空間的構(gòu)建是比較符合直觀感受的，但由于沒有任何的障礙物，不清楚在多障礙物的復(fù)雜場景下，凸空間是如何搭建的。
另外，Tesla也展示了在可視化界面中的軌跡優(yōu)化迭代過程，通過對于評價算法的一步步迭代，最終優(yōu)化收斂到碰撞系數(shù)相對低，舒適性相對高的這么一條軌跡中來，這里最重要的其實是評價算法的設(shè)定，越精準(zhǔn)的評價算法，越能幫助規(guī)劃實現(xiàn)更加人性化的路徑構(gòu)建。
筆者總結(jié)
看完Tesla 的AI Day演講，我個人還是比較震驚的。從放出來的會車交互博弈視頻、AI在規(guī)劃方向的落地等等，讓我見識到了Tesla算法的強大。當(dāng)然，完全的自動駕駛遠(yuǎn)遠(yuǎn)還未達(dá)到，Tesla作為領(lǐng)域的先行者提供給我們這些后來人很好的思路與學(xué)習(xí)參考，在這一方面，他以領(lǐng)先國內(nèi)的公司一大步了。也希望國內(nèi)的自動駕駛企業(yè)能夠穩(wěn)扎穩(wěn)打，避免Tesla的激進作風(fēng)，最終能夠?qū)崿F(xiàn)彎道超車。
