困惑與障礙：通往完全的自動駕駛還有多遠？

01-28

?圖片來源：http://pixabay.com

撰文｜邸利會

責編｜陳曉雪

知識分子為更好的智趣生活 ID：The-Intellectual

●　●　●

預測未來是一件難事，在炙手可熱的自動駕駛領域尤其如此。做自動駕駛的公司越來越多，除了特斯拉、谷歌、微軟、優步、百度、奧迪、寶馬、英特爾等，還有不斷湧現的知道或不知道的眾多初創公司，如AutoX，如景馳科技。

自動駕駛何時發生，會在怎樣的場景下發生？是擺渡車，還是高速路上的載貨車？會不會充斥周遭，無時無刻，無處不在？

在不久前舉行的未來青年論壇中，來自汽車製造，感測器，軟體，投資等領域的人士討論了以上問題，也對無人車落地的實際障礙提出了看法。

感測器的困惑

無人車依靠感測器來感知周圍的世界。而且，無論在何種光照、天氣、路況下，都需要作出準確判斷，否則安全就是個大問題。

在大多數專家看來，要提供更安全的無人駕駛，多感測器融合是必然。如今，大多數測試的無人車，都組合裝備了攝像頭、雷達、激光雷達等感測器。甚至，為了進一步準確的探測人等生物，一家以色列的初創公司還為無人車裝備了紅外線攝像頭。

多感測器融合的方案可能是為了克服單一感測器的弱點，如攝像頭在光線弱的夜晚或者光線很強的白日性能不好，激光雷達無法有效應對大雨或霧霾，而雷達對反光的小金屬物件容易出錯。

在眾多感測器中，以對周圍環境獲得更細節化的刻畫衡量，大多數業內人士認為，激光雷達是未來無人車的「標配」。簡單來說，激光雷達每秒鐘發射上百萬道的激光，這些激光束碰到周遭物體後返回，通過記錄來回的時間就可創設一個立體的地圖從而獲得感知。

今天大多數的無人車都使用了激光雷達。不過，特斯拉一直是個特例——其CEO 伊隆·馬斯克（Elon Musk）認為，激光雷達太過昂貴，普通公眾無法負擔，而單純用攝像頭和優良的演算法就可引導車輛安全運行。

這一非主流的看法如今獲得了一家初創公司的贊同。AutoX創始人肖健雄表示，他們公司的願景是提供「平民化」的駕駛。他此前是普林斯頓大學計算機視覺和機器人實驗室的主任，去年成立AutoX。

從公開報道看，AutoX使用的是攝像頭加圖像識別演算法的技術路徑（至少現在如此）。肖健雄說，從純理論的角度，視覺的信息已足夠，甚至比司機更加安全（比如人會疲勞，反應速度也慢，還會發手機信息）。他預計，未來的20-30年依然會是一個司機和無人車並存的時代：車還會有車燈，道路也會使用反光材料，司機還會用雙眼認路。他說，在道路還是為視覺設計的情形下，「視覺方案是可以做的很好的，甚至是非常完美的」。

然而，他也認為，從產品的角度，加越多的感測器就越安全，只是存在成本的問題。「考慮兩個極端的情形，一個是只有計算機視覺，一個是什麼感測器都有，將來實現真正的量產，能為大家所用，可能會是一個中間的結合；另外，使用的場景不同，比如是在高速路行駛的車，還是低速的擺渡車，所使用的感測器配置都會不一樣。」肖健雄說。

不過，景馳科技的聯合創始人兼CTO韓旭卻認為，純視覺的解決方案只是理論可行，實際上很難做到。他說，在一定可控的範圍內，多加感測器可以提高靈敏度，也是為了保證更加的安全，而成本，如果結合共享車的使用，是可以均攤下來的。「我覺得還是多感測器融合的方案更加實際點。」他說。韓旭曾擔任百度首席科學家，他和同事在今年4月份創立景馳。

特殊情形瓶頸

不過，感測器只是整個自動駕駛中的一部分，更重要的還是背後的演算法。以激光雷達為例，當收集到稱之為「點雲」（point cloud）的大量信號後，自動駕駛的軟體要識別出各種物體，比如行人，樹木或其他車輛。然後，將此刻「看到」的與之前的情形進行比較，知道發生了哪些變化後再作出行動。而這樣周而復始的過程必須以極快的速率，持續不斷地進行。

如今，無人車上路測試已不算稀奇，而且有些已經跑了成百上千公里。如果這些已經足夠讓你驚嘆，可也不應簡單認為，模型演示可以等同於商業化產品——二者的差距可能同樣是成百上千公里。與很多軟體開發通常遇到的困難類似，對自動駕駛來說，最困難的地方在於對特殊情形（edge case）的正確判斷。

?車背後的人形廣告可能會讓無人車感到困惑

一些在人看來不是問題的問題（比如，人很容易知道前方公交車後背張貼的廣告模特不是真人），在支撐自動駕駛的軟體看來，可能會感到十分困惑：到底是不是人？恐怕再精妙的機器學習演算法也會因為缺少特殊情形下的學習而無法真正發揮效能：不學又如何會呢？

特殊情形對自動駕駛的安全性來說至關重要。長久以來，自動駕駛的擁護者都承諾了比司機更高的安全性。可是，事故率多少算安全呢？這似乎是一個無止境的追求。如果有某家公司聲稱有99.9%的安全，這恐怕也沒什麼，因為這反過來說明事故率是千分之一。

「0.01 的進步都是非常關鍵的。」韓旭說，「提高安全性，有效的數據是非常重要，關鍵在於特殊的情形（corner case）學習，而且（這樣的情形）還非常分散多樣」。

不過，特殊的情形卻是不容易遇到的。成千上萬公里的測試也許遇到的特殊情形少之又少。那麼，如此稀有的特殊情形數據，該如何獲得呢？自動駕駛行業是否會像計算機視覺領域那樣創建一個類似於ImageNet的共享數據集呢？

肖健雄認為，除去自動駕駛的數據量相對非常大之外，整個行業還處於非常早期的階段，也不利於數據共享。「比如使用什麼樣的感測器，用多少感測器，都還沒定，（感測器在車上）安裝的位置也不一樣，有大量的未定因素。」他進一步說，這也就是為什麼形成一個產業聯盟，開始對話是非常有意義的。

「我們看到有不少的航空規定，每一項規定背後都是一起事故，教訓是非常慘重的；所以，我覺得任何一家公司都應該有責任分享數據，這是需要我們去一起推動的。」韓旭說。

相對於汽車的零部件供應商或者像AutoX這樣的純技術公司，在當下車企無疑擁有更多的數據。奇點汽車CEO、創始人瀋海寅也認為，只有擁有一個合作的健康生態，各方才能存活的更好，「我們也非常樂意做這樣的事情」。

隨著大量特殊情形下駕駛數據的累積，演算法的改進也在情理之中。瀋海寅預計可能要15至20年，才能達到完全的自動駕駛。那麼，在此之前，自動駕駛可能的應用場景有哪些呢？韓旭說，限定區域的自動駕駛可能會很快實現：「這種級別的駕駛會比大家想像的更快的到來，至少我看到的趨勢是這樣的。」

待補的政策環節

要實現真正的落地，實際路測都是不可缺少的一環。雖然實驗室的模擬，有助於自動駕駛車輛在上路之前獲得一定的安全保障，但終究難以代替實際路測：有效的數據需要真實場景下來獲得。

去年三月，一位司機在佛羅里達的高速路上使用特斯拉（Model S）輔助駕駛系統駕車時出車禍離世。這一事件似乎沒有阻礙美國本土無人車路測的潮流。

共享車提供商優步已經在美國鳳凰城，匹茲堡和賓夕法尼亞開始了路測。其競爭對手Lyft也準備了一隊的測試車，正網上徵集舊金山灣區的志願者免費試駕。而谷歌的子公司Waymo也已經在鳳凰城開啟了實際路測。

?谷歌很早就開始了無人車的路面測試

上個月初，美國眾議院以三分之二多數通過了自動駕駛法案（SELF DRIVE act），從聯邦層面為自動駕駛管控建立了框架；儘管要成為正式的法律還需要參議院通過自己的法案，總統簽署生效。

從2010年谷歌在加州的山景城（Mountain View）公共道路上開始無人車測試以來，由於缺乏聯邦層面的立法，各個州出台法規來規範無人車路測。統計下來州層面的法規已經有21個，這無疑為全國更大範圍的測試造成了障礙。比如，加州立法禁止不安裝方向盤，剎車以及沒有司機看護的無人車上路；而亞利桑那州則很寬鬆，只要按照標準的車輛註冊就可以了。

自動駕駛法案給予了美國國家公路交通安全管理局（NHTSA，National Highway Traffic Safety Administration）權威來規範無人車的設計，製造和營運。同時，此法案還會要求各大公司提供隱私政策，也就是說明他們將如何收集，使用和儲存用戶的數據。

而對於提供無人駕駛的大大小小的公司來說，一個利好的消息是，NHTSA將逐年提高獲得豁免上路的車輛數目，3到4年後可達到10萬。

無論是實際路測還是法規管理，中國已經落後。美國立法方面的進展令韓旭產生了某種緊迫感。在發言環節，他幾次談及中國在立法方面的滯後。目前國內的自動駕駛路測還處在一個不明了的灰色地帶。「美國有了，中國沒有，這個差別是非常大的；所以，如果我們要實現彎道超車，和美國競爭，在立法方面就一定要跟上。」他說。

不過，對於中國的無人車市場，參與討論的幾位業內人士依然保有樂觀的態度。韓旭說，景馳會在今年底或明年初以20輛車的編隊在中國做自動駕駛的試運營，他很有信心一定會實現。

肖健雄稱自己「很樂觀，也很現實」，他預測未來的12個月，市場將趨於冷靜，泡沫也會破滅，大家會以更為客觀的眼光來看待自動駕駛，而這長期來看也有利於自動駕駛的健康成長。

製版編輯：許逸｜

本頁刊發內容未經書面許可禁止轉載及使用

公眾號、報刊等轉載請聯繫授權

知識分子為更好的智趣生活ID：The-Intellectual