自動駕駛技術日趨成熟，那一天離我們不遠了

冥冥遑遑

雲遊四方

大家還記得上周 Uber 撞死行人的事兒麽。

事情發生以後，在 Uber 和豐田宣布暫停自動駕駛測試之後，昨天連英偉達也宣布暫停自動駕駛測試項目。

可能大家還有些疑惑，怎麽英偉達也摻和到自動駕駛裡面了？

其實。。為了搶佔自動駕駛領域的制高點，大家都拚了。。

自動駕駛領域相關公司

幾乎你所有聽到過的大型科技企業，要麽親自投身於自動駕駛開發，要麽就作為硬體提供商，實在兩者都不行的那種，也會拿出一些錢來投資。。

主要是，這兩年人工智能進步神速，CPU、GPU 發展也快，各種傳感器大步向前，都讓人們看到了實現自動駕駛實現的曙光。。

說實話，汽車作為人們的代步工具，太久沒有革命性創新了。。

60年代法拉利 GTO 250，最高時速 280 公里/小時

幾十年來，也就是改善下車型，減小車輛阻力。

或者提高一些燃料效率，提供稍微大點的推動力。

直到 08 年特斯拉 Roadster 的出現，給人們帶來真正量產的電動跑車，人們才發現，哦，原來這TM也行。。

第一代 Tesla Roadster

不知道是不是 Tesla 的面世，刺激了汽車領域的變革。。

2010 年，谷歌高調宣布開始研發自動駕駛汽車。

自動駕駛車基本由傳統車改裝而來

開車不動手，吃著火鍋唱著歌，目的地就到了，估計是所有司機夢寐以求的事情吧。。

可惜這事兒以前也隻敢在科幻電影裡面演演，生活中就沒有啥實質上的進步。

也不是傳統廠商沒努力，而是以前，傳統車廠一直致力於機械硬體技術，沉浸於第二次工業革命中不可自拔，但自動駕駛，是個軟體活兒，屬於第三次、甚至第四次工業革命產物~

從車上最垃圾的車載系統，大家就可以看出來，傳統車廠是多麽不重視電子和軟體的創新。。

手機都用上 16G 記憶體了，車上的導航還一卡一卡

所以，自動駕駛由集軟體大成者 Google 最先實現，既在意料之外，也在情理之中。

Google 發揮了互聯網企業的巨大優勢，敢於嘗試新技術，很快就迭代出一種最適合自動駕駛的方案。

首先，車輛優先選電動車，混動車也可以行。

自動駕駛領域香餑餑—— 混動 LEXUS RX450h

不是對燒油的無愛，而是實在愛不起。。

電動車能夠很精準的控制車輛，做電機速度閉環簡單；如果是傳統燒油車，今天燒 93 號油，明天燒 95 號油，想建立一個標準動力輸出模型太麻煩。。

處理傳感器數據，消耗的電力特別大，開過車的都知道，燒油供電有多浪費（不信你開大燈一晚上，保準明天連車都打不著）。。

當然，自動駕駛少不了替代人體感官的各種傳感器。

最實用的是雷射雷達（ LiDAR ），谷歌家 Waymo 的探測主力就是這個傳感器。

它一般安裝在車輛的頂端，旋轉向四周發射雷射束，通過計算雷射遇到障礙的折返時間，就能算出距離物體的距離，然後利用點雲技術，拚接四周所有的雷射點，形成周圍環境的 3D 影像。

通過特徵識別行人和車輛不成問題

雷射雷達探測範圍廣（ 3-50m 不成問題），響應更快、不受光線影響，無論是白天還是黑夜都能很好地工作。

作為雷射雷達領域的龍頭老大，Velodyne 去年年底剛剛推出了 128 線的雷射雷達，在精準度和探測距離（ 300m ）上都有質的飛躍。

128 線比之前的 64 線生成的點雲圖詳細了很多

除了雷射雷達，自動駕駛車上也會安裝多個攝影頭，這些攝影頭一般處於 HDR（高動態範圍）模式，這樣比較亮和比較暗的地方都能照清楚，滿足不同場景下各自曝光需求~

攝影頭在白天的時候，可以作為自動駕駛的傳感器主力軍，識別路上的各種物體，交通燈、交通標識、行人、車輛等等。。

Intel 收購了視覺傳感器提供商 Mobileye

隨著硬體提高和影像識別的發展，攝影頭髮揮的作用也越來越大，甚至馬斯克就宣稱要放棄雷射雷達，隻用攝影頭和毫米雷達就可以實現自動駕駛。。

毫米雷達和雷射雷達的原理差不多，隻不過毫米雷達發出的不是雷射，而是無線電波。

它相對於雷射雷達的好處，一個是比雷射雷達便宜，另外無線電波的波長比雷射長很多，能輕易穿透雷射很難穿透的雨水灰塵，所以毫米雷達能在比較惡略的氣象下工作~

不過，它只能探測物體遠近，不能探測物體輪廓，所以對人的識別能力不太夠。。

現在大部分車輛使用 77GHz 雷達

自動駕駛還會用到一些熱成像傳感器、超聲波雷達之類的，就不一一展開了。

差評君覺得這些傳感器不分優劣，每個都有自己的優勢和適應的環境，互相結合才能提供更加安全的行駛策略，那些說啥啥傳感器沒有用的言論，要麽是為了省成本，要麽非蠢即壞。

有了傳感器數據，如何用這些數據幫助車輛做出最佳行駛策略，是整個自動駕駛最核心、最值錢的部分~

車輛上的中央控制系統，類似人的大腦，指揮下一步車輛應該如何控制速度和轉角。

整個中控系統的算法極其複雜

不過遇到那種撞一個人還是撞五個人的倫理問題，不同的算法最後做出的決策也不會完全一樣。。

谷歌和百度這種做搜索領域出身的，能在自動駕駛領域後來者居上，也是因為自己在軟體優化算法方面太強了~

每 1000 英裡自動駕駛被人工乾預次數

（ 2018 年 1 月美國發布的自動駕駛脫離報告）

傳統廠商在自動駕駛領域真的是沒啥優勢，除了 GM 和 Nissan 好一點，奔馳的數據簡直讓人不忍直視，天知道讓這種車單獨上路要出多少事。。

大家可能好奇前兩天出事的 Uber 的水準應該如何，紐約時報今年曾經發過一篇報導，它的車每 2.0公里就要被人工乾預一次，水準介於奔馳和 Bosch 博世之間吧。。

現在我們再回頭看當時 Uber 出事的影片。。

行車記錄儀車外錄像

行車記錄儀車內錄像

從錄像上來看，行人在即將錯過車輛的時候被撞了，整個過程 Uber 傳感器幾乎癱瘓，車內安全員玩忽職守，根本沒看路況。。

好多人覺得行人沒有走人行橫線，被撞 Uber 不應該為此負責。

實際上，自動駕駛跟人開車根本不一樣，自動駕駛有各種各樣的傳感器幫助車輛識別周圍環境。

以這個事情為例，行人走的很緩慢，目標體積很大，就算路上沒啥燈，但是雷射雷達和毫米雷達不是瞎子，至少能在 20m 外分辨出前方有人。。

所以，這事兒的發生，更像司機明明早就看到前方有人橫穿馬路，但是走神沒有反應過來撞上去一樣。。

說起來，要是 Uber 自動駕駛技術過硬，慘劇就不會發生。

雖然自動駕駛技術是大勢所趨，甚至是國家戰略所爭，但是畢竟人命關天，監督著發展總沒有錯。。

何況，現在的自動駕駛技術還遠遠沒有達到讓人放心的地步，也許大家覺得人開車出事很常見，但是根據美國的汽車事故統計，人開車駕駛每一億公里才致死 1.18 個人，而目前開車裡程最多的 Waymo，也才累計了 500 萬公里。。

維基百科：Motor vehicle fatality rate in U.S. by year

我相信，大家未來都能坐著讓人放心的無人車，吃著火鍋唱著歌，四處飛馳，不會太遠，也許 5 年，也許 10 年。

但這技術真正成熟之前，盡量減少像 Uber 這種不必要的過失，是每個自動駕駛廠商的義務，也是所有監管層的責任。。