━━━━━

機器人汽車最擅長的是監測其他汽車，在注意行人、松鼠和鳥類方面也做得越來越好。而它最主要的困難是探測馬路上那些最輕、最安靜、轉彎最急的車輛。

加州大學伯克利分校的研究工程師史蒂文?施多福（StevenShladover）說：“自行車可能是無人駕駛車輛系統面臨的最困難的探測問題。”

加州大學圣迭戈分校的視覺計算專家努諾?瓦斯孔塞盧斯（NunoVasconcelos）表示，自行車很難探測，因為它們體積小、速度快、多種多樣：“汽車基本上是都是大塊頭。而自行車體積小……外形和顏色各異，而且人們還習慣在自行車上掛東西。”

這就是為什么對汽車的探測率一直高于對自行車的探測率。大多數改進是通過讓系統研究標出了數千個已知對象的圖像來自我訓練。

想想最近由喬治梅森大學研究人員和總部位于加州門洛帕克的隱形模式機器人出租車開發商Zoox提出的Deep3DBox算法吧。在業界公認的基準視覺測試中，Deep3DBox可以識別89%的汽車，就在僅僅幾年前，汽車識別率還不到70%。

━━━━━

此外，它還擅長更艱巨的任務——預測車輛面臨的道路。采用的方法是在2D圖像上發現對象，根據每個對象周圍的情況推斷出3D框。“深度學習通常僅用于檢測像素模式。我們確定了一種有效的方法，使用相同的技術估計幾何數量。”Deep3DBox的主要設計者、喬治梅森大學（位于弗吉尼亞州費爾法克斯）的計算機科學家嘉娜?蔻斯卡（JanaKo?ecká）解釋說。

然而，當發現并定向自行車和騎自行車的人時，它的表現驟然下降。Deep3DBox已經是最好的產品了，但它只在基準測試中發現了74%的自行車。盡管它可以定向88%以上的汽車，但只能定向59%的自行車。

蔻斯卡說，商業系統的效果更好些，因為開發商收集了大量的道路圖像專有數據集對系統進行訓練。她還說，大多數機器人汽車通過激光定位器和雷達提高其視覺處理能力，這雖然不能確定方向，但有助于識別自行車及其相對位置。

同時，通過高清地圖（如以色列Mobileye的道路體驗管理系統）進一步分析處理。地圖首先提供識別自行車的計算機視覺算法，從預錄的街道視圖中顯示異常。福特汽車公司說，“高度詳細的3D地圖”是計劃今年在道路上測試的70輛自駕車的核心。

結合這些元素，會得到一些令人印象深刻的結果，例如2016年由谷歌的車輛展示的自行車識別測試。谷歌的自動駕駛汽車項目分拆公司Waymo在今年1月份的底特律車展上推出了具有升級自行車識別功能的專有傳感器。

加州大學圣迭戈分校的瓦斯孔塞盧斯不相信今天的傳感和自動化技術足以取代人類駕駛員，但他認為這確實有助于避免交通事故。自行車檢測的首次商業應用出現在常規車輛的自動緊急制動（AEB）系統中。沃爾沃在2013年開始提供第一個自行車感知AEB；今年將針對歐洲公共汽車推出類似的技術。

也就是說，自動駕駛車輛開發商正在努力解決AEB系統的一個嚴重不足之處，即預測車輛周圍移動對象接下來的動向。蔻斯卡說：“自行車比汽車的可預測性差得多，因為它們更容易突然轉彎或突然出現。”

美國監管機構認為，這意味著自行車騎行者還將與人為錯誤共存一段時間，而94%的交通事故都是由于人為錯誤。舊金山自行車聯盟的執行董事布萊恩?維登邁爾（BrianWiedenmeier）說：“每個騎自行車的人都對解決這一問題的承諾感到興奮。”但他說，正確的做法是等待技術成熟。

2016年12月，維登邁爾警告說，優步科技公司部署的自動駕駛出租車違反了保護自行車騎行者的法律。對于優步公司拒絕為其車輛辦理安全狀態許可證，加州官員提出了車輛登記規定，他表示贊賞。“像所有新技術一樣，自動駕駛汽車也需要被非常仔細地測試。”他說。

作者：Peter Fairley