不吹不黑，自动驾驶的真实技术能力现阶段如何？
本人在某国际大车厂已从事自动驾驶研发近五年，接触参与或主导了高速城市等不同环境下各类技术问题的研发。深感自动驾驶技术之解决，远非媒体或公司出于各自需求利益而宣称几年之功。虽然我也和不少圈内朋友多有了解，但难免仍有井底之见。所以希望通过这个问题和真正在该领域做一线研发的朋友们更广泛的交流，切实聊聊（吐槽）现在自动驾驶产品落地所面临的具体技术难题。不谈法律，不谈保险，不谈伦理，仅谈技术。
我可以举些例子：
红绿灯检测是个城市驾驶里再基本不过的需求，问题定义清晰，方案也相对明确（即利用经典图像或深度学习方法从视频图像中识别。咱先不说V2X。。。）。但个人经验得知：国内各城市在红绿灯形状，颜色，读秒，光谱频率都不尽相同，导致即使是类似ME这样的大厂摄像头产品，在识别一条普通马路的红绿灯的成功率都很差（具体评估指标有很多），远低于人类普遍水平。难以想像这离一个妇孺老幼可坐的自动驾驶产品有多远。
现阶段:
1.交通灯坏了怎么办？ 激光雷达遇路面积水怎么办？激光雷达遇雪怎么办？camera遇雾霾怎么办？GPS信号消失或受干扰怎么办？Lidar/camera 被污浊或遮挡怎么办？计算单元过热死机怎么办？感测器/计算单元只支持不靠谱的通信协议造成丢包怎么办？感测器预处理数据耗时过长怎么办？高精地图错误怎么办？车道线磨没了怎么办？如何理解人类司机/行人的手势？演算法如何准确的输出置信度？
2.成本太高怎么办？
1.你提到的问题大概率需要v2x
2.激光雷达目前看来是通往自动驾驶的必备感测器
3.不要迷信视觉
不请自答+1
看到题主「希望通过这个问题和真正在该领域做一线研发的朋友们更广泛的交流」，忍不住推荐Medium博主/Cruise总裁兼CTO——Kyle Vogt。
Cruise是通用汽车旗下自动驾驶技术公司，总部位于旧金山。Cruise团队常常通过社交媒体和博客分享公司动态，Kyle Vogt本人也会时不时在http://Medium.com透露一些无人驾驶的最新进展。以下是我们近期搬运过来的几篇博文，供大家近距离了解自动驾驶技术的实际开发过程↓↓↓
Cruise内部数据+大量行车记录画面，呈现真实的旧金山路测：
通用汽车中国：迎难而上 | 在旧金山测试无人驾驶汽车的挑战与必要性?zhuanlan.zhihu.com
如何在14个月内完成第三代测试车型开发：
通用汽车中国：深度 | 我们如何打造第一辆真正意义上的无人驾驶车?zhuanlan.zhihu.com
为什么说激光雷达是自动驾驶规模化应用的技术瓶颈：
通用汽车中国：解答 | 我们如何解决激光雷达（LIDAR）这个难题？?zhuanlan.zhihu.com
Kyle Vogt是谁？
去年年底，一则人事任命消息在圈内刷屏——通用汽车宣布丹?阿曼（Dan Ammann）将从2019年1月1日起出任自动驾驶技术公司Cruise首席执行官，Cruise联合创始人凯尔?沃特（Kyle Vogt）将作为总裁兼CTO，跟Dan Amman共同制定Cruise的战略发展方向。
在这之前，可能大家还不太熟悉Kyle Vogt——
不到六年时间，员工人数从40+到1000+，估值迅速增长到 146亿美元，从初创公司到自动驾驶领域的领军企业，在Kyle的带领下，Cruise的成长经历可以说是非常亮眼了。
2015年入选福布斯 #30 under 30# （30位30岁以下有为人士），2016年上榜 #Americas Richest Entrepreneurs Under 40# （美国40岁以下最富有企业家榜），通用汽车最年轻的C-Suite没有之一。
不过，在这一堆闪闪发光的标签下，Kyle终究是一枚矽谷「码农」——除了拍宣传硬照，平时习惯以T恤加牛仔裤应对各种场合。毕竟，以「改变世界为己任」的矽谷人是没有多余时间花在著装搭配上的。
从实习生到联合创始人
打开Kyle Vogt的LinkedIn主页，工作经历一栏的画风跟一般人不大一样——在Cruise之前，他还有6个工作经历，但职位只有两种：实习生 联合创始人。
在麻省理工就读期间的各种实习工作大多跟机器人和自动化系统有关：在iRobot给扫地机器人设计自动测试装置、在Panasonic Boston Lab研究自动轮椅, etc.
从2006年开始连续co-found了三家互联网创新企业——Socialcam（移动端视频分享App）、http://Justin.tv（真人秀直播网站）、Twitch（电竞直播平台），其中Twitch被Amazon以11亿美金收购，Kyle也因此赚到了「第一桶金」。
也难怪在LinkedIn主页的「技能认可」一栏，除了程序员必备的Python和Linux，Kyle被最多人认可的技能就是「Start-ups」，可以说是「创的一手好业」了。
从初出茅庐到领军企业
在矽谷，有句江湖传言大概是这么说的——「第一个创业公司是拿来卖钱的，第二个是用来实现人生价值的」。
早在2004年，当Kyle还是MIT Computer Science专业的学生时，就曾经组队参加无人驾驶领域的顶级赛事DARPA Grand Challenge。历经各种创业的起起伏伏，Kyle终于在2013年和Daniel Kan（现任Cruise COO）合作创立了自动驾驶技术公司Cruise Automation，刚刚崭露头角就遇到了「伯乐」通用汽车。
2016年，时任通用汽车总裁Dan Amman主导了Cruise Automation的收购，在给予全力支持的同时保持了Kyle和Cruise团队的自主和独立。因此，Cruise原汁原味地保留了初创企业的风格和速度，同时又能受益于母公司强大的资源和规模化能力。
- 2017年9月：Cruise推出全世界第一辆可量产自动驾驶汽车；
- 2017年10月：通用汽车收购激光雷达技术公司Strobe Inc，Strobe团队加入Cruise共同开发下一代激光雷达解决方案；
- 2018年4月：Cruise宣布吸纳Zippy.ai团队（一家专注于「最后一公里」快递机器人研发的初创企业）；
- 2018年5月：软银愿景基金（SoftBank Vision Fund）宣布将向Cruise投资22.5亿美元；
- 2018年10月：本田入伙，将投资7.5亿美元与通用汽车和Cruise共同开发一款针对全球市场的自动驾驶汽车；
- 2019年1月：Cruise与美国外卖平台DoorDash达成合作，预计今年将在旧金山上线无人车外卖服务。
2016年至今，Kyle带领团队实现了自动驾驶技术的快速迭代。无需方向盘和踏板就能实现安全驾驶的第四代无人驾驶汽车最快会在今年投入商业化应用。Dan Amman正式加入Cruise团队担任CEO也让Kyle得以全身心投入技术和系统升级。
以上，欢迎指正。
摘抄于微信公众号AI掘金志的文章《对话IEEE Fellow俞益洲》：
俞益洲，IEEE Fellow，ACM杰出科学家，从港大出来进入工业界前，曾考虑过几个方向——自动驾驶、安防和医疗。
他认为，「自动驾驶虽然看起来和计算机视觉密切相关，但它对后者的依赖程度并没有外界想像的那么高。它更多的是依赖感测器等硬体设备，更偏向物联网的概念。」
另外，安防领域对计算机视觉需求很旺盛，但行业已经非常成熟，盘踞著几大巨头。
所以俞益洲全职加入了深睿医疗创业。
所以，象牙塔里希望通过基于图像分割、目标检测等纯视觉黑科技来实现自动驾驶的学生们，是不是要冷静调研思考一下。毕竟题主也说了，红绿灯识别这种问题，计算机视觉都无法稳定解决。
泻药。
网易智能专注于智能和自动驾驶等领域的新闻。关于无人驾驶技术实现的时间和难点，下文可供参考。
整理 |定西、杜瑶、姚怿立
责编 |小羿
近日，十二位无人驾驶（自动驾驶）创业公司CEO在网易讲讲「问道无人驾驶」话题上持续进行了火爆的讨论。大家围绕无人驾驶带来的伦理道德争议、技术挑战等方面进行了讨论。
无人驾驶技术真的能否缓解城市交通拥堵问题吗？目前无人驾驶技术上的最大难点是什么？实际路测时候遇到哪些新的技术问题，如何解决？何时能够达到Level 5级别的真正的无人驾驶？带著这些问题，来看看十二位大牛如何回答。
无人驾驶最大的技术难点是什么？安全可靠
从技术的角度来看，无人车的实现之路到底难在哪里？现在的创业者又在重点关注什么地方？
飞步科技Fabu.ai创始人兼CEO何晓飞表示，与其说是难点，不如说是我们关注的核心指标。在无人驾驶研发的过程中，我们最关注的指标是速度和响应时间。我们主要做的商用车，特别是卡车，速度越快，它们的震动及车身松散结构带来的挑战就越大。而响应时间关系著安全距离，安全是我们的首要关注。
此外，也有人认为最大的难度应该是安全，驭势科技创始人兼CEO吴甘沙指出，目前无人驾驶技术上的最大难点是如何做到极致的安全可靠，如何证明已经足够安全。「我们将进一步提升系统的稳定性，以车规级的要求，提高卡车运输的安全性。」从安全性的角度，图森未来创始人兼CEO陈默表达了类似的观点。
AutoX创始人兼CEO肖建雄则认为最大的难点是感知的精准度，感知的精准度是Level 4无人驾驶的最大挑战，目前主要通过演算法的提升和数据的积累解决。
当然，也有从业者认为无人车是一个复杂的工程，目前的难点还是多方面的，地平线创始人兼CEO余凯谈到，演算法、数据、计算能力、测试、系统都还需要很长时间的改变，如果说最难的，我认为是算力和测试。「复杂的场景变化、保障测试安全冗余、自动驾驶车辆和有人驾驶车辆的交互、安全等方面的问题都会遇到。自动驾驶事关生命安全，我们的原则是——所有这些技术问题的解决，都必须以安全为第一。」余凯说。
谈及复杂性，领俊科技CEO杨文利表示，自动驾驶的最大难点在于交通场景的多样性，复杂性和不确定性。我们尝试对交通场景的的数量进行梳理和总结，其中包括了城市路况和高速路况。只是单一时间点上的单一场景元数量，就在百万以上，复杂场景的数量将会成指数上升。如何能在如此复杂多样的交通场景中做到安全可靠，是自动驾驶技术的最大难点一直。
「如何和多快能够尽可能多的覆盖各种场景和交通情况，是业界普遍需要克服的问题，高效的模拟平台和机器学习能够在一定程度上加快解决这个问题。但其实每次路测都会遇到新的技术问题，调试和测试的过程就是不断发现新问题，不断解决问题的过程。不过，在这样发现问题解决问题的迭代中，技术问题也就越来越少，安全性可靠性得到不断提升。」
而在MINIEYE CEO刘国清看来，现在对于一些典型的场景，现有的技术已经可以很好的解决。未来相当长的时间，大家是集中在Corner Case（极端情况）的处理上，它们可能占的比重可能小于1%，但是如果不处理好的话，L5的级别在实际使用中就是会有较大的安全隐患。
无人驾驶路测时遇到了哪些新问题？应对人机共驾时代
在宽泛的技术难题之外，还有路测难题等著无人驾驶的创业者们。今年4月11日，工业和信息化部，公安部，交通运输部联合发布了《智能网联汽车道路测试管理规范（试行）》，对测试主体、测试驾驶人及测试车辆等方面作出了明确要求，该规范将于5月1日正式开始执行。
该规范指出，测试车辆包括乘用车、商用车辆，但不包括低速汽车、摩托车。测试范围包括有条件自动驾驶（L3级）、高度自动驾驶（L4级）和完全自动驾驶（L5级）。车辆应具备人工操作和自动驾驶两种模式，且能够以安全、快速、简单的方式实现模式转换并有相应的提示，保证在任何情况下都能将车辆即时转换为人工操作模式。在进行测试时，必须配备驾驶人，负责测试并在有紧急情况时实施应急措施。测试驾驶人必须具有3年以上驾驶经历、最近连续3个记分周期内无记满12分记录、无严重交通违法和交通事故记录等。
有规范可依之后，越来越多的无人车创业者加入了无人车路测大军，对于在路测中遇到了问题，Drive.ai CEO Bijit Halder谈到，由于在可预见的未来，自动驾驶汽车需要与人类驾驶员共享道路，因此自动驾驶技术最大的困难是预测其他驾驶员的行为。自动驾驶汽车仅仅做到安全驾驶是不够的，在其他人类司机正在危险驾驶时，它仍然要保证自身的安全。我们用了很多年的时间，利用非语言和文化的指令来训练自动驾驶，在不同的特定地点进行测试，以使技术趋于成熟。因为，在同一个国家不同城市的驾驶习惯可以有很大的不同，更不用说在人口密集的城市地区和人口较少的次城市地区驾驶的区别。
「我们需要研究自动驾驶技术的许多方面来解决这个问题。例如，我们需要更好地理解周围的环境，不仅要快速收集详细和多样化的数据，而且要以有意义的方式解释这些数据。由于自动驾驶汽车的行动会影响到其他人类驾驶员的行动，我们还需要为车辆设计一个更灵敏、更自然的运动规划。」Bijit Halder说。
Bijit Halder认为驾驶是一个复杂和动态的问题，我们不可能考虑到驾驶时的所有变数。即使是在已知道路上的短程行驶，它的核心技术问题仍是如何处理这种变数，更不用说复杂路况下的的长途行驶了。这些变数主要有三个来源:环境的变化，如天气状况和交通模式;人类司机、骑自行车者和行人的行为;道路状况，如车道的封闭及建筑施工。实际路况测试的关键是，培养可以归纳化处理、且能够强有力地承受这些变数的技术。
同样，智行者创始人兼CEO张德兆表示，在路测过程中，现在无法解决复杂交通场景下的行人、车辆交互的行为。驭势科技创始人兼CEO吴甘沙也谈到，路测中的问题主要还是在多智能体（众多不守规则的人类司机）、复杂拥堵环境中如何做到安全，又不肉。
飞步科技则遇到了更为细节的问题，飞步科技Fabu.ai创始人兼CEO何晓飞指出，在实际路测的时候，我们的司机经常会因为不习惯而碰到方向盘或者踩下刹车，导致自动驾驶程序突然停止并退出。这可能是我们之前都没有想到的：我们为所有可能的技术问题做好了预案，却可能忽视了「人」自身的状态。当然，很多问题对我们都很重要，它们帮助无人驾驶的系统不断迭代升级，做到更好。
何时才能实现Level 5级别的无人驾驶？10-20年
针对何时能够到达Level 5的问题，多数行业大咖达成了一致，借用驭势科技联合创始人、CEO吴甘沙的原话来说，就是「实现Level 5还需要10年以上」。
而禾多科技创始人兼CEO倪凯的回答则显得有些悲观，他表示，实现Level 5的无人驾驶，可能需要20年时间，城市工况下的L4达到成熟阶段还需要10年左右。
但他也认为，这并不是说要等上10年才能享受到自动驾驶技术，自动驾驶的落地是从限定场景开始的，是一个不断迭代和积累的过程。他举例了禾多科技聚焦的两个场景——高速公路的自动驾驶（L3.5）和智能代客泊车（L4），并预言这两者将较早实现落地。
与禾多科技专注于特定场景化自动驾驶研究类似，图森未来专注于研发在高速和港口等场景内运行的无人驾驶卡车，它表示，这些场景本身相对较少地存在交通拥堵问题，此外，通过与智能路侧设备的交互，道路的车辆容载率可以获得极大的提升，在一定程度上缓解道路拥堵问题。
可以预见的是，专注特定场景的无人驾驶汽车将于Level 5无人车之前首先问世，并实现产业化。
对此，领骏智驾杨文利也表达了相似的观点，「某些固定场景、某些特定功能的自动驾驶，会很快得到广泛应用」，同时，关于如何实现L5的问题，他与Drive.ai CEO Bijit Halder有著类似的观点：需要车载智能、5G通讯网路、基础设施、法律法规等诸多因素的全面成熟。
地平线余凯和刘国清则分别从技术层面和战略层面分析了L5落地的难点，余凯认为，越往高级别自动驾驶方向走，系统要解决的问题就会越复杂。目前，自动驾驶每提升一个层次，它的算力需求就要上一个数量级。到了5级自动驾驶的时候，算力需要达到一千多万亿次。一旦算力取得突破，软体和场景应用的迭代速度会非常快。
MINIEYE CEO刘国清则表示，自动驾驶涉及的技术太多了，而这些具体的细分技术方向离L5需要的技术水平都还有差距，无论是感知还是计算晶元，又或是控制策略和控制系统，甚至连测试到目前为止都没有一个成熟和高效的方案。他认为，「如果能够高效、低成本地进行L4L5级别无人驾驶的测试，帮助发现更多的Corner Cases，测试效果就会比较理想，但目前这块，国内和国外都做的不是很完备。」
无人驾驶的世界会到来吗？欢迎加入网易讲讲《问道无人驾驶》的讨论中来，还有机会获得网易2019精美枱历。
《无人驾驶汽车在技术上还有哪些挑战？》话题参与地址：https://c.m.163.com/news/motif/HT1545788164797.html
下文可以作为补充阅读。
本文来自微信公众号：人工智慧实验室（Altists），编译：张玺 ，编辑：宇多田
虽然文章几乎聚焦于美国矽谷的技术公司，但这并不意味著作者提出的种种问题不存在于中国的技术公司身上。
有意思的是，作者批评了各大公司此前疯狂立 flag，却最后纷纷打脸的事实。而凑巧我们在年初，也曾整理过2018年国内公司立的关于「量产以及无人车上路」的 flag，同样无一实现。
因此，这篇文章完全可以作为一面镜子，让大众看到真实的市场，让国内公司看到真实的自己。
当整个汽车行业依然在尽其所能以专心发展自动驾驶技术时，回望2018──
诉讼不断，发展受抵制，再加上全球首例自动驾驶汽车行人致死事件……
除了一致在兜售「自动驾驶汽车很快就能上路」的空头承诺之外，自动驾驶几乎一事无成。
与矽谷技术巨头（公平地说，底特律也有）的承诺相反，完全无人驾驶汽车近两年很难面世，甚至几十年内也够呛。
如果说的再具体些，将要过去的2018年已经证明了自动驾驶汽车无法于数十年之内实现大规模应用。
因此，今年发生的许多事例，包括在日常环境中的技术性失败，相关企业的计划延迟，以及政府面对此项新兴技术的无知表现──
哪怕是成功事例，都体现出自动驾驶汽车技术距离真正成熟运用的黄金时代来临还有太多局限与不足。
连 Elon Musk 都不得不承认「人类的确被低估」。此结论同样适用于无人车行业。
下面，就让我们好好来拆解下今年自动驾驶汽车的成与败。
|技术远远没有准备好
到目前为止，整个汽车行业本年度的最大焦点事件是 3月份 Elaine Herzberg 的意外丧生：
她在夜间穿行马路时，被一辆 Uber 自动驾驶测试车（沃尔沃 XC90）撞到并去世，而车上的安全驾驶员当时却正在玩手机。
案件的深入调查显示，测试车的确检测到了路边的 Herzberg，但 6 秒之后才做出反应，但那时已经来不及了。
当时，Uber 是唯一一家仅配备一名安全驾驶员的公司，而多数其他公司都在测试过程中配备两名测试员。
由于那辆车没有其他方法来主动追踪驾驶员意识，尽管天气、路灯及汽车感测器（本应该能在撞人前触发制动）都很正常，安全驾驶与车载电脑都没能避免悲剧发生。
最终，该事件不仅使得 Uber 暂时放弃了在亚利桑那州的路测工作，几百名员工因此丢了工作，也因此证明 Uber 无人车的感测器与电脑组件显然还没准备好在路上做出事关生死的抉择。
与此同时，这一事件在很大程度上测试了公众对自动驾驶汽车接管方向盘的接受程度。
亚利桑那州州长 Doug Ducey 撤销了 Uber 的测试许可证，尽管正是他几年前支持州政府对于 Uber 的项目放松监管（不过在 12 月 20 日 Uber 又重新启动了路测业务）。
但是，在自动驾驶项目中遭受重挫的绝不止 Uber 一家。
沃尔沃将其自动驾驶汽车项目推迟了 4 年──此项目是其试点项目的一环，而原计划是将于 2018 年为瑞典家庭拥有据说可以自动驾驶的汽车。
是的，沃尔沃最终不得不承认，项目所需的感测器技术可能在 2021 年才能发展成熟且更易于部署。（可能到了 2021 年又会换说法）
特斯拉也延迟了之前高调宣布的目标──让一辆完全自动驾驶汽车完成跨越东西海岸的展示。
该计划原定于 2017 年 1 月，接著延期至 2018 年底，而现在具体时间也不得而知。
虽然这个目标可能是马斯克惯常使用的市场营销技巧，但此项展示的数次延迟也证明了基于人工智慧的自动驾驶系统应该离具备真正安全的自动驾驶能力还非常遥远。
而特斯拉的自动驾驶辅助系统也曾遇到过不少小问题。
今年 9 月，一些车主在云端进行过系统更新后，发现辅助系统无法正常使用，而修复就花费了他们整整一天。
这意味著特斯拉车主必须在高速行驶过程中睁大眼睛，完全聚精会神；但如果未来的系统更新让无人车丧失自动驾驶功能，天知道会发生什么。
此外，Waymo 虽然是成功公开推行了自动驾驶汽车商业运营试点计划（如期上线乘车共享服务）的少数公司之一，但这家谷歌的子公司今年同样被曝光很多问题。
8 月，The Information 的一篇重磅报道引用了五处未经披露的消息来源，声称 Waymo 的自动驾驶汽车还无法理解基本的道路基础设施特征及驾驶任务。
譬如，它无法做出无保护措施下的左转任务，也无法在匝道上的信号灯（用来控制从匝道到公路的交通流量）前停车。
今年 8 月，《信息报》(Information) 的一篇大报道援引五名未具名消息人士的话说，Waymo 的自动驾驶汽车在基本的基础设施理解和驾驶任务方面遇到了困难，比如在没有保护措施的情况下左转，或者在交通信号灯前停车，这些信号灯的设计目的是控制从匝道到公路的交通流量。
尽管一些交通事故及媒体报道表明 Waymo 汽车还受困于日常驾驶场景的某些问题，但这家公司还是成功上线了自动驾驶汽车共享乘车计划，并于本月初正式开始运营。
|完美应用条件就是「局限性」
Waymo 的商业服务以自动驾驶计程车队的形式实现，服务对象是先前参与凤凰城地区免费试点计划的乘客──他们现在需要付费乘坐自动驾驶汽车。
运营的覆盖区域面积并不大，约为 100 平方公里，包括 Chandler、Tempe、Mesa 及 Gilbert。而运营模式与 Uber 及 Lyft 本质上并无差异。
此外，虽然 Waymo 无人车配备了安全驾驶员，但根据几家媒体在现场的亲自体验显示，全程并没有人员干预（虽然真实用户表示不是这样）。
毫无疑问，Waymo 商业嗅觉极佳：
对于自动驾驶汽车测试，亚利桑那州地区的条件近乎完美——无需担心极端天气状况（这就是很多公司选择亚利桑那州测试的最重要原因之一）。
然而，在无法保持近乎全年晴朗干燥的其他地区，Waymo 很难表现出类似的安全性水平。不会出现我们年初在拉斯维加斯测试 Lyft 自动驾驶汽车时的糟糕结果。
基于上述完美条件，无人驾驶汽车技术的确令人印象深刻，这毋庸置疑。
（当然，还有一个重要原因，拥有卡耐基梅隆大学的匹兹堡逐渐成为自动驾驶汽车的测试基地。）
但是，这些汽车必须学会如何应对坑洼、丘陵以及严酷的积雪，才能「生存」下去。
就连 Waymo 负责人、前 Hyundai 执行官 John Krafcik 也公开表示，自己怀疑自动驾驶汽车未来是否能够在所有条件下正常行驶。
同时，他认为大概还需要发展几十年才能实现人均一台自动驾驶汽车。
|这是一个自负的行业
今年对于自动驾驶最明晰的展现，也许就是技术公司之于大型自动驾驶项目的手忙脚乱，之于商业秘密的讳莫如深。
Waymo 在 2017 年 2 月，对离职加入 Uber 的 Google 工程师 Anthony Levandowski 发起诉讼，指责其窃取了谷歌的自动驾驶卡车技术。
这起引人注目的诉讼仅在一周内就完成调解。最终，法庭裁决 Uber 不能在公司车辆中使用任何 Google 认为被窃取的技术，并要求前者支付 2.45 亿美元的赔偿金。
此外，法拉第未来与苹果公司也因员工涉嫌向其他公司泄露商业机密而与其发生纠纷；而迪斯尼公司原本要为其公园配备自动驾驶汽车的计划，也以一场两家技术公司之间的重大诉讼告终。
说到 Levandowski 其人，事实证明他本身就是矽谷自负的缩影。
譬如，他坚持认为历史中没有什么可以借鉴的东西，而「安全」也不可能成为新技术发展的头等大事；当然，他还认为自己的工作成果卖 10 亿美元都便宜了。
如果你觉得这听起来有些疯狂，请记住 Levandowski 对 Waymo 的深远影响。
New Yorker 的一篇文章中曾披露过一件令人极其惊恐的事：
Levandowski 曾试图说服同事相信他们的技术能力更强，只是始终受困于测试计划。
所以，他修改了一辆测试车的行驶路径，使其在高速公路的非测试路段行驶，但却在那里把另一辆车从马路撞进了中央隔离带。
然而，Levandowski 却像什么都没发生一样继续进行测试，从未向公司报道过事故。之后，他甚至还将事故视频作为未来研究的「无价材料」展示给 Waymo 员工。
这位老兄曾说过：
「未来才是重中之重」
「我不知道为何要学习历史。我猜是因为有趣吧──恐龙、尼安德塔人和工业革命，诸如此类。但是过去发生的事情真的一点也不重要。你不需要了解历史就可以站在他们所创造的基础上。在科技领域，最重要的是明天。」
额……
汽车安全与保障的未来取决于这些公司与他们领导层的自负程度，如果 2018 年已经证明了一件事，那就是——
他们绝对不可靠。
|政府也在一脸茫然
不幸的是，正如今年所证明的那样，这些自负的人正是政府想予以信任的对象，他们相信弱监管也能保证消费者安全。
今年年初推出 Cruise 自动驾驶测试计划的通用汽车表示已获得纽约州的许可──在曼哈顿最繁忙的街道上开启自动驾驶汽车测试。
这与 Waymo 在美国西南地区的测试相比，显然要难很多。
然而，Cruise 的测试车至今还没有出现在曼哈顿的街道上。
正如我们 9 月份的报道，根据纽约机动车辆管理局的报告，Cruise 似乎仍然没有获得正式批准。
有意思的是，当 2017 年 10 月州长办公室宣布该项目时，纽约市市长办公室竟然没有被征求过意见。
按照通用汽车现在给出的说法，计划搁置是由于「复杂的监管环境」。
因此，并不是只有企业在无人驾驶汽车发展过程中遇到了挫折。
然而，更令人担忧的是一些立法者的做法，他们试图从法律层面清除自动驾驶汽车发展的障碍。密歇根州州长 Rick Snyder 曾表示，这些自动驾驶公司应该享受「疑罪从无」，因为这些公司正在努力使汽车更安全。
而这个评论是在 Uber 无人车发生致死事件后发表的。
当然，联邦政府也好不到哪里去。
作为重要的自动驾驶汽车法案──AV START Act，经历了批论家关于其对新技术安全标准构建不到位的指摘，要被迫进行大规模修正。
可即便是修订后的草案，也被汽车安全中心（Center for Automotive Safety）批评为「大话连篇，对于安全改善没有实质作用，反倒可能抬升汽车与技术公司股价。」
|走向何方？
当然，我们不会唱衰自动驾驶，肯定会有更多公司会投身其中。但自动驾驶汽车明年的前景本质上与今年无差。
而且这些公司将要如何生存，还没有清晰的路线图。
此外，对于如何立法监管自动驾驶汽车，我们毫无头绪。
我们不能确信那些急于让无人车上路的公司是否准备妥当。即便准备妥当，对于是否存在足够体量的市场规模，我们也一脸茫然。
现在，公众对于无人车的怀疑情绪已达到历史最高点了。
也许我们目前唯一可以确认的是，无人车可能永远无法在所用驾驶条件下行驶，在几十年后才可能成为主流。
是的，我们肯定目前无人车还没有足够好，好到能够自动躲避夜间推著自行车散步的人。
最后，终极问题来了：我们应该如何去定义什么是「足够好」呢？
未来智能实验室是人工智慧学家与科学院相关机构联合成立的人工智慧，互联网和脑科学交叉研究机构。
关注网易智能公众号（smartman163），为你解读AI领域大公司大事件，新观点新应用。
离散是人类对宇宙连续无穷的妥协。
搞不定这个问题，或许问题本身就被定义错误。
用单张图来定义当前物体的状态这个问题的本身或许就是错误。
时序的变化被离散化识别，这个问题的本身或许就是对某位pm的妥协。
试试从时序中抽象出状态的迁移。
试试时序+高精地图，
试试时序视觉检测+高精，
试试视觉检测+时序追踪+高精，
Detect it through time!
题主你好，汽车工业发展一百多年时间，历经沉浮，大的变革不少，但如果要说里程碑式的变革，我觉著唯有两件事：1、卡尔本茨发明汽车；2、自动驾驶技术的引入。一次是发明了汽车，一次是重新定义了汽车。
自动驾驶技术发展时间不长，最终形态是要做到无人驾驶，这个结论是确定的，大家也在不断朝著那个方向努力。但是在现阶段的市场宣传中，有些厂家会误导让大家以为技术已经达到了可以无人驾驶的地步，更有甚者，开著自适应巡航+车道保持就敢在高速路上放开方向盘，从主驾位置坐到后排撒手不管，这种行为送他两个字：走好！
● 现阶段的自动驾驶技术到底什么水平？
先给结论：目前的自动驾驶技术都只能算高级驾驶辅助，离真正的无人驾驶还有距离，一切量产车上将双手离开方向盘的行为都是作死，包括特斯拉，哪怕你已经升级到最最最新的Autopilot驾驶系统。
当然，这个结论也只适用于目前，两三年后，恐怕又是另一种情况了。
ACC自适应巡航控制油门刹车、车道保持控制方向盘，但以为这样能完全自动驾驶，跑到后座去，完全是作死。先不说目前的技术条件下，这些系统无法应对复杂的交通状况，奥迪上面，车道保持只能自动调整2-3次方向，然后系统就会提示驾驶员握紧方向盘。
现阶段的自动驾驶不是无人驾驶，请默读3遍！
如果奥迪的驾驶辅助系统不具备说服力，请看特斯拉，海外、国内事故的例子都有。
案例一、
2016年7月，美国佛罗里达州，特斯拉Model S在发生交通事故，导致驾驶员死亡。车主坐在驾驶位上，开启了Autopilot自动驾驶辅助功能，然后他走神了，正好路口一辆货柜车横穿马路，正好正午大太阳下光比很强，卡车还是白色的车身，车身反光后和天空背景反差太小，特斯拉Model S的感测器未能识别出前方有障碍物，然后撞了上去，车主死亡。
随后，特斯拉官方对事故原因进行了说明，「在光线过于强烈的环境下，无论是自动驾驶系统还是驾驶员都未能及时察觉前方拖车的边缘，因此未能施加制动。在极为罕见的情况下，拖车高度与其在马路当中的位置造成特斯拉Model S直接撞进了拖车底部。」
特斯拉CEO Elon Musk在推特上表示，汽车的雷达在这种情况下不能发挥其作用。因为道路前方如果看起来像是一个高架道路标志（指拖车高度较高），它会自行关闭以避免错误的制动和刹车。如果特斯拉在车顶或者雨刮感应器的位置再增加一个雷达毫米波感测器，或许此类事故就能避免。但是，没有如果……
案例二、
其实在特斯拉美国发生交通事故致死的案例之前，2016年1月，国内就已经有一起致死事故了，不过是藏藏捏捏，到9月份才陆续有媒体披露。一男子驾驶特斯拉Model S在高速公路行驶，前车躲避障碍物，该男子躲闪不及撞上道路清扫车发生车祸致死。
原因跟美国案例一致：驾驶员开启了Autopilot自动驾驶辅助然后就将所有的操作交给了系统，自己并未观察路况。然而，感应器未能识别前方障碍物，电脑未能让汽车做出及时响应，在没有任何制动、转向的操作下，直接迎面撞了上去。
总之，目前最先进的自动驾驶系统仍有不少缺陷。特斯拉官方也强调过，辅助驾驶技术一直都在发展之中，但它还并不完美，需要驾驶者保持警惕。使用Autopilot的过程中，汽车会不断提示双手要全程放在方向盘上，并且对你的车负责。
科技发展总有代价，事故是发展中的阵痛，除了厂家在宣传上要更注意措辞和提醒之外，驾驶者也得对自己的生命负责，如果甘拿自己的生命当做小白鼠，那我还能说什么？
● 自动驾驶等级分类
简单的来看，我们可以将自动驾驶等级归为三类。从最基础的驾驶辅助，到具备一定自动驾驶能力的自动驾驶，再到完全无需人参与的无人驾驶。当然，这三者之间并没有明显界定，只是方便理解。
而官方对自动驾驶（辅助）系统等级是有严格界定的，按照SAE（美国汽车工程师协会）的分级，共分为：驾驶员辅助、部分自动驾驶、有条件自动驾驶、高度自动驾驶、完全自动驾驶五个层级。
●自动驾驶全面商业化仍需时日
特斯拉Autopilot模式（在国内的名称为「Autopilot 自动辅助驾驶模式」）在这两种分级中均属于较智能的SAE 2级别，也就是部分自动化，尚不具备自动驾驶能力。
在近日在迪拜召开的世界世界政府首脑（WGS2017）会议上，特斯拉CEO Elon Musk宣布特斯拉年底将实现商用SAE 4级别的自动驾驶技术既定计划，并对两个问题给出了答案：对于新售汽车全部搭载自动驾驶技术，他认为在还需要10年可以实现；燃油车彻底退出历史舞台，则仍需20年左右来过渡。
当然，特斯拉是车企中的特例，从起步就比别人快，而且相对体量也不算大，定在2017年底实现的压力也较小。对于其它企业而言，就没这么快了，很多企业（如宝马-英特尔-Mobileye联盟、福特等）都定在了2021年。
●自动驾驶技术两股流派，传统汽车厂商VS科技厂商
无人驾驶是未来数十年内大趋势，这点几乎获得了一致认同，除了特斯拉之外，各大厂商也在积极发展，但如何发展，大致可分为三类：传统汽车厂商、科技厂商、传统汽车厂商+科技厂商。
一、传统汽车厂商：循序渐进
传统厂商的发展过程大家其实已经参与其中了，从定速巡航、自适应巡航、盲区监测、车道保持……这些驾驶辅助配置上不断更新完善，让驾驶辅助系统逐渐升级为自动驾驶系统，最终实现符合一定标准的安全驾驶。
二、科技厂商：直达目的
科技厂商里以谷歌为代表的企业从一开始就是瞄准无人驾驶去的，他们没有车企的包袱，产品无需过渡，所以在没能达成无人驾驶之前，暂时仍无产品问世。但是相对汽车厂商而言，无人驾驶的核心技术——信息处理和演算法上，科技公司有明显优势。
三、传统汽车厂商+科技厂商
实际上，第三组模式在业内顶级厂家之间更加常见，没有永远的敌人，只有永远的利益，大家强强联手不仅是寻求自保，也是达成对第二梯队的绝对超越。
● 各大企业发展现状
自动驾驶技术研发是一项全民参与的盛会，无暇列举每一个厂商的发展现状，仅选取一些作为代表。
还是先看特斯拉
2016年下半年，特斯拉官方表示：今后出厂的所有车型在硬体上都保证能够完成SAE 5级自动驾驶，这些硬体包括12个超声波感测器和8个摄像头。8个摄像头用于覆盖360度可视范围，对周围环境的监控距离最远可达250米，12个超声波感测器完善了视觉系统，探测和感测软硬物体的距离则是上一代系统的两倍。
至于其在2017年底实现商业化的目标，技术攻克可能还不是最难的部分，获得法律支持并让整个社会配套政策跟上自动驾驶的步伐，这才是最难的。
宾士
作为发明汽车的厂商，宾士的自信毋庸置疑，常年在豪华车市场全球销量第一实力也足以支撑这样的自信。但是在自动驾驶上，宾士目前动作并不是很激进。量产的车型，如新E级、S级上搭载的驾驶辅助系统不少。而完全自动驾驶车辆的路试，也有过些许报道，不过离量产尚早。
近年来，宾士发布过4款自动驾驶概念车，一台四座轿车、一台自动驾驶卡车、一款自动驾驶物流车、另外还有一台自动驾驶公交车，涵盖家用、商用和公共出行。从布局上看，还是比较完整的。
早在2014年，宾士就曾发布一款名为Future Truck 2025 Concept的长途货运车辆，Future Truck 2025 Concept的自动驾驶系统能分辨单双道公路、静止物体、移动障碍物、行人以及范围内的其它一些物体，并以80km/h在德国Magdeburg A14高速上进行过成功的实际道路测试。
2015年1月5日的CES大会上，宾士发布了「F 015 Luxury in Motion」自动驾驶概念车，新车配备巨大的全液晶仪表盘，提供丰富的驾驶信息。作为一台展示的概念车，我们能从它身上获得的信息并不多。
2016年，戴姆勒集团发布了一台自动驾驶公交车，并成功的完成了上路测试。测试地点为荷兰阿姆斯特丹的BRT（快速公交系统），那里也是整个欧洲最长的BRT路段。全程20公里，中途没有人对车进行任何操作，自动公交在每一站都会自动停车、自动开门下乘客、乘客上来之后也会自动关门。在等红绿灯和遇到复杂路况这些常规情景时，也能自动刹车。
另外，宾士还曾发布过一款概念物流车，车顶配无人机送快递，不过展示的也只是概念，实际路试中技术发展到何种程度，还不得而知。
宝马/英特尔/Mobileye
宝马在自动驾驶技术上选择合纵连横，拉上了科技厂商英特尔和Mobileye，三方在2017 CES展会上宣布，计划在今年下半年推出约40辆自动驾驶测试汽车，以进行路测。量产版自动驾驶汽车将在2021年正式上市销售。
三家公司表示，这些测试汽车基于宝马7系打造，将配备来自英特尔和Mobileye的最新技术。测试将在全球范围内展开，但将率先在美国和欧洲上路。英特尔的大名不解释，Mobileye来头也不小，它是全球知名汽车零部件供应商，主要专注于计算机视觉、地图、以及机器学习领域，特斯拉的Autopilot自动驾驶系统就基于Mobileye的技术。
奥迪/英伟达
奥迪第一台引起大家注意的车型名为RS 7 Piloted Driving，该车于2014年在霍根海姆赛道的单圈成绩大约为2分10秒，最高时速锁定在240km/h，而它在过弯时的侧向加速度可以达到1.1G。
这台测试车搭载了一套非常精确的GPS装置，通过车头的3D摄像头对周边情况进行分析，再结合GPS做出正确的路线规划。奥迪称3D摄像头可以捕获数百米的道路范围，而GPS精度可达到1厘米的级别。
到了2017年CES展会上，奥迪与英伟达宣布将合作研发自动驾驶汽车，级别为SAE 4级（高度自动化），预计2020年推出。
此前双方已联手开发名为交通堵塞导航的半自动驾驶系统，将在2017年晚些时候装配在奥迪A8车型上，这也是汽车领域第一家声称能做到三级的自动驾驶汽车。该系统使用的是英伟达的硬体和软体，允许司机在某些情况下让汽车以不超过35英里的时速自动驾驶。
沃尔沃/Uber
2016年早些时间，Uber（优步）和沃尔沃已经宣布先投300万美元试探性研发自动驾驶，最近，已经有二者合作的XC90测试车从匹兹堡开往旧金山。相对于前面几家厂商的投入，300万美元毛毛雨，不过这个暂时只是试探性投入。毕竟，优步已经花6.8亿美金买下了专注于研发无人驾驶卡车的奥托公司。
沃尔沃提供最基础的车辆还有自己的部分技术，而Uber自然也要充分发挥自己处理大数据的能力，自动驾驶的主要硬体和演算法都是它来搞定。
其实除了和Uber合作外，沃尔沃自己也在独立研发自动驾驶系统，并称之为Drive Me，此前，已经在瑞典老家哥德堡做了多次路测，最多的时候，共投入了100台车。
●福特/Argo AI
连续两年的CES展会上，福特都会把自己的蒙迪欧自动驾驶测试车队放在展馆外跑上几圈，秀肌肉的意思很明显了。
在2017年初，福特还宣布，未来五年向Argo AI公司投资10亿美元，以早日实现4级自动驾驶。2021年，计划生产真正的无人驾驶汽车。
根据双方签订的协议，Argo AI将为福特的无人驾驶汽车开发软体。Argo AI的总部设在宾夕法尼亚州匹兹堡，2016年由前谷歌和Uber自动驾驶研发人员创立，该公司致力于无人驾驶汽车软体开发。
传统汽车厂商看完一波，不难发现，他们的背后几乎都有科技公司的身影。
● 谷歌
作为互联网行业的绝对大佬，谷歌研发电动车的历史应该是所有互联网企业中最久的。谷歌自行研发的纯电动自动驾驶车于2014年5月发布，2016年6月正式上路，如今行驶里程超过超过320万公里。该车主要依靠内置的感测器和一套软体系统来保持机动，没有方向盘以及油门和刹车。
然而，谷歌无人驾驶汽车在过去7个年头共发生18次事故。谷歌公司针对今年2月的事故发表声明，承认产品存在设计缺陷。加上相关政策的变化，谷歌最后决定在量产的无人驾驶汽车上保留方向盘和刹车，把最终控制权交给司机。
不管如何，320万公里的测试里程足以证明了谷歌对消费者负责的态度，并且截止目前，谷歌也并未信誓旦旦的说自己马上要量产无人驾驶车辆。
谷歌已经将自动驾驶汽车项目分拆为一家单独的公司Waymo，寓意「A new way forward in mobility」（未来新的移动方式）。他们计划联合FCA集团在2017年初投放100辆自动驾驶车进行测试。有消息指，Waymo预计将在短期内向公众提供无人驾驶服务，而不是向他们出售自动驾驶车。
● 苹果
这个世界上最不差钱的科技公司其实早就看中了汽车市场这块大肥肉，在乔帮主时代，苹果就已经有进入汽车市场的意愿。进入库克时代售，苹果汽车的传闻扑朔迷离，项目一直进展不太顺利，不过，苹果会进入自动驾驶市场，这个结果几乎是确定的。
近日，苹果向美国国家公路交通安全管理局（NHTSA）递交了一封信函，披露了自动驾驶事宜，苹果在信中提及苹果通过机械学习提供更智能、更直观、更私人化的产品和服务。在研究机器学习和自动化方面，苹果投资力度较大，对很多领域（尤其是交通领域）的自动化系统的潜力感到很兴奋。
两年前苹果开始研究电动车，前不久，苹果公司被爆出研发重心转至自动驾驶系统。从信中看来，苹果未来是极有可能研发和生产自己的汽车，而非只是向汽车制造商提供技术。
●德尔福（DELPHI）/Mobileye
2017 CES展会上，德尔福（DELPHI）与Mobileye上场秀技，他们共同展示中央感测定位与规划（CSLP）自动驾驶解决方案，并在复杂路段（包含信号不佳的隧道）跑上10km，这10km的演示路段包含了复杂的城市道路、高速公路以及信号不佳的隧道，被称为目前最高级别的自动驾驶公开路试！
该套自动驾驶解决方案的一大改进在于它改善了车辆在隧道或信号不佳的路段的定位能力，即便汽车在丧失GPS信号与云端地图信号的糟糕环境下，CSLP自动驾驶系统依旧能确保10cm以内的定位精度。除此之外，其自由空间探测能引导车辆通过复杂的车道分叉或没有车道标线的区域。这套系统是首款可以立即使用、完全集成的自动驾驶解决方案，配备了行业领先的感知系统与计算平台，计划2019年投产。
德尔福是全球最大的汽车线束系统制造厂商，而Mobileye也是汽车驾驶辅助系统的先驱，之前一直为特斯拉自动驾驶提供技术支持。双方为技术互补型合作，即德尔福提供了雷达、激光雷达以及激光雷达系统等感测器组件，而Mobileye则负责顶级视觉（摄像）系统以及实时地图检制与车辆定位系统。这两位合作，还真不怀疑他们能拿出目前自动驾驶的巅峰之作。
●英伟达
全球视觉计算技术的行业翘楚英伟达（NVIDIA）公司，于CES 2017（国际消费电子产品展）之上，发布了自动驾驶技术的关键部分——DRIVE PX 2平台。
英伟达DRIVE PX 2自动驾驶汽车开发平台基于16nm工艺打造，功率250W，水冷散热设计，支持12路摄像头输入、激光定位、雷达和超声波感测器，多个Drive PX 2平台并行使用可以实现完全的自主驾驶。
DRIVE PX 2的工作原理是：将外部感测器获取的数据加工，制成单个的高精度点云并上传云端伺服器，由超级计算机DGX-1融合成高精度地图。此外，英伟达「NVIDIA DIGITS」端到端深度学习训练平台也得到了发布，依靠DRIVE PX 2平台和DGX-1计算机，每一辆车都能构建自己的深度学习网路。
● 百度
和谷歌相比，百度在前沿技术上的差距不是一点两点，但这也并不妨碍它对谷歌的追赶和对前沿科技的追求。2015年，百度正式成立了自动驾驶事业部，并提出了三年实现自动驾驶汽车商业化，五年实现自动驾驶汽车量产的目标。
百度已经拿到了美国加州颁发的全球第15张无人汽车上路测试牌照，相信不久之后百度无人车会出现在加州道路上进行更深一步的自动驾驶路试。2015年12月份，百度以改装过的宝马三系GT为试验车辆在北京5环上进行了自动驾驶测试。在没有人员干预的情况下，车辆自动完成了变道超车、跟车制动等一系列复杂动作。
2016年9月，百度还和英伟达携手开发自动驾驶汽车人工智慧平台。双方将联合百度的云平台、地图技术以及NVIDIA的自动驾驶计算平台，共同开发高清地图、SAE 3级别的自动驾驶车辆控制和自动停车的解决方案。
结语：
科技总是这样，有时候看起来很梦幻，遥不可及，有时候又以迅雷不及掩耳盗铃儿响叮当之势融入了我们的生活。从驾驶辅助，到自动驾驶，再到最终形态的无人驾驶，其实大概3-5年之后，量产的无人驾驶车辆就会大量渗入我们的生活中，机器、感测器固然在应对复杂状况的表现不及人脑，但是它的工作状态几乎不受任何限制，而且稳定程度也要大大优于人脑。
从这个角度看，自动驾驶全面普及后必将大大减少交通事故。另外，对于人力成本的节省，也重新定义了汽车工具的属性。
[用投资人的眼光做BP，以创业者的思维做融资] 点击【创业指导】 提交留言，千份BP模板及投资人联系方式免费送！
谈到自动驾驶不能不提一下「自动驾驶」这项技术的实际应用场景到底在哪里。
实际上根据科学技术发展来看，自动驾驶应属于智能化交通的范畴，而智能化交通则属于智能化都市这个更大的领域。
所以，我们不能简单的让一辆汽车根据「识别周围路况车况，自动驾驶」。真正的自动驾驶应该是让一个大型的指挥调度系统管理整个城市道路交通，「自动驾驶汽车」在这个系统内，接受发射实时信号，完成在道路上的行进。
这套系统中的几个关键技术应当是：1、超高速的5G网路（目前我国的4G网路网速还不足以支撑如此大量的数据传输）；2、雷达等识别系统（侦测车辆周围道路情况）；3、物联网管理系统。
目前制约这些技术实现的主要障碍还是硬体条件，然后就是政策。
对了，不吹不黑的话，可能还要很久（10年以上吧），但我认为至少比中国足球拿世界杯先来到。
你自己的认识应该会比很多人更加准确，试问有多少人能够「在某国际大车厂已从事自动驾驶研发近五年，接触参与或主导了高速城市等不同环境下各类技术问题的研发」？？
忍不住胡扯几句：个人认为自动驾驶可能会在某些封闭、受控、规则性很强的场景下先取得应用，其实这个跟工厂里的AGV已经区别不大了。然后，开放场景中最有希望的应该是高速公路，但是也要通过行政、技术、资本等手段将高速公路进行大量的改造、优化、管理变为基本封闭、受控、规则性很强的场景，才有可能。至于完全开放的场景，比如城市道路，15年之内肯定不可能，至于15年以后，我觉得没有预测的必要性了。
最近几年这波自动驾驶泡沫带来的感测器、信息处理技术的进步给主动安全领域带来了很多可以做并且更好落地的工作。每次在高速上开车，就想要是有比较好的主动安全配置也很知足呀，若是完全自动驾驶，把小命完全交给机器，想想都不放心&。
自动驾驶要和物联网完美结合起来才行
看到关于自动驾驶的问题，忍不住不请自答。
从2017年开始，梅赛德斯-宾士S级轿车便在五大洲开启自动驾驶试驾之旅——「智能环球驾驶之旅」，里程累计已经超过1万公里。这次旅途也用事实向我们解释了一个疑问：自动驾驶这项技术的水平究竟达到什么程度了呢？
兼顾智能性和安全性，并且能够使车辆完全自主地穿梭于车流当中，这便是自动驾驶技术的愿景。那么，目前的自动驾驶技术水平，究竟达到什么程度了呢？为了回答这一问题，梅赛德斯-宾士组建的自动驾驶测试团队辗转五大洲，踏上了「智能环球驾驶之旅」的征途。从2017年9月开始，这支团队一直奔走于世界各地。团队领导人乔亨·哈布在谈到此次智能环球驾驶之旅时，兴奋之情溢于言表。旅途中，搭载了驾驶辅助系统的S级轿车所表现出的自动驾驶水平令哈布和他的同事们叹为观止。尽管如此，他们也深知自动驾驶技术还有很长一段路要走：未来几年，还有很多复杂的问题和困难要解决。哈布说：「测试的目的是为了获得汽车在特定环境中行驶的数据，然后我们再利用获得的信息改善自动驾驶系统。」他们的旅程始于法兰克福车展，之后再辗转上海、澳大利亚和南非，最终抵达美国。哈布详细列举了S级在五大地区所遇到的不同挑战。
德国/ 法兰克福
「下大雨、道路施工、大塞车、偶尔还会窜出一辆超速行驶的车。这是德国高速公路上每天的常态。」
在德国驾驶的一个特别之处在于，高速公路上的车速存在著巨大差异：当你超过一辆时速130公里的卡车时，一辆时速200公里的车正从后方向你行驶而来。一般的车内雷达会对车后80米和车前250米范围内的道路进行扫描，立体摄像头会拍摄前方500米以内的情景，其中90米以内会拍摄3D影像。你以为这就够了？当有车辆靠近时，系统需要在多长时间内做出反应？它会采取什么样的措施来预防事故的发生？对法兰克福的消费者而言，他们理想中的汽车要能足以应对这些极端情况。
中国/ 上海
「地图的准确性至关重要，而在用GPS导航都容易迷路的中国，这就成了一个不小的挑战。」
中国则不同。中国道路的特别之处在于高密度的车流量，路上有大量的自行车和三轮车，以及限速不一的车道。在上海的驾驶经验告诉我们，导航地图需要极度精确，甚至精确到车道。在密集的机动车道中，目前车辆还无法定位；此外，许多大型十字路口的车道都未设立标识，摄像头也就无法对其进行侦测。在没有周围车流的情况下，车辆目前还不能确定自己的位置。如果没有定位信息，自动驾驶的车辆就只会向前行驶。中国的消费者希望自动驾驶汽车能够像有司机一样在转弯处点刹，过弯后加速。而欧洲司机则习惯在驶出弯道之前就加速。把这种驾驶文化的差异考虑进自动驾驶的设计之中也是至关重要的。
澳大利亚/ 墨尔本
「很多墨尔本人会避开臭名昭著的钩型转弯，但是自动驾驶系统必须要解决这一问题。」
澳大利亚有在电子屏幕上闪烁的限速通知，内陆的道路列车，出其不意越过道路的袋鼠，以及墨尔本的钩型转弯（一种从左侧车道右拐，穿过电车车轨并且仅能在绿灯时通行的弯道）。这个路段令人「闻风丧胆」，甚至连当地人都宁愿多走三个左转弯而不走钩型转弯。同时，与其他众多复杂的交通状况一样，这一路段对于自动驾驶系统来说是一个高难度的挑战。人脑可以理解闪烁的限速LED灯，但自动驾驶系统目前还没有这个能力。此外，另一个同样棘手的问题在于，如何在不伤害车内乘客的情况下对突如其来的动物做出反应？这要求汽车能够尽量提早计算出动物的尺寸，同时根据实际情况制定规避策略，从而预防潜在事故的发生。
南非/ 开普敦
「自动驾驶技术要能够排除干扰， 同时还需要有能力迅速、精确地分析所感知到的杂乱情景。」
南非的交通则令人绝望：行人在超速路上行走，突发的驾驶操作已成为路上的家常便饭。在开普敦，我们的测试司机在机动车道上以100公里的时速驾驶时，遇到了一辆迎面而来的自行车，后者行驶在只有数厘米宽的硬质路肩上。在城市南部蜿蜒的道路上，摄像头无法侦测道路，原因在于沙土覆盖了路面的沥青。然而在曲折的沿海大道上，车辆就可以完成自动驾驶。
美国/ 拉斯维加斯
「畅通的交通状况在现实中非常适合自动驾驶。从技术角度来看，自动驾驶的日常应用离我们不远了。」
在美国，道路和高速公路上的驾驶体验十分顺畅，在车流中顺势而行很容易，而且车辆彼此间的速度也没有太大的差异。唯一的难点是，由于美国允许左侧或右侧双侧超车，车辆很难在八车道的高速公路上同时搜集和处理大量的信息。尽管如此，美国市场毫无疑问是适合进一步发展自动驾驶技术的首批市场之一。与其他地区的居民一样，美国居民对这项测试既心存犹疑又充满期待。当然，解决人们的顾虑和疑问也是此行的目的之一。
撰文 FELIX BREUER
插图 JINDRICH NOVOTN
个人感觉，靠视觉识别红绿灯，目前几乎是无解的。利用物联网，配合红绿灯加装主动发射装置会是个比较好的解决方案。
另外，V2V很重要
个人觉得，高速公路这种全封闭道路首先实现自动驾驶的可能性更高。标识清晰，干扰因素少，路况好，车辆类别相对单一……
感觉高速是实现自动驾驶的第一站。
路长且阻，目前看到的主机厂偏向高附加值方案，也就是单目，低功耗，sift以及扩展演算法为主，yolo为辅。方法基本就是可变大小滑动窗口。单目导致距离感靠估计，标出boundingbox算离去角，可变滑动窗口大小是对光照条件的妥协，光照一差窗口变小直接丢帧。目前检测目标也不丰富，主要行人和车辆吧，再加个自行车。要想使用体验好先坐等硬体降价吧，多感测器融合白菜价，高性能处理器白菜价。然后汽车销量还不能太少，这个研发太烧钱，还得加上传统汽车行业的一大堆规范，最后需要政府出面协调路政保险立法等等，觉得还是胶囊轨道交通可能可以更早实现
推荐阅读：
