一文了解自動駕駛的前世今生

自動駕駛汽車通過攝像頭、雷達和激光雷達等傳感器來感知世界。類似雷達，激光雷達，使用不可見的光脈沖來繪制周圍區(qū)域的高精度3D地圖。攝像頭、雷達和激光雷達三者是相輔相成的關(guān)系。攝像頭便宜，可以看到道路標記，但卻不能測量距離；雷達可以測量距離和速度，但卻捕捉不到細節(jié)；激光雷達提供了很好的細節(jié)，但是價格昂貴，并且容易將雪地和其他地形混淆。

現(xiàn)代汽車時代是從競爭開始的。

在19世紀90年代早期，人們對新興的無馬車技術(shù)產(chǎn)生了濃厚的興趣，當時，它有望集火車的速度、馬車的靈活性和自行車的便利性于一身。法國的Le Petit Journal報社憑借其強大的宣傳影響力舉辦了一場比賽，欲比較出蒸汽、電力或汽油三者誰才是最佳的推動力。該報邀請參賽者從巴黎開車到79英里外的魯昂。該評比并不是以他們車輛的速度來一較高下，而是考察這些車是否安全、易于使用和有商業(yè)價值。

這場比賽于1894年7月舉行，共有21輛全新發(fā)明的車從巴黎出發(fā)，吸引了眾多圍觀者。最后，只有17輛車完成了比賽。比賽路上，有七條狗被撞倒，一名自行車手受傷。最終，贏得大獎的，是一名叫做Gottlieb Daimler（哥特利布·戴姆勒）的發(fā)明家。

*戴姆勒

在這次比賽中，他一共派出了9輛由其發(fā)明的內(nèi)燃機驅(qū)動的汽車，其中，有4輛同時獲得了一等獎。裁判宣布，戴姆勒為車輛提供了“石油或汽油燃料轉(zhuǎn)化成的內(nèi)在動力”，這種車開始有了一個法語名字——“Automobile”（汽車）。戴姆勒的勝利確立了汽車在20世紀的霸主地位，汽車這個術(shù)語很快就滲透到英語和其他語言中。

有意思的是，現(xiàn)代自動駕駛汽車的時代也是從比賽開始的。2004年3月，美國主要的軍事研究機構(gòu)DARPA在莫哈韋（Mojave）沙漠組織了一場比賽，要求無人駕駛車輛駕駛150英里的越野路線。這場比賽共有21支隊伍獲得參賽資格，但經(jīng)過賽前評比和意外事故后，最終只有12輛車參賽。由于機械故障和陷入沙坑等問題，所有參賽隊伍都沒有跑完全程?？▋?nèi)基梅隆大學的“沙塵暴”（Sandstorm），跑出了最佳成績，在被卡住之前行駛了7.4英里。在它試圖解救自己的時時候，不幸前輪起火。

看來DARPA似乎設(shè)置了太高的標準。2005年10月，他們舉行另一場比賽時，23支參賽隊伍中有5支完成了132英里的路程，剩下的，只有一支隊伍未能完成一年前的7.4英里的記錄。斯坦福大學Sebastian Thrun所領(lǐng)導的一支隊伍獲得第一名，卡內(nèi)基梅隆大學的“沙塵暴”排名第二。

*Sandstorm

在短短的18個月里，自動駕駛就從不可能變成了可能。在2007年11月的第三次DARPA比賽中，參賽車輛必須在模擬的城市環(huán)境中完成任務(wù)，處理路標、交通信號和其他車輛等問題。11支團隊中，有6支完成了這個更復雜的挑戰(zhàn)。

這種快速的發(fā)展步伐，令Google在2009年建立了由Thrun領(lǐng)導的自動駕駛汽車項目。自那時起，DARPA競賽的參賽者們已經(jīng)開始在Google、Uber、特斯拉和許多初創(chuàng)公司開展自動駕駛技術(shù)研究。2012年，自動駕駛原型車開始進入美國公共道路，他們已經(jīng)行駛了數(shù)百萬英里，也變得更加安全可靠。但這項技術(shù)離大規(guī)模部署還有一段距離。

真正的完全自動駕駛汽車必須解決三個獨立的任務(wù)：感知（了解周圍世界發(fā)生了什么）、預測（確定下一步會發(fā)生什么）和駕駛策略（采取適當?shù)男袆樱?。Thrun說，最后一個任務(wù)是最簡單的，自動駕駛中只有10%的問題與之有關(guān)，而感知和預測則是較困難的部分。

自動駕駛汽車通過攝像頭、雷達和激光雷達等傳感器來感知世界。類似雷達，激光雷達，使用不可見的光脈沖來繪制周圍區(qū)域的高精度3D地圖。攝像頭、雷達和激光雷達三者是相輔相成的關(guān)系。攝像頭便宜，可以看到道路標記，但卻不能測量距離；雷達可以測量距離和速度，但卻捕捉不到細節(jié)；激光雷達提供了很好的細節(jié)，但是價格昂貴，并且容易將雪地和其他地形混淆。

大多數(shù)從事自動駕駛工作的人都認為，有必要將幾種傳感器組合起來確保安全性和可靠性。（不過，特斯拉是一個明顯的例外：它希望在不使用激光雷達的條件下實現(xiàn)完全自動駕駛）。目前，高端的激光雷達系統(tǒng)要數(shù)萬美元，初創(chuàng)公司正在研發(fā)新的固態(tài)激光雷達，有望最終將激光雷達的價格降低到幾百美元。

結(jié)合來自傳感器的數(shù)據(jù)后，汽車需要識別周圍的物體：其他車輛、行人、騎自行車的人、路面標記、道路標志等。在識別方面，人類比機器要好得多，機器必須通過大量仔細標記的樣本訓練過后才有這樣的能力。獲得這些樣本的一種方法是雇人手動標記圖像。

位于西雅圖的Mighty AI擁有一個30萬人的在線社區(qū)，他們?yōu)樵S多汽車企業(yè)客戶標記街景圖像?！拔覀兿Ｍ嚹軌蛴腥说呐袛嗔?，”Mighty AI的老板Daryn Nakhuda說，“因此我們需要人類專業(yè)技能的幫助?！?/p>

一些來自視頻游戲的圖像，如《俠盜獵車手》中的圖像，與現(xiàn)實街景非常接近，也可以起到幫助做用。因為游戲軟件知道一切事物，它可以準確地標記這些場景，因此這些圖像也可以用于訓練。

Thrun說，最難識別的是那些很少見的東西，例如路上的垃圾或是在高速公路上被吹起的塑料袋。他回憶起Google的自動駕駛項目早期的時候，“我們的感知模塊無法區(qū)分出物體究竟是塑料袋還是飛奔的孩子?！甭飞系乃右沧屪R別系統(tǒng)混淆。不過，結(jié)合來自多個傳感器的數(shù)據(jù)就可以分辨道路上的物品是否為堅硬的障礙物。

傳感器獲得的數(shù)據(jù)還能夠與先前在同一條路上行駛的其他車輛收集的傳感器數(shù)據(jù)進行比較，這種相互交流的過程被稱為“車隊學習”。自動駕駛的先行者們已經(jīng)積累了許多的數(shù)據(jù)，這讓他們占一定的優(yōu)勢，但一些創(chuàng)業(yè)公司也在制作和銷售現(xiàn)成的供自動駕駛汽車使用的高精度地圖。

一輛車識別出周圍的一切之后，它就需要立刻預測未來幾秒會發(fā)生什么并決定如何應(yīng)對。道路標志，交通信號燈，停車燈和轉(zhuǎn)向標志也提供了一些提示。但是，自動駕駛車輛在某些地方還離人類駕駛員還是有差距的，人類駕駛員擅于處理一些意外情況，例如道路施工、拋錨的車輛、運輸卡車，緊急車輛、倒下的樹木或惡劣的天氣等。雪是一個特殊的挑戰(zhàn)：激光雷達系統(tǒng)必須仔細調(diào)整才能忽略飄落的雪花，道路積雪也會降低高精度地圖的準確度。

雖然高精度地圖技術(shù)仍在開發(fā)中，但它對于一些限定的地區(qū)還是有幫助的，這些地區(qū)已有了詳細繪制的地圖并且通常天氣很好。這就解釋了為什么陽光燦爛、道路規(guī)劃整齊的鳳凰城能成為測試自動駕駛車輛的熱門城市。而匹茲堡則由于其惡劣的天氣，是一座測試難度比較大的城市。

被通用汽車收購的自動駕駛創(chuàng)業(yè)公司Cruise，則選擇在舊金山市中心復雜的街道上進行測試，其表現(xiàn)也給人們留下了深刻的印象。Cruise的創(chuàng)始人 Kyle Vogt認為，在人口稠密的環(huán)境中進行測試意味著汽車會經(jīng)常遇到異常情況，因此能學得更快。

當自動駕駛車輛感到困惑并且不知道如何回應(yīng)或做出錯誤決定時，駕駛座上的安全工程師就會接管。這就是所謂的“脫離”，每千英里的脫離數(shù)為對比自動駕駛相關(guān)公司提供了一個粗略衡量標準（見上圖表）。不過，最好還是不要將脫離視為失敗的情況，脫離其實是有助于自動駕駛系統(tǒng)吸取經(jīng)驗并改進的。

Uber自動駕駛汽車部門的安全負責人Noah Zych表示，在接近脫離狀態(tài)時記錄的傳感器數(shù)據(jù)可以揭示汽車出了什么問題。然后就可以在模擬中對同一問題進行測試，然后修改軟件。Zych說：“我們可以一次又一次地測試，改變情景，分析不同的結(jié)果，”改進后的軟件最后會在真實汽車中使用。

就算自動駕駛現(xiàn)在就能被廣泛部署，他們?nèi)匀慌紶栃枰说膸椭?。無人駕駛接駁車制造商Navya的CEO Christophe Sapet舉了個例子：在一個兩車道的路上，自動駕駛汽車由于不敢越過道路中的實線而追尾了一輛拋錨的卡車。產(chǎn)生這種結(jié)果的原因，是自動駕駛汽車被編程、被設(shè)定必須遵守交通規(guī)則（而不會隨機應(yīng)變）。但如果是人類，只要對面沒車，就會壓過實線繞開這兩卡車。

Navya的自動駕駛車輛則會向遠程監(jiān)督中心求助，人類操作員可以看到車輛攝像頭拍攝的實時信號。遇到剛剛所說的情況時，操作人員并不會直接遠程控制一起，而是在保證安全的情況下允許該車壓過實線行駛。Thrun預測，這些操作員在未來可能會一次監(jiān)控數(shù)千輛自動駕駛車。

與此同時，低配版的自動駕駛在正在逐漸加入到現(xiàn)有的汽車之中。由美國汽車工程師協(xié)會制定的量化表將自動駕駛水平分成了5個等級。Level 1級別的自動駕駛包括基本的協(xié)助（如巡航控制）。Level 2級別增加了諸如車道保持等功能，令汽車能夠在高速公路上行駛，但仍要求駕駛員時刻注意。奧迪今年推出的A8是第一款達到Level 3級別的車型，它能夠自動駕駛并監(jiān)控周圍環(huán)境，但在系統(tǒng)要求時，駕駛員及時必須接管。

*奧迪A8

Waymo、Uber和其的公司則試圖直接跳到Level 4級別，即在特定的條件下，例如在城市的特定地區(qū)，車輛能夠完全自動駕駛。一些業(yè)內(nèi)人士認為，Level 2級別和Level3級別這種不完全的自動駕駛是不安全的，因為即使系統(tǒng)控制了車輛，駕駛員仍然需要時刻注意，而駕駛員們很難做到這一點。

2016年5月，一輛特斯拉Model S撞上了一輛卡車，司機在事故中喪生，調(diào)查人員發(fā)現(xiàn)，盡管Autopilot系統(tǒng)已經(jīng)發(fā)出警告，但司機仍然未能留意道路情況。特斯拉的Autopilot就屬于Level 2級別。

自動駕駛汽車的面臨的一個問題是，道路是為了人類司機而建的，自動駕駛汽車必須與之共享道路。人會通過燈光和使用其他非語言的提示進行交流，這些提示因地而異。自動駕駛的技術(shù)制造商Mobileye的CTO Amnon Shashua認為，自動駕駛車輛可能最終能夠適應(yīng)周圍環(huán)境，例如，在波士頓開車就要比在加州猛一些。

自動駕駛汽車公司Aurora的CEO Chris Urmson說：“我們必須讓汽車能夠在像今天這樣的世界中運行?！?/p>

但將來，事情可能會變得容易些。在未來，可能會出現(xiàn)自動駕駛車輛專用的道路或區(qū)域，以及用于支持它們的專用設(shè)備，即V2I（車對基礎(chǔ)設(shè)備）技術(shù)。在一些已經(jīng)有自動駕駛汽車運行的地區(qū)，已經(jīng)對交通信號燈做了一些修改。未來，V2I和V2V（車對車）技術(shù)能夠幫助自動駕駛車輛更好地相互協(xié)調(diào)。

公眾似乎主要擔憂與自動駕駛汽車有關(guān)的兩種潛在風險：第一種就是他們應(yīng)該如何面對道德困境。比如說，在撞到一群孩子和撞向另一輛車之間進行選擇。許多業(yè)內(nèi)人士認為，這些問題并不能反映現(xiàn)實世界。

第二個擔憂就是網(wǎng)絡(luò)攻擊。自動駕駛汽車本質(zhì)上是安裝在車上的計算機，可能會被遠程劫持和破壞。不過，自動駕駛業(yè)內(nèi)的工程師們則堅持，他們非常重視網(wǎng)絡(luò)安全，他們所建立的多重冗余傳感器和控制系統(tǒng)，在技術(shù)上說，可以提供一定的安全保障。如果一輛自動駕駛車中的任何部分開始出現(xiàn)異常的行為，無論出于何種原因，這輛車都會停下來。Sapet開玩笑說：“想使用普通汽車殺人比使用無人駕駛汽車更容易?！?/p>

自動駕駛車輛很快就要進入我們的生活了，至少能在天氣良好、有序的環(huán)境中行駛?！耙坏┠阏业搅藛栴}的關(guān)鍵，它就能漸漸被完全解決?！?Urmson說。

從不可到可能，從可能到現(xiàn)實生活，盡管公眾仍有擔憂，但自動駕駛的發(fā)展速度，可以說是越來越快了。