杭州大动作！无人驾驶还有多远？一文深解
发表时间：2024-06-19 23:12:41 来源：华体会官网赞助AC米兰
4月25日至5月4日，2024北京国际车展举行，国内外知名汽车品牌悉数携全新产品以高规格参展。此次车展专门设置了“智驾未来展区”，随处可见“智”字招贴，无人驾驶、智能网联成为这次车展最“吸睛”的元素之一。
5月1日，《杭州市智能网联车辆测试与应用促进条例》正式施行。杭州成为除经济特区外，全国首个以地方立法明确无人驾驶车辆上路具体流程的城市，也是全国首个为低速无人车立法的城市。杭州还自当天起，率先将全市八城区和桐庐县城区作为智能网联车辆测试应用区域，服务人口数量超1000万。
“2024年是智能驾驶规模商用元年。”有国内科技公司高层近日如是说。特斯拉CEO马斯克于4月28日下午抵京后表示：“很高兴看到电动车在中国取得进展，未来所有汽车都将是电动的。”就在近期，马斯克曾表示：“未来几乎所有汽车都将是无人驾驶的”，“人们未来进入汽车就像进入电梯一样，你甚至都不会想到它”。
事实上，近些年，国内外众多车企和科技公司在无人驾驶方面的投入堪称马不停蹄、紧锣密鼓，给汽车产业的智能化进程按下加速键。无人驾驶前景充满了想象空间。
但对于很多人来说，“无人驾驶”仅仅是一个充满未来感与科技感的词，既有向往，又有担心：无人驾驶技术难吗？出bug了怎么办？它比人类司机更安全吗？
目前，按照国际自动机工程师学会标准，汽车无人驾驶技术可划分为L0至L5共六个级别：L1至L2为驾驶辅助技术；L3是分界线及以上为无人驾驶，但L3在系统发出请求时，人还可以接管驾驶，L4在绝大部分场景下，车辆可实现无人驾驶，且不需要人类司机干预；L5是在任何场景下，都能轻松实现无人驾驶，也就是完全无人驾驶。
其实关于无人驾驶技术的研究，可以追溯到上个世纪五十年代。最近几年，无人驾驶更是让众车企魂牵梦萦、分秒必争。但时至今日，大多数车企无人驾驶水平还处于L2水平，也就是辅助无人驾驶阶段。当前行业主流意见认为，技术从L2循序渐进、不断迭代，最终会达到L4高级别自动驾驶。但在很久内，L2可能都会与L4共存。
可见，实现无人驾驶，并非易事。它是一件极其复杂的系统工程，涉及传感器、计算机、人工智能、通信、导航定位、机器视觉、智能控制等多门学科，而软硬件、政策环境都对其发展有重要影响。
毫末智行数据智能科学家贺翔介绍，目前主要有两种技术路径。一种是以激光雷达为核心的融合感知路线，激光雷达、摄像头和毫米波雷达等构成融合感知体系，以华为、小米、蔚来等车企为代表。另一种是纯视觉感知路线，以特斯拉为代表。纯视觉路线对车端和云端算力都提出较高要求，特斯拉为此自研了车端人工智能（AI）芯片和云端训练芯片。
这两种技术路径，无论是哪一种，都要完成感知、决策和执行三个环节。如何理解呢？无人驾驶系统开车，跟我们人开车一样，也是靠眼睛（耳朵）、大脑和手脚，分别承担着感知、决策、执行职责。
它的“眼睛”“耳朵”可以是高清摄像头、激光雷达、毫米波雷达、超声波雷达等感知系统，对车辆、行人、交通信号灯、障碍物等环境做出快速准确的识别，确保其“看得懂物”。以上两种技术路线，主要是从环境感知方面做的划分，这个环节是后续两个环节的基础。
自动驾驶的“大脑”就是“芯片”、算法，用于做决策：车怎么开安全？选择哪条路效率更加高？这是“看得懂路”。而控制系统就是用来完成执行动作的“手”和“脚”。
简单来说，是通过装载高清摄像头、激光雷达、毫米波雷达等传感器，收集车辆周边信息，再配合高精度地图，做出决策。
这种路线，优点十分明显：几种传感器相互配合补充，发挥各自“特长”，数据来源十分多样，这让最终感知结果更稳定可靠，决策也会更加准确。比如，摄像头能够给大家提供丰富的视觉细节，而激光雷达能够给大家提供精准的距离、速度数据，还能保证夜间、大雾雨雪天等恶劣天气下的识别效率，弥补摄像头的不足。
这种技术路线，最大的缺点在于贵——高精度地图和激光雷达，都需要高额投入。
贺翔介绍，高精度地图作用类似导航地图，但道路信息更丰富，包括车道位置、道路标志、交通信号等，这一些信息帮助车辆精确定位并做出导航决策。“但它的应用难点之一，在于建图所需要的时间和经济成本都非常高昂。”
有业内人士介绍，专业绘制车辆携带的各类传感器价值不菲，平均采集成本约为1000元/公里。据悉，华为在上海市采集了两三年的高精度地图，也只覆盖了2.2万公里，而覆盖全上海需要采集3.6万公里。
此外，地图需持续维护才能“保鲜”。“城市道路天天在变，有时候今天采集完数据，明天就要改。”业内人士介绍，与此同时，从国家安全角度，政府也只允许厂商每隔几个月刷新一次，还要经历漫长的审核，这让高精度地图很难普遍的使用。而在实际使用中，当路况与地图不符时，系统就会让司机接管车辆，频繁接管会直接影响消费者体验。
在本次北京车展上，已经有不少车型选择了无图智驾方案。甩开高精度地图的无人驾驶，能适应任何环境，无论地图覆盖与否。“高精度地图成本高、更新慢，正在慢慢地被城市智驾方案所抛弃。”贺翔表示，为了抛开高精度地图，有的公司开始利用摄像头实时重建车辆多维环境，这些环境数据还能成为仿真训练（指在虚拟环境中构建罕见事故场景，训练系统应对能力）的基础。
此外，一颗激光雷达的价格，尽管已经从2017年左右的7万~8万美元降到了现在的小几千块钱，但相较于几百元的摄像头来说，价格并不低。“十万元左右的车型，配备这样一颗雷达，还是压力很大的。另外，激光雷达刚上车不久，常规使用的寿命还没有正真获得过市场长期的检验。”贺翔说。
多传感器融合方案除了成本高，技术方面也有一定挑战，有业内人士指出，当两种传感器结果发生冲突，系统应相信哪个？“假设总是信摄像头，那激光雷达还有什么用呢？”
而纯视觉路线聚焦一个“纯”字——只使用摄像头来感知环境。这在某种程度上预示着从认识物体，到测算距离、速度等一切环境信息，都需要靠摄像头来完成。想走这条路线并非易事，因为系统要处理大量图像、视频信息，车端和云端算力、算法都很重要，主打一个“脑子好使”。（车端需要处理多个高清摄像头大量复杂的数据，而这些处理都必须在车上及时完成以确保反应速度；云端则负责处理大规模的数据分析和模型训练，以持续优化车辆的感知和决策能力）
贺翔介绍，这些算法需要可处理光线变化、天气影响、遮挡和其他视觉噪音，要把更多的二维图片转化为三维物体，从而感知速度和距离，这些都是使用激光雷达很容易处理的问题。这个方案，其实是在模仿人的驾驶习惯：只要是眼睛（摄像头）能清楚看到的东西，系统就能够识别其中的信息，进而做出正确判断。
想要识别得更加准确，就需要无人驾驶系统不断学习并优化驾驶决策，海量数据在这样的一个过程中至关重要。
特斯拉就是靠着几百万辆车跑出来的实际驾驶数据，用于训练算法模型、训练系统应对能力，显著改进了其无人驾驶软件性能。这种“车队学习”是特斯拉智能驾驶迎来“ChatGPT 时刻”（特斯拉FSD V12 发布）的重要的条件之一，也是其无需高精度地图的原因之一。
相较于融合方案，纯视觉感知路线最大优势就是成本更低，更加有助于市场大范围推广。但为了更高的安全性和可靠性，纯视觉路线隐性成本并不低，甚至可以说更高，只不过这是“终身受益”：它需要投入更多资源来开发和优化视觉处理算法和计算平台。马斯克今年4月初曾表示，2024年特斯拉针对自动驾驶领域的总投入将达到100亿美元。
“纯视觉路线缺陷也较明显，由于摄像头采集到的原始数据是二维图像，不包括距离、速度，车辆仅靠这一些信息有可能会出现误判。”贺翔介绍，在融合感知路线中，即使一个传感器失败或扰，其他传感器仍能提供关键数据，而纯视觉感知路线在摄像头遇到失效、被污染等状况时，缺乏同等级备份选项，可能会影响整体系统的可靠性。
特斯拉2016年5月的一场事故就曾让其陷入舆论风波：系统摄像头将大卡车的大面积白色车身识别成了“云朵”，而当事车主没注意路况，最后撞上正在转弯的大卡车。
贺翔表示，随着AI算法加快速度进行发展迭代，计算机视觉经过大量数据训练，可以逐渐弥补摄像头的不足。
“这两条路线各有优势，至于行业最终选择走哪条路，将是技术、工程、商业等方方面面博弈的结果。”但贺翔认为，无人驾驶最终应该还是走向纯视觉感知路线，“因为它更像人在开车，只有人眼捕捉到的信息才是最全面的，也只有人才能理解语义。纯视觉感知路线随着算法的不断迭代，学习的不断深入，它能越来越理解人看到的世界，让无人驾驶真正的完成智驾。”
“会有。只要是机器，就会有bug。”贺翔表示，这些bug可能由多种因素引起，包括软件错误、硬件故障、传感器误读或者数据处理错误等等。
不像手机、电脑卡顿，重启后就可正常运行，而且不会造成重大影响，高速行驶的车如果卡顿了，乘客安全如何保证呢？
“现在业内是有解决方案的，安全是无人驾驶最应第一先考虑的要素。”贺翔说，无人驾驶汽车应该都有一个兜底机制，软硬件一旦报错，车会自动执行刹停，或者是让人类司机接管。
持续测试和升级。就像手机app需要更新一样，无人驾驶系统也要一直来测试并更新，以确保能处理各种复杂的交通情况。
使用备用系统。在车辆中安装多套系统，如果主系统出问题，备用系统能立刻接管，就像飞机上有多个引擎一样。
持续改进算法。不断通过实际道路数据学习和优化，使得系统能更智能地处理各种情况。
这些方法，都是为了不断降低无人驾驶系统出现bug的几率，确保车越开越聪明，越开越好开。
“无人驾驶安全性要赶超人类司机，这是无人驾驶技术发明的初衷，其核心目标之一就是要消除人为错误。”贺翔表示，大多数交通事故都是由人为错误造成的，如超速、酒驾、疲劳驾驶、分心、路怒等。自动驾驶系统几乎能在不分心、不疲劳、不受情绪影响的情况下持续运行，在理论上确实能减少这些常见的人为错误。
“自动驾驶的反应速度和精确性，理论上能做到比人类要更高。”毫末智行CEO顾维灏说，无人驾驶系统能持续高效监测周围环境，即时对周围发生情况做出一定的反应和决策。此外，它们还能够与其他无人驾驶车辆进行通信，协同作业以提升整体交通安全。
但目前无人驾驶系统由于技术上的不足，在安全上仍面临一些挑战，比如在处理复杂交通场景或罕见事件方面，如果它没有遇到过相关场景，就会做出离谱的决策。比如，前一段时间，一台开启智能驾驶的车辆就撞上了前方侧翻的卡车，因为它没认出来轮子朝天的车，就会认为这个场景是安全的。顾维灏表示，随着无人驾驶系统不断学习优化，其安全性有望逐渐实现并最终超过人类驾驶10倍。
“自动驾驶技术的发展，将为我们社会生活的方方面面带来许多积极影响，包括提高交通安全、增加交通效率，以及改善生活品质等。”顾维灏在谈到无人驾驶技术的巨大价值时说道，首先会减少由人为错误引起的交通事故，还能够最终靠优化行驶路线和速度，减少不必要的停车和急刹车，来提升交通流的效率，通过与传统交通模式的整合，创造一个更为灵活高效的多模式运输网络。“像北京东三环早高峰的拥堵，或将得到一定效果缓解。”
另外，无人驾驶技术能为老年人、残疾人以及其他没有驾驶能力的人群提供更多的独立出行机会，提升他们的幸福指数；还能把人们从驾驶任务中解放出来，将通勤时间转变为休息娱乐的时间。与此同时，“随着无人驾驶车辆的增加，城市规划和交通基础设施将逐渐适应这一新技术。例如，可能减少停车场和停车空间的需求，因为无人驾驶车辆可以在不需要时自行寻找停车位或返回家中。”……
无人驾驶带来的这些改变，将对我们的生活、商业运作和社会结构产生深远影响，推动我们进入一个更安全、更高效、更环保的未来。
尽管自动驾驶前景充满了想象空间，现实却很骨感：在实现全面商业化和大范围的应用之前，无人驾驶在成本、技术、法律和法规、社会接受度等多方面仍面临一些困境。
任何产品在真正走向商业落地前，都需面临一个核心问题——成本。无人驾驶成本居高不下是阻碍其普及的因素之一。软硬件开发、数据采集、有关技术测试和验证等各环节都需要大量资金和时间投入。
在技术方面，顾维灏表示，尽管无人驾驶技术已取得了显著进步，但仍需解决如感知系统在复杂环境下的可靠性、人工智能决策系统的健壮性等问题。例如，怎么样提高在恶劣天气或复杂道路条件下的性能，如何提升模仿人类司机的直觉和决策能力等。
关于政策和法规，顾维灏介绍，无人驾驶的法律责任、安全标准、隐私保护等方面的法规尚不明确，这对于规范无人驾驶车辆的测试、使用、责任归属等方面造成困难。“例如，如果人类司机和无人驾驶系统开的车相撞，责任应怎么样判定，是人的事儿？还是厂家的事儿？这都需要在法律和法规上做出界定。”此外，不同国家和地区的法律、标准不统一，这给无人驾驶车辆的国际化推广也带来了一定障碍。
如今，很多车企和无人驾驶公司已推出了泊车和高速辅助驾驶功能，但城市场景才是让我们消费者直接感知这项技术的最重要方法，因为城市场景才是我们正常的生活中经常用到的场景。如果无人驾驶不能在高频和刚需场景实现，所有商业规划都是空中楼阁。
“搞定城市道路，人们才会更加信任无人驾驶，尤其在中国，中国的城市交通状况太复杂了。像北京早高峰，什么车的无人驾驶遇到都会‘疯’。”北京亦庄无人驾驶示范区的一位无人驾驶安全员说。
目前，国内的一些头部车企或科技公司也已陆续落地城市场景辅助驾驶。这些城市场景落地让我们消费者对自动驾驶的信任度有所提升。
顾维灏表示，解决这些困境需要技术创新、法律改革、伦理讨论以及社会教育等多方面的努力。“只有这样，无人驾驶技术才能顺利地融入我们的生活，实现其潜在的巨大价值。”
这两年，我国陆续出台了一系列如《关于开展智能网联汽车准入和上路通行试点的通知》《无人驾驶汽车运输安全服务指南（试行）》等支持无人驾驶发展的政策，此外，从中央到地方对智慧公路、车路协同等发展也十分重视，多条智慧道路已建成并开启试运行。
国内众多车企和科技企业也都在推出基于量产的高阶智驾产品，展示出中国无人驾驶技术的商业化和量产潜力。国外特斯拉FSD V12 版本的推出，更是标志着无人驾驶技术达到了一个新的里程碑。
目前，北京、上海、广州、深圳、重庆、武汉，就连山西的最小地级市阳泉等地，都开展了无人驾驶示范区。没有司机的出租车、巡逻车、环卫车等L4级的无人驾驶（完全无人驾驶），在这些地方可以看到。
但目前多数无人驾驶仍处于L2级的辅助驾驶阶段，发展最快的也就在L3级的先导阶段，贺翔认为，我们距离真正完全无人驾驶的量产还有一定距离。
“这中间需要一次质的飞跃。”顾维灏如是说，说来说去，想要真正走入每个人的生活，破解当下发展困境是关键，技术、成本、法律法规、公众接受度等都需要有质的改变。“只有到那个时候，线级）才能走入我们的生活。”
写完这篇稿子后，我对无人驾驶放心了许多，并决定去亦庄感受下无人驾驶，看看乘车体验到底如何。没想到还有意外收获，戳视频↓
营业执照增值电信业务许可证互联网出版机构网络视听节目许可证广播电视节目许可证
