無(wú)人駕駛急需解決規劃控制和傳感器價(jià)格高兩大問(wèn)題

　　當我們還在感慨駕駛是一件費心費力的事情時(shí)，無(wú)人駕駛技術(shù)的進(jìn)步已經(jīng)逐步開(kāi)始了解放我們的雙手到大腦的發(fā)展，在 O'Reilly 和 Intel人工智能 2018 北京大會(huì )上，營(yíng)長(cháng)與前百度硅谷研發(fā)中心創(chuàng )始核心成員李力耘博士聊了聊，李力耘表示目前無(wú)人駕駛技術(shù)上最亟待解決的技術(shù)是傳感器的能力跟它的價(jià)值的平衡、無(wú)人駕駛的規劃控制兩大問(wèn)題。

　　無(wú)人駕駛發(fā)展的價(jià)值

　　無(wú)人駕駛技術(shù)的發(fā)展，對人類(lèi)來(lái)說(shuō)不僅僅是解放了雙手，還解放了大腦。我們的注意力不需要集中在駕駛上，這將為經(jīng)濟效益和社會(huì )效益帶來(lái)極大進(jìn)步。

　　無(wú)疑在北京和美國硅谷這種交通環(huán)境下，開(kāi)車(chē)對我們來(lái)說(shuō)并不是一種享受，它需要花費很多的時(shí)間和精力，如果無(wú)人駕駛技術(shù)得到普及，可以把開(kāi)車(chē)的時(shí)間解放出來(lái)，可以在車(chē)上查查郵件，看看新聞，甚至休息一下。另外，無(wú)人駕駛對經(jīng)濟的生態(tài)也會(huì )帶來(lái)一些變化，例如無(wú)人產(chǎn)業(yè)鏈或許就會(huì )改變商圈的選址。

　　數據顯示，人類(lèi)開(kāi)車(chē)大概每百萬(wàn)公里的量級就會(huì )出現一次致命事故，無(wú)人駕駛發(fā)展至今，已經(jīng)行駛上千萬(wàn)公里，發(fā)生了 Uber 的事故，相對來(lái)講，無(wú)人駕駛反倒是比人類(lèi)駕駛安全系數更高。

　　無(wú)人駕駛取代司機是一個(gè)漫長(cháng)的過(guò)程，可以看到，無(wú)人駕駛的測試是配備有司機的。如果無(wú)人駕駛技術(shù)得到普及，可以做整體全局上的智能城市的優(yōu)化，比如說(shuō)大家可以有一個(gè)集中的調度的系統，來(lái)優(yōu)化去同樣目的地人群，并提倡共享出行。

　　無(wú)人駕駛技術(shù)不僅僅解放了人類(lèi)的精力和效率，最終的方向是建立智慧城市，智能交通的規劃，隨著(zhù)這種統籌的發(fā)展，也許司機的比例逐漸減少，但最終取代司機的這一天，可能還有很長(cháng)的路要走。

　　國內的測試環(huán)境更具挑戰

　　李力耘認為，美國現代的無(wú)人駕駛技術(shù)，還是遠遠領(lǐng)先于國內的，從加州交管局的匯報的數據可以看到，國內頂尖的 Apollo 與 Google Waymo 和 Uber 相比還是有一定差距的。

　　另外一點(diǎn)， 無(wú)人駕駛的人才在美國硅谷比較多 ，這是一個(gè)非常重要的一個(gè)差別，Google Waymo、Uber 等都積累了很多無(wú)人駕駛的人才，國內在這方面仍處于剛剛開(kāi)始積累的階段。

　　國內的測試環(huán)境更具有挑戰，政府提供了很多的支持，無(wú)論是交管法規，還是技術(shù)設施，都給予很多的支持，加上中國人對新事物的接受程度很快，像這些移動(dòng)支付，O2O 這種都是美國沒(méi)見(jiàn)過(guò)的模式，國內很快接受了，在這方面有很大的優(yōu)勢。

　　所以，在這種落地跟轉化上中國的優(yōu)勢很大，美國是技術(shù)上的比中國積累的深厚，另外人才方面，隨著(zhù)中國人才漸漸的積累和爆發(fā)，最終差距不會(huì )很大。

　　亟待解決的兩大技術(shù)

　　無(wú)人駕駛技術(shù)目前最亟待解決的技術(shù)有兩個(gè)部分：

　　第一，是傳感器的能力跟它的價(jià)值的平衡問(wèn)題

　　據法國權威市場(chǎng)分析機構 Yole Développement 的統計，智能駕駛主要通過(guò)攝像頭(長(cháng)距攝像頭、環(huán)繞攝像頭和立體攝像頭)和雷達(超聲波雷達、毫米波雷達、激光雷達)實(shí)現感知的;當前最先進(jìn)的智能汽車(chē)采用了 17 個(gè)傳感器(僅指應用于自動(dòng)駕駛功能)，預計 2030 年將達到 29 個(gè)傳感器。

　　舉個(gè)例子來(lái)說(shuō)，激光雷達技術(shù)并不是“原子彈科技”，這項技術(shù)只是需要更多的沉淀，更多的精力來(lái)把它做的更好、更精。從技術(shù)上來(lái)說(shuō)是存在成本降低的可能性。

　　現在每一個(gè)激光雷達廠(chǎng)商都說(shuō)，只要給我多大量，我就能把成本做下來(lái)，所以只要技術(shù)方案定下來(lái)，降成本是一定可以降的，它的更多挑戰是怎么把這個(gè)雷達給沉淀更加穩定，更加精準、更加適合無(wú)人車(chē)的使用。

　　第二，無(wú)人駕駛的規劃控制

　　無(wú)人駕駛技術(shù)在正常行駛的方面已經(jīng)解決的很好，但是遇到一些異常情況，如出現一些行人不守交規，或者是一些極端情況的時(shí)候，我們怎么把長(cháng)遠的問(wèn)題，通過(guò)算法處理好，這是一個(gè)挑戰。

　　或許無(wú)人駕駛測試幾百萬(wàn)公里級別，才出現一次 Uber 事故的場(chǎng)景，無(wú)人車(chē)測試的時(shí)候也會(huì )盡量避免這樣的事情，而在這個(gè)領(lǐng)域里面，規劃控制和模擬器是可以發(fā)力的一個(gè)點(diǎn)。

　　用模擬器和人工智能去檢測一些車(chē)的極限能力，或者是在一些極端情況車(chē)輛的反應情況，這些場(chǎng)景往往不太能通過(guò)采集數據，或者通過(guò)正常的手段來(lái)進(jìn)行學(xué)習跟測試的。

　　對人工智能期待過(guò)高

　　很多人都覺(jué)得人工智能不夠“智能”，這是因為大家對人工智能的期待過(guò)高，從無(wú)人車(chē)的角度，人腦是一個(gè)神經(jīng)網(wǎng)絡(luò )，是經(jīng)過(guò)了很多年迭代的，就是說(shuō)你生下來(lái)的時(shí)候是一個(gè)設計好的網(wǎng)絡(luò )，這個(gè)網(wǎng)絡(luò )叫做基因跟生物學(xué)上的大腦。

　　除此之外，比如說(shuō)你長(cháng)到 16 歲開(kāi)始開(kāi)車(chē)，其實(shí)你的大腦的感知已經(jīng)訓練了十幾年了，你對這個(gè)世界的理解，不是說(shuō)像無(wú)人車(chē)這樣，弄很多圖片，然后訓練，人的大腦的感知能力是非常強大，所以，人工智能要真的能達到這個(gè)人的感知能力，還有很長(cháng)的路要走。

　　人工智能現在隨著(zhù)計算機視覺(jué)發(fā)展，在感知和預測上都有顯而易見(jiàn)的應用，但是在決策規劃上，應用并沒(méi)有這么直接。隨著(zhù)人工智能的發(fā)展，決策規劃也已經(jīng)向有數據驅動(dòng)的方向開(kāi)始轉變。

　　通過(guò)采集人開(kāi)車(chē)的數據，和機器開(kāi)車(chē)數據的區別，來(lái)訓練我們的算法。 讓我們的算法開(kāi)車(chē)越來(lái)越像人的行為，這是人工智能開(kāi)始滲透到?jīng)Q策規劃的一個(gè)方向，未來(lái)有一天人工智能也會(huì )成為決策規劃上一個(gè)主流的算法。

　　各個(gè)城市關(guān)于無(wú)人駕駛的法規剛剛出臺，目前還沒(méi)有那么健全，但這也是擁抱無(wú)人駕駛技術(shù)變化的一個(gè)很好的體現。另外在這些法規的督促下，更合法又有效去的去提高整個(gè)系統的穩定性和能力，然后把這個(gè)系統做的更好。

　　很多人將無(wú)人駕駛技術(shù)發(fā)展看作是技術(shù)與法律的博弈，其實(shí)這更像是一個(gè)互相發(fā)展、互相適應的過(guò)程。