共计 8610 个字符，预计需要花费 22 分钟才能阅读完成。
1769 年，法国人 N·J·居纽设计制作出了一辆三轮车，这被公认为汽车倒退的终点。
与古代汽车不同是的，这辆被命名为“卡布奥雷”的载具由蒸汽驱动，通过车载锅炉产生的热气推动车轮转动。
因为体型过大 (车长 7.32m，车高 2.2m) 且极不实用(每后退 12-15min 需停车加热 15min，运行速 3.5-3.9km/h)，这辆汽车并没有投入商用。
尔后的一百余年里，各国发明家利用蒸汽能源，先后设计出了多种不同类型的蒸汽汽车，并广泛应用于铁路与船舶运输畛域。
1885 年 10 月，真正古代意义上的汽车由德国人卡尔·本茨 (1844～1929) 研制成功。与以往汽车不同，卡尔·本茨研制的汽车由内燃机驱动，彻底解脱了蒸汽机功率体积比、功率分量比拟小的毛病，一举奠定了古代汽车设计的基调。
进入 20 世纪 80 年代，汽车已成为一种必需品，走进千家万户的日常生活中。所利用的技术也历经了屡次改革，逐步步入电子化、智能化时代。
时至今日，在环境感知、精准定位、决策与布局、管制与执行、高精地图等技术的加持下，主动驾驶技术开始成为整个汽车产业的最新倒退方向，并在某些畛域获得了不错的利用成绩。
本文将从主动驾驶技术诞生开始，具体介绍主动驾驶的“昨天、明天与今天”。
一. 昨天：摸索与技术积攒
1. 国外的摸索
1939 年，整个世界处于经济大萧条后的恢复期，所有处于百废待兴之中。
同年 4 月，作为科技界盛会的世博会在纽约正式揭幕。展会期间，通用汽车公司建筑了一座名为“将来世界(Futurama)”的模拟城市展厅，用于展现他们对将来交通状态的空想。
在模拟城市中，设有一个专门的交通管理核心，用于指挥解决城市交通。城市外部运行着 322 辆各类型汽车，这些汽车均装备了独立的声音零碎。所有路线与交叉路口都依照新的交通环境进行了从新设计，整体上造成了一个全新的高速公路体系。
通用汽车在这座模拟城市的根底上，提出了对后世影响深远的主动高速公路 (Automated Highway System，AHS) 的概念，并做出了“20 世纪 60 年代，高速公路将具备电子轨道，与汽车的主动驾驶零碎相配合，实现无人驾驶，直到驶出高速公路才切换回司机驾驶”的预言。
值得一提的是，通用汽车在 Futurama 高速公路体系中，还提出了以下四条根本准则：
1)通过减少路线的横截面积，来包容更多的交通流;
2)不同方向的交通流须要隔离开来;
3)将城市和小镇划分成不同的区域;
4)预设能够行驶的最大速度与最小速度，来进行交通管制。
以上这些准则目前曾经成为交通行业的共识。
纽约世博会完结后，因为第二次世界大战等因素的影响，主动驾驶畛域没有产生任何具备代表性的成绩。直到 1956 年，在 Motorama 展览会上，通用推出了第一款具备主动驾驶性能的概念车 Firebird II，主动驾驶畛域终于迎来新的倒退。
这辆被命名为“Firebird II”的汽车，是通用面向家庭的第二代概念汽车，应用了钛金属技术、电源盘式制动器、磁点火钥匙、独立管制的燃气涡轮能源等新概念，看上去像是一辆“火箭车”。这辆看似“火箭”的概念车有史以来第一次具备了主动导航系统。
两年后，也就是 1958 年，通用推出了第三代“Firebird III”。BBC 现场直播了基于车路协同的主动驾驶场景，高速公路上预埋的线缆与车端的接收器通过电子脉冲信号进行通信，展现了将来高速公路的无人驾驶状态。
不过，通用推出的三代 Firebird 都因为各种各样的问题而没有商用，Firebird 更像是一个技术概念验证品，而非主动驾驶汽车。
广泛被人认可的第一辆“主动驾驶”汽车是 Stanford Cart(斯坦福车)。它最早建于 1961 年，由汉斯·莫拉维克 (Hans Moravec) 团队研发。
Stanford Cart
汉斯·莫拉维克被誉为“人工智能最动摇的支持者”，在他的领导下，“斯坦福车”获得了诸多成就，比方能够利用摄像头和晚期的人工智能零碎来绕过障碍物。
值得一提的是，在“斯坦福车”研发的过程中，还呈现过一件趣事。“斯坦福车”由近程图像操控，然而有一次它逃脱了管制，驶入了事实的路线中。当研发人员从监视器中看到一辆实在的车辆从“斯坦福车”边上呼啸而过时，不禁地大吃一惊，于是追捕“叛逃机器人”成为人类摸索主动驾驶历史上，永远值得铭刻的一刻。
不过，尽管“斯坦福车”获得了很多成就，但也存在很多问题。受限于过后的硬件与软件程度，晚期人工智能零碎处理速度太慢，导致“斯坦福车”每挪动一米就须要 20 分钟，这也意味着它并不具备任何商业应用的后劲，主动驾驶之路依然处于初期摸索之中。
工夫进入到二十世纪六七十年代，随着软硬件条件的改善，尤其是计算机技术的倒退，主动驾驶钻研进入到一个新的阶段。
1969 年，人工智能畛域出名学者约翰·麦卡锡在一篇名为《电脑管制汽车》的文章中，形容了与古代主动驾驶汽车相似的利用场景。
麦卡锡提出的想法是，“主动司机”能够通过“电视摄像机输出数据，并应用与人类司机雷同的视觉输出”来帮忙车辆进行路线导航。
他在文章中具体解释道，用户能够输出目的地，来驱使汽车主动返回预设地点。同时也会存在额定的命令，能够让汽车主动扭转目的地，例如在特定地位停留，或者能够在紧急情况下平安制动。从后世角度来看，主动驾驶技术的倒退与麦卡锡所形容的场景根本吻合。
学者们的发声，在不同水平上也引起了国家层面的器重。20 世纪 70 年代，泛滥科技发达国家开始器重主动驾驶技术的钻研。
1984 年，美国国防高级钻研计划署 (DARPA) 与陆军单干，发动自主高空车辆 (ALV) 打算，这辆汽车能够在校园中主动行驶，不过车速并不快。
国家层面的器重，也带动了科研院校的关注。20 世纪 80 年代开始，美国大学诸如卡内基·梅隆大学、斯坦福大学、麻省理工学院等开始退出到主动驾驶汽车的钻研工作中。其中，以卡内基·梅隆大学研制的 NavLab 系列智能车辆最具备代表性。
NavLab- 1 零碎于 20 世纪 80 年代建成。它能够实现图像处理、传感器信息交融、门路布局以及车体管制等性能。在典型结构化路线环境下，NavLab- 1 零碎的速度为 28km/h。
NavLab-1
尔后的几十年间，NavLab 又历经了屡次技术更迭，目前 NavLab-11 零碎是该系列的最新平台。其车体装置有工业级四核计算机，解决各种传感器传输来的信息，并把信息分送到各个子单元，最高车速能够达到 102km/h。
2. 国内的摸索
相较于国外，国内学术界对于主动驾驶的钻研稍晚，但也获得了不错的成绩。
1978 年，清华大学齐国光传授课题组开始钻研主动驾驶相干课题。国内第一辆主动驾驶汽车是 90 年代初的 ATB-1(Autonomous Test Bed-1)，由北京理工大学、南京理工大学、国防科技大学、清华大学和浙江大学五家单位联结研制，这些院校起初成为了中国主动驾驶人才的摇篮。
3. 小结
从 20 世纪 30 年代主动驾驶诞生至 20 世纪末期，无论国内还是国外，对主动驾驶都处于初期的钻研以及技术积攒阶段。
参加的主体次要以学者、学术机构和政府为主，商业机构较少涉足该畛域，主动驾驶间隔商业化利用遥遥无期。
二. 明天：商业化摸索与实际
- 国外的摸索
进入 21 世纪，得益于人工智能技术的利用及推广，主动驾驶相干技术在环境感知、精准定位、决策与布局、管制与执行、高精地图与车联网 V2X 等方面实现了全面晋升。越来越多的商业化机构开始参加到行业中，主动驾驶行业迎来新篇章。
2004 年 -2007 年，美国国防部高级钻研计划署 (DARPA) 举办了 3 届 DARPA 无人驾驶挑战赛。较量中，很多车辆都应用了激光雷达、高精度的地理信息系统和惯性导航零碎，直到明天这些依然是很多无人车的标准配置。
2009 年，产生了一件小事。科技巨头谷歌公司发表，由斯坦福人工智能实验室前主任、谷歌街景的联结发明人 Sebastian Thrun 组建一支团队，次要钻研无人驾驶技术。值得注意的是，Sebastian Thrun 团队的机器人车辆 Stanley，在 2005 年博得了 DARPA 挑战赛。
谷歌公司的参加，也带动了其余厂商的激情。2013 年开始，包含通用汽车、福特、飞驰、宝马在内的大型汽车公司纷纷下场，开始研发本人公司的主动驾驶汽车技术。
2014 年，这是一个主动驾驶畛域里，值得被铭刻的年份。美国 SAE International (国内汽车工程师学会)公布了 SAE J3016 规范。该规范将车辆分为 Level 0-Level 5 共 6 个级别，并针对路线机动车辆的自动化零碎相干条款做了分类和定义，目前曾经成为寰球汽车业界评定主动驾驶汽车等级的通用规范：
Level 0：无自动化，由人类驾驶员全程操控汽车，但能够失去示警式或须干涉的辅助信息。
Level 1：辅助驾驶，利用环境感知信息对转向或纵向加加速进行闭环控制，其余工作由人类驾驶员实现。
Level 2：局部自动化，利用环境感知信息同时对转向和纵向加加速进行闭环控制，其余工作由人类驾驶员实现。
Level 3：有条件自动化，由主动驾驶零碎实现所有驾驶操作，人类驾驶员依据零碎申请进行干涉。
Level 4：高度自动化，由主动驾驶零碎实现所有驾驶操作，无需人类驾驶员进行任何干涉，但须限定路线和性能。
Level 5：齐全自动化，由主动驾驶零碎实现所有的驾驶操作，人类驾驶员可能应酬的所有路线和环境，零碎也能齐全主动实现。
SAE J3016 规范
随同着主动驾驶汽车通用等级规范的制订以及核心技术实现跨越式倒退(标志性事件是英特尔以 153 亿美元收买主动驾驶视觉芯片公司 Mobileye)，主动驾驶技术的商业化前景逐步失去验证，越来越多的车企退出到主动驾驶的研发赛道中。
咱们首先来看看特斯拉。
特斯拉的主动驾驶梦要从 Autopilot 开始，而 Autopilot 的故事则要从一条推特谈起。
2013 年，特斯拉 CEO 埃隆·马斯克公布了一条推特，马斯克在这条推特中写道：“特斯拉要为 Model S 开发辅助驾驶零碎，缓和的工作正在进行中。”这相当于变相官宣，特斯拉杀入主动驾驶行业了。
2015 年 10 月，Autopilot 由特斯拉正式推出，成为第一个投入商用的主动驾驶技术。
高德纳分析师 Mike Ramsey 对此剖析道：“特斯拉的 Autopilot 是一个辅助驾驶零碎，如果用行业术语称说，咱们把会它叫做高级平安零碎。”
从事主动驾驶人机交互可用性钻研的工程师 Liza Dixon 进一步解释道：“Autopilot 是一款 L2 级主动驾驶零碎，而这意味着它能够在特定条件下帮助车主实现根本的驾驶工作，但绝非齐全主动驾驶性能。”
尔后的几年，Autopilot 一直进化。目前，特斯拉的量产车上均已装置 Autopilot 1.0、2.0 或 2.5 硬件零碎，其主动驾驶性能可通过 OTA(地面下载)进行从 Level 2 到 Level 4+ 的软件降级。目前，最新的 Autopilot 曾经具备了交通信号灯和停车标记自动检测性能。
除了 Autopilot 以外，特斯拉主动驾驶体系里还包含 FSD(full self driving)零碎。不过 FSD 目前仍处于研发过程中，将来将反对包含主动变道、主动泊车和号召、红绿灯辨认等性能。
马斯克的指标是在年底前，部署 100 万辆主动驾驶出租车。不过，因为相干技术尚处于开发阶段，以及相干基础设施建设及监管等因素的影响，特斯拉的主动驾驶出租车年度计划大概率难以实现。
看完特斯拉，咱们再来看一下谷歌。
2016 年，谷歌成立了独立公司 Waymo，将主动驾驶业务齐全独立进去。
Waymo 采纳的主动驾驶技术，是单车智能技术路线，即时通过传感器、处理器和控制器去感知辨认、做出决策并进行管制。2018 年 12 月，Waymo 首席执行官 John Krafcik 在外部信中发表主动驾驶服务正式商用，并推出了主动驾驶首个用于服务乘客的商业叫车服务 -Waymo One。
Waymo One
为了疾速裁减主动驾驶车队阵容，Waymo 别离向捷豹、菲亚特 - 克莱斯勒下了 20000 辆捷豹 I -PACE 车型以及 62,000 辆 Pacifica 混动车的订单。目前，Waymo 已积攒了行业内最远的行驶里程，估值超过 300 亿美元。
除了谷歌、特斯拉以外，通用汽车旗下的主动驾驶部门 Cruise、福特和公众独特掌控的 Argo、安波福和 Mobileye、Uber、俄罗斯的 Yandex 等都是国外主动驾驶畛域，体现较为杰出的企业。
2. 国内的摸索
看完了国外，咱们把眼光转向国内。
进入新世纪以来，经济的腾飞带动了科技的倒退，国内相干企业机构对主动驾驶投入了更多的关注眼光，并获得了诸多成就。
2012 年，军事交通学院改装了一辆越野车，并命名为“军交猛狮Ⅲ号”。通过车顶装置的简单视听感知零碎，以及车内装置的两台计算机和一台备用计算机组成的执行零碎，实现了“军交猛狮Ⅲ号”自主进行刹车、油门、制动、换挡等动作。该车于 2012 年 11 月 24 日，在京津高速实现 114 公里的测试。
企业层面，国内主动驾驶畛域最具代表性的当属百度。
百度的主动驾驶之路，开始于 2013 年。
2013 年百度成立深度学习实验室 IDL(Institute of Deep Learning)，是百度的首个前瞻性钻研机构。同年，百度主动驾驶研发团队正式组建，相干我的项目正是源自于 IDL 实验室。百度主动驾驶的技术外围是“百度汽车大脑”，包含高精度地图、定位、感知、智能决策与管制四大模块。
2015 年，百度主动驾驶研发提速，同年成立主动驾驶事业部。2015 年 12 月初，百度主动驾驶汽车在北京进行主动驾驶测跑，实现屡次跟车加速、变道、超车、高低匝道、调头等简单驾驶动作，实现了进入高速到驶出高速不同路线场景的切换，最高车速达到 100km/h。
2017 年 4 月，百度正式颁布了 Apollo 打算。依照构想，Apollo 打算将突破过来分级规范的限度，提供从智能辅助驾驶走向全智能驾驶的能力，造成适宜主机厂深度参加的智能驾驶倒退门路。
2018 年 7 月，百度在第二届百度 AI 开发者大会上发表，首款 Level 4 级自驾巴士“阿波龙”曾经量产下线。“阿波龙”会被投放到北京、深圳、武汉等城市，在机场、工业园区、公园等行驶范畴绝对固定的场合开始商业化经营。2019 年 8 月，百度与一汽红旗联结研发的 Robotaxi(主动驾驶出租车)在长沙投入试运营。
“阿波龙”巴士
除了百度以外，目前国内很多品牌均已实现 L2 级主动驾驶车的量产，比方上汽、小鹏、蔚来等。这些主动驾驶汽车根本已实现 AEB 主动刹车、ACC 自适应巡航、ICC 智能领航、APA 主动泊车辅助、车道放弃 / 偏离辅助管制等性能。
国家层面，相干法律政策也在一直推动中。
2016 年，北京市率先公布了《北京市对于放慢推动主动驾驶车辆路线测试无关工作的领导意见(试行)》和《北京市主动驾驶车辆路线测试治理实施细则(试行)》两个文件，从法律层面必定了主动驾驶汽车的市场定位。尔后，上海、重庆、深圳、广州等地纷纷推出当地的路测政策和指南。
2020 年 3 月 9 日，工信部官网公示了《汽车驾驶自动化分级》推荐性国家标准报批稿，并拟于 2021 年 1 月 1 日起开始施行。这被认为是与 SAE 主动驾驶分级规范类似的，国标主动驾驶分级规范。
《汽车驾驶自动化分级》基于驾驶自动化零碎可能执行动静驾驶工作的水平、执行动静驾驶工作中的角色调配以及有无设计运行条件限度，将驾驶自动化分成 0 - 5 级。
0 级驾驶自动化(应急辅助)：驾驶自动化零碎不能继续执行动静驾驶工作中的车辆横向或纵向静止管制，但具备继续执行动静驾驶工作中的局部指标和事件探测与响应的能力。
1 级驾驶自动化(局部驾驶辅助)：驾驶自动化零碎在其设计运行条件内继续地执行动静驾驶工作中的车辆横向或纵向静止管制，且具备与所执行的车辆横向或纵向静止管制相适应的局部指标和事件探测与响应的能力。
2 级驾驶自动化(组合驾驶辅助)：驾驶自动化零碎在其设计运行条件内继续地执行动静驾驶工作中的车辆横向和纵向静止管制，且具备与所执行的车辆横向和纵向静止管制相适应的局部指标和事件探测与响应的能力。
3 级驾驶自动化(有条件主动驾驶)：驾驶自动化零碎在其设计运行条件内继续地执行全副动静驾驶工作。
4 级驾驶自动化(高度主动驾驶)：驾驶自动化零碎在其设计运行条件内继续地执行全副动静驾驶工作和执行动静驾驶工作接管。
5 级驾驶自动化(齐全主动驾驶)：驾驶自动化零碎在任何可行驶条件下继续地执行全副动静驾驶工作和执行动静驾驶工作接管。
与 SAE 规范相比，《汽车驾驶自动化分级》在局部内容上存在不同。
首先，SAE 规范下将 AEB 等平安辅助性能和非驾驶自动化性能都放在 0 级，称为无驾驶自动化，中国版规范则叫做应急辅助，驾驶员可能把握驾驶权，零碎可感知环境，并提供报警、辅助或短暂染指驾驶，作为一个平安的根底分支，和非驾驶自动化性能离开，更加便于了解。
其次，中国版规范针对 0 - 2 级主动驾驶，规定的是“指标和事件探测与响应”由驾驶员及零碎合作实现，而在 SAE 规范下，L0 级至 L2 级主动驾驶汽车的 OEDR(指标和事件检测，以及决策工作)全副由人类驾驶员实现。
最初，中国版规范在 3 级中明确减少对驾驶员接管能力监测和危险减缓策略的要求，明确最低平安要求，缩小理论利用的平安危险。
这份国标新规的出台，不仅补救了政策层面的空白，为我国后续主动驾驶相干法律、法规、强制类规范的出台提供无力的撑持，同时也为主动驾驶技术大规模商业化利用落地提供了至关重要的先决条件，推动了行业的倒退。
3. 小结
进入新世纪以来，随着计算机技术以及人工智能技术的变革，主动驾驶技术迎来跨越式倒退。无论国内还是国外，越来越多的商业机构开始参加到主动驾驶行业中，优良商业化利用案例频出。
依照 SAE 规范，目前主动驾驶行业整体程度处于高级辅助驾驶的 Level 2 阶段。L3、L4 尚处于研发以及测试过程中。
主动驾驶倒退阶段(起源：36 氪)
三. 今天：长路漫漫但将来可期
对于主动驾驶行业将来的倒退，国内与国外均有着比拟明确的布局。
2018 年，欧盟委员会颁布了主动驾驶工夫进度表。依照布局，2020 年将实现在高速公路上主动驾驶，在城市核心区域实现低速主动驾驶，2030 年遍及齐全主动驾驶。
国内层面，我国公布的《节能与新能源汽车技术路线图》中指出，到 2020 年，驾驶辅助 / 局部主动驾驶车辆市场占有率将达 50%; 到 2025 年，高度主动驾驶车辆市场占有率将达约 15%; 到 2030 年，齐全主动驾驶车辆市场占有率将近 10%。
不过，主动驾驶的倒退并非一帆风顺，实现齐全主动驾驶的路上总会遇到诸多挫折。
2018 年 3 月，Uber 主动驾驶测试车在亚利桑那州坦佩市郊区，与一名横穿马路的中年妇女相撞，事变导致该男子不幸身亡。这是人类历史上第一起主动驾驶汽车致人死亡事件。
同月，在加利福尼亚州山景城 101 高速公路上，一辆高速行驶中的特斯拉 Model X 与路边隔离带相撞，导致车头局部齐全损毁，并引发电池起火，驾驶员不幸遇难。此外，Waymo 也产生了几起事变，包含一位安全员睡着导致的车祸。
以上这些事变表明，主动驾驶技术间隔成熟利用还有一段漫长而艰苦的倒退历程，轻言 L4 级量产、疏忽平安大跃进式倒退并不可取。主动驾驶汽车在技术、政策等层面还面临诸多挑战。
技术层面，目前实现主动驾驶次要依附“感知 - 决策 - 执行”的形式，人工智能技术在其中扮演着非常重要的角色。
以深度学习为代表的计算机视觉技术，能够满足视觉感知高精度的需要，进步主动驾驶汽车面对简单交通环境时的决策能力。
相干数据显示，深度学习在算法和样本量足够的状况下，视觉感知的准确率能够达到 99.9% 以上，而传统视觉算法的检测精度极限在 93% 左右，人感知的准确率个别是 95% 左右。
换言之，样本数据越多，辨认的精度就越高，样本的数量是影响深度学习精度重要的一个因素。
然而，与获得阶段性成熟的算法、算力相比，根底数据服务行业的倒退略有滞后，高质量、场景化、精细化的标注数据集较为欠缺，行业外部短少像曼孚科技这样业余的数据服务供应商。在某种程度上，高质量标注数据集的欠缺，已成为妨碍主动驾驶汽车大规模商业化落地利用的关键因素之一。
百度在凋谢 ApolloScape 时，也谈到了这一点:
“尽管国外有不少可供选择的数据集，然而国内的路况复杂程度显然与国外不同。尽管咱们也常常能够听到一些企业发表其主动驾驶汽车开始公测，但大多数测试都是在较简略的路况下进行的，在简单路况下，主动驾驶还远远达不到上路规范，这其中的很多问题仅依附技术手段很难解决，须要大规模精准数据集的帮忙，这也是百度决定凋谢 ApolloScape 的初衷。百度心愿通过公开的形式，吸引更多企业和开发者利用并补充数据集，进而进步主动驾驶的感知能力。”
除了技术层面以外，政策层面也面临诸多挑战。
目前没有任何一个国家对主动驾驶汽车专门制订欠缺的法律法规，主动驾驶汽车上路行驶不足局部法理上的反对。此外，主动驾驶汽车在理论行驶过程中难免会呈现事变，如何划分事故责任，做到公正裁决都须要有明确的法律政策来阐明。
总而言之，咱们丝毫不狐疑主动驾驶领有一个光明的将来。无论是在改善交通安全、治理交通堵塞，还是在实现节能减排上，主动驾驶技术都有着不可代替的价值。
但不可否认的是，主动驾驶汽车的商业化尚处于开启阶段，亟待解决的问题仍有很多。将来长路漫漫，但也所有可期。
参考资料：
1.Aminer《人工智能之主动驾驶钻研报告》
2.36 氪《主动驾驶行业钻研报告》
3. 局部实物图片来源于网络
