不吹不黑，自動駕駛的真實技術能力現階段如何？
本人在某國際大車廠已從事自動駕駛研發近五年，接觸參與或主導了高速城市等不同環境下各類技術問題的研發。深感自動駕駛技術之解決，遠非媒體或公司出於各自需求利益而宣稱幾年之功。雖然我也和不少圈內朋友多有了解，但難免仍有井底之見。所以希望通過這個問題和真正在該領域做一線研發的朋友們更廣泛的交流，切實聊聊（吐槽）現在自動駕駛產品落地所面臨的具體技術難題。不談法律，不談保險，不談倫理，僅談技術。
我可以舉些例子：
紅綠燈檢測是個城市駕駛里再基本不過的需求，問題定義清晰，方案也相對明確（即利用經典圖像或深度學習方法從視頻圖像中識別。咱先不說V2X。。。）。但個人經驗得知：國內各城市在紅綠燈形狀，顏色，讀秒，光譜頻率都不盡相同，導致即使是類似ME這樣的大廠攝像頭產品，在識別一條普通馬路的紅綠燈的成功率都很差（具體評估指標有很多），遠低於人類普遍水平。難以想像這離一個婦孺老幼可坐的自動駕駛產品有多遠。
現階段:
1.交通燈壞了怎麼辦？ 激光雷達遇路面積水怎麼辦？激光雷達遇雪怎麼辦？camera遇霧霾怎麼辦？GPS信號消失或受干擾怎麼辦？Lidar/camera 被污濁或遮擋怎麼辦？計算單元過熱死機怎麼辦？感測器/計算單元只支持不靠譜的通信協議造成丟包怎麼辦？感測器預處理數據耗時過長怎麼辦？高精地圖錯誤怎麼辦？車道線磨沒了怎麼辦？如何理解人類司機/行人的手勢？演算法如何準確的輸出置信度？
2.成本太高怎麼辦？
1.你提到的問題大概率需要v2x
2.激光雷達目前看來是通往自動駕駛的必備感測器
3.不要迷信視覺
不請自答+1
看到題主「希望通過這個問題和真正在該領域做一線研發的朋友們更廣泛的交流」，忍不住推薦Medium博主/Cruise總裁兼CTO——Kyle Vogt。
Cruise是通用汽車旗下自動駕駛技術公司，總部位於舊金山。Cruise團隊常常通過社交媒體和博客分享公司動態，Kyle Vogt本人也會時不時在http://Medium.com透露一些無人駕駛的最新進展。以下是我們近期搬運過來的幾篇博文，供大家近距離了解自動駕駛技術的實際開發過程↓↓↓
Cruise內部數據+大量行車記錄畫面，呈現真實的舊金山路測：
通用汽車中國：迎難而上 | 在舊金山測試無人駕駛汽車的挑戰與必要性?zhuanlan.zhihu.com
如何在14個月內完成第三代測試車型開發：
通用汽車中國：深度 | 我們如何打造第一輛真正意義上的無人駕駛車?zhuanlan.zhihu.com
為什麼說激光雷達是自動駕駛規模化應用的技術瓶頸：
通用汽車中國：解答 | 我們如何解決激光雷達（LIDAR）這個難題？?zhuanlan.zhihu.com
Kyle Vogt是誰？
去年年底，一則人事任命消息在圈內刷屏——通用汽車宣布丹?阿曼（Dan Ammann）將從2019年1月1日起出任自動駕駛技術公司Cruise首席執行官，Cruise聯合創始人凱爾?沃特（Kyle Vogt）將作為總裁兼CTO，跟Dan Amman共同制定Cruise的戰略發展方向。
在這之前，可能大家還不太熟悉Kyle Vogt——
不到六年時間，員工人數從40+到1000+，估值迅速增長到 146億美元，從初創公司到自動駕駛領域的領軍企業，在Kyle的帶領下，Cruise的成長經歷可以說是非常亮眼了。
2015年入選福布斯 #30 under 30# （30位30歲以下有為人士），2016年上榜 #Americas Richest Entrepreneurs Under 40# （美國40歲以下最富有企業家榜），通用汽車最年輕的C-Suite沒有之一。
不過，在這一堆閃閃發光的標籤下，Kyle終究是一枚矽谷「碼農」——除了拍宣傳硬照，平時習慣以T恤加牛仔褲應對各種場合。畢竟，以「改變世界為己任」的矽谷人是沒有多餘時間花在著裝搭配上的。
從實習生到聯合創始人
打開Kyle Vogt的LinkedIn主頁，工作經歷一欄的畫風跟一般人不大一樣——在Cruise之前，他還有6個工作經歷，但職位只有兩種：實習生 聯合創始人。
在麻省理工就讀期間的各種實習工作大多跟機器人和自動化系統有關：在iRobot給掃地機器人設計自動測試裝置、在Panasonic Boston Lab研究自動輪椅, etc.
從2006年開始連續co-found了三家互聯網創新企業——Socialcam（移動端視頻分享App）、http://Justin.tv（真人秀直播網站）、Twitch（電競直播平台），其中Twitch被Amazon以11億美金收購，Kyle也因此賺到了「第一桶金」。
也難怪在LinkedIn主頁的「技能認可」一欄，除了程序員必備的Python和Linux，Kyle被最多人認可的技能就是「Start-ups」，可以說是「創的一手好業」了。
從初出茅廬到領軍企業
在矽谷，有句江湖傳言大概是這麼說的——「第一個創業公司是拿來賣錢的，第二個是用來實現人生價值的」。
早在2004年，當Kyle還是MIT Computer Science專業的學生時，就曾經組隊參加無人駕駛領域的頂級賽事DARPA Grand Challenge。歷經各種創業的起起伏伏，Kyle終於在2013年和Daniel Kan（現任Cruise COO）合作創立了自動駕駛技術公司Cruise Automation，剛剛嶄露頭角就遇到了「伯樂」通用汽車。
2016年，時任通用汽車總裁Dan Amman主導了Cruise Automation的收購，在給予全力支持的同時保持了Kyle和Cruise團隊的自主和獨立。因此，Cruise原汁原味地保留了初創企業的風格和速度，同時又能受益於母公司強大的資源和規模化能力。
- 2017年9月：Cruise推出全世界第一輛可量產自動駕駛汽車；
- 2017年10月：通用汽車收購激光雷達技術公司Strobe Inc，Strobe團隊加入Cruise共同開發下一代激光雷達解決方案；
- 2018年4月：Cruise宣布吸納Zippy.ai團隊（一家專註於「最後一公里」快遞機器人研發的初創企業）；
- 2018年5月：軟銀願景基金（SoftBank Vision Fund）宣布將向Cruise投資22.5億美元；
- 2018年10月：本田入伙，將投資7.5億美元與通用汽車和Cruise共同開發一款針對全球市場的自動駕駛汽車；
- 2019年1月：Cruise與美國外賣平台DoorDash達成合作，預計今年將在舊金山上線無人車外賣服務。
2016年至今，Kyle帶領團隊實現了自動駕駛技術的快速迭代。無需方向盤和踏板就能實現安全駕駛的第四代無人駕駛汽車最快會在今年投入商業化應用。Dan Amman正式加入Cruise團隊擔任CEO也讓Kyle得以全身心投入技術和系統升級。
以上，歡迎指正。
摘抄於微信公眾號AI掘金志的文章《對話IEEE Fellow俞益洲》：
俞益洲，IEEE Fellow，ACM傑出科學家，從港大出來進入工業界前，曾考慮過幾個方向——自動駕駛、安防和醫療。
他認為，「自動駕駛雖然看起來和計算機視覺密切相關，但它對後者的依賴程度並沒有外界想像的那麼高。它更多的是依賴感測器等硬體設備，更偏向物聯網的概念。」
另外，安防領域對計算機視覺需求很旺盛，但行業已經非常成熟，盤踞著幾大巨頭。
所以俞益洲全職加入了深睿醫療創業。
所以，象牙塔里希望通過基於圖像分割、目標檢測等純視覺黑科技來實現自動駕駛的學生們，是不是要冷靜調研思考一下。畢竟題主也說了，紅綠燈識別這種問題，計算機視覺都無法穩定解決。
瀉藥。
網易智能專註於智能和自動駕駛等領域的新聞。關於無人駕駛技術實現的時間和難點，下文可供參考。
整理 |定西、杜瑤、姚懌立
責編 |小羿
近日，十二位無人駕駛（自動駕駛）創業公司CEO在網易講講「問道無人駕駛」話題上持續進行了火爆的討論。大家圍繞無人駕駛帶來的倫理道德爭議、技術挑戰等方面進行了討論。
無人駕駛技術真的能否緩解城市交通擁堵問題嗎？目前無人駕駛技術上的最大難點是什麼？實際路測時候遇到哪些新的技術問題，如何解決？何時能夠達到Level 5級別的真正的無人駕駛？帶著這些問題，來看看十二位大牛如何回答。
無人駕駛最大的技術難點是什麼？安全可靠
從技術的角度來看，無人車的實現之路到底難在哪裡？現在的創業者又在重點關注什麼地方？
飛步科技Fabu.ai創始人兼CEO何曉飛表示，與其說是難點，不如說是我們關注的核心指標。在無人駕駛研發的過程中，我們最關注的指標是速度和響應時間。我們主要做的商用車，特別是卡車，速度越快，它們的震動及車身鬆散結構帶來的挑戰就越大。而響應時間關係著安全距離，安全是我們的首要關注。
此外，也有人認為最大的難度應該是安全，馭勢科技創始人兼CEO吳甘沙指出，目前無人駕駛技術上的最大難點是如何做到極致的安全可靠，如何證明已經足夠安全。「我們將進一步提升系統的穩定性，以車規級的要求，提高卡車運輸的安全性。」從安全性的角度，圖森未來創始人兼CEO陳默表達了類似的觀點。
AutoX創始人兼CEO肖建雄則認為最大的難點是感知的精準度，感知的精準度是Level 4無人駕駛的最大挑戰，目前主要通過演算法的提升和數據的積累解決。
當然，也有從業者認為無人車是一個複雜的工程，目前的難點還是多方面的，地平線創始人兼CEO余凱談到，演算法、數據、計算能力、測試、系統都還需要很長時間的改變，如果說最難的，我認為是算力和測試。「複雜的場景變化、保障測試安全冗餘、自動駕駛車輛和有人駕駛車輛的交互、安全等方面的問題都會遇到。自動駕駛事關生命安全，我們的原則是——所有這些技術問題的解決，都必須以安全為第一。」余凱說。
談及複雜性，領俊科技CEO楊文利表示，自動駕駛的最大難點在於交通場景的多樣性，複雜性和不確定性。我們嘗試對交通場景的的數量進行梳理和總結，其中包括了城市路況和高速路況。只是單一時間點上的單一場景元數量，就在百萬以上，複雜場景的數量將會成指數上升。如何能在如此複雜多樣的交通場景中做到安全可靠，是自動駕駛技術的最大難點一直。
「如何和多快能夠儘可能多的覆蓋各種場景和交通情況，是業界普遍需要克服的問題，高效的模擬平台和機器學習能夠在一定程度上加快解決這個問題。但其實每次路測都會遇到新的技術問題，調試和測試的過程就是不斷發現新問題，不斷解決問題的過程。不過，在這樣發現問題解決問題的迭代中，技術問題也就越來越少，安全性可靠性得到不斷提升。」
而在MINIEYE CEO劉國清看來，現在對於一些典型的場景，現有的技術已經可以很好的解決。未來相當長的時間，大家是集中在Corner Case（極端情況）的處理上，它們可能占的比重可能小於1%，但是如果不處理好的話，L5的級別在實際使用中就是會有較大的安全隱患。
無人駕駛路測時遇到了哪些新問題？應對人機共駕時代
在寬泛的技術難題之外，還有路測難題等著無人駕駛的創業者們。今年4月11日，工業和信息化部，公安部，交通運輸部聯合發布了《智能網聯汽車道路測試管理規範（試行）》，對測試主體、測試駕駛人及測試車輛等方面作出了明確要求，該規範將於5月1日正式開始執行。
該規範指出，測試車輛包括乘用車、商用車輛，但不包括低速汽車、摩托車。測試範圍包括有條件自動駕駛（L3級）、高度自動駕駛（L4級）和完全自動駕駛（L5級）。車輛應具備人工操作和自動駕駛兩種模式，且能夠以安全、快速、簡單的方式實現模式轉換並有相應的提示，保證在任何情況下都能將車輛即時轉換為人工操作模式。在進行測試時，必須配備駕駛人，負責測試並在有緊急情況時實施應急措施。測試駕駛人必須具有3年以上駕駛經歷、最近連續3個記分周期內無記滿12分記錄、無嚴重交通違法和交通事故記錄等。
有規範可依之後，越來越多的無人車創業者加入了無人車路測大軍，對於在路測中遇到了問題，Drive.ai CEO Bijit Halder談到，由於在可預見的未來，自動駕駛汽車需要與人類駕駛員共享道路，因此自動駕駛技術最大的困難是預測其他駕駛員的行為。自動駕駛汽車僅僅做到安全駕駛是不夠的，在其他人類司機正在危險駕駛時，它仍然要保證自身的安全。我們用了很多年的時間，利用非語言和文化的指令來訓練自動駕駛，在不同的特定地點進行測試，以使技術趨於成熟。因為，在同一個國家不同城市的駕駛習慣可以有很大的不同，更不用說在人口密集的城市地區和人口較少的次城市地區駕駛的區別。
「我們需要研究自動駕駛技術的許多方面來解決這個問題。例如，我們需要更好地理解周圍的環境，不僅要快速收集詳細和多樣化的數據，而且要以有意義的方式解釋這些數據。由於自動駕駛汽車的行動會影響到其他人類駕駛員的行動，我們還需要為車輛設計一個更靈敏、更自然的運動規劃。」Bijit Halder說。
Bijit Halder認為駕駛是一個複雜和動態的問題，我們不可能考慮到駕駛時的所有變數。即使是在已知道路上的短程行駛，它的核心技術問題仍是如何處理這種變數，更不用說複雜路況下的的長途行駛了。這些變數主要有三個來源:環境的變化，如天氣狀況和交通模式;人類司機、騎自行車者和行人的行為;道路狀況，如車道的封閉及建築施工。實際路況測試的關鍵是，培養可以歸納化處理、且能夠強有力地承受這些變數的技術。
同樣，智行者創始人兼CEO張德兆表示，在路測過程中，現在無法解決複雜交通場景下的行人、車輛交互的行為。馭勢科技創始人兼CEO吳甘沙也談到，路測中的問題主要還是在多智能體（眾多不守規則的人類司機）、複雜擁堵環境中如何做到安全，又不肉。
飛步科技則遇到了更為細節的問題，飛步科技Fabu.ai創始人兼CEO何曉飛指出，在實際路測的時候，我們的司機經常會因為不習慣而碰到方向盤或者踩下剎車，導致自動駕駛程序突然停止並退出。這可能是我們之前都沒有想到的：我們為所有可能的技術問題做好了預案，卻可能忽視了「人」自身的狀態。當然，很多問題對我們都很重要，它們幫助無人駕駛的系統不斷迭代升級，做到更好。
何時才能實現Level 5級別的無人駕駛？10-20年
針對何時能夠到達Level 5的問題，多數行業大咖達成了一致，借用馭勢科技聯合創始人、CEO吳甘沙的原話來說，就是「實現Level 5還需要10年以上」。
而禾多科技創始人兼CEO倪凱的回答則顯得有些悲觀，他表示，實現Level 5的無人駕駛，可能需要20年時間，城市工況下的L4達到成熟階段還需要10年左右。
但他也認為，這並不是說要等上10年才能享受到自動駕駛技術，自動駕駛的落地是從限定場景開始的，是一個不斷迭代和積累的過程。他舉例了禾多科技聚焦的兩個場景——高速公路的自動駕駛（L3.5）和智能代客泊車（L4），並預言這兩者將較早實現落地。
與禾多科技專註於特定場景化自動駕駛研究類似，圖森未來專註於研發在高速和港口等場景內運行的無人駕駛卡車，它表示，這些場景本身相對較少地存在交通擁堵問題，此外，通過與智能路側設備的交互，道路的車輛容載率可以獲得極大的提升，在一定程度上緩解道路擁堵問題。
可以預見的是，專註特定場景的無人駕駛汽車將於Level 5無人車之前首先問世，並實現產業化。
對此，領駿智駕楊文利也表達了相似的觀點，「某些固定場景、某些特定功能的自動駕駛，會很快得到廣泛應用」，同時，關於如何實現L5的問題，他與Drive.ai CEO Bijit Halder有著類似的觀點：需要車載智能、5G通訊網路、基礎設施、法律法規等諸多因素的全面成熟。
地平線余凱和劉國清則分別從技術層面和戰略層面分析了L5落地的難點，余凱認為，越往高級別自動駕駛方向走，系統要解決的問題就會越複雜。目前，自動駕駛每提升一個層次，它的算力需求就要上一個數量級。到了5級自動駕駛的時候，算力需要達到一千多萬億次。一旦算力取得突破，軟體和場景應用的迭代速度會非常快。
MINIEYE CEO劉國清則表示，自動駕駛涉及的技術太多了，而這些具體的細分技術方向離L5需要的技術水平都還有差距，無論是感知還是計算晶元，又或是控制策略和控制系統，甚至連測試到目前為止都沒有一個成熟和高效的方案。他認為，「如果能夠高效、低成本地進行L4L5級別無人駕駛的測試，幫助發現更多的Corner Cases，測試效果就會比較理想，但目前這塊，國內和國外都做的不是很完備。」
無人駕駛的世界會到來嗎？歡迎加入網易講講《問道無人駕駛》的討論中來，還有機會獲得網易2019精美枱曆。
《無人駕駛汽車在技術上還有哪些挑戰？》話題參與地址：https://c.m.163.com/news/motif/HT1545788164797.html
下文可以作為補充閱讀。
本文來自微信公眾號：人工智慧實驗室（Altists），編譯：張璽 ，編輯：宇多田
雖然文章幾乎聚焦於美國矽谷的技術公司，但這並不意味著作者提出的種種問題不存在於中國的技術公司身上。
有意思的是，作者批評了各大公司此前瘋狂立 flag，卻最後紛紛打臉的事實。而湊巧我們在年初，也曾整理過2018年國內公司立的關於「量產以及無人車上路」的 flag，同樣無一實現。
因此，這篇文章完全可以作為一面鏡子，讓大眾看到真實的市場，讓國內公司看到真實的自己。
當整個汽車行業依然在盡其所能以專心發展自動駕駛技術時，回望2018──
訴訟不斷，發展受抵制，再加上全球首例自動駕駛汽車行人致死事件……
除了一致在兜售「自動駕駛汽車很快就能上路」的空頭承諾之外，自動駕駛幾乎一事無成。
與矽谷技術巨頭（公平地說，底特律也有）的承諾相反，完全無人駕駛汽車近兩年很難面世，甚至幾十年內也夠嗆。
如果說的再具體些，將要過去的2018年已經證明了自動駕駛汽車無法於數十年之內實現大規模應用。
因此，今年發生的許多事例，包括在日常環境中的技術性失敗，相關企業的計劃延遲，以及政府面對此項新興技術的無知表現──
哪怕是成功事例，都體現出自動駕駛汽車技術距離真正成熟運用的黃金時代來臨還有太多局限與不足。
連 Elon Musk 都不得不承認「人類的確被低估」。此結論同樣適用於無人車行業。
下面，就讓我們好好來拆解下今年自動駕駛汽車的成與敗。
|技術遠遠沒有準備好
到目前為止，整個汽車行業本年度的最大焦點事件是 3月份 Elaine Herzberg 的意外喪生：
她在夜間穿行馬路時，被一輛 Uber 自動駕駛測試車（沃爾沃 XC90）撞到並去世，而車上的安全駕駛員當時卻正在玩手機。
案件的深入調查顯示，測試車的確檢測到了路邊的 Herzberg，但 6 秒之後才做出反應，但那時已經來不及了。
當時，Uber 是唯一一家僅配備一名安全駕駛員的公司，而多數其他公司都在測試過程中配備兩名測試員。
由於那輛車沒有其他方法來主動追蹤駕駛員意識，儘管天氣、路燈及汽車感測器（本應該能在撞人前觸發制動）都很正常，安全駕駛與車載電腦都沒能避免悲劇發生。
最終，該事件不僅使得 Uber 暫時放棄了在亞利桑那州的路測工作，幾百名員工因此丟了工作，也因此證明 Uber 無人車的感測器與電腦組件顯然還沒準備好在路上做出事關生死的抉擇。
與此同時，這一事件在很大程度上測試了公眾對自動駕駛汽車接管方向盤的接受程度。
亞利桑那州州長 Doug Ducey 撤銷了 Uber 的測試許可證，儘管正是他幾年前支持州政府對於 Uber 的項目放鬆監管（不過在 12 月 20 日 Uber 又重新啟動了路測業務）。
但是，在自動駕駛項目中遭受重挫的絕不止 Uber 一家。
沃爾沃將其自動駕駛汽車項目推遲了 4 年──此項目是其試點項目的一環，而原計劃是將於 2018 年為瑞典家庭擁有據說可以自動駕駛的汽車。
是的，沃爾沃最終不得不承認，項目所需的感測器技術可能在 2021 年才能發展成熟且更易於部署。（可能到了 2021 年又會換說法）
特斯拉也延遲了之前高調宣布的目標──讓一輛完全自動駕駛汽車完成跨越東西海岸的展示。
該計劃原定於 2017 年 1 月，接著延期至 2018 年底，而現在具體時間也不得而知。
雖然這個目標可能是馬斯克慣常使用的市場營銷技巧，但此項展示的數次延遲也證明了基於人工智慧的自動駕駛系統應該離具備真正安全的自動駕駛能力還非常遙遠。
而特斯拉的自動駕駛輔助系統也曾遇到過不少小問題。
今年 9 月，一些車主在雲端進行過系統更新後，發現輔助系統無法正常使用，而修復就花費了他們整整一天。
這意味著特斯拉車主必須在高速行駛過程中睜大眼睛，完全聚精會神；但如果未來的系統更新讓無人車喪失自動駕駛功能，天知道會發生什麼。
此外，Waymo 雖然是成功公開推行了自動駕駛汽車商業運營試點計劃（如期上線乘車共享服務）的少數公司之一，但這家谷歌的子公司今年同樣被曝光很多問題。
8 月，The Information 的一篇重磅報道引用了五處未經披露的消息來源，聲稱 Waymo 的自動駕駛汽車還無法理解基本的道路基礎設施特徵及駕駛任務。
譬如，它無法做出無保護措施下的左轉任務，也無法在匝道上的信號燈（用來控制從匝道到公路的交通流量）前停車。
今年 8 月，《信息報》(Information) 的一篇大報道援引五名未具名消息人士的話說，Waymo 的自動駕駛汽車在基本的基礎設施理解和駕駛任務方面遇到了困難，比如在沒有保護措施的情況下左轉，或者在交通信號燈前停車，這些信號燈的設計目的是控制從匝道到公路的交通流量。
儘管一些交通事故及媒體報道表明 Waymo 汽車還受困於日常駕駛場景的某些問題，但這家公司還是成功上線了自動駕駛汽車共享乘車計劃，並於本月初正式開始運營。
|完美應用條件就是「局限性」
Waymo 的商業服務以自動駕駛計程車隊的形式實現，服務對象是先前參與鳳凰城地區免費試點計劃的乘客──他們現在需要付費乘坐自動駕駛汽車。
運營的覆蓋區域面積並不大，約為 100 平方公里，包括 Chandler、Tempe、Mesa 及 Gilbert。而運營模式與 Uber 及 Lyft 本質上並無差異。
此外，雖然 Waymo 無人車配備了安全駕駛員，但根據幾家媒體在現場的親自體驗顯示，全程並沒有人員干預（雖然真實用戶表示不是這樣）。
毫無疑問，Waymo 商業嗅覺極佳：
對於自動駕駛汽車測試，亞利桑那州地區的條件近乎完美——無需擔心極端天氣狀況（這就是很多公司選擇亞利桑那州測試的最重要原因之一）。
然而，在無法保持近乎全年晴朗乾燥的其他地區，Waymo 很難表現出類似的安全性水平。不會出現我們年初在拉斯維加斯測試 Lyft 自動駕駛汽車時的糟糕結果。
基於上述完美條件，無人駕駛汽車技術的確令人印象深刻，這毋庸置疑。
（當然，還有一個重要原因，擁有卡耐基梅隆大學的匹茲堡逐漸成為自動駕駛汽車的測試基地。）
但是，這些汽車必須學會如何應對坑窪、丘陵以及嚴酷的積雪，才能「生存」下去。
就連 Waymo 負責人、前 Hyundai 執行官 John Krafcik 也公開表示，自己懷疑自動駕駛汽車未來是否能夠在所有條件下正常行駛。
同時，他認為大概還需要發展幾十年才能實現人均一台自動駕駛汽車。
|這是一個自負的行業
今年對於自動駕駛最明晰的展現，也許就是技術公司之於大型自動駕駛項目的手忙腳亂，之於商業秘密的諱莫如深。
Waymo 在 2017 年 2 月，對離職加入 Uber 的 Google 工程師 Anthony Levandowski 發起訴訟，指責其竊取了谷歌的自動駕駛卡車技術。
這起引人注目的訴訟僅在一周內就完成調解。最終，法庭裁決 Uber 不能在公司車輛中使用任何 Google 認為被竊取的技術，並要求前者支付 2.45 億美元的賠償金。
此外，法拉第未來與蘋果公司也因員工涉嫌向其他公司泄露商業機密而與其發生糾紛；而迪斯尼公司原本要為其公園配備自動駕駛汽車的計劃，也以一場兩家技術公司之間的重大訴訟告終。
說到 Levandowski 其人，事實證明他本身就是矽谷自負的縮影。
譬如，他堅持認為歷史中沒有什麼可以借鑒的東西，而「安全」也不可能成為新技術發展的頭等大事；當然，他還認為自己的工作成果賣 10 億美元都便宜了。
如果你覺得這聽起來有些瘋狂，請記住 Levandowski 對 Waymo 的深遠影響。
New Yorker 的一篇文章中曾披露過一件令人極其驚恐的事：
Levandowski 曾試圖說服同事相信他們的技術能力更強，只是始終受困於測試計劃。
所以，他修改了一輛測試車的行駛路徑，使其在高速公路的非測試路段行駛，但卻在那裡把另一輛車從馬路撞進了中央隔離帶。
然而，Levandowski 卻像什麼都沒發生一樣繼續進行測試，從未向公司報道過事故。之後，他甚至還將事故視頻作為未來研究的「無價材料」展示給 Waymo 員工。
這位老兄曾說過：
「未來才是重中之重」
「我不知道為何要學習歷史。我猜是因為有趣吧──恐龍、尼安德塔人和工業革命，諸如此類。但是過去發生的事情真的一點也不重要。你不需要了解歷史就可以站在他們所創造的基礎上。在科技領域，最重要的是明天。」
額……
汽車安全與保障的未來取決於這些公司與他們領導層的自負程度，如果 2018 年已經證明了一件事，那就是——
他們絕對不可靠。
|政府也在一臉茫然
不幸的是，正如今年所證明的那樣，這些自負的人正是政府想予以信任的對象，他們相信弱監管也能保證消費者安全。
今年年初推出 Cruise 自動駕駛測試計劃的通用汽車表示已獲得紐約州的許可──在曼哈頓最繁忙的街道上開啟自動駕駛汽車測試。
這與 Waymo 在美國西南地區的測試相比，顯然要難很多。
然而，Cruise 的測試車至今還沒有出現在曼哈頓的街道上。
正如我們 9 月份的報道，根據紐約機動車輛管理局的報告，Cruise 似乎仍然沒有獲得正式批准。
有意思的是，當 2017 年 10 月州長辦公室宣布該項目時，紐約市市長辦公室竟然沒有被徵求過意見。
按照通用汽車現在給出的說法，計劃擱置是由於「複雜的監管環境」。
因此，並不是只有企業在無人駕駛汽車發展過程中遇到了挫折。
然而，更令人擔憂的是一些立法者的做法，他們試圖從法律層面清除自動駕駛汽車發展的障礙。密歇根州州長 Rick Snyder 曾表示，這些自動駕駛公司應該享受「疑罪從無」，因為這些公司正在努力使汽車更安全。
而這個評論是在 Uber 無人車發生致死事件後發表的。
當然，聯邦政府也好不到哪裡去。
作為重要的自動駕駛汽車法案──AV START Act，經歷了批論家關於其對新技術安全標準構建不到位的指摘，要被迫進行大規模修正。
可即便是修訂後的草案，也被汽車安全中心（Center for Automotive Safety）批評為「大話連篇，對於安全改善沒有實質作用，反倒可能抬升汽車與技術公司股價。」
|走向何方？
當然，我們不會唱衰自動駕駛，肯定會有更多公司會投身其中。但自動駕駛汽車明年的前景本質上與今年無差。
而且這些公司將要如何生存，還沒有清晰的路線圖。
此外，對於如何立法監管自動駕駛汽車，我們毫無頭緒。
我們不能確信那些急於讓無人車上路的公司是否準備妥當。即便準備妥當，對於是否存在足夠體量的市場規模，我們也一臉茫然。
現在，公眾對於無人車的懷疑情緒已達到歷史最高點了。
也許我們目前唯一可以確認的是，無人車可能永遠無法在所用駕駛條件下行駛，在幾十年後才可能成為主流。
是的，我們肯定目前無人車還沒有足夠好，好到能夠自動躲避夜間推著自行車散步的人。
最後，終極問題來了：我們應該如何去定義什麼是「足夠好」呢？
未來智能實驗室是人工智慧學家與科學院相關機構聯合成立的人工智慧，互聯網和腦科學交叉研究機構。
關注網易智能公眾號（smartman163），為你解讀AI領域大公司大事件，新觀點新應用。
離散是人類對宇宙連續無窮的妥協。
搞不定這個問題，或許問題本身就被定義錯誤。
用單張圖來定義當前物體的狀態這個問題的本身或許就是錯誤。
時序的變化被離散化識別，這個問題的本身或許就是對某位pm的妥協。
試試從時序中抽象出狀態的遷移。
試試時序+高精地圖，
試試時序視覺檢測+高精，
試試視覺檢測+時序追蹤+高精，
Detect it through time!
題主你好，汽車工業發展一百多年時間，歷經沉浮，大的變革不少，但如果要說里程碑式的變革，我覺著唯有兩件事：1、卡爾本茨發明汽車；2、自動駕駛技術的引入。一次是發明了汽車，一次是重新定義了汽車。
自動駕駛技術發展時間不長，最終形態是要做到無人駕駛，這個結論是確定的，大家也在不斷朝著那個方向努力。但是在現階段的市場宣傳中，有些廠家會誤導讓大家以為技術已經達到了可以無人駕駛的地步，更有甚者，開著自適應巡航+車道保持就敢在高速路上放開方向盤，從主駕位置坐到後排撒手不管，這種行為送他兩個字：走好！
● 現階段的自動駕駛技術到底什麼水平？
先給結論：目前的自動駕駛技術都只能算高級駕駛輔助，離真正的無人駕駛還有距離，一切量產車上將雙手離開方向盤的行為都是作死，包括特斯拉，哪怕你已經升級到最最最新的Autopilot駕駛系統。
當然，這個結論也只適用於目前，兩三年後，恐怕又是另一種情況了。
ACC自適應巡航控制油門剎車、車道保持控制方向盤，但以為這樣能完全自動駕駛，跑到后座去，完全是作死。先不說目前的技術條件下，這些系統無法應對複雜的交通狀況，奧迪上面，車道保持只能自動調整2-3次方向，然後系統就會提示駕駛員握緊方向盤。
現階段的自動駕駛不是無人駕駛，請默讀3遍！
如果奧迪的駕駛輔助系統不具備說服力，請看特斯拉，海外、國內事故的例子都有。
案例一、
2016年7月，美國佛羅里達州，特斯拉Model S在發生交通事故，導致駕駛員死亡。車主坐在駕駛位上，開啟了Autopilot自動駕駛輔助功能，然後他走神了，正好路口一輛貨櫃車橫穿馬路，正好正午大太陽下光比很強，卡車還是白色的車身，車身反光後和天空背景反差太小，特斯拉Model S的感測器未能識別出前方有障礙物，然後撞了上去，車主死亡。
隨後，特斯拉官方對事故原因進行了說明，「在光線過於強烈的環境下，無論是自動駕駛系統還是駕駛員都未能及時察覺前方拖車的邊緣，因此未能施加制動。在極為罕見的情況下，拖車高度與其在馬路當中的位置造成特斯拉Model S直接撞進了拖車底部。」
特斯拉CEO Elon Musk在推特上表示，汽車的雷達在這種情況下不能發揮其作用。因為道路前方如果看起來像是一個高架道路標誌（指拖車高度較高），它會自行關閉以避免錯誤的制動和剎車。如果特斯拉在車頂或者雨刮感應器的位置再增加一個雷達毫米波感測器，或許此類事故就能避免。但是，沒有如果……
案例二、
其實在特斯拉美國發生交通事故致死的案例之前，2016年1月，國內就已經有一起致死事故了，不過是藏藏捏捏，到9月份才陸續有媒體披露。一男子駕駛特斯拉Model S在高速公路行駛，前車躲避障礙物，該男子躲閃不及撞上道路清掃車發生車禍致死。
原因跟美國案例一致：駕駛員開啟了Autopilot自動駕駛輔助然後就將所有的操作交給了系統，自己並未觀察路況。然而，感應器未能識別前方障礙物，電腦未能讓汽車做出及時響應，在沒有任何制動、轉向的操作下，直接迎面撞了上去。
總之，目前最先進的自動駕駛系統仍有不少缺陷。特斯拉官方也強調過，輔助駕駛技術一直都在發展之中，但它還並不完美，需要駕駛者保持警惕。使用Autopilot的過程中，汽車會不斷提示雙手要全程放在方向盤上，並且對你的車負責。
科技發展總有代價，事故是發展中的陣痛，除了廠家在宣傳上要更注意措辭和提醒之外，駕駛者也得對自己的生命負責，如果甘拿自己的生命當做小白鼠，那我還能說什麼？
● 自動駕駛等級分類
簡單的來看，我們可以將自動駕駛等級歸為三類。從最基礎的駕駛輔助，到具備一定自動駕駛能力的自動駕駛，再到完全無需人參與的無人駕駛。當然，這三者之間並沒有明顯界定，只是方便理解。
而官方對自動駕駛（輔助）系統等級是有嚴格界定的，按照SAE（美國汽車工程師協會）的分級，共分為：駕駛員輔助、部分自動駕駛、有條件自動駕駛、高度自動駕駛、完全自動駕駛五個層級。
●自動駕駛全面商業化仍需時日
特斯拉Autopilot模式（在國內的名稱為「Autopilot 自動輔助駕駛模式」）在這兩種分級中均屬於較智能的SAE 2級別，也就是部分自動化，尚不具備自動駕駛能力。
在近日在迪拜召開的世界世界政府首腦（WGS2017）會議上，特斯拉CEO Elon Musk宣布特斯拉年底將實現商用SAE 4級別的自動駕駛技術既定計劃，並對兩個問題給出了答案：對於新售汽車全部搭載自動駕駛技術，他認為在還需要10年可以實現；燃油車徹底退出歷史舞台，則仍需20年左右來過渡。
當然，特斯拉是車企中的特例，從起步就比別人快，而且相對體量也不算大，定在2017年底實現的壓力也較小。對於其它企業而言，就沒這麼快了，很多企業（如寶馬-英特爾-Mobileye聯盟、福特等）都定在了2021年。
●自動駕駛技術兩股流派，傳統汽車廠商VS科技廠商
無人駕駛是未來數十年內大趨勢，這點幾乎獲得了一致認同，除了特斯拉之外，各大廠商也在積極發展，但如何發展，大致可分為三類：傳統汽車廠商、科技廠商、傳統汽車廠商+科技廠商。
一、傳統汽車廠商：循序漸進
傳統廠商的發展過程大家其實已經參與其中了，從定速巡航、自適應巡航、盲區監測、車道保持……這些駕駛輔助配置上不斷更新完善，讓駕駛輔助系統逐漸升級為自動駕駛系統，最終實現符合一定標準的安全駕駛。
二、科技廠商：直達目的
科技廠商里以谷歌為代表的企業從一開始就是瞄準無人駕駛去的，他們沒有車企的包袱，產品無需過渡，所以在沒能達成無人駕駛之前，暫時仍無產品問世。但是相對汽車廠商而言，無人駕駛的核心技術——信息處理和演算法上，科技公司有明顯優勢。
三、傳統汽車廠商+科技廠商
實際上，第三組模式在業內頂級廠家之間更加常見，沒有永遠的敵人，只有永遠的利益，大家強強聯手不僅是尋求自保，也是達成對第二梯隊的絕對超越。
● 各大企業發展現狀
自動駕駛技術研發是一項全民參與的盛會，無暇列舉每一個廠商的發展現狀，僅選取一些作為代表。
還是先看特斯拉
2016年下半年，特斯拉官方表示：今後出廠的所有車型在硬體上都保證能夠完成SAE 5級自動駕駛，這些硬體包括12個超聲波感測器和8個攝像頭。8個攝像頭用於覆蓋360度可視範圍，對周圍環境的監控距離最遠可達250米，12個超聲波感測器完善了視覺系統，探測和感測軟硬物體的距離則是上一代系統的兩倍。
至於其在2017年底實現商業化的目標，技術攻克可能還不是最難的部分，獲得法律支持並讓整個社會配套政策跟上自動駕駛的步伐，這才是最難的。
賓士
作為發明汽車的廠商，賓士的自信毋庸置疑，常年在豪華車市場全球銷量第一實力也足以支撐這樣的自信。但是在自動駕駛上，賓士目前動作並不是很激進。量產的車型，如新E級、S級上搭載的駕駛輔助系統不少。而完全自動駕駛車輛的路試，也有過些許報道，不過離量產尚早。
近年來，賓士發布過4款自動駕駛概念車，一台四座轎車、一台自動駕駛卡車、一款自動駕駛物流車、另外還有一台自動駕駛公交車，涵蓋家用、商用和公共出行。從布局上看，還是比較完整的。
早在2014年，賓士就曾發布一款名為Future Truck 2025 Concept的長途貨運車輛，Future Truck 2025 Concept的自動駕駛系統能分辨單雙道公路、靜止物體、移動障礙物、行人以及範圍內的其它一些物體，並以80km/h在德國Magdeburg A14高速上進行過成功的實際道路測試。
2015年1月5日的CES大會上，賓士發布了「F 015 Luxury in Motion」自動駕駛概念車，新車配備巨大的全液晶儀錶盤，提供豐富的駕駛信息。作為一台展示的概念車，我們能從它身上獲得的信息並不多。
2016年，戴姆勒集團發布了一台自動駕駛公交車，並成功的完成了上路測試。測試地點為荷蘭阿姆斯特丹的BRT（快速公交系統），那裡也是整個歐洲最長的BRT路段。全程20公里，中途沒有人對車進行任何操作，自動公交在每一站都會自動停車、自動開門下乘客、乘客上來之後也會自動關門。在等紅綠燈和遇到複雜路況這些常規情景時，也能自動剎車。
另外，賓士還曾發布過一款概念物流車，車頂配無人機送快遞，不過展示的也只是概念，實際路試中技術發展到何種程度，還不得而知。
寶馬/英特爾/Mobileye
寶馬在自動駕駛技術上選擇合縱連橫，拉上了科技廠商英特爾和Mobileye，三方在2017 CES展會上宣布，計劃在今年下半年推出約40輛自動駕駛測試汽車，以進行路測。量產版自動駕駛汽車將在2021年正式上市銷售。
三家公司表示，這些測試汽車基於寶馬7系打造，將配備來自英特爾和Mobileye的最新技術。測試將在全球範圍內展開，但將率先在美國和歐洲上路。英特爾的大名不解釋，Mobileye來頭也不小，它是全球知名汽車零部件供應商，主要專註於計算機視覺、地圖、以及機器學習領域，特斯拉的Autopilot自動駕駛系統就基於Mobileye的技術。
奧迪/英偉達
奧迪第一台引起大家注意的車型名為RS 7 Piloted Driving，該車於2014年在霍根海姆賽道的單圈成績大約為2分10秒，最高時速鎖定在240km/h，而它在過彎時的側向加速度可以達到1.1G。
這台測試車搭載了一套非常精確的GPS裝置，通過車頭的3D攝像頭對周邊情況進行分析，再結合GPS做出正確的路線規劃。奧迪稱3D攝像頭可以捕獲數百米的道路範圍，而GPS精度可達到1厘米的級別。
到了2017年CES展會上，奧迪與英偉達宣布將合作研發自動駕駛汽車，級別為SAE 4級（高度自動化），預計2020年推出。
此前雙方已聯手開發名為交通堵塞導航的半自動駕駛系統，將在2017年晚些時候裝配在奧迪A8車型上，這也是汽車領域第一家聲稱能做到三級的自動駕駛汽車。該系統使用的是英偉達的硬體和軟體，允許司機在某些情況下讓汽車以不超過35英里的時速自動駕駛。
沃爾沃/Uber
2016年早些時間，Uber（優步）和沃爾沃已經宣布先投300萬美元試探性研發自動駕駛，最近，已經有二者合作的XC90測試車從匹茲堡開往舊金山。相對於前面幾家廠商的投入，300萬美元毛毛雨，不過這個暫時只是試探性投入。畢竟，優步已經花6.8億美金買下了專註於研發無人駕駛卡車的奧托公司。
沃爾沃提供最基礎的車輛還有自己的部分技術，而Uber自然也要充分發揮自己處理大數據的能力，自動駕駛的主要硬體和演算法都是它來搞定。
其實除了和Uber合作外，沃爾沃自己也在獨立研發自動駕駛系統，並稱之為Drive Me，此前，已經在瑞典老家哥德堡做了多次路測，最多的時候，共投入了100台車。
●福特/Argo AI
連續兩年的CES展會上，福特都會把自己的蒙迪歐自動駕駛測試車隊放在展館外跑上幾圈，秀肌肉的意思很明顯了。
在2017年初，福特還宣布，未來五年向Argo AI公司投資10億美元，以早日實現4級自動駕駛。2021年，計劃生產真正的無人駕駛汽車。
根據雙方簽訂的協議，Argo AI將為福特的無人駕駛汽車開發軟體。Argo AI的總部設在賓夕法尼亞州匹茲堡，2016年由前谷歌和Uber自動駕駛研發人員創立，該公司致力於無人駕駛汽車軟體開發。
傳統汽車廠商看完一波，不難發現，他們的背後幾乎都有科技公司的身影。
● 谷歌
作為互聯網行業的絕對大佬，谷歌研發電動車的歷史應該是所有互聯網企業中最久的。谷歌自行研發的純電動自動駕駛車於2014年5月發布，2016年6月正式上路，如今行駛里程超過超過320萬公里。該車主要依靠內置的感測器和一套軟體系統來保持機動，沒有方向盤以及油門和剎車。
然而，谷歌無人駕駛汽車在過去7個年頭共發生18次事故。谷歌公司針對今年2月的事故發表聲明，承認產品存在設計缺陷。加上相關政策的變化，谷歌最後決定在量產的無人駕駛汽車上保留方向盤和剎車，把最終控制權交給司機。
不管如何，320萬公里的測試里程足以證明了谷歌對消費者負責的態度，並且截止目前，谷歌也並未信誓旦旦的說自己馬上要量產無人駕駛車輛。
谷歌已經將自動駕駛汽車項目分拆為一家單獨的公司Waymo，寓意「A new way forward in mobility」（未來新的移動方式）。他們計劃聯合FCA集團在2017年初投放100輛自動駕駛車進行測試。有消息指，Waymo預計將在短期內向公眾提供無人駕駛服務，而不是向他們出售自動駕駛車。
● 蘋果
這個世界上最不差錢的科技公司其實早就看中了汽車市場這塊大肥肉，在喬幫主時代，蘋果就已經有進入汽車市場的意願。進入庫克時代售，蘋果汽車的傳聞撲朔迷離，項目一直進展不太順利，不過，蘋果會進入自動駕駛市場，這個結果幾乎是確定的。
近日，蘋果向美國國家公路交通安全管理局（NHTSA）遞交了一封信函，披露了自動駕駛事宜，蘋果在信中提及蘋果通過機械學習提供更智能、更直觀、更私人化的產品和服務。在研究機器學習和自動化方面，蘋果投資力度較大，對很多領域（尤其是交通領域）的自動化系統的潛力感到很興奮。
兩年前蘋果開始研究電動車，前不久，蘋果公司被爆出研發重心轉至自動駕駛系統。從信中看來，蘋果未來是極有可能研發和生產自己的汽車，而非只是向汽車製造商提供技術。
●德爾福（DELPHI）/Mobileye
2017 CES展會上，德爾福（DELPHI）與Mobileye上場秀技，他們共同展示中央感測定位與規劃（CSLP）自動駕駛解決方案，並在複雜路段（包含信號不佳的隧道）跑上10km，這10km的演示路段包含了複雜的城市道路、高速公路以及信號不佳的隧道，被稱為目前最高級別的自動駕駛公開路試！
該套自動駕駛解決方案的一大改進在於它改善了車輛在隧道或信號不佳的路段的定位能力，即便汽車在喪失GPS信號與雲端地圖信號的糟糕環境下，CSLP自動駕駛系統依舊能確保10cm以內的定位精度。除此之外，其自由空間探測能引導車輛通過複雜的車道分叉或沒有車道標線的區域。這套系統是首款可以立即使用、完全集成的自動駕駛解決方案，配備了行業領先的感知系統與計算平台，計劃2019年投產。
德爾福是全球最大的汽車線束系統製造廠商，而Mobileye也是汽車駕駛輔助系統的先驅，之前一直為特斯拉自動駕駛提供技術支持。雙方為技術互補型合作，即德爾福提供了雷達、激光雷達以及激光雷達系統等感測器組件，而Mobileye則負責頂級視覺（攝像）系統以及實時地圖檢制與車輛定位系統。這兩位合作，還真不懷疑他們能拿出目前自動駕駛的巔峰之作。
●英偉達
全球視覺計算技術的行業翹楚英偉達（NVIDIA）公司，於CES 2017（國際消費電子產品展）之上，發布了自動駕駛技術的關鍵部分——DRIVE PX 2平台。
英偉達DRIVE PX 2自動駕駛汽車開發平台基於16nm工藝打造，功率250W，水冷散熱設計，支持12路攝像頭輸入、激光定位、雷達和超聲波感測器，多個Drive PX 2平台並行使用可以實現完全的自主駕駛。
DRIVE PX 2的工作原理是：將外部感測器獲取的數據加工，製成單個的高精度點雲並上傳雲端伺服器，由超級計算機DGX-1融合成高精度地圖。此外，英偉達「NVIDIA DIGITS」端到端深度學習訓練平台也得到了發布，依靠DRIVE PX 2平台和DGX-1計算機，每一輛車都能構建自己的深度學習網路。
● 百度
和谷歌相比，百度在前沿技術上的差距不是一點兩點，但這也並不妨礙它對谷歌的追趕和對前沿科技的追求。2015年，百度正式成立了自動駕駛事業部，並提出了三年實現自動駕駛汽車商業化，五年實現自動駕駛汽車量產的目標。
百度已經拿到了美國加州頒發的全球第15張無人汽車上路測試牌照，相信不久之後百度無人車會出現在加州道路上進行更深一步的自動駕駛路試。2015年12月份，百度以改裝過的寶馬三系GT為試驗車輛在北京5環上進行了自動駕駛測試。在沒有人員干預的情況下，車輛自動完成了變道超車、跟車制動等一系列複雜動作。
2016年9月，百度還和英偉達攜手開發自動駕駛汽車人工智慧平台。雙方將聯合百度的雲平台、地圖技術以及NVIDIA的自動駕駛計算平台，共同開發高清地圖、SAE 3級別的自動駕駛車輛控制和自動停車的解決方案。
結語：
科技總是這樣，有時候看起來很夢幻，遙不可及，有時候又以迅雷不及掩耳盜鈴兒響叮噹之勢融入了我們的生活。從駕駛輔助，到自動駕駛，再到最終形態的無人駕駛，其實大概3-5年之後，量產的無人駕駛車輛就會大量滲入我們的生活中，機器、感測器固然在應對複雜狀況的表現不及人腦，但是它的工作狀態幾乎不受任何限制，而且穩定程度也要大大優於人腦。
從這個角度看，自動駕駛全面普及後必將大大減少交通事故。另外，對於人力成本的節省，也重新定義了汽車工具的屬性。
[用投資人的眼光做BP，以創業者的思維做融資] 點擊【創業指導】 提交留言，千份BP模板及投資人聯繫方式免費送！
談到自動駕駛不能不提一下「自動駕駛」這項技術的實際應用場景到底在哪裡。
實際上根據科學技術發展來看，自動駕駛應屬於智能化交通的範疇，而智能化交通則屬於智能化都市這個更大的領域。
所以，我們不能簡單的讓一輛汽車根據「識別周圍路況車況，自動駕駛」。真正的自動駕駛應該是讓一個大型的指揮調度系統管理整個城市道路交通，「自動駕駛汽車」在這個系統內，接受發射實時信號，完成在道路上的行進。
這套系統中的幾個關鍵技術應當是：1、超高速的5G網路（目前我國的4G網路網速還不足以支撐如此大量的數據傳輸）；2、雷達等識別系統（偵測車輛周圍道路情況）；3、物聯網管理系統。
目前制約這些技術實現的主要障礙還是硬體條件，然後就是政策。
對了，不吹不黑的話，可能還要很久（10年以上吧），但我認為至少比中國足球拿世界盃先來到。
你自己的認識應該會比很多人更加準確，試問有多少人能夠「在某國際大車廠已從事自動駕駛研發近五年，接觸參與或主導了高速城市等不同環境下各類技術問題的研發」？？
忍不住胡扯幾句：個人認為自動駕駛可能會在某些封閉、受控、規則性很強的場景下先取得應用，其實這個跟工廠里的AGV已經區別不大了。然後，開放場景中最有希望的應該是高速公路，但是也要通過行政、技術、資本等手段將高速公路進行大量的改造、優化、管理變為基本封閉、受控、規則性很強的場景，才有可能。至於完全開放的場景，比如城市道路，15年之內肯定不可能，至於15年以後，我覺得沒有預測的必要性了。
最近幾年這波自動駕駛泡沫帶來的感測器、信息處理技術的進步給主動安全領域帶來了很多可以做並且更好落地的工作。每次在高速上開車，就想要是有比較好的主動安全配置也很知足呀，若是完全自動駕駛，把小命完全交給機器，想想都不放心&。
自動駕駛要和物聯網完美結合起來才行
看到關於自動駕駛的問題，忍不住不請自答。
從2017年開始，梅賽德斯-賓士S級轎車便在五大洲開啟自動駕駛試駕之旅——「智能環球駕駛之旅」，里程累計已經超過1萬公里。這次旅途也用事實向我們解釋了一個疑問：自動駕駛這項技術的水平究竟達到什麼程度了呢？
兼顧智能性和安全性，並且能夠使車輛完全自主地穿梭於車流當中，這便是自動駕駛技術的願景。那麼，目前的自動駕駛技術水平，究竟達到什麼程度了呢？為了回答這一問題，梅賽德斯-賓士組建的自動駕駛測試團隊輾轉五大洲，踏上了「智能環球駕駛之旅」的征途。從2017年9月開始，這支團隊一直奔走於世界各地。團隊領導人喬亨·哈布在談到此次智能環球駕駛之旅時，興奮之情溢於言表。旅途中，搭載了駕駛輔助系統的S級轎車所表現出的自動駕駛水平令哈布和他的同事們嘆為觀止。儘管如此，他們也深知自動駕駛技術還有很長一段路要走：未來幾年，還有很多複雜的問題和困難要解決。哈布說：「測試的目的是為了獲得汽車在特定環境中行駛的數據，然後我們再利用獲得的信息改善自動駕駛系統。」他們的旅程始於法蘭克福車展，之後再輾轉上海、澳大利亞和南非，最終抵達美國。哈布詳細列舉了S級在五大地區所遇到的不同挑戰。
德國/ 法蘭克福
「下大雨、道路施工、大塞車、偶爾還會竄出一輛超速行駛的車。這是德國高速公路上每天的常態。」
在德國駕駛的一個特別之處在於，高速公路上的車速存在著巨大差異：當你超過一輛時速130公里的卡車時，一輛時速200公里的車正從後方向你行駛而來。一般的車內雷達會對車後80米和車前250米範圍內的道路進行掃描，立體攝像頭會拍攝前方500米以內的情景，其中90米以內會拍攝3D影像。你以為這就夠了？當有車輛靠近時，系統需要在多長時間內做出反應？它會採取什麼樣的措施來預防事故的發生？對法蘭克福的消費者而言，他們理想中的汽車要能足以應對這些極端情況。
中國/ 上海
「地圖的準確性至關重要，而在用GPS導航都容易迷路的中國，這就成了一個不小的挑戰。」
中國則不同。中國道路的特別之處在於高密度的車流量，路上有大量的自行車和三輪車，以及限速不一的車道。在上海的駕駛經驗告訴我們，導航地圖需要極度精確，甚至精確到車道。在密集的機動車道中，目前車輛還無法定位；此外，許多大型十字路口的車道都未設立標識，攝像頭也就無法對其進行偵測。在沒有周圍車流的情況下，車輛目前還不能確定自己的位置。如果沒有定位信息，自動駕駛的車輛就只會向前行駛。中國的消費者希望自動駕駛汽車能夠像有司機一樣在轉彎處點剎，過彎後加速。而歐洲司機則習慣在駛出彎道之前就加速。把這種駕駛文化的差異考慮進自動駕駛的設計之中也是至關重要的。
澳大利亞/ 墨爾本
「很多墨爾本人會避開臭名昭著的鉤型轉彎，但是自動駕駛系統必須要解決這一問題。」
澳大利亞有在電子屏幕上閃爍的限速通知，內陸的道路列車，出其不意越過道路的袋鼠，以及墨爾本的鉤型轉彎（一種從左側車道右拐，穿過電車車軌並且僅能在綠燈時通行的彎道）。這個路段令人「聞風喪膽」，甚至連當地人都寧願多走三個左轉彎而不走鉤型轉彎。同時，與其他眾多複雜的交通狀況一樣，這一路段對於自動駕駛系統來說是一個高難度的挑戰。人腦可以理解閃爍的限速LED燈，但自動駕駛系統目前還沒有這個能力。此外，另一個同樣棘手的問題在於，如何在不傷害車內乘客的情況下對突如其來的動物做出反應？這要求汽車能夠盡量提早計算出動物的尺寸，同時根據實際情況制定規避策略，從而預防潛在事故的發生。
南非/ 開普敦
「自動駕駛技術要能夠排除干擾， 同時還需要有能力迅速、精確地分析所感知到的雜亂情景。」
南非的交通則令人絕望：行人在超速路上行走，突發的駕駛操作已成為路上的家常便飯。在開普敦，我們的測試司機在機動車道上以100公里的時速駕駛時，遇到了一輛迎面而來的自行車，後者行駛在只有數厘米寬的硬質路肩上。在城市南部蜿蜒的道路上，攝像頭無法偵測道路，原因在於沙土覆蓋了路面的瀝青。然而在曲折的沿海大道上，車輛就可以完成自動駕駛。
美國/ 拉斯維加斯
「暢通的交通狀況在現實中非常適合自動駕駛。從技術角度來看，自動駕駛的日常應用離我們不遠了。」
在美國，道路和高速公路上的駕駛體驗十分順暢，在車流中順勢而行很容易，而且車輛彼此間的速度也沒有太大的差異。唯一的難點是，由於美國允許左側或右側雙側超車，車輛很難在八車道的高速公路上同時搜集和處理大量的信息。儘管如此，美國市場毫無疑問是適合進一步發展自動駕駛技術的首批市場之一。與其他地區的居民一樣，美國居民對這項測試既心存猶疑又充滿期待。當然，解決人們的顧慮和疑問也是此行的目的之一。
撰文 FELIX BREUER
插圖 JINDRICH NOVOTN
個人感覺，靠視覺識別紅綠燈，目前幾乎是無解的。利用物聯網，配合紅綠燈加裝主動發射裝置會是個比較好的解決方案。
另外，V2V很重要
個人覺得，高速公路這種全封閉道路首先實現自動駕駛的可能性更高。標識清晰，干擾因素少，路況好，車輛類別相對單一……
感覺高速是實現自動駕駛的第一站。
路長且阻，目前看到的主機廠偏向高附加值方案，也就是單目，低功耗，sift以及擴展演算法為主，yolo為輔。方法基本就是可變大小滑動窗口。單目導致距離感靠估計，標出boundingbox算離去角，可變滑動窗口大小是對光照條件的妥協，光照一差窗口變小直接丟幀。目前檢測目標也不豐富，主要行人和車輛吧，再加個自行車。要想使用體驗好先坐等硬體降價吧，多感測器融合白菜價，高性能處理器白菜價。然後汽車銷量還不能太少，這個研發太燒錢，還得加上傳統汽車行業的一大堆規範，最後需要政府出面協調路政保險立法等等，覺得還是膠囊軌道交通可能可以更早實現
推薦閱讀：
