您当前的位置：首页 > 无限物联

在硅谷无人驾驶技术正上演“三国演义”

2017-05-06 13:50:00

下1个驾驶时期，大致就如梅赛德斯奔驰在上1届CES所展现的那样：无人驾驶的车里，人们或浏览或举杯相庆。但还要多久，机器驾驶的车辆才能够普及于众人？不但驾驶者更加自由和安全，全部交通体系也会因此提高效力。

目前来看，最大的难点在于让它们能够像人1样“看得见”，1旦超出这1障碍，科幻电影里《少数派报告》、《遗落战境》里的驾驶场景极可能会变成现实。

在斟酌无人驾驶的必要性上，我得出的答案是它能给人更大的自由——无需你驾驶，但跟公共交通相比，它是专属个人的，线路上完全服务个人，也较好地保护隐私，而以往要实现这些，你可能需要雇1名司机。是的，现代科技1个重要的特点就是以机器和算法代替人力，让机器和算法为普通民众做那些以往精英阶层家庭佣人为他们做的事情。

只需要看Uber在这1领域的动作，就可以知道这件事情的必要性：2015年5月，Uber把卡内基梅隆大学机器人实验室里所有与自动驾驶有关的人员都招走了，包括研发人员、市场专家等50多人，除此以外，还在离实验室不到1英里（约合1.61千米）远的地方租了53000平方英尺（约合4923.86平方米）的地方，搭建了个技术中心。

人力本钱之高，是美国产生分享经济的重要缘由之1。让闲暇的具有私家车车主依照他们的指令载客，再向这些赚到车费的司机收取佣金，是Uber这个独角兽公司的盈利模式。毫无疑问，如果无人驾驶能够代替司机，这将为这家公司带来新的具有更高利润率的盈利模式。

不单单是Uber，Google打着“让生活更美好”的目的1直在积极推动这项技术。这两年来Google1直像遛宠物1样让公司研发的无人车在美国山景城行驶，更是让众人知道这家公司在这1领域的作为。据《卫报》报导，Google成立了自己的汽车公司Google Auto，打算量产那款外形可爱的无人驾驶汽车。

值得注意的是，中国互联网巨头百度在这1领域也有所涉足。就在2015年12月，百度让公司研发的无人驾驶车辆在路况复杂的北京行驶。在技术上，百度的无人驾驶车辆并没有超出Google的地方，但不能忽视1家中国公司在技术普及上的推动力。

目前来讲，无人驾驶主要有两种路径，1种是靠“触觉”，另外一种是依托“视觉”。

“触觉”就是靠雷达。正如所见，在山景城附近散步的谷歌无人驾驶车头上顶着1个黑色的雷达，百度的车也是如此，他们依托车上雷达，通过激光扫描，判断出周围障碍物的远近。

“雷达这类方式比较容易得出比如说前面的障碍物有多远这类结果，不需要太大的计算量。”百度硅谷研究院杰出科学家徐伟在接受界面新闻采访时指出，这类路径有它固有的弱点。“雷达探测，它只能知道前面有个东西，很难知道比如前面的车道线在甚么地方，它也没法辨认周围的1些交通标识牌”。

目前这类依托雷达的无人驾驶技术路径在很大程度上依赖高精度地图，毫无疑问，使用非常受限。而目前宣称在多少年以内将无人驾驶车辆商用的公司，比如百度，计划的也是扩大高精度地图覆盖范围。

即使是Google的车辆，看起来在山景城附近散步得悠然自得，但实际上这其实不具有可复制性。Google为汽车设备了经过强化的山景城街景，城市的虚拟地图，通过这类方式，无人驾驶的车辆明确知道街道是甚么样，只需要靠雷达探测出比如汽车和行人等障碍物。

截至目前，Google仅绘制了全美400万英里（约合643.73万千米）道路中的2000英里（约合3128.68千米），这个目标可谓任重而道远。

除此以外，依托雷达探测的车辆硬件本钱也10分高昂，根据Techinsider的调查，单个激光测距系统的价格就要8万美元（约合51.90万元人民币）左右。

包括Tesla在内的1些厂商认为，未来无人驾驶的方向应当是依托“视觉”，即触及深度学习算法的图象辨认。“这时候机器就像人1样，能够辨认图像，然后决定该怎样做。很大程度上依赖深度学习，由于现在大量的计算机视觉的算法背后都是深度学习。”徐伟表示。

这类路径没有被采取的缘由在于目前技术还达不到“无人驾驶”的水准。“它的精度还没有到达自动驾驶的要求，比如说对判断前方的车体距离的监测还没有雷达做得好，另外一方面它的计算量还远远超过雷达那样的系统的计算量。”徐伟在百度硅谷研究院从事的正是计算机视觉方面的研究，利用到无人驾驶车辆上是他们研究利用的方向之1。

图象辨认在1定程度上解决了雷达路径没法辨认交通标识、依托高精度地图和价格昂贵等问题。

Elon Musk就是这1路径的坚决支持者，它在指责Google路径毛病的同时，采取了两种路径结合的方式，从Tesla向外界揭穿的无人驾驶汽车来看，采取高速摄像头让汽车“看得见”，辨认车道、交通标识，另外，依然采取了12个雷达，感知汽车周围的车辆和其他障碍物。

看上去，Musk还希望通过现有的Tesla车主去“训练”未来将使用的自动驾驶系统，让人训练机器，让机器愈来愈像人是目前触及深度学习算法的经常使用路径——Facebook就聘请了1群合同工来训练行将推出依赖机器学习的虚拟助手“M”。

无人驾驶时期早晚都会到来，这是包括徐伟在内的这群科学家所深信的。“终究形态应当是像人1样，看见了甚么，能够做出判断如何做反应，不需要很精确很精确的地图。”

像徐伟这样的科学家正致力于让机用具备“像人1样看得见”的能力——这类大多数哺乳动物天生具有的能力。世界上几近所有动物都有眼睛，都能以某种方式看见这个世界，即使是昆虫，它大脑比人类简单很多，都知道在看见后如何做出应对，而不需要强大计算能力——是进化让他们先天具有这类功能。

让汽车到达像人1样还有很长的路要走，比如漂浮在高速公路上的纸非常显眼，却没有危险性可言。

更重要的是驾驶时很大程度触及驾驶者之间或驾驶者和行人之间的关系、交换，而这类交换常常是1个细微的表情乃至是1个眼神，比如驾驶者常常微笑示意正要过马路的行人先走。对机器而言，辨认1个类似小动作可谓是困难重重。

谷歌最近公布的1个报告表示，自2009年测试无人驾驶车以来，总计被撞击14次，包括11起追尾事故。该公司特别强调，在所有车祸中，谷歌自动驾驶车都是无错误1方。但在我们看来，不排除1种多是，如果是人在开车，司机和司机之间有有效的交换，1部份事故是能够避免的。

毫无疑问，无人驾驶车辆1旦较大范围上路，既往所遵守的1些驾驶习惯乃至是交通条款都可能面临改变。而可以预感的是，当人驾驶的车辆和无人驾驶车辆混合时，会有1定的麻烦，“太笨了，无人驾驶车”，这样抱怨1定不会少。而无人驾驶车辆的终究目的是整体交通效力的提高，这也许需要无人驾驶车在整体行驶的车辆中到达某个比例。

除此以外，目前无人驾驶车辆常常堕入1个伦理窘境，“司机”必须决定是右转撞上3个在卡车内的人，还是左转可能会撞死1个骑摩托车的人？

实际上，这类道德窘境在目前人驾驶的情况下就出现过，答案固然是无解，而这1争辩终究也被各种事故产生时司机的本能反应所取代。而现在，作为无人驾驶汽车，需要程序员们对这个争辩做出回答——他们需要先对此编程，告知汽车在面对这类状态时如何做出反应。

除此以外，程序员还需要给出另外的进退维谷的答案包括在面临危险时保护乘客还是保护行人？

“问题在于，谁来决定我们想要的结果？”Jeffrey Miller，1位编写自动驾驶软件的USC专家这样说到，“你不可能作出1个百分之百的共赢决定，说撞右侧那个人就是对的。”固然，终究结果有可能从大数据中得出——在既往千千万万事故中那些人类司机是如何做出反应的。

但技术公司其实不卷入这类争辩，他们表示，能够通过技术避免这类“不可避免”的情况产生。

TAG：