如何領跑自動駕駛這場競賽
自動駕駛說
各個公司都希望領跑自動駕駛這場競賽,國內和美國之間的競爭尤為激烈。但我們需要直面現實:不是所有地區都適合自動駕駛。今天就來分析,哪些因素會影響自動駕駛落地。
開放政策+嚴格監管
政策永遠是最重要的因素。沒有政策支持,再完美的人工智慧也不可能落地。幾年之前,還沒有哪個國家政府鼓勵自動駕駛上路測試。但是最近兩年時間裡,美國加州、德州、賓州亞利桑那等地都相繼開放測試,中國也出台自動駕駛法規,北京、上海、廣州、重慶、杭州、深圳等城市都為自動駕駛開了綠燈。
但同時,政策也不能過於寬鬆,企業的測試過程都需要有第三方監管。就像一百年前人類剛剛接觸汽車一樣,如果不出台交通法規,就無法控制車禍的發生。
一百年後的今天,我們同樣需要管制自動駕駛車的法規。但即使在自動駕駛發展最快的加州,除了要求上報脫離和里程,仍然沒有成形的法規。(微信回復關鍵詞「規範」閱讀美國自動駕駛路測規範。)
兩年前,亞利桑那州州長放言,亞利桑那州歡迎所有自動駕駛公司在當地測試。結果,兩年之後,Uber在當地測試時發生了致命車禍。州長只好命令Uber停止測試。這就是政策缺乏監督的後果。
如果能有哪個地區率先出台監督細則,定期檢查各個公司的開發流程、安全係數、場景構架等各個方面的表現,才能做到真正領跑自動駕駛這場競賽。
天氣因素
眾所周知,一些惡劣天氣仍然是自動駕駛的硬傷,比如大雪、暴雨等等影響感測器的天氣。
日照時間:對於一些剛剛起步的自動駕駛公司,連夜間駕駛都做不到。而且在日出和日落期間,太陽的斜照或是中午的強光都會影響攝像頭的判斷。
降雨量:中雨以下的級別還是可以做到自動駕駛的。微信回復關鍵詞「雨天」閱讀為什麼雨天不適合自動駕駛。
降雪量:降雪會覆蓋路面標識,但是還是可以通過地圖和定位來解決。只要下雪之後城市可以及時清掃道路,降雪這個難題還是有希望解決的。
氣溫:過高或過低的氣溫都不適合自動駕駛。在美國的公司一般使用-17到38攝氏度(0-100華氏度)的氣溫區間。
其他惡劣天氣也會影響自動駕駛。比如霧、大風、沙塵暴等等。
表面上看,相對乾旱的地區最適合自動駕駛。但為了做到真正意義上的自動駕駛,同時也要去「小雨」比較多的地區,或是仿造降雨場景,集中採集降雨駕駛數據。
基礎設施和駕駛環境
一些城市開發出了測試場地,專供自動駕駛封閉測試。通過封閉測試是保證安全重要步驟。但事實是大部分時候只能在普通道路上測試,這就需要自動駕駛熟悉路況以及人類司機的駕駛習慣。比如,如果代碼設置的是「不能超車」,在國內複雜的道路上就很難駕駛。
而如果只挑選人煙稀少、寬廣平坦的道路測試,或是永遠只在封閉環境里測試,雖然駕駛流暢,但明顯不利於數據採集,不利於開發進度。
比較理想的流程是,封閉測試場地和普通路測兩種測試要同時積極開展。拿到封閉測試場地當然是第一步。
人才搶奪戰
由於自動駕駛是一個比較新的領域,和其他行業人才搶奪戰不同,自動駕駛公司會從其他「相關領域」搜尋人才。除了核心的AI開發人員以及從傳統車企流入的人才,其他行業的人才也會大量湧入,比如航天、軍事、設計、運營等等。
為公司選址的時候也要注意,一個地區如果有很多科技人才,往往也就意味著這個地區的民眾更願意嘗試自動駕駛,商業化進程也會加快。
各個公司在招人的時候不可以把目光局限在人工智慧或是汽車領域。多注意其他相關領域的人才也是不錯的選擇。
「自動駕駛說」旨在分享原創的行業分析和學習心得,每周一篇。本人在矽谷某自動駕駛公司擔任產品經理,專註於自動駕駛數據、模擬以及安全研究。文章僅代表個人觀點。歡迎留言,互相學習。
知乎專欄:自動駕駛
微信掃碼關註:zidongjiashishuo
推薦閱讀:
※【翻譯】德雷夫斯:為什麼海德格爾式的人工智慧失敗了,如何修復它則需要讓它變得更海德格爾式
※AI+時代,產品經理如何做才能獲得機會突破?
※谷歌首席執行官Sundar Pichai預測了十年後的人工智慧
※集智:負基礎就能學會的機器學習(一) 無需任何編程基礎
※SLS 選擇性激光燒結:影響最深遠的3D列印技術