前言

從最初的L0級(jí)應(yīng)急輔助階段，到現(xiàn)在各大車企陸續(xù)面世的L2/L3級(jí)新車，老百姓實(shí)際可以體驗(yàn)到的最多只是支持有條件的車輛半接管輔助功能，那些更高級(jí)別的自動(dòng)駕駛技術(shù)仍然只還停留在測試場內(nèi)。到今天為止，全世界對(duì)自動(dòng)駕駛技術(shù)的探索已經(jīng)走過了三分之一個(gè)世紀(jì)。

無人駕駛規(guī)模落地的漫漫長路，面臨的不僅是對(duì)感知設(shè)備、算法決策和車輛執(zhí)行技術(shù)的嚴(yán)格考驗(yàn)，同時(shí)也有更多需要社會(huì)經(jīng)濟(jì)討論、個(gè)例分析、政策支持、甚至倫理道德方面的問題。
算法演進(jìn)的巨額時(shí)間和金錢投入

目前，世界上主流的自動(dòng)駕駛技術(shù)演進(jìn)路線有兩種。

一種以算法系統(tǒng)為核心。由攝像頭主導(dǎo)，搭配毫米波雷達(dá)，使用先進(jìn)的計(jì)算機(jī)視覺算法去實(shí)現(xiàn)高級(jí)別自動(dòng)駕駛，典型代表有特斯拉、Moblieye以及百度Apollo Lite。另一種則以感知系統(tǒng)為核心。由激光雷達(dá)主導(dǎo)，同時(shí)搭載毫米波雷達(dá)、超聲波傳感器和攝像頭，遠(yuǎn)距離全方位探測能力強(qiáng)，但成本相對(duì)較高，典型代表為谷歌Waymo、百度Apollo、文遠(yuǎn)知行等主流無人駕駛企業(yè)。
無論選擇哪條路線，要實(shí)現(xiàn)高級(jí)別自動(dòng)駕駛，甚至全無人駕駛，都需要強(qiáng)大到近乎完美的算法做支撐。算法是輔助駕駛和自動(dòng)駕駛技術(shù)的大腦，需要反復(fù)循環(huán)訓(xùn)練才能使其在應(yīng)用階段有效處理數(shù)據(jù)，充分識(shí)別交通環(huán)境，進(jìn)而完成路徑規(guī)劃和決策。通常來說，算法的訓(xùn)練路徑包括實(shí)際路測和虛擬路測兩個(gè)部分。實(shí)際路測是指搭載自動(dòng)駕駛解決方案的車輛，在真實(shí)的交通環(huán)境下行駛并進(jìn)行測試，主要針對(duì)日常的道路使用場景。而虛擬路測是指自動(dòng)駕駛解決方案在虛擬環(huán)境下進(jìn)行低頻、危險(xiǎn)系數(shù)高的場景測試。這兩部分測試缺一不可，最大限度的預(yù)見了道路使用者可能遇到的情況。

根據(jù)權(quán)威機(jī)構(gòu)測算，自動(dòng)駕駛算法想要達(dá)到人類駕駛員水平，至少需要累計(jì)177億公里的駕駛數(shù)據(jù)來完善算法。

然而巨額的時(shí)間和金錢投入是自動(dòng)駕駛算法演進(jìn)面臨的重要問題。截止目前，在各大自動(dòng)駕駛公司公布的2021年測試?yán)锍讨锌梢钥吹剑琖aymo作為全球頭部的自動(dòng)駕駛公司，以374.3萬公里的測試總里程占據(jù)首位。Waymo的測試?yán)锍讨L要?dú)w功于其龐大的車隊(duì)，在2021年共有693輛汽車進(jìn)行自動(dòng)駕駛測試，這其中的人力財(cái)力投入不言而喻。在我國的自動(dòng)駕駛企業(yè)中，小馬智行的2021年路測總里程約為50.64萬公里，已經(jīng)穩(wěn)登中國自動(dòng)駕駛公司測試?yán)锍贪竦牡谝?。但這些漂亮的數(shù)據(jù)，背后卻是無底洞一般的時(shí)間和資本投入，即便現(xiàn)在越來越多的開始運(yùn)用仿真測試來及減少實(shí)車?yán)锍?，這一條“完美算法”的演進(jìn)之路仍然可以理解為一條“燒錢之路”，各大企業(yè)除了社會(huì)融資外，都在探索更多可能的商業(yè)模式。

商業(yè)驅(qū)動(dòng)還是市場需求？

自動(dòng)駕駛的市場需求本質(zhì)上取決于自動(dòng)駕駛替代人工成本的實(shí)際ROI（投資回報(bào)率）。目前一輛L4級(jí)自動(dòng)駕駛單車改造成本動(dòng)輒百萬，相比之下，可節(jié)省的司機(jī)成本可以忽略不計(jì)。然而不少業(yè)內(nèi)專家認(rèn)為，只有在日本、北歐這些人力成本較高的地方，商用運(yùn)營類無人駕駛才可能更快打開市場。而在勞動(dòng)密集型國家，假若大規(guī)模落地運(yùn)營類無人駕駛車輛，如無人公交車、無人出租車、無人物流車、無人環(huán)衛(wèi)車等，將會(huì)造成一大批勞動(dòng)者失業(yè)。他們一般沒有其他技能可以謀生，如果不妥善安置，替這個(gè)群體想出另一條生存之路，這將成為社會(huì)很大的不穩(wěn)定因素。討論一個(gè)多方共贏的無人駕駛商用模式，不單純被資本和技術(shù)驅(qū)動(dòng)，是這個(gè)“快時(shí)代”不該忽略的一項(xiàng)課題。

如何平衡通行效率、駕乘體驗(yàn)、安全冗余？

為了保證較好的駕乘體驗(yàn)，自動(dòng)駕駛系統(tǒng)有時(shí)會(huì)選擇性“失明”。就目前的常見的L2來說，ADAS系統(tǒng)的核心車載感知設(shè)備是毫米波雷達(dá)，而為了平衡駕駛體驗(yàn)，在系統(tǒng)“敏感”和“遲鈍”的天平中尋找一個(gè)支點(diǎn)，通常會(huì)從算法上忽略低速和靜止的物體。 

這些年屢見不鮮一些私家車由于對(duì)道路狀況識(shí)別不足造成的車禍，比如特斯拉徑直撞向已經(jīng)側(cè)翻在路上的白色貨車，或者去年那起追尾高速公路彎道內(nèi)側(cè)低速養(yǎng)護(hù)車輛的慘劇……

“對(duì)毫米波雷達(dá)來說，主要是受目標(biāo)對(duì)電磁波反射敏感度影響，有些橡膠類靜態(tài)物反射不好，識(shí)別會(huì)困難。此外，雷達(dá)幾乎無法區(qū)分龍門架、道路側(cè)面的金屬標(biāo)牌或道路上停放的靜止汽車，因?yàn)槔走_(dá)的空間分辨率很差，在算法上只能通常忽略相對(duì)于路面不移動(dòng)的雷達(dá)回波。否則，每次經(jīng)過路標(biāo)等靜物時(shí)，汽車都會(huì)驚慌失措?！薄檮γ?，法雷奧中國首席技術(shù)官

如何恰到好處的保障核心安全冗余，又不至于讓車輛時(shí)刻處于驚慌失措的狀況下，頻繁的繞行甚至剎車，允許車輛有條件的采用稍加激進(jìn)的駕駛行為，提升整體交通效率和駕乘體驗(yàn)。似乎是自動(dòng)駕駛算法中一個(gè)非常敏感的閥值。

用80%的精力去解決20%的Corner Case 

我們前文提到了自動(dòng)駕駛車輛需要完成非常大量的實(shí)際路測，但在實(shí)際應(yīng)用中，永遠(yuǎn)都有很多超出想象的情況發(fā)生，我們稱這些場景為Corner Case，是自動(dòng)駕駛演進(jìn)道路上的長尾問題，并且逐漸成了制約自動(dòng)駕駛發(fā)展的關(guān)鍵。這就可能導(dǎo)致車輛雖然積累了很大的測試?yán)锍虜?shù)，碰到罕見的情況依然不能處理。人的生命只有一次，高速路上任何corner case 處理不好都有可能發(fā)生車毀人亡的嚴(yán)重事故。

有這樣幾個(gè)例子，如下圖：

• 前車上的錐桶

自動(dòng)駕駛車輛識(shí)別到放置在行駛中的前車上的警示錐桶，自動(dòng)繞行或剎車。

• 高速路上的塑料袋

一個(gè)人駕駛著他的Model 3，在FSD系統(tǒng)（FSD Beta 6）開啟的情況下，在高速公路上發(fā)出并線信號(hào)。就在車輛開始并線動(dòng)作，它發(fā)現(xiàn)一個(gè)塑料袋在地面上飄動(dòng)，所以它自動(dòng)轉(zhuǎn)向到右邊，等這個(gè)“具有威脅”的塑料袋被清除，特斯拉恢復(fù)了并線動(dòng)作。在本次事件中，幸好旁邊沒車，如果有的的話，系統(tǒng)認(rèn)為繞開塑料袋意味著撞上其他車輛，那么它應(yīng)該不會(huì)轉(zhuǎn)向，也許它會(huì)選擇剎車…….

任何感知設(shè)備都有自己的“能”與“不能”。

相機(jī)往往很難區(qū)分障礙物的材質(zhì)。在現(xiàn)實(shí)世界中，材質(zhì)軟的物體可以呈現(xiàn)出任意形狀，如果完全依靠視覺訓(xùn)練，通過把所有可能的外觀排列組合來找到合適的類別，但是遇到太陽眩光、陰影或夜間行駛等條件下，也會(huì)對(duì)性能造成影響。另外，由于塑料袋不含金屬，無法反射無線電波，所以雷達(dá)不能識(shí)別塑料袋。

• 跨過一個(gè)界限，突然變成靠左行駛

深圳灣大橋連接深圳市南山區(qū)和香港元朗區(qū)，跨過大橋后會(huì)突然改成右舵駕駛的交通規(guī)則。從歐洲開車去英國也是這種情況。

這些零散的、突發(fā)的、無規(guī)律性的狀況是困擾學(xué)界的重要問題，往往需要投入更多的精力去解決。隨著仿真技術(shù)水平的提高和應(yīng)用的普及，行業(yè)旨在達(dá)到99.9%測試量均通過仿真平臺(tái)完成，封閉測試完成0.09%，最后0.01%實(shí)路測試，使自動(dòng)駕駛研發(fā)更高效、經(jīng)濟(jì)。但是模擬真實(shí)的人類行為和各種違規(guī)情況，還是極為困難。

“實(shí)驗(yàn)室實(shí)驗(yàn)和真實(shí)應(yīng)用場景的認(rèn)知差異是巨大的：實(shí)驗(yàn)室數(shù)據(jù)和模型的精準(zhǔn)度和可信度，在現(xiàn)實(shí)環(huán)境中可能毫無價(jià)值：實(shí)驗(yàn)室環(huán)境的模擬只能使得實(shí)驗(yàn)環(huán)境盡量模擬真實(shí)環(huán)境，卻始終滿足真實(shí)（wild）場景的實(shí)驗(yàn)環(huán)境設(shè)定；實(shí)驗(yàn)室場景的算法和系統(tǒng)準(zhǔn)確度具有批判性：科學(xué)家們必須不斷優(yōu)化部署，使得算法的可靠性不斷提高，而真實(shí)情況往往是：即使是滿足了100%準(zhǔn)確率的實(shí)驗(yàn)，在現(xiàn)實(shí)生活中也不一定可行。除了實(shí)驗(yàn)室與真實(shí)場景的差異，真實(shí)場景下也存在差異。即使在某個(gè)城市進(jìn)行了自動(dòng)駕駛的成功試驗(yàn)，也并不意味著我們可以在另一個(gè)城市復(fù)制成功經(jīng)驗(yàn)。不同的社會(huì)、城市、駕駛環(huán)境和駕駛風(fēng)格都會(huì)影響自動(dòng)駕駛的運(yùn)行情況。這也是為什么大多數(shù)企業(yè)始終在堅(jiān)持在不同場景、不同城市下的進(jìn)行真實(shí)實(shí)驗(yàn)的原因。”    ——CMU Argo Lab首席科學(xué)家John Dolan

極端情況下的道德難題

自動(dòng)駕駛汽車要面臨一種選擇，即電車難題：如果5名無辜的人被綁在電車軌道上，一輛失控的電車朝他們駛來，片刻后就要碾壓到他們。幸運(yùn)的是，你可以拉一個(gè)拉桿，讓電車開到另一條軌道上。但是在那另一條軌道上也綁了一個(gè)人。因此，你有兩個(gè)選擇：不拉桿，5人死亡；拉桿，一人死亡。你會(huì)怎么做？

一旦自動(dòng)駕駛汽車上路，必然面臨這種倫理難題，并且，人工智能的設(shè)計(jì)可能會(huì)陷入無盡的矛盾中。例如，如果是以死人的多少來設(shè)計(jì)人工智能的操作程序，那么接下來是否還會(huì)根據(jù)年齡、性別、地位的高低來選擇事故中的拉桿。例如，面對(duì)一位孕婦和一位老人，汽車出事前該撞向誰。如果這樣的話，是否也把人變成三六九等，這不是違背生命面前人人平等的原則嗎？

麻省理工學(xué)院收集了 233 個(gè)國家和地區(qū)用戶對(duì)于自動(dòng)駕駛道德困境的意見，約 4000 萬個(gè)答案中有著一致傾向，例如：當(dāng)發(fā)生事故時(shí)，所有人都一致地表現(xiàn)出更偏向救人類而非動(dòng)物、救更多的人、救兒童而非成年人……
無人車的倫理問題在各國立法尚不完善，各大公司不可避免地在算法中寫入偏好，基于此的爭議和討論一直是行業(yè)不可回避的話題。

在達(dá)到L5之前，消費(fèi)者存在過度信任問題

當(dāng)下，太多人總是打著擦邊球來賣車，譬如展示“自己有做L3、L4技術(shù)的能力”，或者對(duì)外宣傳時(shí)使用“自動(dòng)駕駛系統(tǒng)”這樣的字眼。自動(dòng)駕駛等級(jí)劃分是有嚴(yán)格定義的，L0~L2是輔助駕駛，需要駕駛員在全程集中注意力，并且只有在L2級(jí)車輛上才有稍微可以松開方向盤的場景。L3以上才可以被稱為是自動(dòng)駕駛，而現(xiàn)在極少有車企敢真正證明自己的量產(chǎn)車型實(shí)現(xiàn)了L3功能，因?yàn)檎嬲_(dá)到L3以后，駕駛主體將轉(zhuǎn)變?yōu)檐囕v的自動(dòng)駕駛系統(tǒng)，人類駕駛員只在必要時(shí)接管。甚至還有技術(shù)公司和車企甚至推出過L2.5級(jí)自動(dòng)駕駛和L2.99級(jí)自動(dòng)駕駛概念。L3是一個(gè)有關(guān)安全責(zé)任歸屬的臨界點(diǎn)，往下級(jí)走，責(zé)任在司機(jī)；往上級(jí)走，責(zé)任在汽車。

當(dāng)那句“自動(dòng)駕駛”說出口的時(shí)候，就是在跟玩消費(fèi)者不負(fù)責(zé)任的文字游戲。

曾在微博上見過這樣一個(gè)事：在高速公路上，一位車主放倒座椅，躺在主駕上，雙手拿著漢堡和可樂，任由輔助駕駛系統(tǒng)掌控車輛，還興奮的拍視頻發(fā)到網(wǎng)上。

這種情況，如果發(fā)生了事故，且不說司機(jī)肯定會(huì)被認(rèn)定為違規(guī)駕駛而負(fù)全責(zé)，更嚴(yán)重的是會(huì)車毀人亡。當(dāng)然，在購車時(shí)沒有認(rèn)真了解車輛的功能和局限性，草率的過度信任，是對(duì)自己的不負(fù)責(zé)。

無論是車企、經(jīng)銷商還是消費(fèi)者，都應(yīng)該更加嚴(yán)謹(jǐn)?shù)膶?duì)待新技術(shù)的發(fā)展過程，盡量減少產(chǎn)業(yè)亂象的產(chǎn)生。

小結(jié)

解決上述問題，攻克一個(gè)又一個(gè)技術(shù)難關(guān)，是自動(dòng)駕駛演進(jìn)道路的必由之徑。由于起步較晚，技術(shù)實(shí)踐積累相對(duì)較弱，我國的自動(dòng)駕駛發(fā)展相對(duì)于國外來看仍由一大段差距。為了實(shí)現(xiàn)彎道超車，發(fā)展出更適合中國實(shí)際國情的“原生自動(dòng)駕駛技術(shù)”，我國已經(jīng)決定走“網(wǎng)聯(lián)賦能自動(dòng)駕駛”路線，即“自動(dòng)駕駛?cè)诤宪嚶?lián)網(wǎng)V2X技術(shù)”。 

• 如單純依靠大量堆積各種高端感知設(shè)備來實(shí)現(xiàn)“無死角感知”，整車成本將會(huì)非常驚人，這樣的配置將無法下探到中低端車型，無人駕駛車輛會(huì)脫離它本身的商品屬性。V2X技術(shù)路線是將高昂的感知設(shè)備移到路側(cè)，通過車路通信傳遞交通信息，大幅度降低了車載感知設(shè)備的投入。

• 在實(shí)際交通環(huán)境中，尤其是中國這樣復(fù)雜的道路環(huán)境，快遞外賣車頻頻違章，行人橫穿馬路甚至闖紅燈屢禁不止，時(shí)常發(fā)生“鬼探頭”這樣的情況。單車智能的感知設(shè)備無法傳統(tǒng)實(shí)體，易被遮擋，存在很多的視覺盲區(qū)。V2X技術(shù)可以從“上帝視角”掌握全面的道路狀況，車與車之間還可進(jìn)行感知共享，從根本上避免了由于盲區(qū)造成的事故。

• 網(wǎng)聯(lián)賦能自動(dòng)駕駛，還可以從交通全局的角度為道路使用者分配路權(quán)，從整體交通角度來看，更加高效、節(jié)能、環(huán)保。

未來的車聯(lián)網(wǎng)C-V2X將會(huì)成為高級(jí)別自動(dòng)駕駛系統(tǒng)中一項(xiàng)重要的感知源，解決目前自動(dòng)駕駛演進(jìn)過程中遇到的很多瓶頸問題，加速自動(dòng)駕駛落地進(jìn)程。