转载自智车科技
编辑：一点人工一点智能
原文：主动驾驶上路亟待解决的四大问题
随着科技的一直倒退，主动驾驶技术正在成为汽车行业的一个热门话题。这项技术的指标是让车辆不再须要人类驾驶员的操控，从而进步交通安全性、缩小交通拥堵并节省时间。然而，随着这项技术的一直倒退，也呈现了许多问题，在目前曾经量产的辅助驾驶性能的车上，往往须要驾驶员打起十二分的精力，因为冷不丁地主动驾驶模式就退出须要驾驶员的及时接管，这样一来主动驾驶也就失去了其存在的最大意义，反而成为了驾驶员的累赘、鸡肋。
那么真正的主动驾驶何时能力上路，最为外围的一点就是，当技术达到何种程度时，才可能释怀地使消费者进行应用，而要想无人驾驶车可能安心上路，还有哪些问题亟待解决呢？
01 竞争焦点汇集 L4 及以上
主动驾驶的性能成果能够分为 6 个等级，从 L0 到 L5。目前次要是集中在从 L3 向 L4 等级迈进，竞争的焦点就是 L4。所谓 L3，指的是有条件主动驾驶。例如在外部环境比较稳定的高速公路，驾驶员能够齐全放开方向盘。但 L3 须要人类驾驶员在必要时被动接管，所以仍然须要人类驾驶员在驾驶室。而 L4 属于高度主动驾驶，能够认为是限定区域内的无人驾驶，在主动驾驶感知信息起源比拟充沛的区域，能够没有司机，汽车能够主动运行，甚至不再须要装方向盘。L5 属于齐全主动驾驶，在所有路段均能够齐全无人驾驶。
L3 是主动驾驶，但 L3 有个大难题：须要人类驾驶员在必要时候被动接管。那么，什么时候是必要时候？因为事实路线路况简单，人类司机对于 L3 存在适度信赖和齐全不信赖两种极其分化的心态。齐全不信赖让 L3 技术毫无意义，而适度信赖 L3 又会导致大量交通事故的产生。L3 以后所有交通事故，仍然须要人类驾驶员本人承当。所以实际上 L3 只是一个过渡性玩具，它不能真正解放人类驾驶员。
而 L4 是在限定区域内实现无人驾驶技术，由此，主动驾驶将来数年的利用限定在几个畛域：出租车、公交车、支线物流（高速无人卡车）、末端配送（无人配送车）、园区景区（低速游览车）、矿区（无人特种车）、港口（港口无人车辆）、环卫安防（清洁车）、机场（无人疏导车）等。所有的利用实质上都在限定区域。
02 主动驾驶实现的三条门路
在各家竞争聚焦的 L4 技术上，目前来看造成了三种不同的技术门路：
其一，无人、关闭区域运行。园区景区低速游览车、工业物流园区、矿区、港口、机场等，这些场景实现 L4 较为简单，主动驾驶能够在轨道车和传送带的根底上优化实现，以后物流畛域的无人仓储曾经十分成熟。
其二，单车智能。视觉神经网络下的弱智能 + 蕴含激光雷达的强感知 + 高精地图。同样是单车智能，特斯拉属于异类，想要打造强智能的视觉神经网络，不肯用激光雷达和高精地图，实践证明特斯拉的主动驾驶程度停留在 L3 阶段。最乐观的认识，也须要 10 年能力碰到 L4 的门槛。但特斯拉并非自觉，训练一个和人眼同样弱小的 AI 视觉，胜利了的确是跨越式倒退，哪怕失败了，以新能源汽车起家的特斯拉也耗得起。
其三，车路协同辅助下的主动驾驶。单车智能整套零碎很低廉，但也仅仅是扫描周边环境，并不能理解 100 米外的状况，于是就有了车路协同零碎，通过通信基站，在一些路线安排专网通信，车与人、车与车、车与路通信。车路协同下的主动驾驶将车辆外部低廉的感知零碎放到了路线两侧，让车辆能够更加充沛承受环境信息，确实使得主动驾驶实现的难度升高，但这多少相似于“没有轨道的轨道交通”。
在将来，车路协同可能是城市智慧交通降级的一部分，是基建，但对于主动驾驶的作用次要还是辅助，因为单车智能将来价值更高。以后单车智能确实是蹒跚学步阶段，但如 AI 视觉神经网络，哪怕 10 年或者 20 年内成熟，其技术自身就极具意义。车路协同下，主动驾驶如果只有车路协同，那么很可能只是能用，不能让技术产生额定的价值。
事实上目前能够看到，以后的主动驾驶次要的技术方向是单车智能为主，车路协同为辅，这也成为了行业内头部玩家的对立共识。
03 主动驾驶真正上路的“四个问题”
在主动驾驶技术如此飞速发展的明天，无论外界炒得如何炽热，但行业外部都对主动驾驶的将来保留着审慎的乐观，想要迎来无人驾驶真正上路的那天，目前来看须要解决如下四个问题：
第一，技术的可靠性和安全性。主动驾驶技术最重要的问题之一就是安全性。尽管主动驾驶车辆的技术在过来的几年里曾经有了微小的停顿，然而对于许多人来说，他们依然对这项技术的可靠性和安全性有所担心。因而，车辆制造商须要证实主动驾驶技术的可靠性和安全性，以便打消公众的顾虑。美国加州有各家公司的主动驾驶路测，路测中有一个每 10 万公里安全员干涉次数指标。至今，仍然没有 0 次干涉的主动驾驶技术，安全员干涉的问题包含：高精地图问题、视觉感知阻碍、软件稳定性问题、感知零碎问题导致紧急刹车、静止轨迹须要优化、未正确辨认红绿灯、车道谬误、误辨认等。
第二，法律和监管框架的制订。随着主动驾驶车辆的呈现，还须要相应的法律和监管框架。只管目前曾经有一些法律和规定针对主动驾驶车辆的应用进行了制订，然而还须要更多的规定来确保这项技术可能平安地在公共路线上行驶。须要制订的法律和监管框架包含对主动驾驶车辆的路线测试和上路的规定、车辆的保险要求、生产规范和技术要求、路线基础设施的更新等。同时，还须要对主动驾驶技术的隐衷和数据安全进行爱护，以确保车主和车辆的信息不被滥用。
第三，仿真路测和事实路测。在技术上，各地应通过路测数据来发放运行许可，路测数据应该由官网确定。实践上说，主动驾驶须要上百亿公里的路测数据能力达到平安门槛。许多公司，事实路测里程有余，则仿真模仿里程来凑。仿真里程，说到底还是在一个虚拟环境中的驾驶数据。因为主动驾驶的外围是单车智能中的 AI 视觉神经网络，而深度学习神经网络是 AI 机器学习的一种，所以主动驾驶的倒退依赖于行驶数据的积攒，以后主动驾驶企业都以仿真路测来代替事实路测，体现出主动驾驶企业浮躁的心态，但对于主动驾驶技术来说，这并不能加强可靠性。仿真虚拟环境，还是不能代替事实路测，因为事实远比仿真环境更不可测，问题更多。
第四，测试环境和凋谢环境并不相同。量产的主动驾驶面临的环境更加简单，用户并非专业人士，他们不晓得何时要去接管主动驾驶车辆，也不会去保护零碎，放弃零碎稳定性。工业上有个词，叫鲁棒性，指在异样和危险状况下零碎生存的能力。测试往往在稳固环境中运行，而事实不存在稳固环境。在凋谢环境下，咱们不能要求人人都标准地和 AI 交换，这也将导致一些未曾料到的问题。
04 总结
主动驾驶技术是汽车行业的一个重要趋势，然而在将主动驾驶车辆投入到公共路线上之前，还须要解决许多问题。目前的主动驾驶，正在趋于欠缺，但真的到可能量产和全面铺开的境地了吗？在主动驾驶真正上路之前，咱们首先须要有一套主动驾驶零碎能力的评测体系，各地须要发展路测来验证各家主动驾驶技术的成熟度，这样能力让新的技术稳固平安地走进日常生活中来。
1、书籍举荐 -《机器人编程：应用树莓派 3 和 Python 构建和管制自主机器人》
2、书籍举荐 -《机器人门路布局与合作：根底、算法与试验》
3、无人驾驶零碎技术架构梳理：从感知、布局到管制
4、在「机器人畛域」应用 ChatGPT 进步生产力
5、主动驾驶布局管制罕用的管制办法有哪些？
6、基于多传感器交融的定位和建图零碎