他是一名不折不扣的学霸:拥有范德堡大学博士学位、俄亥俄大学机械工程及应用数学硕士学位;
他是一位拥有深厚行业经验的专家:在无人驾驶、自动化机器人、人工智能和深度学习领域拥有14年经验;
他曾是多家知名公司的高管:在卡特彼勒研发自动采矿卡车长达七年时间,后加入福特汽车领导一支无人驾驶算法研发团队,随后以高级架构师的身份加盟苹果公司,致力于无人驾驶解决方案。
现在,他也是一名创业者:2017年,他创办了一家为无人驾驶和自动化平台开发安全软件、提供AI解决方案的公司。
他是自动驾驶汽车专家 Bibhrajit Halder .
7月28日,Halder 将来到上海,作为 2018 张江·造就未来大会的演讲者,带我们从「未来智能」领域,触摸一下赛博空间与现实空间相结合的边缘。(戳文底二维码直达会场)
此前 Halder 在接受媒体 auto-sens 采访时表示,他在多年职业生涯中最大的收获在于,研制可靠、安全和耐用的自动驾驶汽车是极为困难的。
想让自动驾驶汽车在 90% 至 95% 的时间里正常运行,需要下很大的功夫。而剩下 5% 所耗费的时间和精力,是前 95% 的两倍还多。
丨以下为采访实录(有删改)
· 你的职业背景是什么?
从进入范德堡大学研究生院开始,我就一直在研究自动化机器人,专攻自动化机器人的监督控制系统。
监督控制的中心主题是探测机器人本身的任何异常或故障,清楚地明白故障在当前情况下的严重程度,据此作出既安全、又有利于机器人操作和表现的决定。
就车辆感知而言,监督车辆本身(我称之为“车辆健康管理器”)是感知的三个重要部分之一。另外两个重要部分是定位和环境模型。定位是指车辆在地图上或者相对于其他已知参照物的位置;环境模型是指弄明白车辆周围的环境,以确定安全和高效的路径规划。
在我的职业生涯中,我曾从事卡特彼勒自动驾驶矿车项目,干了六年多,在那里研究我刚刚提到的三个部分。后来我去了福特,在传感器信息数量有限、准确性更低的条件下,继续开展定位研究。
· 从卡特彼勒的自动驾驶汽车项目中,你学到的最重要的经验是什么?
在卡特彼勒,我们研发了自动驾驶程度达到 L4 级的矿车。如今,在世界各地的矿场都可以看到自动驾驶矿车。这些自动驾驶矿车能 24*7 全天候运行,间隔 8 或 12 个小时(以便进行日常检修、加油等等)。
十多年来,卡特彼勒一直在从事这方面的研究,但该项目刚开始的时候还是一片空白。
对我来说,最大的收获在于,我明白了,研制可靠、安全和耐用的自动驾驶汽车是极为困难的。想让自动驾驶汽车在 90% 至 95% 的时间里正常运行,需要下很大的功夫。而剩下 5% 所耗费的时间和精力,是前 95% 的两倍还多。
我们在矿场进行测试,解决测试中遇到的问题,同时收集大量数据。你必须细致入微,测试和分析大量数据,弄明白所有的「边缘」用例,这样才能创造出安全可靠的自动驾驶汽车。
例如,测试期间,如果自动驾驶汽车即将出现预期之外的行为,那么我们会进行手动干预,重新拿回车辆控制权。我们还会回放数据,让车辆在没有人工干预的情况下运行,看看它会怎么做,并思考它为什么会这样。
分析和后期处理数据,是研发任何自动驾驶汽车的核心。
· 在卡特彼勒,故障检测和隔离是自动驾驶矿车的重要方面。这如何应用于乘用车?
自动驾驶汽车的监督控制包括三个主要部分:
· 探测系统异常或故障; · 了解故障在当前情况下的严重程度; · 作出既安全又对车辆有利的决定。
这些可以直接应用于乘用车。
从我们在开车期间的行为来加以解释:假设你在高速公路上行驶,发现胎压过低,于是你减慢速度,寻找出口,驶往最近的加油站检查轮胎。
作为司机,我们发现了故障,作出了决定,采取了最安全的措施。对自动驾驶汽车来说,监督控制管理器就发挥了这种功能。
· 展望自动驾驶的未来,你认为传感器技术面临的最大挑战是什么?
这个行业正在迅速转向 L3 和 L4 级自动驾驶汽车,所以 LiDAR(激光雷达)传感器的重要性将大大提升,此外还有雷达和摄像头技术的结合。我们仍然在寻找可以提供高分辨率数据的低成本 LiDAR 解决方案。其他 OEM 厂商正在寻找 100美元或以下的量产解决方案。如果把 L3 或 L4 级自动驾驶汽车涉及的所有传感器加起来,你会发现成本将迅速上涨。
业内人士把高清绘图视为 L3 及以上级别自动驾驶汽车的重要组成部分。车载传感器数据与高清地图的结合,有助于提升自动驾驶系统的安全性。汽车业正在借助合作伙伴和供应商来开发高清地图。
· 如今人们讨论的一个重要问题,是分布式处理和集中式处理孰优孰劣,你对此怎么看?
答案并不是非黑即白。几乎所有的当代量产车型都有 100 多个电子控制单元。高级驾驶辅助系统的每个功能都有各自的引擎控制模块。随着向 L3 和 L4 级自动驾驶的进一步转移,会有一个集中式处理单元,它将比当今量产车型的处理单元更加强大,比如英伟达的 DrivePX2。
传感器也将变得更加智能,可以处理较底层的信息。例如,在雷达传感器的雷达芯片内进行快速傅里叶变换和其他信号分析是合理的,但对物体的分类应该在集中式处理单元内进行,因为分类时,最好要综合考虑其他的传感器信息。
翻译丨于波 校对丨李莉 来源丨auto-sens.com |