是什么阻止了自動駕駛汽車上路？

埃隆·馬斯克(Elon musk)一再強調，特斯拉將在2020年底前制造全自動汽車。“這方面有很多小問題。最大的挑戰是如何解決所有這些小問題，并將它們整合到一個統一的系統中。”

雖然這種無需人為干預就能應對旅途中各種狀況的汽車(業內稱之為“L5級自動駕駛”)可能正在逼近，但真正生產出能安全合法上路的自動擋汽車則是另一回事。

全自動駕駛汽車之所以不能上路，是因為還有很多根本性的挑戰。讓我們看看五個核心障礙。

1.傳感器

自動駕駛汽車使用各種傳感器來“觀察”周圍環境，并幫助系統檢測行人、其他車輛和路標等物體。攝像頭負責幫助汽車獲得視覺，激光雷達負責測量物體與汽車之間的距離，普通雷達探測物體并跟蹤其速度和方向。

這些傳感器將不斷向汽車的控制系統或計算機提供數據，以決定在哪里轉彎或何時剎車。全自動駕駛汽車需要一套傳感器，能夠在各種條件和環境下準確檢測物體、距離、速度等指標，全程不需要人為干預。

然而，惡劣的天氣、繁忙的交通和帶有涂鴉的路標會對傳感器的識別能力產生負面影響。雖然特斯拉使用的雷達不易受到惡劣天氣條件的影響，但仍然無法滿足全自動駕駛汽車對物體探測的嚴格要求。

就目前的情況來看，特斯拉的“自動駕駛”L2 autopilot已經造成了多起事故，包括今年7月撞上了其他停放的車輛。事實證明，該公司的傳感器在應對全天候駕駛場景時還有很長的路要走。

2.機器學習

大多數自動駕駛汽車使用人工智能和機器學習來處理來自傳感器的數據，并根據組合對下一步行動做出具體決策。這些算法將幫助系統識別傳感器檢測到的目標，并根據訓練經驗將目標分類為行人、路燈等。最后，汽車利用這些信息來確定是否需要避開檢測到的物體，以及接下來需要采取什么行動，例如剎車或轉彎。

在未來，機器可能比人類司機擁有更高效的物體檢測和分類能力。但至少目前來看，汽車上使用的機器學習算法還缺乏足夠的安全基礎。在如何訓練、測試或驗證機器學習算法方面，標準化組織乃至整個自動駕駛行業尚未達成共識。

打開道路

自動駕駛汽車在駛入開放道路后，將繼續其學習過程。它將在新的路段上行駛，檢測訓練中從未遇到過的物體，并相應地更新軟件。

那么，如何才能保證系統能一直擁有和驗證版一樣的安全性呢？我們必須能夠證明所有新的學習結論都是安全可靠的，系統不會忘記之前的安全知識。可惜目前業內沒有統一的解決方案。

4.監管要求

不僅是在自動駕駛領域，目前還沒有任何行業針對自動駕駛系統出臺足夠的標準和法規。現有的車輛安全標準假設要求駕駛員在緊急情況下立即接管。

對于自動駕駛汽車，法規只規定了一些特殊功能(如自動車道保持系統)。至于自動駕駛系統，包括自動駕駛汽車，雖然國際標準已經制定了一些相關的要求，但是之前提到的傳感器、機器學習、行為學習的問題還沒有解決。

因此，只要沒有公認的法規和標準，自動駕駛汽車就沒有權利在開放的道路上正常行駛，無論是否安全。

5.社會認可

特斯拉目前的自動駕駛功能已經造成了多起事故。由此造成的社會接受度低的問題，不僅來自有意購買此類產品的用戶，也來自與此類用戶共享道路的其他交通參與者。

公眾需要參與自動駕駛汽車的引進和采用的決策。沒有這個環節，這個技術可能會被人民所排斥。

顯然，只有解決了前三個問題……我們有機會克服最后兩個障礙。目前，行業各方都在努力成為首家推出全自動駕駛汽車的廠商。但是，如果我們無法通過監管機構/公眾的合作，在實現汽車安全、提供安全證書和獲得接受方面達成共識，那么自動駕駛汽車在未來幾年內只會在很長一段時間內處于測試階段。

對于馬斯克這樣的創業者來說，這種情況無疑是令人沮喪的。但正是因為有了荊棘，在安全、安保、法規、驗收等領域率先取得突破的廠商，才能發展成為新的巨頭，引領整個新時代。

埃隆·馬斯克(Elon musk)一再強調，特斯拉將在2020年底前制造全自動汽車。“這方面有很多小問題。最大的挑戰是如何解決所有這些小問題，并將它們整合到一個統一的系統中。”

雖然這種無需人為干預就能應對旅途中各種狀況的汽車(業內稱之為“L5級自動駕駛”)可能正在逼近，但真正生產出能安全合法上路的自動擋汽車則是另一回事。

全自動駕駛汽車之所以不能上路，是因為還有很多根本性的挑戰。讓我們看看五個核心障礙。

1.傳感器

自動駕駛汽車使用各種傳感器來“觀察”周圍環境，并幫助系統檢測行人、其他車輛和路標等物體。攝像頭負責幫助汽車獲得視覺，激光雷達負責測量物體與汽車之間的距離，普通雷達探測物體并跟蹤其速度和方向。

這些傳感器將不斷向汽車的控制系統或計算機提供數據，以決定在哪里轉彎或何時剎車。全自動駕駛汽車需要一套傳感器，能夠在各種條件和環境下準確檢測物體、距離、速度等指標，全程不需要人為干預。

然而，惡劣的天氣、繁忙的交通和帶有涂鴉的路標會對傳感器的識別能力產生負面影響。雖然特斯拉使用的雷達不易受到惡劣天氣條件的影響，但仍然無法滿足全自動駕駛汽車對物體探測的嚴格要求。

就目前的情況來看，特斯拉的“自動駕駛”L2 autopilot已經造成了多起事故，包括今年7月撞上了其他停放的車輛。事實證明，該公司的傳感器在應對全天候駕駛場景時還有很長的路要走。

2.機器學習

大多數自動駕駛汽車使用人工智能和機器學習來處理來自傳感器的數據，并根據組合對下一步行動做出具體決策。這些算法將幫助系統識別傳感器檢測到的目標，并根據訓練經驗將目標分類為行人、路燈等。最后，汽車利用這些信息來確定是否需要避開檢測到的物體，以及接下來需要采取什么行動，例如剎車或轉彎。

在未來，機器可能比人類司機擁有更高效的物體檢測和分類能力。但至少目前來看，汽車上使用的機器學習算法還缺乏足夠的安全基礎。在如何訓練、測試或驗證機器學習算法方面，標準化組織乃至整個自動駕駛行業尚未達成共識。

打開道路

自動駕駛汽車在駛入開放道路后，將繼續其學習過程。它將在新的路段上行駛，檢測訓練中從未遇到過的物體，并相應地更新軟件。

那么，如何才能保證系統能一直擁有和驗證版一樣的安全性呢？我們必須能夠證明所有新的學習結論都是安全可靠的，系統不會忘記之前的安全知識。可惜目前業內沒有統一的解決方案。

4.監管要求

不僅是在自動駕駛領域，目前還沒有任何行業針對自動駕駛系統出臺足夠的標準和法規。現有的車輛安全標準假設要求駕駛員在緊急情況下立即接管。

對于自動駕駛汽車，法規只規定了一些特殊功能(如自動車道保持系統)。至于自動駕駛系統，包括自動駕駛汽車，雖然國際標準已經設定了一些相關要求，但pr……之前提到的傳感器、機器學習、行為學習的lem，至今沒有解決。

因此，只要沒有公認的法規和標準，自動駕駛汽車就沒有權利在開放的道路上正常行駛，無論是否安全。

5.社會認可

特斯拉目前的自動駕駛功能已經造成了多起事故。由此造成的社會接受度低的問題，不僅來自有意購買此類產品的用戶，也來自與此類用戶共享道路的其他交通參與者。

公眾需要參與自動駕駛汽車的引進和采用的決策。沒有這個環節，這個技術可能會被人民所排斥。

顯然，只有解決了前三個挑戰，我們才有機會克服后兩個障礙。目前，行業各方都在努力成為首家推出全自動駕駛汽車的廠商。但是，如果我們無法通過監管機構/公眾的合作，在實現汽車安全、提供安全證書和獲得接受方面達成共識，那么自動駕駛汽車在未來幾年內只會在很長一段時間內處于測試階段。

對于馬斯克這樣的創業者來說，這種情況無疑是令人沮喪的。但正是因為有了荊棘，在安全、安保、法規、驗收等領域率先取得突破的廠商，才能發展成為新的巨頭，引領整個新時代。

標簽：特斯拉

汽車資訊熱門資訊