美國斯坦福大學計算機科學系終身教授、Google Cloud首席科學家李飛飛在TED上有一期演講，名為如何教計算機理解圖片(How we are teaching computers to understand picutres)，其中介紹了計算機理解圖片的方式，其實這也是無人駕駛車輛“看懂”道路和交通的一種方式。
1、算法是關(guān)鍵
人工智能深度學習技術(shù)的大致做法是這樣的：計算機通過對標注過的照片的大量學習來大致了解每種物體的含義及其彼此之間的關(guān)系。那么，為什么要有1千萬公里里程數(shù)和1萬輛投放數(shù)這樣的指標呢?因為這與訓(xùn)練機器理解需要的場景數(shù)量有關(guān)，達不到這樣的指標，就無法訓(xùn)練出基本及格的機器。
然而，道路上的場景、關(guān)系要比照片豐富得多，車輛除了要理解，還要做決策，譬如，在行人眾多、缺乏控制的斑馬線前，駕駛?cè)藭诘却欢螘r間后慢慢往前推進，形成與行人的相互博弈，但無人駕駛車輛對這樣的博弈缺乏足夠的算法。在無序的環(huán)島也是如此，如果無人駕駛車輛缺乏足夠的博弈能力，會在原地長期等待，反而使得環(huán)島更為混亂。
算法是理解的關(guān)鍵，這是目前所有企業(yè)都面臨的瓶頸，企業(yè)間的差距也主要在算法上。
2、無人駕駛如何獲取信息?
算法與信息輸入有關(guān)，即算法獲取信息的方式。在信息獲取方面，輔助駕駛和自動駕駛有很大的區(qū)別。輔助驅(qū)動采用以視覺設(shè)備+深度學習為主體的信息采集方式，以低投入獲得最大效益，但存在不精確、受環(huán)境制約大等缺點。自動駕駛主要采用“激光雷達+自動駕駛地圖”，視覺輔助+深度學習輔助，獲取高精度、全天候的信息，但缺點是價格昂貴、維護困難。從運載設(shè)備來看，輔助駕駛車輛的信息獲取數(shù)量和能力明顯弱于自動駕駛車輛。因此，信息采集設(shè)備是輔助駕駛車輛跨越L3與L4間隙的一個制約因素，難度很大。
當然，許多公司推出的無人駕駛車輛雖然搭載了自動駕駛信息獲取設(shè)備，但只能做輔助駕駛的工作，這應(yīng)該是算法不過關(guān)造成的。
二、無人駕駛車輛和網(wǎng)聯(lián)車等技術(shù)是什么關(guān)系?
和無人駕駛車輛一樣，網(wǎng)聯(lián)車(Connected Cars)、協(xié)同智能運輸系統(tǒng)(Cooperative Intelligent Transport Systems, C-ITS)和出行即服務(wù)(Mobility as a Service, MaaS)也在迅猛發(fā)展。媒體經(jīng)常會混淆這些概念，以為是無人駕駛車輛的組成部分，其實這些技術(shù)并不相同，不僅建設(shè)主體不同，應(yīng)用目的也不同。
不過，未來這些技術(shù)會密切結(jié)合在一起，從而改變整個運輸系統(tǒng)，甚至改變城市的運營方式。在此簡單介紹下它們之間的關(guān)系。
無論在哪級，無人駕駛車輛都存在盲區(qū)，這和人開車一樣。Lidar用鐳射光立體掃描周邊環(huán)境來形成實時地圖和360度全景立體的地圖，把障礙物一個不漏地放進自動駕駛地圖，這是比人類開車有優(yōu)勢的地方，但是，和人眼一樣，鐳射光會被物體遮擋而看不見，從而形成盲區(qū)，比如，鐳射光看不見建筑物后的車輛和車輛背后的行人。
網(wǎng)聯(lián)車(Connected Cars)技術(shù)可以解決盲區(qū)問題。網(wǎng)聯(lián)車技術(shù)通過在路上設(shè)置的各種檢測設(shè)備，將“看到”的信息告訴途經(jīng)道路車輛。如果安裝位置合適，可以“看到”路上所有的情況，一個不漏。無論人工駕駛還是自動駕駛的車輛，都可以用這些信息補足自己的盲區(qū)，判斷是否會碰到建筑物后的車輛或車輛背后的行人，做出合理決策。
協(xié)同智能運輸系統(tǒng)技術(shù)是將各種先進交通系統(tǒng)得到的交通數(shù)據(jù)整合的技術(shù)。協(xié)同就是跨平臺整理信息、分析數(shù)據(jù)，得出更全面的結(jié)論，譬如將信號燈數(shù)據(jù)、幾公里以外交通情況、道路施工情況、事故情況、周邊服務(wù)設(shè)施和服務(wù)能力等諸如此類的“超視距”、“超能力”(超能力指能預(yù)知前方是否會擁堵，靠交通控制系統(tǒng)來預(yù)測并告知自動駕駛車輛的能力)信息整合起來告知道路上的車輛。
這些工具在與無人駕駛車輛無縫銜接后，將使其看得更多、更遠，能力倍增。
三、無人駕駛車輛發(fā)展前景預(yù)計
雖然業(yè)內(nèi)比較看好無人駕駛車輛的未來，但即便樂觀的觀察者也只能提出輔助駕駛的明確時間表，很難確定自動駕駛的時間表。真實道路上的場景過于豐富，使用者之間的意圖和關(guān)系很難用算法描述，且不同地區(qū)之間的文化背景和交通規(guī)則差異也很大，都成為了制約無人駕駛車輛發(fā)展的不利因素。
不過，即便未來并不那么確定，技術(shù)投入仍然是值得的，在自動駕駛技術(shù)發(fā)展過程中產(chǎn)生的各項成果足以讓事故一點點降下來，讓社會效率一點點升上去。這個過程本身就是一個偉大的過程。
我國目前正在大力推動由企業(yè)主導(dǎo)的無人駕駛車輛研發(fā)。只要經(jīng)過實事求是的努力，這些國產(chǎn)無人駕駛車輛會很快從試驗場地走向現(xiàn)實道路，達到行駛1千萬公里里程數(shù)和同時運營1萬輛車的及格線。
