真正自動駕駛：或許是5年 或許是10年

　　最近又有從事哪些職業(yè)的人員將被機器所取代呢?其中一個備選答案是汽車司機——世界上最普遍的職業(yè)之一。傳統(tǒng)車企正在面臨一場主要由科技公司主導的以自動駕駛技術為核心的產(chǎn)業(yè)革命，而與之相關的各類媒體報道使得許多消費者產(chǎn)生了他們的下一輛汽車將是完全自動駕駛的預期。

　　但是，仔細審視一下實現(xiàn)高級別自動駕駛(SAELevel4及以上)所需的技術，就會了解到，真正實現(xiàn)并推廣該類汽車需要花上比預期更長的時間，或許是5年，或許是10年。

　　厘清此次技術革命的脈絡

　　對實現(xiàn)自動駕駛汽車的首次嘗試主要集中在高級駕駛員輔助系統(tǒng)(AdvancedDriver AssistantSystems，ADAS)領域，屬于此類的功能包括緊急制動(Emergency Braking)，倒車攝像頭(Backup Camera)，自適應巡航控制(Adaptive Cruise Control)以及自動泊車系統(tǒng)(Self-Parking System)等，這些技術一開始最先應用在豪華車上。最終，產(chǎn)業(yè)的監(jiān)管機構(gòu)開始要求在每輛汽車中都配置部分ADAS功能，這加速了其對大眾市場的滲透。截至到2016年，ADAS技術已經(jīng)形成了一個規(guī)模約為150億美元的市場。

　　在全球范圍內(nèi)，ADAS系統(tǒng)(例如，夜視功能及車輛盲點探測)的出國量從2014年的9000萬套增加到了2016年的約1.4億套，僅兩年時間規(guī)模就增長了50%。其中，部分ADAS功能相比于其他功能更有吸引力，例如，從2014年到2016年，具有環(huán)視視角的停車系統(tǒng)(Surround-View Parking Systems)的普及率增長超過了150%，而自適應前置照明系統(tǒng)(Adaptive Front-Lighting Systems)的數(shù)量在同一時間段內(nèi)增加了約20%。

　　客戶的支付意愿和產(chǎn)品價格的下降都幫助了ADAS系統(tǒng)套件的普及。麥肯錫公司最近的一項調(diào)查發(fā)現(xiàn)，為了給汽車配置相應的ADAS功能，駕駛員將平均多花費500 ~2500美元。盡管起初ADAS功能只在豪華車上配置，但目前許多汽車制造商可以在售價20000美元級別的汽車上配置相同的ADAS功能。許多高端汽車不僅在高速公路條件下能自動轉(zhuǎn)彎(即橫向控制)、加速及制動(即縱向控制)，而且還能采取相應的行動避免車輛發(fā)生碰撞。一些在有限距離的固定線路上行駛的商用乘用車(如短駁車)甚至可以將自己停入空間極為緊湊的停車位。

　　但是，雖然ADAS已經(jīng)取得長足的進展，但整個行業(yè)還沒有確定半自動駕駛汽車(如SAE Level3車輛)的最佳技術原型，因此目前仍處于測試-改進模式(test-and-refine mode)。截至到目前為止，共出現(xiàn)了3種技術路線：

　　以攝像頭(Camera Systems)為主，毫米波雷達為輔;

　　以毫米波雷達(Radar)為主，攝像頭為輔;

　　混合路線，即把激光雷達、毫米波雷達、攝像頭等硬件以及傳感器融合算法相結(jié)合，以實現(xiàn)對環(huán)境更細致的理解。

　　實現(xiàn)上述技術路線的成本各不相同，其中“混合路線”最為昂貴。截至到目前為止，上述3種技術路線之間尚未決出勝負，每個系統(tǒng)都有其優(yōu)缺點，例如，“以毫米波雷達為主”的方法可以在高速公路場景下運行良好，該場景中的交通流量相對而言較易預測且對環(huán)境進行測繪的精度要求并不高。另一方面，“混合路線”的方法在人口稠密的城市地區(qū)能夠更好地工作，在該場景下，精確的測繪可以幫助汽車能沿狹窄的街道行駛，識別出體積較小的但影響行駛安全的物體。

　　解決自動駕駛汽車技術中的難題

　　自動駕駛汽車無疑將開啟了交通運輸行業(yè)的新時代，但整個行業(yè)尚需解決一些技術難題，方可真正實現(xiàn)能夠商業(yè)化的自動駕駛技術。我們已經(jīng)看到，ADAS功能可以減輕駕駛負擔，并使駕駛的過程變得更安全。但在某些情況下，該技術也會引發(fā)新的問題，例如，人類過分信任或依賴這些新系統(tǒng)。這并不是一個新現(xiàn)象，當安全氣囊成在20世紀90年代為汽車的標配時，一些駕駛員和乘客將此作為自己可以不佩戴安全帶的理由，顯然這種錯誤的觀念將導致額外傷亡事件的發(fā)生。

　　與之相類似，ADAS功能的標配化會使駕駛員在工況超出ADAS處理能力的情況仍然盲目依靠它。例如，自適應巡航控制技術在汽車直接跟隨另一輛行駛中的汽車時能夠運行良好，但它通常不能發(fā)現(xiàn)靜止的物體。不幸的是，現(xiàn)實生活中的情況以及受控實驗都表明，對自動化過于信任的駕駛員最終會以撞上靜止的汽車或其他物體而告終。ADAS目前可實現(xiàn)的功能有限，而這正是許多早期用戶所沒有真正領會理解到的。

　　此外，還有一些因素會導致安全難題。2015年，在美國，駕駛傳統(tǒng)汽車(即SAELevel0)的司機因開車時分心而引發(fā)的交通事故造成了近3500人死亡，39萬余人受傷。不幸的是，據(jù)專家預計，在引入具有某種級別自動駕駛功能但仍要求人類駕駛員隨時接管車輛控制權以防止事故發(fā)生(注：即該自動駕駛系統(tǒng)仍然無法完全取代人類駕駛員，應該指SAELevel3及以下的自動駕駛水平)的汽車之后，一開始車禍發(fā)生的數(shù)量并不會顯著下降。

　　安全專家擔心，半自動駕駛汽車的駕駛員可能會在自動駕駛模式下進行閱讀或發(fā)短信等活動，從而在被要求接管汽車控制權的瞬間會缺乏對環(huán)境必要的感知。隨著駕駛員又再次操控汽車，他們必須立即評估周圍環(huán)境、確定車輛在其中的位置、分析其所面臨的危險狀況并選定一個安全的行動方案。而當車速達到65英里/小時(約合104公里/小時)時，汽車只需不到4秒的時間便可駛過相當于標準足球場長度的距離，且駕駛員將控制權交給汽車的時間越長，再次進入駕車狀態(tài)的過程也會越長。因此，汽車制造商必須開發(fā)更好的人機界面，以確保新技術將挽救更多的生命而不是引發(fā)更多的事故。

　　我們在其他場合也遇到過類似的問題：2009年，因為飛行員在客機處于自動駕駛模式下飛行時沒有及時接管控制權，致使該航班飛機駛過了其目的地機場約150英里才被發(fā)現(xiàn)。對于半自動駕駛汽車而言，“空域”(對應于汽車行駛的“地面”)將變得更加擁擠，“飛行員”(對應于操控汽車的“駕駛員”)的訓練狀況也較差。因此，對于全神貫注于做其它事情的駕駛員而言，汽車在自動駕駛模式下運行時間過長會變得更加危險。

　　向全自動駕駛演進

　　在接下來的5年中，可能會出現(xiàn)屬于SAELevel4級別的自動駕駛汽車，該類汽車能夠在特定場景下完成所有原本需要人類駕駛員完成的駕駛?cè)蝿?，期間并不需要人類駕駛員的干預。雖然此技術已經(jīng)能夠在有限場景下以將來正常工作的狀態(tài)進行測試，但真正驗證該系統(tǒng)的性能可能仍然需要花費數(shù)年時間，因為系統(tǒng)必須進行大量測試以求得能夠暴露于罕見場景(注：即機器學習中所謂的“Edge Cases”)中的機會，并采取應對措施將其剔除。此外，工程師還需要實現(xiàn)與保證系統(tǒng)可靠性及安全性方面的目標。起初的時候，公司通常會將系統(tǒng)設計成能夠在特定地理區(qū)域內(nèi)的特定應用場景中可靠運行，即所謂的設定“地理柵欄”(Geofence)。另外一個先決條件是，在調(diào)整系統(tǒng)以確保能在特定場景中成功運行之后，當“地理柵欄”擴展到涵蓋更廣泛的應用場景和更大面積的地理區(qū)域時，亦需進行相應的額外調(diào)整。

　　實現(xiàn)SAELevel4及SAELevel5的難點在于需要在任何環(huán)境下且在沒有任何限制的條件下安全地操控汽車，例如，需要在沒有繪制過地圖的地區(qū)或者沒有車道線及重要基礎設施和環(huán)境特征的道路上行駛。因此，由于工程師必須要覆蓋和測試的應用場景(Use Cases)數(shù)量呈指數(shù)級增長，建立一個可在(大部分)無限制環(huán)境中運行的系統(tǒng)將需要花費更多的精力。例如，在沒有車道標記或車輛行駛在未鋪設石板/柏油的道路上，系統(tǒng)必須能夠判斷出哪些區(qū)域是可行駛區(qū)域。這是一個困難的計算機視覺技術問題，特別是如果路面與周圍環(huán)境沒有顯著差異時，例如道路被大雪所覆蓋時間。

　　實現(xiàn)全自動駕駛可能需要花費10年以上的時間

　　鑒于目前的發(fā)展趨勢，未來10年內(nèi)完全自動駕駛汽車(SAELevel4及以上級別)將難以真正實現(xiàn)，其中主要的障礙在于開發(fā)滿足SAELevel4及以上級別要求的軟件。雖然硬件方面的技術創(chuàng)新能夠提供所需的計算能力，而且價格(特別是傳感器)會下降(注：由于反摩爾定律的作用)，但軟件仍將是關鍵的技術瓶頸。

　　事實上，硬件的性能已經(jīng)接近達到使高度優(yōu)化后的自動駕駛汽車軟件(Well-Optimized AV Software)順暢運行所需的水平，目前的技術應該能夠很快達到自動駕駛汽車所需的計算能力，不論是圖形處理器(Graphics Processing Units，GPU)還是中央處理器。

　　目前攝像頭已經(jīng)能夠滿足測試距離、分辨率和視場等方面的性能要求，但在惡劣天氣條件下也面臨顯著的局限性。毫米波雷達在技術上已經(jīng)準備就緒，它是惡劣天氣及路況條件下進行探測的最佳選項。提供最佳視場的是激光雷達，它可以極高的精度探測車輛周圍360度內(nèi)的環(huán)境狀況。雖然目前市場上出售的激光雷達的價格還非常昂貴，但一些商業(yè)上可行的小型廉價產(chǎn)品應該會在未來一兩年內(nèi)進入市場。幾家高科技公司聲稱可將激光雷達的成本降低到500美元以下，另一家公司已經(jīng)推出了一種售價約為10000美元的能夠?qū)崿F(xiàn)完全自動駕駛的系統(tǒng)(大約有十幾個傳感器)。從商業(yè)化的角度來看，企業(yè)需要了解SAELevel5汽車所需的最佳的傳感器數(shù)量，以控制整車的成本。(注：例如，以色列固態(tài)激光雷達創(chuàng)業(yè)公司Innoviz在5月23日剛剛推出的固態(tài)激光雷達產(chǎn)品InnovizPro的售價將低于7000美元)

　　令人頭疼的軟件方面的問題仍然存在

　　開發(fā)出與自動駕駛汽車硬件所具備的全部潛力相配且能充分利用之的軟件仍然需要較長時間，鑒于問題的復雜性和目前以科研為導向的屬性，工程開發(fā)方面的時間進度表基本已處于停滯狀態(tài)。

　　一個關鍵的問題是，自動駕駛汽車必須在道路上有其他自動駕駛汽車以及人類駕駛員的情形下，學習如何與之協(xié)商駕駛方式(注： ChrisUrmson在4月份CMU的講座中也指出這是一個令人頭疼的博弈難題)。此外，使用易出錯的GPS傳感器來對車輛進行高精度定位是另一個待解決的復雜問題。解決上述難題不僅需要大量的前期研發(fā)，而且還需要經(jīng)過長時間的測試和驗證。

　　3種類型的問題更具體地說明了軟件問題。首先是物體分析(Object Analysis)，即探測到物體并理解它們所代表的含義，對自動駕駛汽車至關重要。例如，該系統(tǒng)應該以不同的方式處理靜止停放的摩托車和在路邊騎自行車的人。因此，必須在物體分析階段就捕捉到兩者之間關鍵性的差異。