關於自動駕駛的研究，最早始於上世紀70年代，至今，已經取得了極大的進展。伴隨自動駕駛技術而來的，是汽車市場的巨大變化。然而，在該技術帶來便利的同時，也有“災難”的發生，比如致死車禍。儘管如此，自動駕駛領域依然吸引著無數玩家的入局。
那麼，在原有玩家仍在大舉研發，新玩家也強勢入局的背景下，無人駕駛的未來究竟有多遠？
說到自動駕駛，最近一週可謂是風光一時，大大小小的新聞裡，滿滿都是該領域的消息。比如，5月14日，騰訊獲得了深圳市政府頒發的智能網聯汽車道路測試牌照；5月17日，國內初創公司領駿科技悄悄對外發布了“量產產品形態”的L4級無人車；同一天，吳恩達的無人駕駛出租車Drive.ai發佈了一個一鏡到底的視頻展示其產品上路的實際效果。今天，英特爾旗下自動駕駛部門Mobileye與一家歐洲汽車製造商簽訂協議，為後者生產的800萬輛車提供自動駕駛技術。
可以說，自動駕駛領域的相關的信息層出不窮，時時吸引著人們的注意。可是，發展如此火爆的無人車，進展真的這麼順利嗎？這塊蛋糕，吃起來真的這麼簡單嗎？在這裡，小智君要給出一個否定答案：無論是最近頻繁發生的無人車事故，還是自動駕駛所需的複雜算法，都是其發展路上需要解決的重要問題。
如果說，自動駕駛的研究是為了方便人們的生活，減少交通事故的發生，那麼從這個角度講，這項技術的發展還是不成熟的，因為在無人車路測的過程中，還是發生了不少讓人悲傷的事故。
根據小智君的整理，從2016年1月到2018年5月，無人車領域就發生了至少13起事故。
面對這些悲劇的發生，我們是不是應該反思一下，無人車到底如何才能變得更加完善？
傳統算法不能滿足需要，深度學習是關鍵
說到無人車的完善，大多數人首先想到的便是其複雜算法的應用。作為歷史上最難的計算挑戰之一，自動駕駛技術無疑已經脫離了傳統算法的掌控，而深度學習或許是讓高技術有所突破的重要方式。對此，在今年的國際消費電子展（CES）上，英偉達CEO黃仁勳就曾表示，無人駕駛汽車的計算需求比目前市面上最先進的汽車要高出50到100倍。
黃仁勳說：“為了普及無人駕駛汽車，需要解決的挑戰數量令人望而生畏。我們已經制造了PC、筆記本電腦、控制檯和超級電腦，但自動駕駛代表著一種世界從未見過的複雜程度——它一直在監控多個傳感器，而且由於生命處於危險之中，它的決策必須始終正確，這使得沒有人知道如何編寫應用軟件。”
從較為專業的角度來講，無人駕駛的複雜算法系統，主要由下面幾部分組成：第一，傳感，並從傳感器原始數據中提取有意義信息；第二，感知，以定位無人車所在位置及感知現在所處的環境；第三，決策，以便可靠、安全地抵達目的地。
從傳感器的角度來看，現代無人車中會配備很多不同類型的傳感器，其中被普遍採用的包括GPS/IMU、激光雷達Lidar、攝像頭以及雷達和聲吶。不同的傳感器會有不同的優劣勢，所以，最重要的是將不同傳感器的數據進行有效的融合。
當然，毋庸置疑，數據的有效融合是為了被感知系統充分利用，以便及時探清無人車所屬的不同環境。其中，最重要的是三點，即定位、物體識別和追蹤。眾所周知，GPS是用於定位的主要技術，但是，這並不夠。不管從定位精度來講，還是從信號干擾來看，GPS在無人車上的應用，會面臨很大的挑戰。因此，作為補充方案，攝像頭也被用於定位中。
至於物體識別，深度學習的發展逐漸顯示出了極大的優勢，通過使用輔助的自然圖像以及離線的訓練過程，可以從中學習圖像的共有屬性以避免視點及車輛位置變化造成的偏移，離線訓練好的模型直接應用在在線的物體追蹤中。
在上述行為按部就班完成後，決策便成了重中之重。不管是交通燈還是車道環境的改變，無人車都需要第一時間對其有所反應，並作出最恰當的決策。
通過小智君前面總結的無人車事故，我們可以看出，車輛本身無法對一些突發情況作出及時且正確的反應是造成事故的原因之一，換句話說，現在的無人車還沒有像人類一樣智能且靈活。
無人車的支持與反對
在這種情況下，對於無人車的路測是否合理，支持與反對的聲音，各不相讓。
對於身處多場交通事故的主角特斯拉來說，其CEO Elon Musk在本週早些時候就回懟華盛頓郵報》一篇關於特斯拉撞車事故中司機開啟了Autopilot輔助駕駛技術）的報道：“特斯拉撞車導致車主只是腳踝骨折，這很糟糕？要知道在過去的一年裡，僅在美國就有4萬人在交通事故中喪失，但大部分都沒有如此被關注。”
不難看出，馬斯克對媒體的報道頗有微詞，他認為媒體對特斯拉並不公平，過於關注自動駕駛技術的事故而忽略了普通的人為因素交通事故。
而谷歌DeepMind聯合創始人Demis Hassabis近期就無人車事故也表達了自己的觀點——自動駕駛汽車不夠安全，目前對自動駕駛汽車的早期路試是不負責任的。他督促研發人員能夠以謹慎的態度對待這項新技術。
“自動駕駛汽車在公共道路上測試之前應該進行封閉測試。如何能夠確保在理論算法上可行的系統在實際使用中仍然正常運行？對於這類‘安全關鍵系統’的測試還是有難度。”
其實，在小智君看來，無人車至少還不能在可預見的未來實現落地。除了安全性、高難算法的困難外，法律問題也是全面部署自動駕駛汽車的最大障礙之一，比如，事故發生時，究竟該如何追責，其中，汽車製造商應該承擔什麼樣的角色？
雖然人人都期待未來AI主導交通，享受更順暢的出行，但還是希望這一夢想的實現，不是建立在許多悲傷的故事之上。
閱讀更多 AI小智君 的文章
