想用科技武装自己的路虎，学着比亚迪做了一辆「遥控车」
我们所聊的「 自动驾驶」，在现阶段更多的还是自动刹车、自动泊车，或者是车道保持等等。它的目的是为了让一切都变得更安全。但是，这些功能都是基于比较好的路况基础下实现的。那么对于复杂的山路、泥地等情况，这些功能恐怕就变成「 战五渣」 了。 路虎作为 SUV 的代表品牌之一，在自动驾驶方面又玩了个新鲜的东西——「 遥控汽车」。 整个功能是这样子的。路虎设计了一辆原型车，能够连接用户的手机。在手机 App 里面，用户可以控制车辆的转向，油门以及刹车。只要你离车的距离不超过 30 英尺，你就能用最高不超过 4 英里每小时的速度遥控你的汽车。那些喜欢玩遥控赛车的，就别想那么多了。 虽然说刚刚推出的新款 7 系，甚至比亚迪都拥有通过钥匙遥控车子的功能，但路虎的这项技术，主要针对的是那种极端路况，可以极大的提高汽车的通过率。同时，在遇到障碍物的时候，汽车也会自动判断路况进行调头（虽然我觉得挺鸡肋的）。 在路虎的使用场景中，当用户通过泥地，岩石路段的时候，如果不能清楚的看清四周的路况，其实是很危险的一件事情。如果你有同伴还可以帮你看着，但是一个人的时候就只能慢慢摸索。这时候遥控功能的优势就体现出来了。你甚至可以趴在你的轮边看着一公分一公分挪车。 看过那些玩越野的人拍的视频吧？车上的人负责控制车子，车外面肯定还有个指挥的，这么说你应该就明白了。 当然，这样的功能还有一些别的使用场景。例如有某些司机比较傻 X 的把你的车门停住了，你就可以轻松的把车倒出来，而避免了一场撕逼大战。（通过手机远程点火也不是难事）不过，这个技术不能让你像 007 电影里面的邦德一样，坐在后排，用索尼爱立信就可以控制汽车穿梭在枪林弹雨里。你还是得乖乖的坐在驾驶室里，只是在必要的时候才会利用手机进行控制。 这项技术应用到量产车上估计还需时日，它需要面对法律等方面的问题，不过在北京，如果你被堵在二三四五环上的时候，下来遥控一会儿应该是很酷炫的体验。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
奥迪：自动驾驶的成功关键是深度学习
德国奥迪于 2015 年 1 月，利用以「A7」 为原型的试制车开展验证试验，从硅谷自动驾驶至拉斯维加斯。该公司表示，在此次自动驾驶实证实验中，利用深度学习技术的形状识别能力十分有效。汽车要想自动驾驶，就必须具备与人类一样的形状识别能力，从而掌握周围的情况。据介绍，该公司与英伟达（NVIDIA）等供应商合作，开发了可模拟人脑处理新信息方法的车载计算机。 汽车通过深度学习提高形状识别能力的处理过程与孩童的学习相似。婴儿通过身边的人经常传授来学习其感知到的物体的颜色、形状及名称等。作为物体边缘的脊线对于识别物体的不同形状以及具有意义的形状是十分重要的。比如，消防车虽然采用红色的特定形状，但婴儿不会感觉出卡车与消防车有什么区别。而进入幼儿期后，随着对卡车种类的学习，孩子就能区别这些车辆了。 机器学习采取与上述情况相似的方法。统管驾驶辅助系统的中央控制单元「zFAS」 使用摄像头拍摄的影像来分析被输入影像的全部的帧，根据脊线来检测形状，这与人类通过眼睛将图像送至脑中一样。在确认该形状为物体（对象物）后，接下来就会学习该对象物是什么物体。当检测出眼、鼻、口等对象物时，便可识别出是面部。然后将利用上述方法识别出的物体保存到数据库中，并通过反复这一操作来进一步提高识别能力。 这样，行驶过的距离就成为了汽车的学习量，每行驶一次就会变得更聪明。要想实现自动驾驶，就必须要有 TB 以上级别的数据。另外，要想对 30 帧/秒拍摄的影像的所有帧进行分析，由此掌握情况，还必须进行非常高速的处理。 当出现容易导致事故的危险时，系统就会掌握情况，发出与该情况相应的指令，直至车辆做出躲避动作，瞬间完成这一系列的操作。为了快速识别危险，并没有多余的时间去访问云端的数据库。识别危险的能力必须要嵌入车辆本身，这正是深度学习的最重要的目的之一。（记者：栉谷 沙江子，NikkeiTechnology）（转载自日经技术在线）
福特，捷豹路虎正在与英国政府共同测试自动驾驶车
据《底特律新闻》报道，福特汽车与捷豹路虎正在与英国政府展开合作，在英国对自动驾驶车进行测试，希望自动驾驶车未来能够应用于公共交通系统。 项目负责人 Tim Armitage 表示，英国 Autodrive Consortium 将在伦敦北部米尔顿凯恩斯（Milton Keynes）市设置 40 辆自动驾驶车，从 2017 年开始进行长达 6 个月的测试。英国政府的目标是希望无人驾驶能够投入到公共交通中来。 上述项目部分由英国政府授权，政府计划在五年计划中出资 1.86 亿美元推进无人驾驶技术，目标则是鼓励投资、减少交通事故以及提升空气质量。 Tim Armitage 称，另两项为期三年的项目已经在布里斯托尔（Bristol）及格林威治区展开，政府与私人资本各出资 1,000 万英镑进行支持。英国公路法对于无人驾驶上路测试较其它国家更为开放，因此也吸引了很多国外企业。 无人驾驶车将由交通部（Transport Systems Catapult）投放，这些小车将使用激光、雷达以及摄像头扫描街道上的行人和障碍物，目前为止组装了 3 辆，并且其中一辆已经在测试中。 (转自盖世汽车网，原标题：福特/JLR 联合英国政府测试自动驾驶或投入公共交通)
BI intelligence 自动驾驶汽车报告要点
光是听「 自动驾驶」 这个词，就已经把汽车科技小编们的耳朵磨起了很厚的茧。奔驰、宝马、特斯拉等整车厂公司已经或是将要发布不同程度的自动驾驶的技术，科技公司在这波技术浪潮里面也不甘示弱甚至一度引领风骚。 下面一份来自 BI Intelligence 的最新报告，结合现在自动驾驶汽车的发展状态分析自动驾驶汽车市场，提供了一个对于接下来 5 年时间关于自动驾驶汽车进展的分度分析。（此报告对自动驾驶的分析还综合了经济大环境的可能影响以及一些阻碍其发展的因素。）下面我们将会把报告的一些要点做一个简要陈列， 全文报告请参考链接（需注册 BI intelligence）。 1. 自动驾驶汽车其实并不是那么「 未来」，实际上现在路上跑的车已经具备了一些自动驾驶特征。（报告中对于自动驾汽车的定义是汽车在行驶中的加速、制动、转向等操作限制性或者完全没有驾驶员干预。）2. 自动驾驶汽车将会分类两类：半自动驾驶、完全自动驾驶。（完全自动驾驶汽车可以完全不依赖人为操控实现 A 到 B 的移动。）3. 在接下来可预测的的时期内，世界上将会存在 1 千万的汽车满足上述定义的自动驾驶汽车特征。 4. 完全自动驾驶汽车进一步将会被分为：用户可操作和无人驾驶。（因为法规和保险等问题，用户可操作的完全自动驾驶汽车就会在 5 年内走向市场；但是无人驾驶汽车则会面临漫漫长路。）5. 自动驾驶汽车带来最大的好处是提高道路安全、便捷人们的生活。（在英国，KPMG 毕马威预估自动驾驶汽车从 2014 到 2030 间将会减少 2500 例死亡。我对这个数字表示有点小失望，应该 10 多年减少的数字远大于 2500 吧，毕马威的人是不是保守得有点过分。）6. 自动驾驶面临着重重障碍。（成本需要得到较大幅度的下降，法规需要来引导和能促进自动驾驶成为普及等等一系列需要客服的困难。）具体报告中会有一系列的图标和数据，更详细的东西可以去看原报告。 再来总结一下报告涉及了哪些方面： 1. 解释了自动驾驶汽车的定义（BI Intelligence 的定义），并且把自动驾驶汽车分成了 5 个不同功能的阶段。 2. 对目前和预测的自动驾驶汽车市场的体量做了一个分析，包括产量以及销量。 3. 分析了为什么汽车和科技公司在自动驾驶方向的融合。 4. 具体分析了无人驾驶带来的种种好处。 5. 具体分析了成本和一些法规问题。（编译自 BI）
自动驾驶技术：玩家已经就位，但是游戏规则呢？
无人驾驶汽车在美国是合法的。他们一直是合法的, 因为他们从来没有被取缔。因为这是在美国，如果没人跟你说「 不行」，那就意味着「 行」。 但是，随着整车厂以及其他一些人开始逐步将技术商品化，比如，在未来三到五年里，就会有很多具有自主功能的车子上路，所以开头提到的那种合法性，就越来越不能让人放心了。最终，政府将不得不想出规则对其进行约束。这样也好，因为游戏里的每个人都需要规则，这可以让他们在初始阶段就知道底线和标准是什么。如果你一开始开发了一套使用雷达和摄像头的系统，但是后来政府跟你说，系统里必须包括激光雷达，那就是你的运气问题了。 现在遇到的问题是，政策制定者缺少能力去监管自动驾驶汽车。自动驾驶本身就是一门新技术，不仅十分复杂，而且不同的公司的开发方向也相差很大。因此对于监管者来说，仅仅只是理解这项技术就很复杂，更别说怎样规范技术，并让它安全的应用了。 对于如何监管，虽然美国目前没有统一的国家政策，但有少数州已经通过立法来提前监管了。虽然说企业却不一定买账。一些公司采取的是「 先斩后奏」 的策略，先把技术推动起来再说，无视这些规定。有专家认为，现在非常难说什么样的法律监管才是真正具有合理性的。最后的监管办法肯定会基于最终流向市场的产品来决定。 换句话说，法律如何制定，也许就取决于谷歌、德尔福和奥迪这些公司的产品是怎么样的了。 目前并无统一的政策 美国国家公路交通安全管理局（NHTSA）两年前就开始着手研究自动驾驶车辆的监管问题，他们目前正在研究到底是鼓励还是管制汽车防撞技术。NHTSA 暂时还未透露何时会宣布最终决定。 「 华盛顿不应该成为发展新技术的阻碍」，美国交通部长安东尼·福克斯说，「 我们想要鼓励当前的工作和未来的技术创新」。 与此同时，内华达州、加利福尼亚州、密歇根州、佛罗里达州和华盛顿特区已经立法来对无人驾驶技术的测试和销售进行监管。但是问题又来了：他们的法律是不一样的。举个例子，内华达州要求在本州销售的自动驾驶车辆必须具备特殊的驾照，并且还要注册登记。而佛罗里达的法律就没啥实质性内容，仅仅是「 我们对无人驾驶技术的测试和运行并不禁止或者是专门的监管」。 在加尼福尼亚州，无人驾驶技术仅仅能用于测试，还不能投入商业使用。据斯坦福大学互联网与社会研究中心的数据，至少有 14 个州正在筹备相关的法律监管，而其余的州已经投票否决了对自动驾驶技术的监管。 但是值得注意的是，就算是这些州没有相关监管法律，他们也可以用其他手段来对付自动驾驶产业。比如，他们可以借用「 鲁莽驾驶审核」 的法律之名，对自动驾驶车辆撤销登记或不予登记。另一个例子，纽约有一条规定就是在驾驶时，所有司机必须保证有一只手放在方向盘上（包括自动驾驶时）。 比起东一块西一块的规定，汽车厂商更想要一个统一的标准。这个标准需要对「 安全的无人驾驶」 有准确的定义，以及量化的指标。「 我们希望监管部门能出台清楚具体的条例，来规范厂商对系统做技术测试」，奥迪的工程师丹尼尔·利平斯基说。戴姆勒的员工也表示，「 国家标准对于货运业是至关重要的，特别在创新性新技术方面。 三个原因 之前已经提过，社会上存在一些担心，怕监管机构不懂技术。如果他们太早干预，也许对技术有消极影响。奥迪发言人布拉德认为，目前还是试行驾驶的初始阶段，相关的监管法律根本起不了什么作用，并且这项法律还打击了企业的研究需求。谷歌也有相似的反应，他们认为现在为这项技术制定法律太难了，毕竟这些技术是在未来才会应用的。因此， 监管者现在应该好好学习理解这些新技术，在理解它的实际应用后，再对相关的创新加以规范。 而造成这个问题的原因是什么呢？ 首先是因为政府并未准备充分 。美国运输部长 Foxx 也承认这很难，「 我们努力的想跟上这些快速的变化」，但是却陷入死循环，「 车辆如果没有对进行路面测试我们就不能衡量它们的安全性，但是我们也不想他们进行路线测试，因为我们不知道他们是否安全」。Foxx 把这个问题与无人机的监管做类比，他说美国政府不能太死磕，要给自动驾驶技术一些空间做公路测试。 除了很难跟上新的技术外， 第二个原因是自治州和联邦政府的管辖范围模糊 。目前的情况是，联邦政府管理自动驾驶技术，比如安全气囊和安全带。而各州则通过交通监管来规范自动驾驶车辆的运行。所以说， 现在连谁是政策制定者都不清楚，更别提该如何制定政策了。 第三个问题，NHTSA 本身就是一个被动的，不是主动的监管机构。「 从以往的情况看，监管机构面对新的技术时从来没有准备好」，史蒂夫，加州大学伯克利分校的交通专家，说道，「 只有当技术已经商业应用的时候，他们才会对此作出回应」。他们会首先确定这项技术是否安全，最后再想着怎么规范他们。 NHTSA 曾经尝试过提早的规范技术，但是结局并不是太好。在 70 年代初期，他们想要每辆车装上点火锁定装置，这样如果车辆没有系好安全带就不能启动。对此人们当然不买账，并且国会审议之后，也认为该规定是不合法的。但是 NHTSA 锲而不舍的想走在技术前面，他们目前正在研究如何规范 V2V 汽车通信技术来提高其安全性。也许他们以后也想对无人驾驶技术作出规范呢。 无论联邦或者各州的决定是什么样，自动驾驶车都会进入美国普通大众的生活。在未来几年，谷歌，奥迪，奔驰和日产都会推出采用自动驾驶技术的新车。特斯拉也计划下个月提供更多限量版的自动驾驶系统，该系统利用 OTA 空中下载技术来更新。 「 当其中一个公司有着一个实质性的计划，并落地的时候，政策才会有真正的变化」，沃克史密斯总结道。因为随着这些技术进入市场，监管机构才能够评估他们，确定他们是否安全，并作出相应的规定。（编译自 Wired）
德尔福的「极客之旅」
还记得年初在美国拉斯维加斯举办的 2015 CES 展上，令我记忆最深刻的一件事情，就是在现场体验了德尔福基于奥迪 SQ5 改造的一辆全自动无人驾驶汽车。那是我第一次体验在开放道路上的无人驾驶，回想起来，当时自己就那么轻易地把生命交付给了一台经过硬件改造以及算法支持的机器，还是有些激动。而就在一个多月前，当时我乘坐的那辆汽车刚刚完成了横跨美国的自动驾驶之旅，横跨 15 个州及哥伦比亚特区，历时 9 天，行程近 5500 公里。 我更愿意把德尔福的这次横跨美国自动驾驶之旅成为「 德尔福的极客之旅」。从德尔福 CTO Jeffery Owens 对于此次跨美之旅的描述中我可以听出，在炫耀自动驾驶技术外，德尔福更倾向于通过这次横跨来解决问题以及优化硬件和算法。 「 此次的行程我们收集了近 3TB 的数据，相当于国会图书馆藏书的 30%。」Jeffery 表示，自动驾驶有着前所未有的技术复杂性。我们熟悉的安卓操作系统有 1200 万行代码，F-35 战斗机有 2400 万行代码，而每辆汽车平均约需 1 亿行代码，德尔福每天生成超过 200 亿行代码。通过这些代码和数据的收集，德尔福可以发现和统计车内摄像头及雷达在不同环境下工作时可能发生的问题，以及应对不同道路和环境时的处理能力。例如美国不同州的车道都不同，亚特兰大和新泽西收费高速公路等路段车道过多，而且不同州的道路分界线都不同；再如德尔福的这辆无人驾驶车在大型半挂卡车旁行驶时自己会更加谨慎，远离大卡车，Jeffery 表示这都是超出他们预期的情况；还有日照角较低给视觉系统造成的一些问题等等。 德尔福整个横跨美国行程的 99%都是在自动模式下完成，但我们发现还是有 1%是在手动驾驶模式下完成，Jeffery 表示切换到手动驾驶模式是在例如经过施工现场和警车封路的情境下，为了保证车辆和人员的安全所做出的决策。总的来说，在遇到以下复杂路段和场景时，德尔福自动驾驶汽车都可以在自动模式下完成任务。 「 主动安全是自动驾驶的构建之一，而不是为了自动驾驶而自动驾驶。」 Jeffery 对 GeekCar 说了以上这番话。作为汽车厂商一级供应商的德尔福，在 99 年就首发了雷达技术，在雷达技术上有 15 年的经验，预防碰撞雷达已经有 200 万套的出货量。在 2014 年-2017 年期间，主动安全领域年均复合增长率为 35%，市场规模 140 亿美元，德尔福主动安全产品年均复合增长率为 54%。所谓的「 自动驾驶」 对于德尔福这类供应商来绝对是门「 好生意」。而德尔福的竞争对手们也都在同样发力，例如博世和大陆等等，也都在争相展示自己的自动驾驶技术，想在未来争夺自动驾驶这块「 大蛋糕」。对于德尔福而言，在自动驾驶方面的杀手锏除了雷达、摄像头等基础硬件设备外，最得意的应该是电子架构方面领先的「 多域控制器」，可以将雷达、摄像头、安全气囊、碰撞传感器、检测系统等控制器集成在一起，提高数据交换和运算能力，这种新型的电气架构是未来汽车的中枢神经系统。德尔福的多域控制器将在 2017 年的奥迪新车型上应用，多合一的过程可以降低成本。 同时，德尔福的雷达视频集成系统（RACam），360 度雷达、以及 V2V&V2I 融合技术也代表了德尔福对于自动驾驶未来的硬件创新。新款 XC90 就会采用 RACam 系统，而通用 2016 年的新车型上将搭载德尔福的 V2V&V2I 技术。 「 我认为完全不需要驾驶员的全自动驾驶还需要 15 年的时间」，Jeffery 表示。但对于德尔福来说，主动安全技术是基础性的技术，在今后 4-5 年的时间就会逐一将这些技术推广到汽车厂商，并推进和更新部分自动驾驶的功能。至于全自动驾驶，需要解决各层度的能力，从传感器的感知层面，到控制其控制系统和计算平台，到电气化架构和网络管理，再到车辆互联、用户体验，以及云端支持服务和安全问题。这需要强大的开发合作网络，包括半导体厂商、导航操作系统、语音识别和摄像头算法供应商的合作，以及全球开发、集成和验证的能力等等。 虽然横跨美国之旅已经结束，但我相信这也是德尔福自动驾驶极客之旅的又一个开始，无论是技术层面，还是商业层面。
技术贴：谷歌自动驾驶车的难点在哪里？
不好意思，我们又当 知乎的搬运工 了。原问题为《谷歌智能车的难点在哪里？模式识别，还是分析、控制算法？》，讨论的是谷歌的自动驾驶和无人驾驶技术。本文来源于这个问题里点赞最多用户 康费 以及 吕朝阳 的回答，比较长，非常技术流，但是干货也非常多，值得一看。 康费的回答： 1. 传感器技术 不得不承认现在无人车能出现很大程度上依赖传感器的进步。其实早在 80 年代美国就通过磁钉导航完成过很多无人驾驶的实验。他们在地下埋上磁钉，通过寻找磁钉的方式可以完成高速的巡航、并道、超车等一些列的实验。但是显然这种成本太高，只能作为实验。 到了 2007 年，传感器技术已经突飞猛进了。看看他们的传感器吧。 SICK 公司激光雷达。用于检测周围障碍物，无人车需要能够感知周围环境，又不能像人一样单纯用眼睛完成，于是这玩意可以返回周围障碍物的距离，误差毫米级。 这张图上的无人车头顶的不是灯，而是 5 个 SICK。一个 SICK 当时等价于一辆帕萨特。当然现在 Google car 的激光雷达用头上的小东西了。 这个小东西顶至少 4 个 SICK，是 360 度多线激光雷达，今天价值 3 个帕萨特。 剩下的东西没有这个壮观，就不上图了。 除了激光雷达（避障），还有有毫米波雷达（探测）、GPS（定位）、里程计（定位）、陀螺仪（定位）、视觉系统（检测、避障）、数传电台（监控）等等。就不说很多小细节的进步了，但是上述的传感器都是必须的，所以无人车的第一个难点是传感器。 2. 定位 GPS 的定位精度远达不到无人车的需求，GPS 官方定位精度「<10m」，更高精度的 GPS 基本要依靠差分完成。差分的原理很简单：设置一个固定基站，固定基站校准位置，再将信号传递给车载设备，车载设备在接收到基站信号和 GPS 信号后差分获得。但是每一个基站的有效范围也就 30km，怎么大范围应用。于是有很多技术要解决 GPS 精度不足的问题，如地图匹配。 以前 GPS 中会加入干扰，那时候民用 GPS 的精度只有 100m。这个干扰叫 SA，Select Availability，已经于 2006 年取消。SA 依然会在战时开启，那时只有美军自己的 GPS 能有效定位，而其他的 GPS 都将失效（所以我国要研发北斗）。传统 gps 的协议是 0183 格式，这种格式允许小数点后 4 位。军用级别的 gps 在此基础上又加了两位，至于多出来的几位是否真能提高精度就不知道了，得用个绝对位置教一下。 如果是「<1 米」 的精度对于车辆定位基本上够用，但是 GPS 一定要在空旷的场地上才能得到这种级别的定位精度。 除此之外，没有 GPS 呢？ 在树荫下、楼宇间、隧道内 GPS 信号无法到达，这时就需要里程计+陀螺仪，俗称惯性导航单元。这套系统的原理就是：花钱越多，有效时间越久。如果要能在没有 GPS 的情况下坚持 20 分钟，呵呵，3 个帕萨特。 原因是里程计、陀螺仪都存在累积误差。注意误差是累计的，也就是说上一时刻是 0.5m 的误差，下一时刻指定大于 0.5m。因此要尽可能约束累积误差，使其数量级很低，那么就要上光纤陀螺。因为电子级的陀螺通常达不到这个精度要求，不知道挠性陀螺行不行，但是估计挠性陀螺和光纤陀螺造价差不多。 3. 避障 车辆前方有障碍，障碍物是运动的还是静止的，车是停下来还是绕过去。我没仔细研究过这部分的内容，知道的算法是人工势场法。这部分主要的难度是从传感器识别障碍，在车辆运动的前提下，确定障碍的运动状态。也就是说你要在运动的坐标系下，计算另一个物体相对静坐标系的速度，并作出判断。 4. 识别 下面得识别交通标识，如限速牌、红绿灯。这些通过视觉系统完成，难点主要在实时性和鲁棒性。要离线处理这些交通标志是很简单的，但是在无人车上需要能在有限的时间里识别出来，并且考虑道路中可能有的光线变化、遮挡等问题。 5. 控制 你提到控制算法，除了上面的避障以外，其他外围机构的改造可能会存在一些改造上的问题。如何介入转向架、如何介入油门（以前还要考虑如何换挡）。这些工作如果有厂商帮忙还好，没有的话也会是问题，钱的问题。其实控制的难度相对较小，传统 PID 足够，加上部分买的伺服机构，没有多大难度，就是活累。 6. 规划与决策 既然是无人车，一定牵扯「 去哪」。目的地由人决定，但是路线是车子计算出来的，这部分的算法可能你不会，但是你常用，就是百度地图、腾讯地图之类的东西，它们通过一定的算法计算出路径之后车辆会跟随这条路径。当然运行过程中为了解决实际的一些问题，比如修路，也许要决策的机制。 其实对于无人车的控制说小了较控制，说大了叫决策。也可以说，决策是频率比较慢的控制。举个例子，我们对方向盘、车速的控制周期是多少呢？大约 20ms，也就是 1s 中要控制 50 次左右。那么我们对车辆路线的决策周期呢？大约 5s。可以看出，控制是响应速度较快的部分，而决策是响应速度较慢的控制。决策，说白了就是对于一些可能遇到的问题给出的解决逻辑，俗称人性化。这部分我能力有限，希望懂的人可以给些意见。 我觉得，无人车最关键点在于东西不一定复杂，但一定要可靠，所以当有人问 Sebastian Thrun（前面 Google Car 的负责人），你们的车能否在雨雪天开出去的时候。他说，那些日子我们最好不动它。至于你提到的机器学习，我认为这是趋势，可能在识别部分会有应用，但很难成为无人车的核心技术。原因：1）离线学习会导致算法有一定的局限性，你在北美弄好的系统在中国不一定能用。2）在线学习成本太高，给车带个计算机，让它在车辆运行的同时还能逆向运算？ 至于以后的突破口，我觉得是廉价可靠的传感器和相应的识别算法。这些机构到底能做到多小，多便宜又多可靠。至于提取信息以后的控制，前面说了，80 年代就有人做了，还做得不错。 吕朝阳的回答： 我从智能汽车作为一个机器人系统，涉及到的几方面技术，在理论方面的难点做一个解释和补充。 首先，智能汽车作为一个机器人系统，所涉及到的机器人技术主要有 控制（control）, 感知（perception）和路径规划（planning）三大块内容。作为一个独立的机器人系统，其自身的计算机系统以及安全性也是一个很重要的方面。关于这几块目前的研究以及工业界达到的成就，和技术难点，我正在写一篇综述给感兴趣的朋友加以介绍。下面就从者三个大方面来看看都还有哪些棘手的问题。 关于控制方面， 自动巡航系统（cruise control），自动刹车系统（auto braking），自动停车系统（auto … 继续阅读
第一辆无人驾驶卡车诞生记
克里斯蒂安·厄本对旁边的人挥了挥手，表示他想要一个指甲刀，他习惯性的摸了摸自己的下巴和膝盖。这一切听起来稀松平常，但如果你知道，当时他坐在一辆 40 吨重的大卡车里，并且这辆车正以每小时 60 英里的速度在拉斯维加斯的高速公路上行驶，更重要的是——他根本没有在驾驶，也没有花多少注意力在这上面。 这辆车名为 Inspiration（灵感），是福莱纳货车的高科技版，也是世界上第一辆获得牌照的自动驾驶卡车。车里的 urban 是公司工程师中的一员，他们花了 6 个月紧张工作为这周在内华达的首次演示做准备。 其实，这辆货车的所有商戴姆勒公司也还犹豫不决，究竟是要夸耀 Inspiration，还是把它的意义轻描淡写。因为这是一辆全自动的 18 轮卡车，它还不会自行改变车道，而且在 10 年以内，它也不会上市，并且可能永远都不能取代人类驾驶员。 虽然这样，但 Inspiration 也称得上是朝无人驾驶领域迈出的一大步。 目前，关于自动驾驶的讨论主要围绕在轿车上，毕竟轿车受众较广，人们更能体会到科技可以带来的安全性，节能性。像 Google 这样的科技巨头也在开发硬件和软件，只为了让普通驾驶员能够坐在汽车里刷 Facebook，而不用时刻抓着方向盘和盯着仪表盘。 仅 2012 年一年，美国就有近 4000 人死于车祸，其中超过九成都是由驾驶失误所致。所以即使他们开发的这一套系统只在高速路上起作用，也足以提供大的帮助，因为大货车大部分时间都在那里行驶。 酝酿了 20 年的产物 戴姆勒公司已经花了 20 年来研究自动驾驶。Inspiration 上用到的大多数技术——包括雷达、相机、计算资源和电学构造，都已经有很长的商业使用记录，它们被用于安全功能中，如车道偏离报警和自适应巡航系统。 早在十几年之前，梅赛德斯就第一次在客车上安装了雷达。而现在他们设计未来汽车时，把驾驶作为一种选项，并且前排的车座可以转向面对后排的乘客。今年，戴姆勒开始销售一个适用于卡车的「Detroit Assurance」 系统，其包括自适应巡航控制，盲点监测和车道偏离警告等功能。 Inspiration 这款车 6 个月前开始升级该系统，让卡车自主控制车速。不过自动驾驶也有限制的, 该模式仅仅在「 高速上」 才能启动，并且有最高限速。并且在此过程中卡车将会保持与其他车辆的安全距离并保证车辆行驶在车道内。它不会自己变更车道来超车。如果遇到了一些系统无法处理的情况，如强降雪或者车道模糊不清时，卡车会提醒驾驶员接管。 Inspiration 里搭载的电子结构就像是卫星枢纽。「 速度控制」、「 车道保持」 这些模块能分头工作，但是同时又有中心系统在随时监控各个模块，抓取各个不同支系统的数据，分析并做出更高一级的决策，比如提醒驾驶员来接管驾驶等。戴姆勒已经将这种中心系统开发出来（他们拒绝透露具体细节），他们目前也在研究如何降低其成本和缩小其体积来推广到市场。 从外表来看，Inspiration 和其他卡车没啥不同。在驾驶室的前方的雷达很难被发现，防风相机也很低调。实际上，位于挡风玻璃上的立体摄影机可以读取车道信息。内置在栅格上的雷达，也可以扫描路面 800 英尺远的障碍物。 这个卡车最炫的地方是车身安装的蓝色 LED 灯组。他们被嵌在了车的护栅和头灯上，并且相机屏幕有朝一日也会取代后视镜。车里面则有一些更加细微的变化，地板是木制的，而驾驶室后部睡觉的地方则刷成全白，使用了皮革椅，让人倍感舒适。 用户界面 车里的一个红色的按钮－HWP 十分夺人眼球. 它设置在车灯控制和空调按钮之间。按下这个按钮，便启动了「 公路飞行员」（Highway Pilot）的系统，用以使卡车保持恒定的速度，行驶在车道中和与前车保持安全距离。 要开启自动驾驶状态需要两个条件。首先，开启 HWP。然后，当卡车驾驶到在高速公路上开始平稳驾驶，这时便可以开启巡航控制系统。之后卡车便会自己驾驶。 如果遇到了恶劣的天气，模糊不清的车道线的情况，或者需要超车或下高速，驾驶员则需要接管驾驶工作了。 当卡车行驶出现错误时，卡车会发出刺耳的蜂鸣声，仪表盘也会闪烁报警来提醒驾驶员快来接管。如果此时没有人回应，卡车便会自动停车。目前这个系统还在不断的测试，来保证驾驶员与卡车能够很好的互动。 测试 为了获得内华达州的自动驾驶车牌照，戴姆勒需要证明这套系统能自己安全驾驶 10000 英里。测试团队在两辆卡车上安装了里程计，加上一辆测试车，在德国和内华达的公路上测试。在这套系统上市之前，UI 等方面还需要做更多的测试。 虽然还尚处于萌芽阶段，但这套系统已经展现极大的市场价值。他们进行了一个小测试，让 16 名驾驶员坐上测试车，来看自动驾驶系统如何影响驾驶员，结果表明比使用自动驾驶比自己驾驶的疲劳度减少 25%。 这一点是非常重要而且有用的，因为当司机接管卡车驾驶时，他们会更加小心。 目前根据相关规定，美国卡车司机只可以在高速公路上行驶 11 小时，之后变必须连续休息 10 小时。这一大短板制约着运输行业的发展。因此，如果应用自动驾驶系统，驾驶员可以减少疲劳，因此管理人员可能会愿意放松规则，迎来自动驾驶系统的商业化。 据戴姆勒称，目前许多顾客对这套系统非常感兴趣。毕竟这套系统可以显著降低事故率，提高燃油效率，甚至可以让卡车在路上多跑一段时间。 对经济的刺激是一项新科技的核心作用。这项科技的开发可以解决「10 小时休息」 的短板，直接刺激经济，增加需求。如果能教会卡车自己驾驶，戴姆勒就不只是拥有了一款高科技产品，而是有了一款可以增加需求的产品。
上路 6 年发生 11 起事故，谷歌无人驾驶汽车安全吗？
（本文转载自腾讯科技）这几天，谷歌无人驾驶汽车被推到了舆论的风口。起因是有美国媒体报道，加州从去年 9 月发生了 4 起与无人驾驶相关的交通事故，而其中 3 起是谷歌改装的雷克萨斯 SUV。 这让一些批评人士又拿到了话柄。他们认为，谷歌想开发没有方向盘的汽车，这意味着一旦汽车失控，人将没办法介入，是十分危险的。 而公众也对于谷歌无人驾驶汽车起了疑心。从 2010 年上路开始测试，谷歌无人驾驶汽车已经跑过了 110 万公里，在这 6 年时间里一共发生了 11 起事故。那么问题来了，无人驾驶到底安不安全？ 谷歌无人驾驶汽车项目进展 早在 2005 年左右，Google X 实验室就开始了谷歌无人汽车计划（Google Driverless Car Project）。该计划致力于探索完全不需要司机就能行驶的全自动驾驶汽车。 2010 年，谷歌无人驾驶汽车开始在美国加利福尼亚州试行，当时的原型还只是量产汽车加装上谷歌研发的无人驾驶系统，包括一套激光测距器和计算导航系统。上路测试时由两名测试人员分别坐在主副驾上，以防止自动驾驶出现意外后随时接管方向盘。 到了 2012 年，谷歌宣布其无人汽车已经完成了将近 50 万公里的路试，而且一起意外事件都没发生。初步展现出谷歌无人汽车的可靠性，加上谷歌与美国当地政府的积极沟通，从 2012 年 3 月到 2013 年 12 月，美国先后有四个州通过了自动驾驶汽车可上路测试的法律。 随着研究的持续进展，2014 年 4 月，谷歌宣布其无人汽车已经完成了超过 110 万公里的路试，并于 5 月发布了一款从车型设计制造到系统整合都完全自主研发的无人汽车原型，这款原型车没有方向盘和踏板，可以说清晰地显示了谷歌无人汽车计划的最终指向：完全无需人工干预的全自动驾驶汽车。 然而在这长达 6 年的路试中，谷歌的无人驾驶汽车并非一帆风顺。去年 9 月，加州政府向科技公司颁发公共道路测试自动驾驶汽车许可证之后，至今在加州上路的 48 辆无人汽车中有 4 辆卷入了交通事故，其中 3 辆由谷歌改装。而 6 年以来，谷歌无人汽车一共发生了 11 起交通事故。 为何发生交通事故？ 对于这 4 起无人驾驶汽车交通事故，谷歌方面称，所有事故的责任都不在于汽车，而人为导致的，而且都是些非常小的事故。 其中的两起虽然汽车处于自动驾驶状态，但是责任方不在谷歌，另外两起事故则是在驾驶员手动控制时发生的。谷歌在一份书面声明中是这样说的： 自去年 9 月以来，我们的自动驾驶汽车在山景城总部附近行驶的时候发生几起事故，车之间有轻微碰撞，车灯被撞坏，但没有人员受伤，事故原因是人为错误和疏忽。 事实上，这套说辞也不是谷歌第一次使用了。早在 2010 年和 2011 年发生的碰撞事故中，谷歌都是这一副说辞：「 过错不在我，都是人惹的祸，别让车背这个黑锅。」 然而根据美国国家公路交通安全管理局的数据，在全美「 只造成财产损失的事故」 发生率为每 10 万公里 0.19 起。相比之下，谷歌汽车 8 个月 22.5 万公里出现 3 起事故，事故率显得有点偏高。 当然，谷歌也有自己的说法。谷歌认为，全美每年可能有 500 万起事故没有上报，所以以此来指责谷歌无人汽车的安全性是不科学的。 根据加州法律，交通事故报告属于保密信息，所以这几起事故的真实原因公众很难获知。对于谷歌的说辞我们暂时只能选择相信，但人们难免会对谷歌无人汽车的安全性有所担忧，而这种担忧则成为谷歌推进无人汽车项目的一个阻碍。 比普通汽车安全还是危险？ 除了谷歌以外，还有不少研究无人驾驶或自动驾驶技术的公司。有像特斯拉这样的科技公司，也有奔驰、宝马、奥迪这样的传统汽车制造厂商。 不过与谷歌不同的是，其他公司的研究方向是「 有限的自动驾驶」，强调机器的辅助作用，而不是由机器全盘接管驾驶，谷歌则追求「 完全的无人驾驶」。 不得不说谷歌的理念有些过于超前，因而也使人们心存疑虑：机器真的能完全代替人类驾驶吗？ 根据谷歌无人驾驶汽车技术原理，其需要事先输入路线和路况信息，在所进行的所有路测中，路线也都得提前规划好，包括这一段路的红绿灯都在哪里、车道数量、车流情况以及规定限速等等。谷歌充分利用了其地图大数据的优势，为自己的无人驾驶汽车指引方向。 然而如果在已输入的路线中，突然新增了一个红绿灯，或有临时施工，那么谷歌无人驾驶汽车得依靠车载传感器来识别，并及时停车或规避。 这对于车载传感器和算法系统是个很大的挑战，很多大城市路口情况复杂，往往有多个红绿灯，而且红绿灯和路口之间的距离并非近在咫尺。 谷歌无人汽车要正确识别数据库中没有的红绿灯等交通信息，其车载传感器的扫描范围必须非常远，可能要达到五六十米甚至上百米。而随着扫描范围的扩大，计算机所要承受的数据量呈几何级数增长，这对于内置的处理器及算法都是很大的挑战。 目前谷歌无人汽车的路测都没有「 出现地图数据库中没有的信息」 这种情况发生，所以能做到几十万公里不出事故的成绩。而当真实上路时，一旦遭遇事先没计算好的路况信息，车载系统能否应对复杂情况，我们就无从得知，这可以说是谷歌无人驾驶汽车最大的安全隐患所在。 无人驾驶汽车普及面临哪些问题？ 谷歌计划在 2017 到 2020 年推出面向消费者的无人驾驶汽车，不过除了在复杂路面的应对问题，无人驾驶汽车想要普及还面临一系列问题。（1）技术难度 由于把驾驶权完全交给机器，这就涉及到人工智能和机器学习的领域，机器如何模拟人类的道德和情感认知，并以此为标准来指导自己行为等问题。 举例来说，无人驾驶汽车在面对不可避免的事故时，是以自己车上乘客的安危为重，还是以车外行人的安危为重？ 如果一辆无人驾驶汽车载着乘客行到红绿灯前，刹车突然失灵，汽车是选择急转方向避让前方行人，还是不避让以保证车上乘客安全？ 面对意外状况，人类做出判断可能是很自然的一个过程，但对于机器来说则并非易事。在算法层面如何划分优先级，如何考虑不同的情况，其涉及的因素所需要的计算量都大大超出了现行计算机的计算能力。 而且这方面的标准和研究还处于初始阶段，并没有公认可行的人工智能道德和情感指导纲要。所以谷歌的无人汽车要真正普及，人工智能是一道绕不开的坎。（2）法律以及相关规章的完善 无人汽车领域，法律的制定进度远远落后于技术发展的速度，法律层面的制定可能需要相当长的过程。 包括事故责任方如何划定，是由汽车制造商，还是无人驾驶系统软件商，或者是车上乘客承担责任？可能还有更多细节问题，比如喝了酒的人「 开」 无人驾驶汽车，算不算「 酒驾」？ 目前无人驾驶汽车面临的最大法律问题在于能否获得生产许可。目前并无统一的测试与评估标准来证实无人驾驶汽车的安全性，谷歌自己的无人驾驶汽车出现事故后，也只能一直用同一套说辞来「 力证」 自己是安全的。 目前为止，美国仅有 4 个州通过了允许自动驾驶汽车上路的法律，也有不少州在立法上受到阻碍。总体而言，法律上仍未通过的州占了多数。尽管有专项研究，相关标准也在推进，但涉及民事伤害、个人隐私等方方面面的问题，国外也没有明确的规定。（3）社会公众的认同 相比于技术和法律，社会公众的心理认同可能是无人汽车更加需要面对的问题。大家可以想象一下，坐在一辆方向盘自己会动，或者压根就没有方向盘，而整个车自己会到处跑的场景，即使知道这是安全的，恐怕多少都有点坐立难安。 目前公众对于无人驾驶的认知多来自谷歌的宣传和媒体报道，如何增加公众对无人汽车的信任感，是谷歌迫切需要做的工作。 毕竟 6 年来，谷歌无人汽车已经发生了 11 起交通事故，而任何人都不想拿自己的性命来冒险。