早在1939年，通用汽車就已經首次提出無人駕駛的概念，1958年，第三代Firebird問世，並且BBC現場直播了通用在高速公路上無人駕駛概念車的測試。通用使用了預埋式的線纜向安裝了接收器的汽車上發送電子脈衝信號。
然而這一切並沒有進行的很順利，儘管70年代開始歐美就以開始大規模進行研發工作，但直到谷歌完成了近20萬英里無人駕駛測試，無人駕駛汽車概念才被眾人所熟知。很顯然，過去的幾十年裡，背後一定有某種短板在制約它的發展。
先聊聊為什麼無人駕駛技術可以普及
機器人動作在我們熟悉的汽車行業裡，算是複雜的軀幹扭轉運動，集成視覺探測傳感器，可以相當於一個三歲兒童的感知和運動能力。但這還遠不及工業發展智能時代所需的能力。
當機器人學家還在研究移動智能機器人的道路上舉步維艱時，製造一輛安全可靠的無人駕駛汽車從技術上而言已經觸手可及。這必將是人類歷史上的一項偉大的科學壯舉。
首先因為汽車的運動優勢，是滾動而非爬行、跳躍或者行走。
這樣對於程序員來說，編寫代碼更加容易。假設無人駕駛汽車像人工機器人那樣具備多個肢體關節，那麼管理其動作快速運行的軟件從體量和複雜性都要比智能汽車大得多，因為多肢體關聯動作可以演化出眾多不同的動作組合模式。相反，汽車的四個輪子、剎車以及方向盤的組合模式數量卻少得多。
其次是汽車運動是重複的，刻板的反應式“傻瓜”運動。
無人駕駛主要的任務是識別路面的各類危險，交通信號，移動和靜止的物體。然後在運動過程中對以上情景有安全，及時的動作反應。
由於交通信號是人類編寫，路面的物體也是人類行為創建和可干預的，所以對於視覺感知系統來講，一切新鮮的事物和場景只需要識別，存儲，當遇到問題時迅速調取，採取行動。這一切都是重複的，深度學習可以協助人類把數據預先“餵養”到汽車的“大腦”裡。
軟件技術是無人駕駛的發展瓶頸之一
儘管無人駕駛汽車理論上是可實現的，但並不意味著發展過程會一帆風順。
現實的因素在於它的技術門檻很高，尤其是軟件程序的穩定性和邏輯完美程度。
可以回想谷歌，Uber的無人駕駛汽車出現交通事故的新聞中，受大眾輿論和政府的質疑和譴責有多麼嚴正。
是的，一個重達兩噸的“鐵盒子”在市區裡憑軟件控制去移動，一旦出現問題，後果不堪設想。而這些問題完全是混亂的，多樣的，從ADAS系統去不斷地收集數據，分析，作出判斷的過程是複雜而緩慢的，機器視覺目前為止還需要提升計算能力和感知能力。目前並不能解決所有安全問題。所以單從“生命安全”角度去了解背後的技術措施，就已經可以預測到軟件技術必將是瓶頸。
這也可以用現實的例子去解釋：大量的無人駕駛汽車試驗和批量應用都在人煙稀少的地區，像工廠的物料配送，農場的收割活動。因為這裡的干擾環境相對簡單、重複，對於軟件來講，無需預設眾多的突變情況應對措施。
極端事件尚不可控
制約無人駕駛發展的第二個原因完全是技術問題。儘管在99%的時間裡，自動駕駛汽車的動作和運行大腦都在按規矩工作，但仍有1%的可能性會發生突發事件。生物有機會依賴於所謂的“本能”來應對外界環境的突然變化，但汽車如果面臨堵車高峰期，無法像人類那樣依賴“本能”去適應，調整常規的運行方式和邏輯思維。
driverless car
其實在工業領域也如此，這種小概率事件之所以被稱作“極端事件”，是因為其難以預測，結果卻可能是致命的。雖然機器可以被“餵養”各類場景和物體，但現實充滿了數不盡的，潛在的致命事件。管理無人駕駛技術的系統必須做出更安全，合理的舉動，最大程度降低“極端事件”的不良後果。
即便如此，不可避免的事故依然會發生，可能是系統的bug，也可能是黑客入侵，但我們有理由相信，這相比人類駕駛汽車，要安全得多。
反對人士經常會提出質疑：如果發生事故怎麼辦，誰來承擔責任？
其實這個問題很好解決，隨著技術的推進，產品的發展，相關的法律也會被制定，例如：
未來的無人駕駛汽車更有可能是租賃關係，那麼租賃公司是不是可以購買意外保險？
軟件公司作為系統解決方案供應商，是不是也應該為事故承擔責任，或者購買保險？
但，無論如何，極端事件越少越好，這也是目前制約無人駕駛汽車發展的主要原因。有太多的極端事件，尚不可控，也就不會有規模化的無人駕駛汽車普及。
Gavin出品
閱讀更多 職瓣 的文章
