[首發(fā)于智駕最前沿微信公眾號]在城市道路實現(xiàn)自動駕駛或許不難，但想把自動駕駛車應(yīng)用到山區(qū)道路，其難度會比想象的大得多。城市里路標(biāo)、車道、紅綠燈比較多，車流也比較規(guī)則；而很多山路卻沒有清晰車道、路面起伏大、天氣變化快，還有隨時掉落的石頭或橫穿的牲畜的風(fēng)險。山里的這些“突發(fā)性”和“不規(guī)則性”會把很多在城市已經(jīng)足夠好的技術(shù)逼到極限，甚至露出短板。想在山區(qū)實現(xiàn)自動駕駛是否現(xiàn)實？

感知：在復(fù)雜環(huán)境里“看清”比想象難很多

在山路上，攝像頭常常會被強(qiáng)光、背光、隧道出入口的突變光照或者濃霧雨雪干擾。有很多經(jīng)常爬山的朋友，在天氣不好時若使用手機(jī)拍照，會出現(xiàn)畫面會抖、過曝或過暗，連路緣、護(hù)欄甚至人影都難分清的情況，對于攝像頭來說，若在這些惡劣天氣下感知環(huán)境，也會如此。激光雷達(dá)在一些場景里比攝像頭穩(wěn)定，但在樹林、灌木、下雨或霧氣時，會產(chǎn)生很多反射點(diǎn)和噪聲，導(dǎo)致點(diǎn)云看起來“亂七八糟”，很難準(zhǔn)確分辨真正的障礙物。雷達(dá)雖然能在霧雨里探測，但分辨率低，無法精確識別小物體或復(fù)雜地形細(xì)節(jié)。簡單依賴單一類型傳感器在山區(qū)是行不通的，必須把多種傳感器組合起來，并讓它們互相“校驗”。

為了能在山區(qū)自動駕駛，感知算法要能實時判斷每個傳感器的可信度，也就是說系統(tǒng)要知道哪些傳感器當(dāng)前更可靠，哪些可能在出錯。不是所有時候都把每個傳感器的輸出平均起來，而是要根據(jù)環(huán)境自動調(diào)整權(quán)重。遇到霧天時，雷達(dá)權(quán)重上升；隧道里，激光雷達(dá)或慣導(dǎo)可能更可靠；光照極差時，視覺的權(quán)重下降。這樣一來，整體感知的結(jié)果會更穩(wěn)。還有一點(diǎn)非常重要，那就是感知系統(tǒng)要能把“不知道”也表達(dá)出來，當(dāng)模型對某個檢測沒有把握時，輸出高不確定性，控制模塊就要據(jù)此減速、增加安全距離，或進(jìn)入更保守的行為模式，而不是報出一個錯誤但自信滿滿的判斷。

山地場景的樣本稀少，很多特殊情況城市里根本看不到，訓(xùn)練感知模型的方式也需要據(jù)此調(diào)整。靠真實采集山區(qū)環(huán)境數(shù)據(jù)固然重要，但最好同時用高質(zhì)量仿真生成極端場景做補(bǔ)充，讓模型見得更多。域隨機(jī)化、物理渲染和對抗訓(xùn)練都能把模型訓(xùn)練得更健壯。數(shù)據(jù)標(biāo)注也要更嚴(yán)格，山路的路肩、泥土路與草地的邊界往往模糊，標(biāo)注規(guī)范必須細(xì)化，否則模型學(xué)到的是噪聲。

定位與地圖：信號斷掉時怎么知道自己在哪兒？

山谷和峽谷里一定會遇到一個問題，那就是GPS信號會被山體遮擋、反射甚至完全丟失，這也就代表導(dǎo)航跑偏、車道判斷錯誤、路徑規(guī)劃出錯等問題會成為山區(qū)行駛的常態(tài)。為了應(yīng)付這種情況，不能只靠衛(wèi)星定位，激光雷達(dá)要配合已有的點(diǎn)云地圖做匹配，可以在一段時間內(nèi)提供較精確的位置，但前提是有更新及時的地圖并且路況沒有太大變化。視覺里程計（也就是用攝像頭算位移）在短時間里也能頂上，但長時間會出現(xiàn)漂移，尤其在紋理單一或光照變化大的場景下，漂移情況會更為明顯。

把上面提到的這些東西拼起來，就形成了一個多源融合的定位方案，衛(wèi)星、激光地圖匹配、視覺里程計、慣性測量（IMU）和車輪里程計同時工作。自動駕駛系統(tǒng)可以根據(jù)當(dāng)前環(huán)境判斷哪個來源可信，自動切換優(yōu)先級。這里有一個非常需要注意的，就是把定位的不確定性反饋給上層決策，讓車輛在定位不穩(wěn)時自動降速或選擇安全路線，而不是盲目保持常速。

為了讓自動駕駛汽車在山區(qū)安全行駛，地圖的角色也要重新定位。城市里常用的高精度車道級地圖在山區(qū)維護(hù)成本高而且時效差，山體滑坡、路基塌陷、橋梁臨時封閉這些事兒會頻發(fā)。山區(qū)地圖更應(yīng)該側(cè)重比如急彎、陡坡、經(jīng)常滑坡的路段、隧道和橋梁位置等重要地物和危險點(diǎn)，而不是把每條車道都精確到厘米級別。此外，地圖也要可快速更新，只有結(jié)合眾包數(shù)據(jù)、無人機(jī)測繪和巡檢車的定期采集，才能保持足夠時效性。還有一點(diǎn)要再強(qiáng)調(diào)下，在山區(qū)環(huán)境下，地圖應(yīng)該被當(dāng)成輔助信息，而不是絕對的真理。當(dāng)實時感知和地圖沖突時，系統(tǒng)要有規(guī)則判斷誰更靠譜并據(jù)此調(diào)整行為。

行為決策與控制：坡度、急彎和對向車輛帶來的復(fù)雜互動

人類駕駛員在山區(qū)駕駛時，主要做的就是看遠(yuǎn)、預(yù)判、提前減速等操作。自動駕駛系統(tǒng)也需要把這種思路嵌入到?jīng)Q策里。陡坡會影響車輛的動力和剎車性能，上坡需要更大扭矩，下坡則要謹(jǐn)慎使用再生與摩擦制動的配合，避免剎車過熱。很多搭載智駕功能的車都是新能源汽車，新能源汽車在連續(xù)下坡的能量回收與電池溫度管理上尤其要小心，回收過多可能導(dǎo)致電池電壓或溫度臨界，這會觸發(fā)限流，進(jìn)而影響制動效果。

山區(qū)道路的彎道問題會更考驗整體系統(tǒng)的協(xié)調(diào)能力。很多山路沒有明確的車道線，或者車道很窄，有時對向車輛會占據(jù)一半車道。路徑規(guī)劃要把車體寬度、轉(zhuǎn)彎半徑、側(cè)向安全余量和路肩狀況都算進(jìn)去，還要預(yù)留給對向車輛的緩沖空間。控制策略也要更強(qiáng)調(diào)平滑與可預(yù)測性，寧可選擇提前減速，也不要臨時急剎。車速規(guī)劃不能只看當(dāng)前視野，而要結(jié)合地形坡度、彎道半徑和可能的障礙物出現(xiàn)概率來做預(yù)測。

在山區(qū)行駛時，與其他道路使用者的互動也更加復(fù)雜。拖車、行人、騎行者甚至牲畜都有可能出現(xiàn)在路上，且反應(yīng)不可預(yù)測。決策系統(tǒng)在判斷風(fēng)險時需要偏向保守策略，出現(xiàn)異常情況就應(yīng)當(dāng)逐步降低速度并準(zhǔn)備停靠。在山區(qū)行駛，自動駕駛系統(tǒng)應(yīng)優(yōu)先保證離線自救能力，也就是在沒有網(wǎng)絡(luò)的情況下也能安全應(yīng)對大多數(shù)突發(fā)狀況，這對于自動駕駛來說，技術(shù)要求會更高。

系統(tǒng)層面保障：冗余、能量和持續(xù)測試的重要性

把車開進(jìn)山里，任何單點(diǎn)失效都可能帶來嚴(yán)重后果。因此冗余設(shè)計至關(guān)重要。冗余不僅僅是備一個同型號的傳感器，而是用不同原理的傳感器互補(bǔ)，例如攝像頭配激光雷達(dá)再配毫米波雷達(dá)，同時軟件上運(yùn)行不同算法做互相校驗。發(fā)生分歧時，系統(tǒng)要能判斷哪個結(jié)果更可信，并觸發(fā)如減速、就近停車或提示人工接管等相應(yīng)的安全策略。

能量管理在山區(qū)更為重要。長時間上坡會大量消耗電量，長下坡又會把能量回收到電池里，電池溫度可能被拉高。電動車需要做好熱管理和能量緩沖，確保在連續(xù)的坡道穿行后還有足夠電量到達(dá)安全地帶。車載計算平臺的功耗也不能忽視，高算力芯片在長時間滿負(fù)荷下會發(fā)熱，山區(qū)空氣流動性差或溫差大都會影響散熱效率，進(jìn)而降低計算平臺的可靠性。

如果想開拓山區(qū)的自動駕駛，測試和驗證的工作量會明顯加大。城市里覆蓋的測試場景不能代表山區(qū)的長尾場景。必須在不同季節(jié)、不同天氣、不同時間段進(jìn)行大量真實道路測試，同時建立高保真仿真環(huán)境來補(bǔ)充極端卻高風(fēng)險的情況。仿真里要把風(fēng)吹動樹葉、落石概率、隧道出入口光照突變這些細(xì)節(jié)盡量模擬出來，讓模型在安全的條件下“見識”這些場景。還要定期做如傳感器同時受干擾、制動性能下降或定位漂移等場景的故障演練，檢驗系統(tǒng)的應(yīng)急降級能力。

軟件更新在山區(qū)也要特別謹(jǐn)慎。網(wǎng)絡(luò)不穩(wěn)定意味著遠(yuǎn)程更新失敗的風(fēng)險高，更新失敗或半更新狀態(tài)在車載安全關(guān)鍵軟件中是不可接受的。這就需要在軟件架構(gòu)上做分層，核心安全功能采用嚴(yán)格的本地驗證與回滾機(jī)制，只有在確認(rèn)完整性和安全性的前提下才切換到新版本，用戶體驗類的更新可以在有穩(wěn)定網(wǎng)絡(luò)時再推送。

數(shù)據(jù)與模型：讓系統(tǒng)“見多識廣”比單純搞大模型更重要

山區(qū)的樣本屬于“長尾”性質(zhì)，很多極端情況在城市里很少見。單純把模型做得更大并不能解決在山區(qū)行駛的問題，其關(guān)鍵點(diǎn)其實在于數(shù)據(jù)的廣度和質(zhì)量。要把采集車隊安排到山里去，要采集覆蓋不同的季節(jié)、不同的天氣、不同的路況的數(shù)據(jù)，還要考慮霧霾、雪天、落葉季、路面濕滑等極端情況。

對于山區(qū)環(huán)境的標(biāo)注工作會比城市環(huán)境要求更高。山區(qū)的路緣、護(hù)欄和臨時標(biāo)識物往往不標(biāo)準(zhǔn)，機(jī)器學(xué)習(xí)模型對這些模糊邊界特別敏感。因此需要制定更嚴(yán)格的標(biāo)注規(guī)則和復(fù)核流程，確保訓(xùn)練數(shù)據(jù)的語義準(zhǔn)確。訓(xùn)練策略也應(yīng)引入不確定性建模，讓模型在遇到未見過的情況時輸出較高的不確定性并觸發(fā)保守策略，而不是輸出有問題的高置信預(yù)測。

在線學(xué)習(xí)與增量更新能讓系統(tǒng)在部署后持續(xù)進(jìn)化。把車上采到的新數(shù)據(jù)經(jīng)過人工或半自動標(biāo)注、校驗后用于模型微調(diào)，這樣系統(tǒng)就能慢慢適應(yīng)特定路段或區(qū)域的長期特性。但在線學(xué)習(xí)的引入必須非常謹(jǐn)慎，所有更新都要經(jīng)過嚴(yán)格的安全評估與回歸測試，避免把錯誤行為帶回到大規(guī)模車隊里。

怎么逐步推進(jìn)？從可控場景開始，逐步放開邊界

山區(qū)自動駕駛不是一蹴而就的事，正如高速到城市的輔助駕駛功能，其實經(jīng)歷了非常久的時間過渡與大量的實際測試，對于山區(qū)的自動駕駛，或許需要更長的時間周期。若想真的去實現(xiàn)山區(qū)的自動駕駛，比較靠譜的做法就是從限定場景、限定速度、限定天氣的輔助駕駛開始，先把易出問題的場景切掉，再逐步擴(kuò)展覆蓋范圍。比如先在白天、干燥、視線良好的山路上試運(yùn)行，在這些條件下把定位、感知和控制的基礎(chǔ)打牢。接著把復(fù)雜天氣、夜間、狹窄路段等逐步納入試驗范圍，每一步都通過數(shù)據(jù)和測試來驗證系統(tǒng)的穩(wěn)健性。

遠(yuǎn)程支援、人工介入和安全停靠也應(yīng)當(dāng)設(shè)計為閉環(huán)的一部分。在網(wǎng)絡(luò)可用時，車可以把狀態(tài)上報到云端以便監(jiān)控；在網(wǎng)絡(luò)不可用或系統(tǒng)檢測到高不確定性時，車輛要有本地化的安全策略，比如執(zhí)行緩慢靠邊、鳴笛警示或就近停靠等待人工干預(yù)等動作。把這些應(yīng)急路徑提前設(shè)計

最后的話

把自動駕駛帶進(jìn)山里，現(xiàn)在聊可能不太現(xiàn)實，但想讓自動駕駛技術(shù)得到充分的發(fā)展，這一定是需要跨出的重要一步。但一定要記住，自動駕駛的發(fā)展一定要穩(wěn)而慢，一定要把安全放在首位，只有做到這些，才可以慢慢去探索山區(qū)自動駕駛的可能。做技術(shù)要有耐心，更要尊重自然環(huán)境帶來的不確定性。