真正的自動駕駛技術你可能並不了解

截至目前，全球關於自動駕駛汽車的研發費用，已投入數十億美金，並取得了十分令人振奮的成績。

不可否認，這項技術的出現會大大地改善我們現有的出行和生活方式，但也正是因為它的這種超前性，讓我們直到今天還對它存在著深深的誤解。

目前的情況如何？

客觀來說，在不考慮駕駛人員的情況下，沒有任何公司可以在任何條件下，在任何道路上提供完全自動駕駛系統。

就目前來看，自動駕駛分為兩派。其一，開放可以上路的自動駕駛技術；其二，封閉道路條件下的自動駕駛技術（封閉道路測試）。

現在最優秀的自動駕駛技術已經可以達到L4級別，當然，這還是要在特定情況下，走在此前設定好的路線中，比如特斯拉最新推出的NOA（Navigate on Autopilot）自動輔助導航駕駛系統，在最新的版本更新後，它已經可以在所支持的道路上，自主的進行超車、變道。進出匝道等動作，當然這還是需要人工進行授權。

技術發展的如何？

每個自動駕駛系統都建立在一整套軟體和一系列傳感器之上。機器接受信息需通過雷射雷達、超聲波傳感器、攝影頭等感知裝置共同協作，創造一個自動駕駛汽車能夠使用並自己進行導航的世界地圖。

大多數的公司都依賴於雷射雷達+毫米波雷達+相機+超聲波的相同基礎技術，但也有一些明顯的例外。比如。特斯拉和日產已經大聲宣布反對雷射雷達，而隻依靠相機和超聲波傳感器讓他們的汽車看到世界。

這與自動駕駛領域的其他主要參與者截然相反，大多數的開發者都依靠雷射雷達形成一個帶攝影頭和超聲波的多層安全網。

沒有爭議的技術是機器信息錄入和人工智能處理。大多數公司已經建立了一個模擬環境，便是一個虛擬城市，用來運行他們的汽車並快速測試罕見的場景或硬體調整。

任何建立這種模擬的公司在虛擬世界中總是比在真實世界中運行更多“裡程”，使用的路線甚至在整個城市有著非常詳細的映射。

每家公司都會持續捕獲圖像並掃描其車輛記錄，並將數據在各自的車隊內共享，並進入已創建的虛擬城市。

這種分布式學習系統是特斯拉的自動駕駛儀在進入市場時能夠超越如此多的純粹自主創業公司的原因——他們在路上的車輛比其他任何競爭對手都多。

少數初創公司正在探索的一項技術是V2X（vehicle to everything）通信。這項技術使交通信號燈能夠與汽車交談，而汽車又與其他汽車交談，後者又與氣象服務交談。

這些系統將具有令人難以置信的動態，可以防止許多事故和交通擁堵。

但不幸的是，它還會使每個基礎設施項目，交通信號燈和新車變得更加昂貴。在這些傳感器和通信設備價格便宜之前，V2X技術不可能在特殊區域或具有前瞻性思維的城市之外採用。

有什麽不利之處嗎？

雖然自動化對公眾有用甚至有些樂趣，但對於卡車運輸行業而言，這意味著完成業務方式的全面改變。

它還為那些能夠負擔一整套自動駕駛的車隊提供了巨大的競爭優勢。與許多行業一樣，勞動力是貨運公司的主要成本中心。消除成本，運輸變得更便宜。雜貨架上的產品也變得更便宜。

然而，對於所有這些卡車司機來說，他們需要找到新的工作。

卡車駕駛員是美國50個州中29個最常見的工作。更不用說通常在卡車運輸行業雇用的520萬人，或支持它的數百萬人。

目前，自動卡車運輸領域的領先者是TuSimple，路上有51輛卡車在美國南部的裝貨碼頭運送實際付費貨物（以及郵件），但這是一個擁擠的市場，有許多的競爭對手在不斷尋找未來兩年內的機會。

未來該何去何從？

在L5級別的自動駕駛技術到來之前，我們必須限制我們對自動駕駛汽車的期望。

幾十年來，航空業一直在解決這個問題，一架飛機至少還有兩名飛行員。

我們在未來一段時間內依舊需要人力來駕駛我們的汽車，但很快我們就能在交通穩定狀況下安全地做自己想做的事，這就是技術研發先驅者為之奮鬥的未來。