此文所討論的是指汽車的自動(dòng)駕駛，不是飛機(jī)，也不是輪船。

在英文中我們它會(huì)叫做Autonomous Driving，強(qiáng)調(diào)了車具有了自主意識(shí)，有自我決策能力甚至可以完全的無人駕駛，也稱為Self-Driving ， Driverless 或 Fully Automated Driving ，注意這些不同于Automated Driving，后者還停留在被動(dòng)性的，沒有自我決策的能力，我們常說的高級(jí)輔助駕駛（ADAS-Advanced Driving Assistant System）大約可歸于此。

有不少機(jī)構(gòu)對(duì)自動(dòng)駕駛作過等級(jí)的劃分，但目前最主流的當(dāng)屬SAE（Society of Automotive Engineers）的定義。目前最新版是201806的，參考如下鏈接：

SAE J3016_201806

根據(jù)系統(tǒng)參與駕駛的比重，失效時(shí)如何響應(yīng)，以及它的設(shè)計(jì)運(yùn)行范圍。它把自動(dòng)駕駛的級(jí)別分成了5級(jí)，如下圖：

DDT Dynamic driving task 動(dòng)態(tài)駕駛?cè)蝿?wù)，指汽車在道路上行駛所需的所有實(shí)時(shí)控制操作，主要是一些決策控制類的行為，不包括行程安排、目的地和途徑地的選擇等戰(zhàn)略上的功能。

OEDR Object and event detection and response 是對(duì)車輛周邊環(huán)境監(jiān)控和響應(yīng)的意思，是感知和判斷，可以通過對(duì)物體和事件檢測(cè)、認(rèn)知?dú)w類和并作出后續(xù)響應(yīng)。

DDT Fallback 動(dòng)態(tài)駕駛?cè)蝿?wù)支援，比如系統(tǒng)性的失效或者路況過于復(fù)雜超出了系統(tǒng)的判斷決策能力時(shí)，如何進(jìn)行支援。可以看出在Level 2水平時(shí)要完全由司機(jī)來處理，到了Level 3時(shí)系統(tǒng)就有了一定的自主決策能力了。

ODD Operational Design Domain 是設(shè)計(jì)運(yùn)行域的意思，指自動(dòng)駕駛系統(tǒng)被設(shè)計(jì)的起作用的條件及適用范圍，比如行駛區(qū)域范圍，道路情況（直路、彎路的半徑）、車速等，以確保系統(tǒng)的能力在安全的環(huán)境之內(nèi)。

結(jié)合下圖，對(duì)五個(gè)等級(jí)進(jìn)一步解釋：

Level 1

具有一定的駕駛輔助功能，它在橫向或者縱向控制上二選一，比如加減速或者轉(zhuǎn)向的控制，高速公路上具有定速巡航，車道保持功能的車處于這個(gè)級(jí)別。但所有的駕駛的操作和決策都還是由人完成。

Level 2

可以同時(shí)支持橫向和縱向的控制，但駕駛員仍然需要實(shí)時(shí)監(jiān)控環(huán)境，手要時(shí)刻放在方向盤上，同時(shí)要保證出問題時(shí)隨時(shí)進(jìn)行接管。此時(shí)系統(tǒng)也還不具備決策能力，比如特斯拉的自動(dòng)駕駛就處于這個(gè)級(jí)別，目前頂多也只能算是2.5級(jí)，如當(dāng)它要變道時(shí)，你要打轉(zhuǎn)向燈告訴系統(tǒng)，系統(tǒng)才能啟動(dòng)變道的功能。

Level 3

它與L2最大的區(qū)別是系統(tǒng)具備了一定的自我決策能力，它能在某些情況下實(shí)現(xiàn)完全的自動(dòng)駕駛，但是駕駛員仍要隨時(shí)準(zhǔn)備應(yīng)對(duì)接管車輛，不同的是系統(tǒng)會(huì)在失效前給司機(jī)提示和預(yù)留一定的時(shí)間，比如當(dāng)出現(xiàn)復(fù)雜環(huán)境系統(tǒng)無法響應(yīng)時(shí)，它會(huì)做出反饋，可以預(yù)留十幾秒或者更長(zhǎng)的時(shí)間等人來接管控制權(quán)，并保證在這個(gè)時(shí)間內(nèi)不出問題。要注意領(lǐng)航和巡航是有很大差距的，L1、 L2只能實(shí)現(xiàn)巡航功能，就是跟著別的車后面走，到L3級(jí)別是可以實(shí)現(xiàn)領(lǐng)航了，就有了自主決策的能力，這個(gè)的技術(shù)難度和復(fù)雜度會(huì)增加很多。

2018年奧迪A8就達(dá)到了這個(gè)級(jí)別，它們稱為Audi AI 交通擁堵自動(dòng)駕駛系統(tǒng)TJP（Traffic Jam Pilot）在交通擁堵的路段可以啟動(dòng)自動(dòng)駕駛功能，駕駛員就可以完全不用管了，這個(gè)還是比較實(shí)用的，但在中國(guó)由于政策法規(guī)限制，這個(gè)功能現(xiàn)在無法用的，比如我們規(guī)定你的手不能長(zhǎng)時(shí)離開方向盤。因?yàn)長(zhǎng)evel 3時(shí)仍需要一個(gè)駕駛員，并且要根據(jù)系統(tǒng)提示接管對(duì)車輛的控制，但車在路況好的時(shí)候人長(zhǎng)時(shí)間不用關(guān)注車的駕駛，所以司機(jī)更容易走神，此時(shí)忽然遇到一個(gè)復(fù)雜情況系統(tǒng)無法處理，而駕駛員此時(shí)可能也無法回過神來。所以有些公司或機(jī)構(gòu)在調(diào)研后認(rèn)為這個(gè)級(jí)別更不安全不靠譜，直接忽略此級(jí)別，直接上更高級(jí)別，比如Google的Waymo。而傳統(tǒng)的OEM和一級(jí)供應(yīng)商可能會(huì)一個(gè)級(jí)別一個(gè)級(jí)別的去實(shí)現(xiàn)，不會(huì)采用相對(duì)激進(jìn)的方式，也可能因?yàn)槭袌?chǎng)策略不同。

Level 4

在這個(gè)級(jí)別已經(jīng)完全不需要人來參與了，但它是有限制的完全自動(dòng)駕駛，比如在某個(gè)園區(qū)或者公園的內(nèi)行駛，另外對(duì)速度等也有可能一定要求。百度和金龍客車合作的自動(dòng)駕駛巴士“阿波龍”就屬于這個(gè)級(jí)別，并且在車內(nèi)你看不到駕駛位，并且沒有了方向盤。它今年在很多地方都在試運(yùn)營(yíng)，這個(gè)已然不是PPT，是實(shí)實(shí)在在的產(chǎn)品了。

Level 5

這個(gè)級(jí)別是無限制的自動(dòng)駕駛，可以理解為在一個(gè)城市內(nèi)，或者城市間，在任何的復(fù)雜交通場(chǎng)景中，自動(dòng)系統(tǒng)都能夠勝任。這個(gè)級(jí)別是非常難以實(shí)現(xiàn)的。

自動(dòng)駕駛的技術(shù)

自動(dòng)駕駛是一個(gè)知識(shí)密集且科技含量很高的技術(shù)，不基于點(diǎn)什么很難把它講的相對(duì)清楚。做自動(dòng)駕駛的公司也很多，而對(duì)于學(xué)習(xí)研究，百度的Apollo開源平臺(tái)是一個(gè)很好的選擇，我就根據(jù)這個(gè)平臺(tái)，結(jié)合個(gè)人理解粗略地講下自動(dòng)駕駛所需技術(shù)。

無論詩(shī)和遠(yuǎn)方或是閑晃總會(huì)有一個(gè)目的，為了體驗(yàn)駕駛樂趣的閑晃這里不討論，對(duì)自動(dòng)駕駛而言，首先需要一個(gè)目的地。先告訴汽車讓它知道要去哪里，定位出自己在哪里，然后再解決如何去，如果這些都是由汽車自動(dòng)完成，就實(shí)現(xiàn)了高級(jí)別的自動(dòng)駕駛。

如下圖可以很好地解釋自動(dòng)駕駛的內(nèi)涵：

據(jù)此我們可大體猜測(cè)下要用到的技術(shù)：

定位和規(guī)劃

要知道自己在哪兒，要有定位系統(tǒng)，就要用到GPS， 對(duì)于要厘米級(jí)的定位需要RTK技術(shù)，要用到IMU來互補(bǔ)GPS更新頻率慢的問題，還需要用到激光雷達(dá)點(diǎn)云匹配定位以解決長(zhǎng)時(shí)間沒有GPS信號(hào)的問題，如能過山谷或隧道。我們所說的在哪是汽車要實(shí)時(shí)知道自己在高精度地圖的坐標(biāo)，在這個(gè)前提下，再有了目的地就可以實(shí)時(shí)路徑規(guī)劃給出車輛行進(jìn)的大方向。

感知和預(yù)測(cè)

在行進(jìn)的過程中，車輛要實(shí)時(shí)感知Perception周圍的環(huán)境，并實(shí)時(shí)預(yù)測(cè)Prediction下一步如何動(dòng)作，且有各種突發(fā)狀況，這一部分可能是整個(gè)自動(dòng)駕駛技術(shù)里最難的。要對(duì)目標(biāo)進(jìn)行Detection Classification，要Tracking，還涉及到傳感器的融合Fusions，需要用到各種技術(shù)如CNNs，Machine Learning等等。所需運(yùn)算量相當(dāng)大，所有自動(dòng)駕駛的CPU的運(yùn)算性能要求特別高，要用到GPU最好是AI芯片。

此處要用到各種傳感器組合使用，如Camera，LiDAR，Radar等，以實(shí)現(xiàn)冗余和高可靠性，具體原因參考下圖。

這個(gè)是業(yè)界比較主流的做法。

特斯拉（Tesla）老板不信這個(gè)，堅(jiān)決不用激光雷達(dá)，全球第一個(gè)自動(dòng)駕駛引發(fā)死亡的案件就由此產(chǎn)生了，當(dāng)時(shí)司機(jī)坐在Model S上，聽說是在看哈里·波特，我想可能是西游記，然后系統(tǒng)就把白色的卡車車箱當(dāng)作了空氣當(dāng)作了Nothing，全速撞了上去，司機(jī)直接和佛祖打牌去了。

控制

預(yù)測(cè)出汽車如何動(dòng)作，還需要平滑的控制汽車的制動(dòng)，這時(shí)又涉及到自動(dòng)控制算法，對(duì)于自動(dòng)駕駛車輛有個(gè)要求是能夠線控的，比如剎車，油門，轉(zhuǎn)向等都是可以計(jì)算機(jī)發(fā)命令來控制的。

至此自動(dòng)駕駛所需技術(shù)定位，路徑規(guī)劃，感知，預(yù)測(cè)，控制技術(shù)就簡(jiǎn)單介紹完。另外我們注意到還有個(gè)聯(lián)網(wǎng)功能，常說的Telematics或T-Box，目前的4G因帶寬和延時(shí)還無法滿足自動(dòng)駕駛的要求，主要的功能是影音娛樂的功能，當(dāng)5G普及后可能實(shí)現(xiàn)車輛協(xié)同的自動(dòng)駕駛，比如超視距感知等功能。

自動(dòng)駕駛的意義

安全

最主要的原因是安全，因?yàn)楦鶕?jù)世界衛(wèi)生組織（World Health Organization）的調(diào)查統(tǒng)計(jì)數(shù)據(jù)，全世界每年有超過125萬人死于車禍，而80%的原因是司機(jī)的人為因素。 人會(huì)有疲勞駕駛，注意力不集中，以及情緒問題，如路怒癥，另外還有可能酒駕，人的響應(yīng)速度也遠(yuǎn)沒有傳感器的響應(yīng)速度快。

另外其實(shí)我們?nèi)祟惖拇竽X的進(jìn)化還不是非常適應(yīng)現(xiàn)代社會(huì)形態(tài)，工業(yè)社會(huì)只有兩百多年，汽車的出現(xiàn)也就一百多年的歷史，而我們?nèi)祟惔竽X底層是億萬年進(jìn)化的結(jié)果，大部分的時(shí)間又是處在狩獵和農(nóng)耕時(shí)期，所以當(dāng)我們看到一條蛇或者一些其它動(dòng)物會(huì)產(chǎn)生本能的恐懼，而面對(duì)危險(xiǎn)不知道多少倍的鋼鐵怪獸汽車卻無動(dòng)于衷，人類大腦其實(shí)可能遠(yuǎn)沒有進(jìn)化到符合現(xiàn)代社會(huì)的要求。所以人類自己開車可能并不是最安全的選擇，或許再過幾百年后有人駕駛汽車只會(huì)出現(xiàn)在汽車博物館里，那時(shí)的人們可以會(huì)摸著方向盤踩著油門對(duì)當(dāng)時(shí)居然是人類自己駕駛汽車這個(gè)危險(xiǎn)的東西而感到不可思議。

利益

安全是很重要，但對(duì)于各大公司來講這應(yīng)當(dāng)不是他們的驅(qū)動(dòng)力，真正驅(qū)動(dòng)他們投入巨大財(cái)力進(jìn)行駕駛駕駛研發(fā)的是因?yàn)槔娴淖非蠛涂释约皩?duì)錯(cuò)失這個(gè)市場(chǎng)的恐懼。資本都是逐利的，都在想著搶占這個(gè)很快到來的的萬億級(jí)的市場(chǎng)。據(jù)有研究報(bào)告顯示至2025年，自動(dòng)駕駛市場(chǎng)規(guī)模將會(huì)達(dá)到2000億至 1.9 萬億美元。

顛覆

當(dāng)然也有可能有人因?yàn)楦h(yuǎn)大的目標(biāo)比如改變世界，像喬布斯。

也有可能就是因?yàn)閻邸?/p>

自動(dòng)駕駛也確實(shí)可能成為一個(gè)顛覆性的技術(shù)。它可能會(huì)改變很多的行業(yè)甚至現(xiàn)在城市的格局。

自動(dòng)駕駛的挑戰(zhàn)

但是自動(dòng)駕駛會(huì)很順利的成為現(xiàn)實(shí)嗎，在我看來很難。我從兩個(gè)點(diǎn)簡(jiǎn)單講一下：

莫拉維克悖論 （Moravec‘s paradox）

是說對(duì)于人工智能和機(jī)器人來講，人類所獨(dú)有的邏輯推理能力只需要非常少的計(jì)算能力就實(shí)現(xiàn)，比如AlphGo，但是無意識(shí)的技能和對(duì)機(jī)器的控制卻需要極大的運(yùn)算能力和運(yùn)算量。

有機(jī)構(gòu)做過推算說，要讓完全自動(dòng)駕駛窮盡所有道路場(chǎng)景，需要100輛車，200年 7*24小時(shí)的訓(xùn)練，但這也不一定，可能會(huì)窮盡0.99可能的場(chǎng)景，但當(dāng)仍會(huì)有不可預(yù)測(cè)性出現(xiàn)，那時(shí)計(jì)算機(jī)是束手無策的，遠(yuǎn)沒有人類直覺應(yīng)對(duì)保險(xiǎn)。

舉一個(gè)例子，一個(gè)人類的小孩從來沒見過貓，你只需要給他一只貓，告訴他這是“貓咪”，下一次，當(dāng)他見到不管什么顏色，什么樣子的貓，他都知道這是“貓咪”。電腦不一樣，就算你給它上百萬張貓的照片，各種顏色，各種姿勢(shì)，各種角度，你拿一只貓擺在它的攝像頭面前，讓它看個(gè)一年…… 它仍然不理解貓是什么，不能準(zhǔn)確的判斷一個(gè)東西是否是貓。比如谷歌訓(xùn)練計(jì)算機(jī)識(shí)別貓，當(dāng)時(shí)Google研究人員利用一千臺(tái)電腦的1.6萬核處理器組建了一個(gè)機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。他們用從YouTube視頻中提取出的1000萬幅200x200縮略圖訓(xùn)練神經(jīng)網(wǎng)絡(luò)來認(rèn)識(shí)什么是貓。

人只需要一雙眼睛去感知周圍，然后靠感覺和經(jīng)驗(yàn)就可以把車開的很好，不像自動(dòng)駕駛，要用各種傳感器的組合。人的駕駛目前才是真正的End-to-End ，直覺駕駛。

現(xiàn)在的機(jī)器學(xué)習(xí)”（machine learning），“深度學(xué)習(xí)”（deep learning），人工智能”（AI）其實(shí)跟人腦的思維方式有本質(zhì)區(qū)別。

列車難題（Trolley Problem）

假設(shè)當(dāng)所有的技術(shù)難題因?yàn)橐恍┨觳虐愕臉?gòu)架或者無數(shù)工程師的日夜努力都解決了，自動(dòng)駕駛還很有可能遇見道德的審問，比如列車難題，這是一個(gè)很著名的哲學(xué)難題。

如圖中所示，當(dāng)一輛有軌車行駛過來，此時(shí)他的剎車失靈了，而速度非?？?，但他此時(shí)仍可以轉(zhuǎn)動(dòng)方向盤，當(dāng)它直行時(shí)會(huì)傷害到四個(gè)人，而轉(zhuǎn)彎的話會(huì)傷害到一個(gè)人，這列車要不要轉(zhuǎn)向呢，如果是你，你會(huì)怎么做呢？我想多數(shù)會(huì)選擇轉(zhuǎn)向殺死一個(gè)人來挽救四個(gè)人的生命。

此時(shí)我們?cè)趽Q個(gè)場(chǎng)景，假如列車無法轉(zhuǎn)向，只有直直的一條軌道，而在這之上有一個(gè)天橋，此時(shí)天橋上正好站著一個(gè)大胖子，他就站在軌道正上面，如果此時(shí)你把他推下去，可以正好卡在軌道中間讓列車停下來，犧牲了一個(gè)胖子來挽救四個(gè)人的生命，而此時(shí)你還會(huì)這樣做嗎？此時(shí)的選擇可能就困難的多了。哲學(xué)會(huì)引發(fā)我們的思考，當(dāng)你開始思考一些事情時(shí)你就再也無法停下來了，它會(huì)讓我們對(duì)周圍熟悉的事物感到陌生，一切仿佛都沒有改變，但此時(shí)一切都已經(jīng)不同了。

比如看過一個(gè)真實(shí)故事，在南京市的某路段，上班高峰的時(shí)段一輛出租車在正常行駛中，突然向路邊的路墩上撞了去，一下整個(gè)車就四腳朝天。原因是出租車司機(jī)王師傅在路上駕駛中，自己突然覺得眼圈發(fā)黑，身體不適要暈厥，這時(shí)路的一側(cè)有很多早上上班的行人，王師傅來不及過多的思考，果斷的把方向盤往另一側(cè)的路邊的石墩撞去，出租車整個(gè)的就翻了過來。

當(dāng)自動(dòng)駕駛系統(tǒng)遇到此類問題時(shí)，它會(huì)優(yōu)先如何做了，是優(yōu)先保護(hù)車上的乘客還是外面的行人？

自動(dòng)駕駛將來可能會(huì)遇到越來越多這類的問題，它如何決策如何應(yīng)對(duì)將是一個(gè)很大的難題。

可以預(yù)見自動(dòng)駕駛面臨的挑戰(zhàn)遠(yuǎn)不止這些，但無論如何都不會(huì)阻止此技術(shù)前行，因人類前行的步伐永遠(yuǎn)不會(huì)停止，因此未來才有無限可能。

責(zé)任編輯：ct