自动驾驶技术的意义在哪

　　自动驾驶，并不是一夜之间闯入我们视野的，早在半个多世纪前，科学家就在研究车辆的自我控制能力了，如今，以沃尔沃汽车为代表意识先进，技术领先的汽车企业，已经提出明确清晰的自动驾驶产品规划时间表，自动驾驶汽车，不再是一个遥不可及的梦想，而是一种触手可及、真实卓越的驾乘享受。

　　目前很多自主品牌都在潜心研发无人驾驶技术，长安并不是唯一的一家，包括吉利、长城、北汽、比亚迪等一干厂商都宣称自己已经在自动驾驶领域有所建树。吉利汽车董事长李书福宣称沃尔沃（毕竟是儿子，也算吉利了）2020年实现无人驾驶的量产上市；长城也说自家品牌无人驾驶车型会在2020年上路；北汽更狠，说是在今年就会推出搭载无人驾驶技术的产品

　　当前的无人驾驶，不是二级还是三级，不管是无人驾驶还是自动驾驶，自主品牌基本上还都停留在技术层面，能够做到让消费者自行体验（不监护的情况下）的并不多。

　　其次，无人驾驶的意义到底在哪？是给商家创造无限商机，还是给消费者以安全惬意的驾乘体验？目前来看也停留在前者，对于消费者的需求强度来说，在社会基础设施建设、法制建设等等均未完善之前，或许也只是一个鸡肋。

　　

　　自动驾驶车（Automated Vehicles;AV）正成为时下最时髦的关键词，几乎每周都有相关新闻发生。本月初，Waymo和Navya分别发布自家的自动驾驶计程车（robo-taxi）计划，紧接着又发生了自动驾驶巴士试营运的意外事故。

　　Navya的无人驾驶接驳车才刚在美国赌城拉斯维加斯（Las Vegas）展开试营运服务的第一天，就发生了与货车轻微擦撞的一场“小车祸”。

　　媒体以及大众（包括工程师社群）都在鼓噪自动驾驶将会跟司机抢饭碗的简单看法。许多工程师推崇人工智慧（AI）带来的超强运算能力，以及云端运算强化连网世界的潜力。

　　普遍的看法对于宣传自动驾驶都成了一些一成不变的陈腔滥调：高度自动化驾驶将会让行车更安全，而且也有助于提升我们（乘客）的生活或工作效率。同时，自动驾驶带来共乘共享的机制还能让车辆减少，都市的塞车和污染问题就能因此迎刃而解。

　　事实上，对于这些乌托邦的看法并未存在多少佐证或资料分析支持。技术产业一向对于促进更强大、更快速且更智慧的技术不遗余力，而媒体则以拉拉队之姿助阵。

　　关于一项技术是否较另一项技术更优越，这当然存在大量的看法。但是，在发表各种评论之前，很少有人会先思考这些论点的前提，或甚至问问早就该问的问题：为什么需要自动驾驶车？它到底有什么用处？

　　自动驾驶的研发已历 20 年

　　Carlos Holguin 和 Michel Parent 分别是 AutoKab的 CEO 和主席。这家新创公司致力于“为商业车队研发有安全保证的自动化技术”，这家公司的办公室设在法国计算机科学与自动化研究所（INRIA）园区，而这块区域原来是北约军队的中央指挥部。

　　虽然成立才两年，但 AutoKab 的创始人团队却都是交通运输行业的行家，他们在公共交通规划、道路车辆自动化和运营方面有超过 20 年的经验。

　　AutoKab 的研发中心看起来就像个车库，这里有各种老式自动驾驶穿梭车、高尔夫车和乘用车，它们都是过去 20 年中诞生试验品，这里简直成了自动驾驶汽车历史博物馆。

　　据了解，Michel Parent 的职业生涯与汽车紧密相连，其中一半贡献给了斯坦福、MIT 和 INRIA 的相关研究所，另一半则花在了机器人产业上，他为交通的“自动化”贡献了不少想法。

　　Parent 表示：“20 年前，我一直想设计个能像人一样开车的机器人。后来我问了自己一个问题，研发这样的机器人有什么乐趣？”不过，他认为最该扪心自问的是“我们在试图解决什么问题？”

　　对城市来说，要解决的就是“城市病”，即交通拥堵、空间逼仄、出行不便和能源浪费。“我们需要能互联和共享且速度更快的公共交通电动车”，Parent 说道。Holguin 则总结称：“最后一公里的问题是我们最迫切要解决的。”

　　“如果自动驾驶汽车不能像公交和出租车一样采用分享模式，它们就不能解决交通拥堵问题。在某种情况下，它们甚至会加剧拥堵。”在他看来，AutoKab 的目标就是解决“一车一人”的交通资源浪费问题。

　　AutoKab 的关键员工来自两个不同的世界：“科技”和“交通”。Holguin 表示：“我们在利用技术填补自动驾驶汽车商业运营中遗失的环节。”准确来说，它们是在为公共交通运营者研发一款“自动化服务”产品。

　　面向汽车和巴士的自动化套件

　　AutoKab 擅长安全和数据分析两方面技术的开发，同时这家公司还与各城市合作，力图实现更加高效的公共交通。

　　其实 AutoKab 的名字来自“Automation Kits for Autos and Buses”（即面向汽车和巴士的自动化套件）的缩写。当然，它也有硬件开发的能力。公司 CTO Cristian Sandu表示，AutoKab 的自动化套件能安装在任何车辆上，它包括大量传感器，如雷达、激光雷达、视觉系统和处理器（供应商包括英特尔和英伟达等）等。

　　不过，Sandu 指出，想把这个套件完美安装到一辆车上，还是得费一番功夫（根据车辆不同，通过 CAN 总线或 FlexRay 连接），其中就包括软件校准。当然，它并非安装上就要用一辈子，用户也可以选择卸载自动化套件。AutoKab 押注该套件不是因为它对售卖硬件感兴趣，而是因为这个套件对降低自动驾驶汽车成本相当关键。

　　Holguin 还强调，AutoKab 对卖硬件没兴趣。相反，它更看重与各大城市合作，制定计划以更高效的解决最后一公里的服务。至于盈利模式，则是从自动驾驶汽车每英里的行驶利润中分成。

　　“成本太高了”

　　AutoKab 参与了多个欧洲项目，其中就包括 CityMobil2。Holguin 指出，在2014 年 10 月至 2015 年 4 月为期 7 个月的自动驾驶测试中，它实现了零事故的好成绩，运送乘客超过 6 万人。

　　此外，当地居民对自动驾驶汽车的评价也相当高。不过，他们并不知道这只是个测试。更重要的是，媒体、公众对测试中的数据搜集问题并不关心。

　　参与欧盟的项目时，AutoKab 积累了不少经验。“我们了解了这些数据背后到底藏着什么。”Sandu 说道。首先，即使是低速的自动驾驶汽车，运营起来成本也非常高。此外，这些用于分享的车辆经常无人问津。如果自动驾驶汽车和公共交通间无法相互协调，想提升服务简直是天方夜谭。

　　Sandu 还指出，自动驾驶汽车的载客数需要根据不同城市的实际情况来决定。

　　在 CityMobil2 项目的展示阶段，来自合作伙伴 Robosoft 和 Easy Mile 的两个测试车队分别在 7 个城市进行了阶段性测试，但这些车辆并不一定适合测试城市的情况。

　　“我们用这些车做测试是因为手边只有它们。”Christian 说道。如果真要部署自动驾驶汽车，就需要作进一步的分析。

　　其次，城市也要有个适应期。Holguin 表示：“它们需要在类似 V2X 交通灯等基础设施上进行投资。”自动驾驶汽车不是所有城市的万能药，城市交通问题需要更全面的考虑，其中就包括自动驾驶汽车专用的上下车区域。

　　两种不同方式

　　对外行人来说，Waymo 的自动驾驶汽车可是相当炫酷。至于 Navya 的自动驾驶穿梭巴士，炫酷程度就逊色许多。

　　

　　拉斯维加斯的 Navya穿梭车

　　在美国，人们对于交通部门或政客们改进城市基础设施的承诺不屑一顾，因为这些承诺很难兑现。

　　既然美国人对城市政府部门怀有严重的不信任感，那么 V2X 交通灯、自动驾驶汽车专线等新设施都要靠谷歌、英伟达和英特尔/Mobileye 来搭建。不过，这些科技巨头们好像也不愿当冤大头，它们的目标是在不改变现有基础设施的情况下让车辆实现自动驾驶。

　　在欧洲情况则正相反，类似 CityMobil2 这样欧盟投资的项目就需要自动驾驶汽车成为自动道路交通系统（ARTS）的一部分。

　　欧盟给 ARTS 下了定义，即“ARTS 是基于全自动驾驶汽车（没有方向盘）的道路交通系统，对于它们要使用的基础设施有先验知识。即使是没有全自动驾驶功能的 ARTS 车辆，也会由控制中心的人类操作员进行实时远程监督和管理。”

　　因此，欧洲和美国在自动驾驶上采用了完全不同的态度，欧洲方面，“对基础设施的先验知识”和“认证需求”是自动驾驶汽车的关键词。

     既定发展路线

　　关于部署在自动驾驶车的AI技术，Sandu 直言：“我们对于深度学习的兴趣不大。我们有自己的既定发展途径，能让政府交通部门更轻松地认证自动驾驶车。”

　　美国卡耐基梅隆大学（Carnegie Mellon University）教授 Philip Koopman 曾经在接受《EETimes》的专访时表示，自动驾驶车面临的最大挑战在于克服潜藏于机器学习中的基本测试问题——这个问题困扰科学/工程界已经很久了。Koopman 说：“想让以机器学习为基础的系统达到传统安全标准可不容易。因为训练资料集并不符合软件要求与设计的传期待。”

　　AutoKab认为，商用的自动驾驶车要想通过认证，汽车制造商必须打造出能为市政府监管部门提供安全保证的解决方案。Parent 强调，“自动驾驶车必须像现在的火车、公车和飞机一样取得认证。”

　　机器人随机夹取的问题

　　Parent可说是一名“久经沙场”的机器人专家，目前的自动驾驶车让他想起机器人产业长久面对的“箱中取物问题”（bin picking problems）。

　　去年，机器人产业协会在一篇报导中到了产业面对着两难的问题。“虽然技术不断进步，但机器人箱中取物的能力依然有限，我们还是没能达到最后的神圣目标——让机器人拥有随机取放的能力。不过，我们依然有所崭获，在先进的视觉技术、软体和取放方案的辅助下，机器人正前进至一个从未达到的领域。”

　　“那么，为什么让机器人学会随机取放如此困难？答案就在于准确度。虽然机器人重复能力超强，但在一片混乱中随机取放依然需要很高的精准度。机器人必须在环境开放的可用空间定位一个不断更换位置和方向的元件。这就意味着机器人必须均衡各种灵敏度、机器视觉、软体和运算能力，以便即时处理所有的资料并得出最佳的取放方案。这样的要求虽然很高，但绝非无法实现。”

　　目前，机器人和自动驾驶产业解决这一问题主要都靠提升运算能力。但是，Parent解释，“解决这个相同问题的方法是整齐地依序在托盘上摆放元件，让机器人更迅速地取放元件。”换句话说，在发布R2D2机器人之前，得先解决掉混乱的情况。

　　Parent 认为，将类似的思维应用在自动驾驶计程车和自动驾驶接驳车上，就能减少基础设施的混乱，从而更有效率地解决都市交通问题。

　　以下为 AutoKab 博物馆中的几款自动驾驶汽车，它们是过去 20 年来自动驾驶行业的缩影。

　　Cycab

　　

　　这辆高尔夫球车造型的小车诞生于 1995 年，它由 INRIA-IMARA/RITS 团队研发，1996 年正式进场量产，并在多个城市承担了自动驾驶交通服务的开发和测试工作，2011 年它还在意大利服役呢。

　　雅马哈自动驾驶导引车

　　

　　雅马哈自动驾驶导引车由 INRIA 和雅马哈联合开发，2000 年正式面世，随后在 AutoCab 总部所在地和挪威、意大利等国进行寻回展示。

　　拉罗谢尔的自动驾驶汽车

　　

　　这些车也是用在技术开发和交通服务展示上，先是在法国拉罗谢尔港上路，随后部署到了法国昂蒂布和意大利卡拉布里亚。

　　别说如果无人驾驶实现了会如何如何，存在于想象当中的那种完美的无人驾驶场景究竟何时才能够实现？2020年？还是2030年？亦或是2050年？这并不是一个扯淡的问题，就如同什么定时冲水马桶、定时开窗帘这种所谓的“智能家装”，真的有需要吗？