不用手就可以叫“自動駕駛”嗎？
技術 發布于：2018-06-29 10:50:00
回顧近段時間的汽車新聞，有一個關鍵詞的出鏡率高得嚇人：
“零跑汽車自主研發AI自動駕駛芯片”
“純電Smart概念車將實現完全自動駕駛”
“拜騰與Aurora合作研發L4級別的自動駕駛方案”
“凱迪拉克超級智能駕駛系統Super Cruise上線”
“百度Apollo自動駕駛商業化 與寶馬、拜騰和現代展開合作”
“特斯拉V9更新 將實現完全自動駕駛”
.....
似乎現在還不會“自動駕駛”，都不好意思說自己會造車了。
智能化是未來汽車制造的大方向，在自動駕駛面前，觸控大屏、車聯網、智能語音助手、APP功能拓展都只能算是小兒科，為什么敢這么說？因為自動駕駛涉及到諸多前沿科技，包括傳感器技術、集成芯片研發、計算機視覺算法、深度學習人工智能等等等等。
雖然現在很多汽車商都標榜自己已具備自動駕駛能力，但其中大部分只是打了一個擦邊球，恐怕，就連特斯拉也不過是個自說自話的三流選手...
討論自動駕駛，首先需要對它有一個基本認識。業內根據自動駕駛的參與程度劃分了多個等級，可作為參考標準：
——Level 0級，純手動機械駕駛，完全沒輔助系統，意味著最基本的ABS（自動防抱死）安全配置都沒有，這類民用車早已被淘汰了。
——Level 1級，配置了諸如AEB（自動緊急剎車）、ABS以及ABS基礎上升級的ESP（車身電子穩定系統），還有高速路段常用的定速巡航、ACC自適應巡航功能（安全車距保持）。是目前最常見的輔助駕駛配置，當然，部分安全功能需要選配。
——Level 2級，如果說L1級是縱向控制，那么L2級就是開始引入橫向控制，如LKA（車道保持）、主動變道等功能。此時汽車仍只是代理操作，還是需要駕駛員實時監控路況，大部分情況下，人類駕駛員要接管方向盤。特斯拉是這個級別的代表。
——Level 3級，進一進步脫離人類依賴，能夠自適應駕駛路況，不需要駕駛者實時保持注意力，能夠自行判斷道路條件、決定是否將駕駛權交還人類駕駛員。L3相對于L2，是一個本質的跨越，汽車和司機的身份開始發生轉變，汽車由輔助系統變為真正的司機，人類則由司機變為乘客。
L2級，駕駛員要隨時保持警惕
L3級，不用再實時監控路面
——Level 4級，已經可以實現完全自動駕駛，能夠應付所有日常出行情況，過程中無需駕駛員介入，輸入地點和導航信息即可上路，面對惡劣天氣（暴風雪、大霧天）或惡劣環境（野外無道路）等無法處理的情況，會安全停車、暫停接管。
——Level 5級，全天候自動駕駛，無論什么天氣環境、什么路況都能應對自如，甚至能夠在駕駛員都無即時反應的情況下做出自主判斷，做到像大腦一樣思考和學習，此時，汽車完全拋棄方向盤、動力、制動踏板，人類徹底成為乘客。
從自動化進程來看，技術是沿著輔助駕駛-半自動駕駛-高度自動駕駛-無人駕駛的方向前進。如今，借助一系列傳感器、攝像頭和計算機算法，大部分輔助駕駛功能已經成功實現，但真正的“無人”駕駛，依然可望不可及。
自動駕駛的最大價值是讓人們的出行變得更安全、更便捷，譬如：
自動駕駛更能夠自行判斷車距，提高道路利用率；
面對緊急路況，汽車比人類更快做出反應，減少事故發生頻率；
避免疲勞、飲酒以及打電話等行為對駕駛的影響，提高安全系數；
解放駕乘人員注意力，讓他們在車上就能休息、工作，提高出行效率；
....
自動駕駛僅僅是“未來出行”的第一步，之后還可以通過物聯網的技術，把整個道路交通融為一個智能城市系統，汽車將不再是獨立的個體，而會與路邊基礎設施、其他車輛和交通管理系統無縫連接，就像血液流通在血管之中，流動越統一、交通越順暢。
未來，自動駕駛的意義已經不再是汽車本身，而是智能交通系統中的一環；
未來，AI會全權負責我們的出行，從出發到抵達，自動規劃整個行程與服務；
未來，科幻電影中無人交通工具將變成現實。
未來很豐滿，但現實很骨感。按照目前的標準來看，呼聲最高的特斯拉Autopilto僅僅停留在L2級（勉強算上L2.5級），在量產車型中，最高的是達到L3級的新奧迪A8。
作為自動駕駛的里程碑車型，新奧迪A8的ADAS（高級輔助駕駛）系統基于zFAS核心。zFAS有4個關鍵元件，包括：（1）Mobileye的EyeQ3，負責交通信號識別、行人檢測、碰撞報警、光線探測和車道線識別；（2）英偉達的K1，負責駕駛員狀態檢測、360度全景；（3）英特爾（Altera）的Cyclone V，負責目標識別融合、地圖融合、自動泊車、預剎車、激光雷達傳感器數據處理；（4）英飛凌的Aurix TC297T，監測系統運行狀、使整個系統達到ASIL-D的標準，同時還負責矩陣大燈。
在這些看都看不懂的黑科技中，涵蓋了基本的光學、聲學、雷達等多種傳感器，高精度地圖系統，先進無線通信和云計算服務，以及能夠深度學習的智能AI。但！就算有了這些，還遠遠不夠。
既然自動駕駛需要解決這么多難題，
既然特斯拉都只是雷聲大雨點小，
既然最強量產車奧迪A8也只停留在L3初級階段，
那么真正厲害的自動駕駛技術到底藏在哪里？
半年前，美國權威研究機構Navigant對目前具有代表性的19家無人駕駛汽車企業進行了排名分析。結果如下圖表，橫坐標代表的是戰略規劃，縱坐標是執行力。
評判標準包括目標、市場化策略、合作伙伴、量產策略、技術、銷售、產品質量與組合、市場份額和可靠性等等。可以看出行業領頭羊是GM（通用）、Waymo（谷歌）和Ford，而Tesla、Uber、Apple這些明星企業只能算是吊車尾。
目前，自動駕駛研發主要有兩條路可以選擇：一條是傳統汽車制造商的漸進路線，在基礎車體上，以輔助駕駛為起點，不斷更新迭代，逐步提高自動駕駛的等級，譬如通用公司、特斯拉公司；另一種是互聯網公司的狂點科技樹路線，如Waymo、百度（沒錯，就是百度），一開始就以無人駕駛為出發點，先研發一套自動駕駛系統，再為它尋找一個合適載體（汽車）。無論哪一條路，都需要汽車工業與科技創新相結合，這其中就包括：
傳統主機廠的厚積薄發
傳統車企在造車方面是駕輕就熟，但面對自動駕駛可就手足無措了。為解決這個難題，通用在2016年收購了一家名為Cruise Automation的硅谷初創公司，并保持其自動駕駛技術的獨立研發與運營；緊接著又繼續收購傳感器公司Strobe，以加速激光雷達等汽車硬件開發，提升設備精度并降低部件成本。
通用采用了雙線戰略，Super Cruise（超級巡航系統）針對L2級量產車型，而L4級實驗研發在幕后悄咪咪地進行。耐人尋味的是，Super Cruise技術早在2012年時就已經開始試驗，但在正式發布的日期上一推再推，推遲的原因是：行駛中的日光會干擾車輛傳感器，從而造成安全隱患。這個擔心，恰恰在特斯拉身上得到驗證，特斯拉以駕駛者生命為代價暴露了Autopilto的缺陷。
通用Cruise在2017年配置了86輛測試車輛，在人為干預間隔里程測試中，自動駕駛里程數達到211910公里，“脫離”105次，即：每隔2018公里需人工介入操作一次。僅排在Waymo之后，名列第二。
“比起在競爭中取得領先，我們更關注用戶的安全，測試版的產品是絕對不能上路的，”通用曾表示，“如果發現什么小故障，通用將繼續推遲Super Cruise系統的發布時間”。
這是一家百年車企在安全方面的責任與擔當，反觀特斯拉，每一次面對事故都迫不及待地為自己辯解脫責，對自身技術的隱患和宣傳方面的誤導并無絲毫歉意，高下立見。
Cruise身后，還有日本軟銀集團投入的22.5億美元資金，結合Cruise在自動駕駛軟硬件整合能力、通用公司豐富的主機廠經驗，以及軟銀集團在人工智能、大數據、機器人等領域的資源，三者結合勢必會形成極高的競爭壁壘。說通用走在自動駕駛領域最前列，毫不為過。
硅谷科技公司的一步登天
作為地球上最偉大的科技公司之一，Google在探索前沿科技的道路上從未停下過腳步。隸屬于Google的Waymo，在8年前成立之初，就將安全性納入各系統層級與各個開發階段，建立了自己的系統安全計劃（System Safety Program）。
硬件方面，Waymo旗下測試車輛搭載多個激光雷達，掃描半徑為300米，探測領域相當于三個足球場大小，可實現全方位覆蓋并將其轉化為高精度建模；
軟件方面，Waymo將機器學習滲透到感知、行為預測和規劃各方面，換句話說，行駛里程越長，Waymo的駕駛判斷越精準。除此之外，還加入而了各種風險評估方法，如故障樹，設計失效模式、預先危險性分析，并把它納入了行駛決策系統；還包括冗余臨界安全系統，可以實時監控系統部件、子系統或其他方面的任何變化或故障，并判斷是否接入備份系統或及時安全停車。
實測過程中，Waymo的自動駕駛測試里程數為1023330公里，“脫離”124次，即：每隔8251公里需人工介入操作一次。比第二名Cruise足足高出6437多英里。
但是！Waymo雖是自動駕駛技術的領頭羊，偏科卻十分嚴重——它在汽車制造業上的經驗基本為零，所以急需一個合作伙伴為它提供車源。日前，Waymo已經與菲亞特-克萊斯勒達成了62000輛車的小額交易，但這樣的規模仍是杯水車薪。
被網紅事業耽誤了的汽車公司
特斯拉作為唯一擁有大量制造汽車經驗的硅谷公司，本應充分具備自動駕駛研發的優勢。但事實并非如此，在19家公司中，Navigant把特斯拉和Uber一起排在最后。
Autopilot在技術不完善時，為了商業宣傳目的，激進地開放了功能權限，直接導致了2016年5月發生的Model S致命事故，彼時，Mobileye作為Autopilto的技術支持，直接宣布與特斯拉分道揚鑣。隨后特斯拉自主推出Autopilot 2.0，自動駕駛技術不進反退，事故新聞不斷。
技術雖落后，但特斯拉競爭力依然不容忽視，因為它在全球有30萬臺上路車，這些車的真實行駛記錄都會回傳至特斯拉的數據庫，被用于自動駕駛研究。但如何合理利用這些珍貴的數據？特斯拉目前還交不出Cruise和Waymo那樣的答卷。
硬件方面，特斯拉的基本裝配為8個攝像頭、12個超聲波傳感器和1個前置雷達，缺乏激光雷達傳感器，而行業內大多數公司認為，這個部件才是實現完全自動駕駛的必要條件。
在2017年5月的TED演講中，特斯拉CEO馬斯克稱正在研發Level 5級的自動駕駛系統。特斯拉表示，在2019年之前只需軟件更新就能完全自動駕駛。對此，咨詢機構Navigant直接給出結論——瞎扯淡。甚至連英偉達都表示懷疑，它賣給特斯拉的計算硬件能否可靠地支持完全自動駕駛。
自動駕駛舉步維艱，關鍵技術涉及面太廣，從芯片研發到算法優化，再到軟硬件的結合以及人工智能的進化，這些都不是一朝一夕能夠攻克的難題。
除此之外，一個新事物從實驗室走向市場的過程中，成本與收益也是非常關鍵的因素。舉個栗子，Waymo使用的克萊斯勒Pacifica混動車，搭載1個長距激光雷達，1個中型激光雷達，4個短程激光雷達，4個毫米波雷達，8個攝像機和1到3個IMU傳感器，光是這些64線激光雷達，成本就要8萬美元。這些車輛還需配備每秒進行數萬億次計算的電腦單元，以及負責控制車輛的遠程控制中心，除此之外，還有備用電腦、電力系統和轉向控制，確保車輛在任何單個部件失效的情況下能夠安全地停車。任意一項都價格不菲。
考慮到這些情況，Pierre Cambou（Yole傳感器負責人）估計，2018年的自動駕駛汽車平均成本將達到20萬美元。說實話，很多激光雷達的成本可能比汽車本身還要貴，以目前的成本控制來看，是不可能直接投入市場的。
就算解決了成本問題之后，還有更多的問題等在前方，包括交通道路調配，法律推動，技術倫理，事故責任歸屬等等問題。
出于線性思維，人們常會根據現狀而對未來做出判斷，在落后和創新之間劃上一道明確的分界線，但現實卻是漸進的，而非計劃表中那樣斷裂式的跳步。自動駕駛的分級只是判定基準，并非一個明確的指導方針，現實將會充滿變數。
好比百年前，人們都在追求一種跑得又快、又不知疲倦的馬車，但汽車的出現直接打破了人們的認知，再也沒有人關心馬怎么樣了；同樣的線性思維留存到現在，大家執著于L5級自動駕駛，殊不知，未來可能會出現什么新交通工具，讓自動駕駛也變得不值一提。
研發自動駕駛的意義，是帶動整個科技產業發展，在這個過程中收獲的新技術、新理念都將被應用到我們生活的方方面面，這才是我們不斷追求進步的原因。
（圖/文：皆電 唐科）
簡介：不喜歡汽車的攝影師不是好鏟屎官，喵！
