無人駕駛，風口上的豬

人類在追求夢想的路上從來不曾停歇，萊昂納多.達芬奇就設計過機器人推車(Robotic cart)並憧憬著無人駕駛。Autonomous car作為一個解放全人類體力腦力勞動的重要里程碑式的產品，自然少不了各行各業勞動人民的追捧和憧憬。於是，無人駕駛就成了風口上的豬，無論多麼不可思議，註定要迎風飛翔。

作者本人是電子信息專業背景，曾經在西安電子科技大學以及漢諾威大學以及海德堡大學讀書，在學校期間主要研究計算機視覺和機器學習演算法。並在德國博世集團汽車輔助系統部門工作過，目前任職於德國大陸集團，致力於無人駕駛的軟體構架以及客戶的需求分析管理工作。從具體的演算法科研工作者轉變成比較general的構架工程師，對我來說也是一個不小的挑戰。不過從全局看產品，甚至是整個行業，也是有別樣的風情。

德國作為世界上一流的汽車王國，也確實名副其實。從卡爾本茨（Karl Benz）研製的第一輛汽車，到現在的大眾奧迪賓士寶馬，都代表著當下最紮實最值得信賴的汽車產品。這雖不能說明德國科技領跑世界，但在整車供應鏈齊全程度以及科學嚴謹的研究生產態度方面，其他國家恐怕還是有些差距。在自動駕駛領域，德國也在試圖領跑，無論是率先制定Autosar軟體標準規範，還是在奧迪寶馬大眾賓士上已經批量安裝的汽車駕駛輔助系統，都再向汽車界傳遞重要的信號，誰掌握了自動駕駛的先機，誰就能在下一場產業革命中立於不敗之地。下表就是目前已有量產車型的企業列表:

還記得最開始在學校無論是研究生還是讀博士，總會有很多美好卻不切實際的夢想，剛學會了一個新演算法，就覺得特別想把它變成產品，創業開公司，成為喬布斯第二，人生贏家。在MATLAB Python上跑了很多demo, 想了很多有意思也顯得很高大上的idea, 然而，這一切都最後終結在了MATLAB Python的demo代碼上了。因為我不知道接下來我要做什麼，什麼是產品，什麼是客戶，什麼是需求，一無所知。現在有機會在德國大陸集團做軟體構架需求分析管理，我才體會到，技術很重要，但要做成產品，路還很長。演算法工程師和客戶中間，隔了一萬個產品經理。下圖就是一個講述客戶需求的漫畫，你以為你以為的就是你以為的嗎？Too young too simple！

近幾年機器學習大行其道，深度學習，神經網路已經統治了科研領域半壁江山。簡單粗暴的級聯神經網路結構，結構簡單，效果奇佳，已經成為各大科技公司爭先發布深度學習平台的最好科技概念。Caffe Tensorflow Keras Torch 百度雲 阿里雲 騰訊雲 等等等等 不計其數。GPU並行計算也大行其道，Nvidia也搭著深度學習的順風車，也是氣勢如虹。Google以及百度等互聯網公司也是花巨資在無人駕駛領域，希望能彎道超車，後起勃發，一舉超越傳統車廠研發模式，成為新產業革命的領跑者。

然而事實上，目前最為領先的還是奧迪，無人駕駛技術分級中，奧迪A8 屬於 L3 的無人駕駛，系統的智慧化程度高於 Tesla 車上的 L2 無人駕駛，是全球首款量產的 L3 無人駕駛汽車。

目前產業難點：

1.感測器成本

激光雷達的成本短期內還降不下來，這也是 L4 自動駕駛汽車還未普及的重要原因之一。

另外通過不同感測器的融合，利用不同感測器的不同物理特性，組合使用，並通過融合演算法(Fusion)，使得檢測結果更加精確並且更加穩健也是一個重要的發展方向。

2.極高魯棒性的自動駕駛演算法及穩定的計算平台

Level 4的自動駕駛演算法準確性和精確性需要達到，甚至超過人類的認知水平，這就需要的是極具魯棒性的演算法和穩定的計算平台。確保自動駕駛汽車即使遇到突發情況也能較好應對。德國的Autosar軟體標準，就是為了保證軟體平台的穩定性以及可重用性，降低開發成本以及風險，以後的汽車就和手機一樣，應用軟體都是模塊化，卸載安裝全憑自己的喜好。

3.法規

目前這個領域還比較空白。畢竟，自動駕駛的汽車出了事故，到底是誰的責任這個就是一個比較麻煩的問題了。難道要程序員背鍋嗎？

我們可以大膽設想一下未來20年後的生活， 那時候，法律規定人是不允許駕駛汽車，因為人太容易犯錯導致車禍了。我們只需要也只能坐在車上，簡單的語音口令告訴汽車我們的目的地，然後靜靜的躺在舒服的躺椅上。我們可以下載最新的自動駕駛模式軟體，它可以讓你體驗20年前裝著柴油發動機的mini cooper的駕駛體驗，震動很明顯，你能感覺到路上的每一個井蓋，每一個石子，可是這一切卻又那麼讓人回味年輕的歲月。

最後讓我們回味一下這幅百年前的美國電力公司的廣告宣傳畫, 想像和創造，永遠都是人類的主題。而當下，無人駕駛，當然就是風口上的豬，插上翅膀，自由飛翔。

From: promo image Americas Electric Light and Power Companies ad