谷歌Waymo无人车CEO对全自动驾驶悲观预测

谷歌Waymo无人车CEO对全自动驾驶“悲观”预测引起了自动驾驶创业者的不适，不过他并不是第一个做出这种判断的人。

近日，国内一篇名为《太难了！谷歌无人车老大承认遥遥无期，全自动驾驶寒冬将至？》的文章，引起了自动驾驶圈同仁们的广泛热议。且不说文章内容拼凑了几句关联度并不大的只言片语（甚至搬出CNN识别算法作为论据），单讲标题给出的“全自动驾驶寒冬将至”这个荒诞结论也有很大问题。无人驾驶技术发展最快且驾驶座不需要安全员的Waymo，也不敢称自己的车为“全自动驾驶”汽车。“全自动驾驶”还远未实现，哪来的寒冬将至。

事件起因于本周二，Waymo公司 CEO John Krafcik 在加利福尼亚州拉古纳海滩举行的WSJ D.Live技术会议上的发言，他表示了实现真正的无人驾驶道路漫长，虽然看起来无人驾驶汽车“就在这里”，现实中也出现了自动驾驶汽车，但它们还并不能做到“ubiquitous （无处不在的）”。原因在于，自动驾驶技术还没有达到在任何天气、任何条件、任何时间下都能驾驶的最高等级L5，这些条件对于人类驾驶员来说都很困难。

全自动驾驶，十年、二十年，还是更久远？

John Krafcik 并不是第一个得出“L5距离我们还很遥远”这个结论的人。见证了中国无人驾驶技术从无到有，参与组织世界水平最高、历时最久的无人车比赛——中国智能车未来挑战赛的中国工程院郑南宁院士，同样认为“实现真正意义上的无人驾驶还需要很长时间。”郑院士认为，尽管我们已经取得了长足进步，但要适应复杂的交通环境，智能汽车还面临着五大挑战：

第一，复杂交通场景的“周密感知。必须在所有条件下，无论是天气变化，复杂的路况，无人驾驶汽车都必须可靠地感知周围的场景，做出安全的响应。换句话说，自主驾驶“必须是一种不能犯错误的人工智能系统”。

第二，对“预行为”的理解。驾驶员往往是根据预行为来传达行驶意图，比如开车途中能判断前方开车的是老司机还是新手，从而决定“是否要离它远一点”，但目前的无人驾驶技术很难解释或理解这些细微的预行为。

第三，对“意外遭遇”的应对。比如，在临时进行的交通管制的场合，无人驾驶汽车难以识别交警指挥车辆的手势。同时，如有行人突然要穿越马路，由计算机系统来做出预判并瞬时理解。这是一个很困难的问题，因为基于规则的自主驾驶不可能提前为每个场景编码。

第四，“人—车的自然交互”。自主驾驶必须以自然的方式与人类交流，实现车辆与乘客之间的无障碍交流。乘客上了无人驾驶汽车，自主驾驶系统须通过交流，知晓乘客要去的目的地，理解并回答乘客提出的问题，而不是一个简单的“点到点的行驶”。

第五，网络安全的风险。通过云端的获取和更新地图的自主驾驶将面临更大的风险。

郑院士在首届中国认知计算与混合智能学术大会上，也从直觉性AI的角度出发，提出了实现复杂路况中无人驾驶的四个核心技术：

1．如何在环境感知数据获取与融合过程给出知觉物体的基本判断，形成选择注意的基本单元；

2．如何在注意的基础上，将非完整的环境信息转化为用于决策规划的空间结构信息；知觉编组能用最少的领域只是形成目标假设；

3．如何在学习和知识集成的基础上，实时处理行驶过程中的突发事件，即具有自学习功能；

4．如何在环境交互和行为决策的基础上，构建无人驾驶的控制系统。

两位自动驾驶圈德高望重的意见领袖对实现无人驾驶的预期惊人的一致，他们通过十多年来对自动驾驶的研究与观察得出了这个“悲观”的结论。

当下L5可能是死路，商业化才是活路

尽管全自动驾驶看似遥远，但自动驾驶汽车并非不能赚钱。截止2018年10月，积累了近1万公里数据的Waymo，宣布两个月后将在凤凰城进入无人驾驶出租车的商业运营阶段，无人驾驶汽车可能会在未来10年内在城市街道上巡航，从而改变数十亿美元的汽车产业和优步蓬勃发展的乘车业务。同时，Krafcik说卡车运输是自动驾驶车辆可能在未来几年内很快落地的一个领域，waymo在卡车运输领域也有布局，技术虽然遥远，但目前将高速公路上的货物运送到枢纽处完全可以实现。

所以，John Krafcik版的“真香”你们还满意吗？

2018中国智能车未来挑战赛

“中国智能车未来挑战赛”（Future Challenge）创办于2009年，作为国家自然科学基金委员会重大研究计划“视听觉信息的认知计算”的重要组成部分，其目的是通过真实物理环境中的比赛来交流和验证我国“视听觉信息的认知计算”研究进展和成果，以推动重大研究计划将应用基础研究与物理可实现的系统有机结合，产生能满足国家重大需求并具有原创性的重大研究成果。

本届比赛是第十届“中国智能车未来挑战赛”，主要分真实道路环境测试（含城市道路、城郊道路和高架快速道路）、复杂环境认知水平能力离线测试两部分。其中，真实道路环境测试着重考察无人驾驶智能车辆的交通场景识别能力以及不同道路环境中的安全性（Safety）、舒适性（Smoothness）、敏捷性（Sharpness）和智能性（Smartness）等4S性能；离线测试则在大规模真实道路交通场景数据库的基础上，通过仿真环境评估无人驾驶车辆各类交通环境感知算法的基本认知能力和水平。与往届相比，今年的参赛车队种类将更加丰富多样，除高校科研院所的车队外，还将邀请从事无人驾驶智能车研发的创新创业公司、整车制造企业等参与比赛。

此次赛事具有如下亮点：

1、在2017年引入有人驾驶干扰车辆的基础上，首次开展有人驾驶与无人驾驶混行测试验证；（多辆无人车与多辆有人驾驶车辆交互）

2、在完善九宫格地区开源数字地图基础上，首次引入语义拓扑地图，开展无人车自然交互导航应用测试；

3、首次以无人驾驶出行服务为背景，全面验证无人驾驶商业化应用的技术成熟度。