蜘蛛俠的“spidey senses”(蜘蛛感官)，想必曾經(jīng)令無數(shù)中二少年心向往之。

這種超能力可以讓他預(yù)判身邊即將發(fā)生的事情，更好地探測和躲避物體，比如躲過子彈、避免被敵人擊中等等。

不過，同款放射性蜘蛛是沒有的，但同款“超能力”卻被科學(xué)家們賦予了機器。

來自凱拉·威爾斯普渡大學(xué)的研究人員，將蜘蛛式傳感器植入了自動駕駛無人機和汽車的外殼中，試圖幫助它們能夠更好地探測物體。

我們習(xí)以為常的自動駕駛，通常都可以理解為設(shè)計一個與人類一樣甚至超越人類表現(xiàn)的駕駛水準(zhǔn)，因此，其技術(shù)路線效法的對象自然也就是人類本身。以深度學(xué)習(xí)來模擬人類的大腦，為決策提供強大的計算能力;以攝像頭、激光雷達(dá)等代替人類的雙眼，實現(xiàn)高效的傳感器融合。

然而，且不提目前的傳感器技術(shù)并沒有完全釋放類人的潛力，而且即使是真人上陣，也經(jīng)常有預(yù)判失誤導(dǎo)致事故。人類的極限，基本決定了此前自動駕駛系統(tǒng)的極限，也難怪馬斯克會對目前的無人車感知方案說出——“A task that has little to no chance of being successful or beneficial”(幾乎沒機會成功或取得收益)的評價。

那么，將動物們或者說超人們的“超能力”引入自動駕駛，會讓事情出現(xiàn)轉(zhuǎn)變嗎?下面就從有趣的“spidey senses”來聊聊，自動駕駛感應(yīng)技術(shù)的另一種可能性。

蜘蛛俠超能力：

幫自動駕駛“看”得更清楚

蜘蛛的感知能力究竟有何特別之處呢?

這就必須提到它們處理感官信息的速度，比目前最先進(jìn)的傳感器還要快，因此可以更好地在危險環(huán)境中避免事故。當(dāng)然，這并不是蜘蛛的獨家技能，蝙蝠、鳥類等其他動物也或多或少都自帶“預(yù)先避障buff”。

之所以能做到這一點，因為它們的神經(jīng)末梢與被稱為機械感受器的特殊神經(jīng)元相連。而這種特殊的感應(yīng)器往往以羽毛、毛發(fā)等形式出現(xiàn)，只檢測和處理動物生存所必須的信息。

人類在面臨危險時雖然也有“汗毛乍起”之類的操作，但這種“直覺”顯然已經(jīng)在進(jìn)化過程中被消滅得差不多了。因此，人類往往需要盡可能多地收集周圍環(huán)境的數(shù)據(jù)來輔助判斷，落地到自動駕駛車上，就是“寧可錯拍不可放過”的冗余攝像頭和傳感器。豐田曾財大氣粗在自家的自動駕駛原型車上搭載了七臺激光雷達(dá)(當(dāng)時單價7999美金/臺)。

但是，與人類相反，大自然中的動物們并不需要“面面俱到”，它們會過濾到不需要的信息，以保證自己處理的信息不會過載，同時又保持足夠的敏感度。

比如當(dāng)蜘蛛網(wǎng)以獵物或者配偶相關(guān)的頻率振動時，蜘蛛毛茸茸的腿(機械感應(yīng)器就在上面)就會在體內(nèi)產(chǎn)生一種神經(jīng)反射，提醒它迅速做出反應(yīng)。而更低的頻率，比如蛛網(wǎng)上的灰塵，機械感應(yīng)器是“視而不見”的，因為它對蜘蛛的生存安全來說并不重要。

只有某一特定水平的力激活了“多毛的”機械感受器，它們會快速從一種狀態(tài)(收集過濾信息)轉(zhuǎn)換到另一種狀態(tài)(計算信息)，并做出相應(yīng)的反應(yīng)。

核心成員之一Arrieta認(rèn)為，在自然界，硬件和軟件沒有清晰的區(qū)別，它們相互關(guān)聯(lián)的。比如傳感器即可以收集和過濾數(shù)據(jù)，也可以用來解釋和計算數(shù)據(jù)。這顯然與普遍推行的“大腦-器官”仿人類學(xué)設(shè)計相去甚遠(yuǎn)。

那么，這種傳感器被集成到無人機機翼或汽車外殼上，會產(chǎn)生怎樣有趣的變化呢?

為了讓自動駕駛機器能夠獲得“蜘蛛感覺”的超能力，普渡大學(xué)的研究者們開發(fā)了一種超薄的電容傳感器。它能夠從環(huán)境中接受信息，并根據(jù)閾值(如壓力或溫度的變化)過濾數(shù)據(jù)，在預(yù)定的力水平提示時還會改變形狀。而且，不需要電源。

這些機械傳感器可以被定制來檢測特定的力學(xué)變化，比如人、貓狗、井蓋、石子等，與自動駕駛駕駛需要規(guī)避的特定對象相關(guān)聯(lián)，就能實現(xiàn)快速避障的作用。

同時，普渡大學(xué)的研究人員與新加坡南洋理工大學(xué)、蘇黎世聯(lián)邦理工學(xué)院合作，設(shè)計了同樣的傳感器，利用這些“機械感受器”的狀態(tài)變化來讓自動駕駛機器像蜘蛛一樣處理數(shù)據(jù)。

因為可以形變，使得傳感器材料內(nèi)的導(dǎo)電粒子彼此移動得更近，從而允許電流通過傳感器并攜帶信號，這些信息則通知駕駛系統(tǒng)應(yīng)該如何響應(yīng)。在機器學(xué)習(xí)算法的幫助下，傳感器們能夠以最小的能耗實現(xiàn)自主工作，無形中降低了算力方面的成本。

動物仿生學(xué)引入自動駕駛，

有何意義?

相比于前兩年的無比“稀奇”，如今大部分吃瓜群眾應(yīng)該都對自動駕駛機器的智障(劃掉)智能程度有所了解了。

在避障技術(shù)方面，主要就是依靠超聲波、激光、視覺、毫米波雷達(dá)等傳感器的融合及協(xié)同工作，獲得道路、車輛位置和障礙物等信息，從而使無人車、無人機能夠安全靈活地行駛。

然而即使是融合了絕對數(shù)量的傳感器，無論是在物體識別還是距離估計上，依然很容易出現(xiàn)令人意想不到的差錯。

比如之前特斯拉的自動駕駛汽車因為將前方的白色大卡車當(dāng)成了白云(!)，因此發(fā)生了車禍。

“高空作業(yè)”的無人機也沒有好到哪里去，2015年紐約肯尼迪國際機場，一架無人機在7000英尺的高空中就差點撞上一架飛機，二者當(dāng)時距離只有20英尺遠(yuǎn)。

之所以會出現(xiàn)這樣的局面，主要原因有二：

第一，當(dāng)前主流的傳感器幾乎都有自身局限，多傳感器相互備份和補充是必不可少的。而多傳感器融合協(xié)作，面對復(fù)雜的現(xiàn)實場景，還要達(dá)到360度無死角的高精度監(jiān)測，龐大的數(shù)據(jù)量必然會帶來堆積和冗余問題。

另外，現(xiàn)有的自動駕駛系統(tǒng)主要將算力集中在決策層面，感知層面的算力不夠充沛，自然也就導(dǎo)致處理器難以支撐龐大連續(xù)高速的計算壓力。一旦數(shù)據(jù)堆積導(dǎo)致處理延遲，自然也就更容易犯錯。

上述重要而關(guān)鍵的問題，目前看來，對癥下藥只有兩個解決方案：

1.提高感知層面的性能要求，對復(fù)雜信息和環(huán)境實現(xiàn)更高精度的識別。

2.讓感知系統(tǒng)能夠處理一部分計算任務(wù)，過濾掉無意義的數(shù)據(jù)，為“機器大腦”減負(fù)。

既然前面模仿人類生理工作機制的智能化發(fā)展不盡如人意，那么向蜘蛛、蝙蝠等“低智能、高機械”生物學(xué)習(xí)，會不會才是自動駕駛應(yīng)該拿到的“劇本”呢?

沒有人能給出確切的答案，但這不妨礙有不少學(xué)者開始在這個方向努力探索了。

以前面提到的“蜘蛛感知”能力為例，AXA Winterthur關(guān)于自動駕駛研究的數(shù)據(jù)顯示，一般情況下，提前1.5秒的警示就可以減少90%的追尾碰撞。也就是說，當(dāng)提前2.5秒給予一個車輛警告的話，基本上可以讓系統(tǒng)做到安全剎停，無人機同理。

目前，想要在碰撞時間(TTC)上保障這一前提，只能通過探測距離大于120米的汽車?yán)走_(dá)實現(xiàn)。但與此同時，激光雷達(dá)的探測精度又十分離散，在120米距離上垂直和水平分辨率已經(jīng)是0.3-0.5米的級別，這意味著如果前方站著的是一個人，它很有可能會被激光雷達(dá)所忽略。而且，由于要進(jìn)行360度掃描，數(shù)據(jù)緩存和回傳的時間已經(jīng)足夠發(fā)生一場悲劇了。

但是借助“蜘蛛感知”的能力，裝載了超薄電傳感器的自動駕駛機器就能夠在感知到信息的瞬間，就迅速計算并選擇性地進(jìn)行處理，或能夠有效減少系統(tǒng)大腦的數(shù)據(jù)負(fù)載，從而提升自動駕駛系統(tǒng)的決策效率和靈敏度。

從某種意義上來說，現(xiàn)階段的自動駕駛感知系統(tǒng)，有點像剛剛開始變異的蜘蛛俠。在漫畫《神奇蜘蛛俠》中，他剛開始有了一定預(yù)知未來的能力，卻總是無法很好地控制自己能看到什么。讓機器快速掌握和人腦人眼一樣“看”和“聽”的能力，也同樣是強“機”所難。

更何況，人類自己還沒有搞清楚人腦是怎么工作的，又何談用機器來模仿人腦呢?

或許放下幻想，放低身段，對于動物能力的觀察與模仿，才能引領(lǐng)機器走向類腦智能的應(yīng)許之地。