為什么自動(dòng)駕駛要做“預(yù)測(cè)”

自動(dòng)駕駛汽車(chē)要安全行駛，光知道眼前有什么還不夠，更重要的是能預(yù)判接下來(lái)會(huì)發(fā)生什么。打個(gè)比方，開(kāi)車(chē)的人不僅看前方的車(chē)位，還會(huì)判斷那輛車(chē)是不是要并線(xiàn)、那個(gè)行人是不是準(zhǔn)備過(guò)馬路。自動(dòng)駕駛也是這樣，如果只是把物體的位置和速度報(bào)出來(lái)，規(guī)劃器就只能被動(dòng)反應(yīng)，容易出現(xiàn)緊急制動(dòng)、急拐或讓乘客覺(jué)得不舒服等情況。預(yù)測(cè)的核心價(jià)值是把“可能發(fā)生的未來(lái)”提前告訴決策層，讓車(chē)能提前準(zhǔn)備，從而做出提前減速、放棄變道或慢慢避讓等決策，從而把突發(fā)情況變成可控事件。

預(yù)測(cè)不僅僅是讓自動(dòng)駕駛系統(tǒng)可以思考，預(yù)測(cè)的時(shí)間尺度也很重要。像是未來(lái)1s~2s的短時(shí)間的預(yù)測(cè)，多半是根據(jù)當(dāng)前速度和方向往前延伸就能大致估計(jì)，這是為了避免追尾等即時(shí)風(fēng)險(xiǎn)；而三到六秒、甚至十秒的預(yù)測(cè)，則需要理解對(duì)方的意圖，比如前方車(chē)輛是不是要進(jìn)出口匝道，對(duì)面的騎車(chē)人是不是要拐彎。這兩類(lèi)預(yù)測(cè)用到的技巧不一樣，短期更多靠物理和濾波，長(zhǎng)期則要靠對(duì)道路語(yǔ)義和人車(chē)互動(dòng)的理解。預(yù)測(cè)不是可選項(xiàng)，而是把“看見(jiàn)”變成“懂得可能發(fā)生什么”的必要能力。

自動(dòng)駕駛是怎么做預(yù)測(cè)的？

想要讓自動(dòng)駕駛汽車(chē)做好預(yù)測(cè)，首先得有靠譜的輸入。攝像頭、雷達(dá)、激光雷達(dá)會(huì)把周?chē)�的物體“看”出來(lái)，然后跟蹤模塊把同一個(gè)目標(biāo)在時(shí)間上連成軌跡，告訴系統(tǒng)這個(gè)目標(biāo)現(xiàn)在在哪兒、速度多快、朝哪個(gè)方向。高精度地圖在這個(gè)環(huán)節(jié)中的作用也很關(guān)鍵，高精度地圖能告訴系統(tǒng)車(chē)道在哪兒、路口怎么連、哪里有人行橫道，這些信息可以把未來(lái)的可能性大幅縮小。沒(méi)有穩(wěn)定的跟蹤和時(shí)間同步，預(yù)測(cè)的基礎(chǔ)就不牢。

想實(shí)現(xiàn)預(yù)測(cè)，其實(shí)有幾類(lèi)比較直觀的辦法。最簡(jiǎn)單的是把車(chē)輛或者行人當(dāng)作遵循物理規(guī)律在走的“物體”，用當(dāng)前速度和加速度往前推幾步，這種做法快、穩(wěn)，短時(shí)間內(nèi)的決策通常夠用。還有一種叫概率/濾波的方法，會(huì)把不確定性考慮進(jìn)去，用數(shù)學(xué)工具維護(hù)“可能狀態(tài)”的分布，在遇到傳感器噪聲或遮擋時(shí)會(huì)更穩(wěn)。第三種是靠數(shù)據(jù)學(xué)出來(lái)的方法，也就是現(xiàn)在比較火熱的深度學(xué)習(xí)。它們把歷史軌跡、地圖信息、周?chē)��?chē)輛的行為一股腦兒丟進(jìn)模型，學(xué)習(xí)從復(fù)雜場(chǎng)景里直接輸出“未來(lái)可能的幾條軌跡”。這些學(xué)習(xí)方法能捕捉到禮讓、并線(xiàn)、繞行等策略性行為，但需要大量數(shù)據(jù)來(lái)訓(xùn)練。

當(dāng)然，在實(shí)際的交通環(huán)境中，交通參與者并不只會(huì)做一個(gè)的動(dòng)作，比如在十字路口，一輛車(chē)可能直行也可能左轉(zhuǎn)，這就是所謂的多模態(tài)。因此在預(yù)測(cè)技術(shù)中，通常不會(huì)只給一條“最可能”的路，而是給幾條帶概率的候選軌跡，或者直接給出一個(gè)軌跡的概率分布。這樣做的好處是規(guī)劃器可以基于概率來(lái)做風(fēng)險(xiǎn)權(quán)衡，某條軌跡雖然最可能，但另一條低概率但高風(fēng)險(xiǎn)的軌跡會(huì)導(dǎo)致碰撞，系統(tǒng)就會(huì)選擇更保守的策略。與此同時(shí)，預(yù)測(cè)系統(tǒng)還要把模型沒(méi)見(jiàn)過(guò)的情況區(qū)分出來(lái)，也就是模型不確定性。如果模型對(duì)當(dāng)前場(chǎng)景信心不足，系統(tǒng)應(yīng)該主動(dòng)變得保守，比如執(zhí)行減速或請(qǐng)求人工接管的動(dòng)作。

自動(dòng)駕駛系統(tǒng)在預(yù)測(cè)時(shí)還有一個(gè)很關(guān)鍵的問(wèn)題就是互動(dòng)，路上的參與者會(huì)互相影響。比如準(zhǔn)備變道的車(chē)會(huì)觀察旁邊車(chē)的速度，旁邊車(chē)的反應(yīng)又會(huì)影響它的決策。把每個(gè)目標(biāo)獨(dú)立預(yù)測(cè)通常會(huì)出問(wèn)題，尤其是在人多、車(chē)多的城市路段，每個(gè)目標(biāo)獨(dú)立預(yù)測(cè)通常沒(méi)有什么意義。因此現(xiàn)在常用的方法會(huì)把周邊對(duì)象的信息“聚合”起來(lái)，學(xué)習(xí)他們之間如何相互影響。有的用注意力機(jī)制把影響大的對(duì)象加權(quán)，有的把道路和車(chē)輛抽成圖結(jié)構(gòu)，用圖神經(jīng)網(wǎng)絡(luò)來(lái)傳播影響信息�？傊�，交互建模是讓預(yù)測(cè)更貼近真實(shí)行為的關(guān)鍵一步。

想要讓預(yù)測(cè)技術(shù)應(yīng)用到實(shí)際，其實(shí)還有一個(gè)細(xì)節(jié)是如何表示這些信息。早期很多系統(tǒng)把場(chǎng)景渲染成鳥(niǎo)瞰的格子圖像（BEV），再用卷積網(wǎng)絡(luò)處理，這種方式直觀，但對(duì)表達(dá)長(zhǎng)距離道路拓?fù)洳粔蚋咝�。最近更流行把�?chē)道、路口這些用向量方式表示，結(jié)合圖網(wǎng)絡(luò)或基于矢量的Transformer，既節(jié)省計(jì)算又更符合道路的結(jié)構(gòu)。在實(shí)際應(yīng)用中多選擇模塊化方案，即感知先把結(jié)構(gòu)化信息（物體、軌跡、地圖語(yǔ)義）產(chǎn)出來(lái)，預(yù)測(cè)模塊再用這些干凈的輸入做判斷，這樣利于驗(yàn)證和可解釋。

把預(yù)測(cè)放到真實(shí)車(chē)上有何實(shí)際難題？

把一個(gè)預(yù)測(cè)模型從實(shí)驗(yàn)室放到真車(chē)上，將會(huì)有很多問(wèn)題。第一個(gè)是延遲，模型越復(fù)雜推理越慢，延遲會(huì)侵蝕決策時(shí)間窗，影響能否及時(shí)應(yīng)對(duì)突發(fā)情況。第二個(gè)是算力，車(chē)上的計(jì)算資源有限，必須在精度和速度間取舍。第三個(gè)是驗(yàn)證，光看預(yù)測(cè)模型訓(xùn)練時(shí)的誤差指標(biāo)完全不夠，必須把預(yù)測(cè)器放到整個(gè)感知—預(yù)測(cè)—規(guī)劃—控制的閉環(huán)里做仿真和路測(cè)，看看在預(yù)測(cè)出錯(cuò)時(shí)整車(chē)系統(tǒng)是否還能保證安全。這種閉環(huán)評(píng)估比單獨(dú)看軌跡誤差更能發(fā)現(xiàn)真實(shí)風(fēng)險(xiǎn)。

對(duì)于預(yù)測(cè)模型來(lái)說(shuō)，數(shù)據(jù)很重要但也很難。大多數(shù)危險(xiǎn)的場(chǎng)景一般不會(huì)出現(xiàn)，真實(shí)道路上很難收集到足夠多的樣本。為了解決這個(gè)問(wèn)題，在很多技術(shù)實(shí)現(xiàn)中會(huì)通過(guò)仿真合成或放大這些長(zhǎng)尾場(chǎng)景來(lái)訓(xùn)練和驗(yàn)證，或者是做場(chǎng)景挖掘，把真實(shí)數(shù)據(jù)里出現(xiàn)的復(fù)雜場(chǎng)景抽出來(lái)作為重點(diǎn)測(cè)試用例。當(dāng)然那，在這一環(huán)節(jié)中，標(biāo)注也不能馬虎，軌跡標(biāo)簽要時(shí)間對(duì)齊、定位準(zhǔn)確，否則模型會(huì)學(xué)到錯(cuò)的規(guī)律。

預(yù)測(cè)模型在運(yùn)行時(shí)還需要有明確的守護(hù)策略。預(yù)測(cè)模塊要跟規(guī)劃模塊約定好接口，比如候選軌跡的數(shù)量、置信度怎么表達(dá)、當(dāng)置信度低時(shí)采取的默認(rèn)動(dòng)作等。自動(dòng)駕駛系統(tǒng)還要能檢測(cè)輸入分布漂移，如果當(dāng)前遇到的場(chǎng)景和模型訓(xùn)練時(shí)差別很大，系統(tǒng)應(yīng)該自動(dòng)觸發(fā)更保守策略。很多事故并不是單一模塊出錯(cuò)，而是模塊之間對(duì)風(fēng)險(xiǎn)的理解不一致導(dǎo)致的連鎖反應(yīng)，所以接口和降級(jí)策略的設(shè)計(jì)要在系統(tǒng)層面就考慮清楚。

最后的話(huà)

預(yù)測(cè)前方交通環(huán)境既是科學(xué)問(wèn)題也是系統(tǒng)工程問(wèn)題。它結(jié)合了物理規(guī)律、概率理論與大規(guī)模數(shù)據(jù)驅(qū)動(dòng)方法，同時(shí)必須通過(guò)嚴(yán)謹(jǐn)?shù)墓こ舔?yàn)證與運(yùn)行時(shí)守護(hù)來(lái)保證安全。一個(gè)既能輸出多模態(tài)候選又能提供可信置信度、并和規(guī)劃器協(xié)同做風(fēng)險(xiǎn)加權(quán)決策的預(yù)測(cè)—規(guī)劃閉環(huán)，才是真正具備落地能力的解決方案。

-- END --

       原文標(biāo)題 : 自動(dòng)駕駛汽車(chē)預(yù)測(cè)周?chē)�環(huán)境是由哪些技術(shù)支撐的？