上周鬧得沸沸揚揚的無人駕駛汽車上北京五環事件，再次將無人駕駛汽車拉入了公眾的視野。和很多高科技的發展腳步一樣，初期推動無人駕駛研究的是軍事領域的專家們——美國軍方在上世紀70年代開始關注無人駕駛技術。1995年，一輛由美國卡耐基梅隆大學研制的無人駕駛汽車Navlab-V，完成了橫穿美國東西海岸的無人駕駛試驗。

 

二十多年過去了，無人駕駛汽車又“開”到了哪一步？人們不禁發問，無人駕駛技術真的已經成熟到可以上路了嗎？在全球范圍內無人駕駛汽車上路又是否合法合規？擺在科學家面前的除了惡劣天氣、法律法規、倫理道德……“攔路虎”里竟然還有一只袋鼠。

 

　常規“器官”不在：方向盤、剎車、油門或將被取消

 

目前已經有十幾家公司許下了豪言壯志，列出了自家無人駕駛汽車上路的時間表。

 

谷歌希望自家的無人駕駛汽車能在2020年量產，而且有別于其他制造商，谷歌不打算推出半自動的功能，而是準備一步到位，生產一款完全無人駕駛的汽車，甚至沒有剎車和方向盤。谷歌擁有7年無人駕駛汽車的經驗，并與菲亞特-克萊斯勒合作，在現實世界中測試無人駕駛小型貨車。

 

福特也不甘落后，計劃在2021年前推出并銷售第4級別的無人駕駛汽車。與谷歌的無人駕駛汽車一樣，福特也不準備為其汽車配備方向盤、剎車和油門。另外，福特將在未來5年投資10億美元，用于人工智能軟件的開發。

 

英特爾公司為無人駕駛汽車砸下了重金，一系列的收購可謂是集齊了無人駕駛界的“七龍珠”，收獲了各種關鍵能力。包括以150億美元收購了以色列科技公司“移動眼”、深度學習技術公司Nervana、微芯片制造商Movidius和汽車公司德爾福。另外，英特爾計劃與寶馬和大眾攜手合作，于今年晚些時候開始試驗無人駕駛汽車。

 

　“眼睛”可觀六路：反饋物體距離，閱讀交通標志

 

大多數無人駕駛汽車配備了傳感技術“套裝”，包括“一雙眼”及“一把尺”——視覺傳感器(例如相機)和監測傳感器(測量目標距離的激光和雷達)。過去十年中，測量范圍的傳感器在商用開發系統中占據了主導地位，能可靠地反饋周圍所有物體的距離，監測范圍達到100米甚至更遠。

 

激光通常只用于低水平和簡單的任務中，比如躲避障礙物，確保不會撞上任何東西等。而雷達則是一些高檔車的老搭檔了，在巡航控制系統中至少“服役”了十年。近年來，低價位的汽車也紛紛采用了這一技術。不過，監測距離的傳感器還是有其局限性，遠程激光或雷達掃描能夠向你反饋大致的信息，比如路人的姿勢，卻不會告訴你那個人的表情是平靜還是驚慌。而且，由于大多數的標志都是靠看的，在閱讀現有標識時，距離傳感器也表現得很差。相比之下，像相機一樣的視覺傳感器彌補了這一缺陷，它們能夠感知顏色和外觀細節。

 

由于我們的駕駛環境在設計和建造時默認司機能夠看到，所以，能夠像人一樣“眼觀六路”的無人駕駛汽車更能適應現有的基礎設施和標識。

 

　“判斷力”待加強：駕駛系統難以應對惡劣天氣

 

不過，汽車并非裝備了眼睛就能保證“視力”沒問題。相機非常容易受到環境改變的影響，在路上最常遇到的就是晝夜循環。在黑暗的環境下，人工照明或遠光燈會讓系統很難判斷前方到底有什么。

 

在寒冷的地區，街道兩旁可能有不少大風吹成的雪堆，不僅完全模糊了線標，甚至連標識也很容易被埋、被遮擋。由于無人駕駛汽車的設計嚴格依賴道路法規，所以系統會變得很糾結。

 

這還不算完，最大的挑戰往往出現在多重變化同時發生的時候，比如夜間行駛又趕上熱帶風暴。遇到這種組合就連人類司機都難免會發生事故，好在大多數情況下我們都小心謹慎、處理得當，而無人駕駛汽車就顯得沒那么可靠了。除了雨雪，冰、冰雹、霧、煙、霾、風、光和熱都會對駕駛環境造成干擾。現在還沒有一輛車能夠證明遇到極端天氣仍能可靠地行駛，目前大多數車能夠處理的，不過是中等降雨程度。

 

對于盯著無人駕駛汽車這塊蛋糕的各廠商來說，沒有什么比開發出適應全天候無人駕駛車更大的挑戰了。我們雖然有很多輛能夠適應“大部分情況”的車，卻沒有一輛適應“所有情況”的車。天氣的重要性無須贅述，僅在美國，超過20%的事故都和惡劣天氣有關。

 

　　配備最強“大腦”：深度學習為鏡頭素材貼標簽

 

為了不讓無人駕駛汽車的一雙眼睛成為擺設，開發人員就要給它們配備相應的“腦子”。這也是為什么許多無人駕駛汽車廠商都在開發深度學習系統，有了這門技術，它們輕易就能超越人類需要練習100個小時才能達到的“老司機”的境界。

 

英特爾公司收購移動眼也正是有此用意，這些深度學習系統通常需要大量的標簽數據。收集原始數據雖然成本很高，但可行性高，方法也比較“簡單粗暴”：只需在大量汽車上安裝傳感器和計算機，然后就等著它們在公路網中跑上個數百萬小時吧。一旦跑回來，接下來的工作才是費時費工費腦子的，鏡頭記錄下的大量素材需要處理，人、汽車、各類危險、交通燈、車道標記等都需要“貼標簽”。移動眼公司意識到這種繁瑣的工作偷不了懶，于是雇用了數百名員工專門為圖像“貼標簽”，這種腳踏實地的作風也使其成為了該領域的引領者。有了這些基礎，未來，移動眼等其他公司會越來越多地使用模擬技術生成大部分數據，而不再靠人力了。

 

“性格”比人謹慎 遇到路邊慢跑者會減速停車

 

目前，無人駕駛汽車通常比人類司機更“膽小”，因為我們能夠更準確地了解周圍發生著什么。在一段測試視頻中，當一輛特斯拉遇到路邊的慢跑者時會減速到幾乎停下。而當我們遇到同樣情況時，會作出“慢跑者不太可能突然跳到馬路上”的判斷，而系統則被設計得更為謹慎(至少現在的系統都是這樣)。

 

以目前的技術來看，無人駕駛車的謹慎確實很有必要。它們還不太擅長處理那些百萬分之一可能會發生的“小概率”事件，比如前車上掉下來一個沙發，或者一些穿著奇葩裝束的人出現在路邊。

 

自動眼開發的視覺技術可能會提供更多的“微妙場景”，幫助汽車訓練得更為自信。還能讀懂人的面部表情，分析出路邊行人的姿勢和可能的意圖，甚至能夠“看穿”旁邊的汽車，究竟對方的司機是在好好看路還是在玩手機。此外，這種視覺技術能夠與人類司機無縫對接，通過輔助保護系統幫助我們避免錯誤。

 

　名詞解釋

 

自動駕駛汽車(Autonomous car)和無人駕駛汽車(Driverless Car)是同一種事物，但不同地方叫法不同，歐洲偏向于稱之為自動駕駛汽車，而美國多用后者。