無人駕駛汽車離上路還有多遠？ 法律倫理都是攔路虎

來源：新浪科技上周在北京五環路上的無人駕駛汽車再次將無人駕駛汽車帶入公眾視線。與許多高科技發展一樣，最初推動無人駕駛研究的是軍事領域的專家美國軍方在20世紀70年代開始關注無人駕駛技術。1995年，美國卡內基梅隆大學開發的無人駕駛汽車Navlab-V完成了橫跨美國東西海岸的無人駕駛測試。20多年過去了，無人駕駛汽車在哪里“開張”了？人們不禁要問，無人駕駛技術真的足夠成熟，可以上路嗎？無人駕駛汽車在世界各地上路是否合法合規？除了惡劣的天氣、法律法規、倫理道德，“攔路虎”里其實還有一只袋鼠。

常規的“機構”不存在：方向盤、制動器和節氣門將被取消。目前，十多家公司已經雄心勃勃，列出了自己的無人駕駛汽車上路的時間表。谷歌希望自己的無人駕駛汽車能夠在2020年大規模生產，而且與其他制造商不同，谷歌不打算引入半自動功能，而是準備一步生產出一輛完全無人駕駛的汽車，即使沒有剎車和方向盤。谷歌在無人駕駛汽車方面擁有7年的經驗，并與菲亞特克萊斯勒合作在現實世界中測試無人駕駛小型貨車。福特不愿意落后，計劃在2021前推出并銷售4級無人駕駛汽車。與谷歌的無人駕駛汽車一樣，福特也不準備為其汽車配備方向盤、剎車和油門。此外，福特將在未來五年投資10億美元用于人工智能軟件的開發。英特爾在無人駕駛汽車上投入了大量資金，一系列收購可謂匯聚了無人駕駛世界的“龍珠”，獲得了各種關鍵能力。包括以150億美元收購以色列科技公司“Mobile Eye”、深度學習技術公司Nervana、微芯片制造商Movidius和汽車公司Delphi。此外，英特爾計劃與寶馬和大眾合作，在今年晚些時候開始測試無人駕駛汽車。“眼睛”可以通過六種方式看到：反饋物體的距離和閱讀交通標志。大多數無人駕駛汽車都配備了傳感技術“包”，包括“一只眼睛”和“一把尺子”——視覺傳感器（如攝像頭）和監控傳感器（用于測量目標距離的激光和雷達）。在過去的十年里，具有測量范圍的傳感器在商業開發系統中占據了主導地位，可以可靠地反饋周圍所有物體的距離，監測范圍可以達到100米甚至更大。激光通常只用于低級別和簡單的任務，例如避開障礙物和確保它們不會擊中任何東西。雷達是一些高端汽車的老搭檔，它在巡航控制系統中已經“服役”了至少十年。近年來，低價汽車也采用了這項技術。然而，用于監測距離的傳感器仍然有其局限性。遠程激光或雷達掃描可以給你提供一般信息，比如路人的姿勢，但它不會告訴你那個人的表情是平靜還是驚慌。此外，由于大多數標志都依賴于視覺，因此距離傳感器在讀取現有標志時也表現不佳。相比之下，像相機這樣的視覺傳感器彌補了這一缺陷，它們可以感知顏色和外觀細節。因為我們的駕駛環境是默認設計和建造的，駕駛員可以看到，所以可以像人一樣“一路看”的無人駕駛汽車可以更好地適應現有的基礎設施和標志。需要加強“判斷力”：駕駛系統很難應對惡劣天氣，但汽車沒有配備眼睛，以確保“視覺”沒有問題。攝像頭很容易受到環境變化的影響，在路上最常見的遭遇是晝夜循環。在黑暗的環境中，人工照明或遠光燈會使系統難以判斷前方的情況。在寒冷地區，街道兩側可能會有許多被強風吹走的雪堆，這不僅完全模糊了標線，甚至標志也很容易被掩埋和堵塞。由于無人駕駛汽車的設計嚴格依賴于道路法規，因此該系統將變得非常混亂。這還不是全部。最大的挑戰往往發生在同時發生多個變化時，例如駕駛……

夜晚，趕上熱帶風暴。在這種組合中，即使是人類駕駛員也不可避免地會發生事故。幸運的是，在大多數情況下，我們都很謹慎，處理得當，無人駕駛汽車就不那么可靠了。除了雨雪，冰、冰雹、霧、煙、霾、風、光、熱都會對行車環境造成干擾。目前，沒有一輛汽車能夠證明它在極端天氣下仍能可靠運行。目前，大多數汽車只能應付中等程度的降雨。對于那些盯著無人駕駛汽車蛋糕的制造商來說，沒有什么比開發一款適應所有天氣的無人駕駛汽車更具挑戰性的了。盡管我們有很多車可以適應“大多數情況”，但沒有一輛能適應“所有情況”。我不需要重復天氣的重要性。僅在美國，就有超過20%的事故與惡劣天氣有關。擁有最強的“大腦”：深度學習為鏡片材料貼上標簽。為了防止無人駕駛汽車的眼睛變成擺設，開發者必須為其配備相應的“大腦”。這就是為什么許多無人駕駛汽車制造商正在開發深度學習系統的原因。有了這項技術，他們可以輕松超越人類需要練習100小時的“老司機”的境界。英特爾收購Mobile Eye正是為了這個目的。這些深度學習系統通常需要大量的標簽數據。盡管收集原始數據的成本很高，但這是可行的，而且方法“簡單粗暴”：只需在大量汽車上安裝傳感器和計算機，然后等待它們在路網中運行數百萬小時。一旦你往回跑，下一項工作就很耗時、耗費人力和腦力。鏡頭記錄的大量材料需要處理，人、車、各種危險、紅綠燈、車道標線等都需要“貼標簽”。意識到這種乏味的工作不能偷走懶惰，Mobile Eye公司雇傭了數百名員工為圖像“貼標簽”，這種腳踏實地的風格也使其成為該領域的領導者。有了這些基礎，未來，Mobile Eye等其他公司將越來越多地使用模擬技術來生成大部分數據，而不是依賴人力。“個性”比人更謹慎。當遇到路邊慢跑者時，他們會減速并停車。目前，無人駕駛汽車通常比人類司機更“膽小”，因為我們可以更準確地了解周圍發生的事情。在一段測試視頻中，當特斯拉在路邊遇到慢跑者時，它會減速到幾乎停下來。當我們遇到同樣的情況時，我們會做出判斷，“慢跑者不太可能突然跳到路上”，系統被設計得更加謹慎（至少在目前的系統中是這樣）。從目前的技術來看，對無人駕駛汽車確實有必要保持謹慎。他們不太善于應對百萬分之一可能發生的“小概率”事件，比如一張沙發從前車上掉下來，或者一些穿著奇怪服裝的人出現在路邊。自動眼開發的視覺技術可能會提供更多“微妙的場景”，幫助汽車更自信地訓練。你還可以讀取人們的面部表情，分析路邊行人的姿勢和可能的意圖，甚至可以“看透”你旁邊的車，無論對方的司機是在看路還是在玩手機。此外，這種視覺技術可以與人類駕駛員無縫連接，并通過輔助保護系統幫助我們避免錯誤。名詞解釋說，自動駕駛汽車和無人駕駛汽車是一回事，但在不同的地方被稱為不同的汽車。歐洲更喜歡稱之為自動駕駛汽車，而美國則使用后者。來源：新浪科技上周在北京五環路上的無人駕駛汽車再次將無人駕駛汽車帶入公眾視線。與許多高科技發展一樣，最初推動無人駕駛研究的是軍事領域的專家美國軍方在20世紀70年代開始關注無人駕駛技術。1995年，美國卡內基梅隆大學開發的無人駕駛汽車Navlab-V完成了橫跨美國東西海岸的無人駕駛測試。20多年過去了，無人駕駛汽車在哪里“開張”了？人們不禁要問，無人駕駛技術真的足夠成熟，可以上路嗎？無人駕駛汽車在世界各地上路是否合法合規？除了惡劣的天氣、法律法規、倫理道德，“攔路虎”里其實還有一只袋鼠。

問題……

沒有所謂的“器官”：方向盤、剎車和油門都將被取消。目前，十多家公司已經雄心勃勃，列出了自己的無人駕駛汽車上路的時間表。谷歌希望自己的無人駕駛汽車能夠在2020年大規模生產，而且與其他制造商不同，谷歌不打算引入半自動功能，而是準備一步生產出一輛完全無人駕駛的汽車，即使沒有剎車和方向盤。谷歌在無人駕駛汽車方面擁有7年的經驗，并與菲亞特克萊斯勒合作在現實世界中測試無人駕駛小型貨車。福特不愿意落后，計劃在2021前推出并銷售4級無人駕駛汽車。與谷歌的無人駕駛汽車一樣，福特也不準備為其汽車配備方向盤、剎車和油門。此外，福特將在未來五年投資10億美元用于人工智能軟件的開發。英特爾在無人駕駛汽車上投入了大量資金，一系列收購可謂匯聚了無人駕駛世界的“龍珠”，獲得了各種關鍵能力。包括以150億美元收購以色列科技公司“Mobile Eye”、深度學習技術公司Nervana、微芯片制造商Movidius和汽車公司Delphi。此外，英特爾計劃與寶馬和大眾合作，在今年晚些時候開始測試無人駕駛汽車。“眼睛”可以通過六種方式看到：反饋物體的距離和閱讀交通標志。大多數無人駕駛汽車都配備了傳感技術“包”，包括“一只眼睛”和“一把尺子”——視覺傳感器（如攝像頭）和監控傳感器（用于測量目標距離的激光和雷達）。在過去的十年里，具有測量范圍的傳感器在商業開發系統中占據了主導地位，可以可靠地反饋周圍所有物體的距離，監測范圍可以達到100米甚至更大。激光通常只用于低級別和簡單的任務，例如避開障礙物和確保它們不會擊中任何東西。雷達是一些高端汽車的老搭檔，它在巡航控制系統中已經“服役”了至少十年。近年來，低價汽車也采用了這項技術。然而，用于監測距離的傳感器仍然有其局限性。遠程激光或雷達掃描可以給你提供一般信息，比如路人的姿勢，但它不會告訴你那個人的表情是平靜還是驚慌。此外，由于大多數標志都依賴于視覺，因此距離傳感器在讀取現有標志時也表現不佳。相比之下，像相機這樣的視覺傳感器彌補了這一缺陷，它們可以感知顏色和外觀細節。因為我們的駕駛環境是默認設計和建造的，駕駛員可以看到，所以可以像人一樣“一路看”的無人駕駛汽車可以更好地適應現有的基礎設施和標志。需要加強“判斷力”：駕駛系統很難應對惡劣天氣，但汽車沒有配備眼睛，以確保“視覺”沒有問題。攝像頭很容易受到環境變化的影響，在路上最常見的遭遇是晝夜循環。在黑暗的環境中，人工照明或遠光燈會使系統難以判斷前方的情況。在寒冷地區，街道兩側可能會有許多被強風吹走的雪堆，這不僅完全模糊了標線，甚至標志也很容易被掩埋和堵塞。由于無人駕駛汽車的設計嚴格依賴于道路法規，因此該系統將變得非常混亂。這還不是全部。最大的挑戰往往發生在同時發生多種變化時，例如夜間駕駛和趕上熱帶風暴。在這種組合中，即使是人類駕駛員也不可避免地會發生事故。幸運的是，在大多數情況下，我們都很謹慎，處理得當，無人駕駛汽車就不那么可靠了。除了雨雪，冰、冰雹、霧、煙、霾、風、光、熱都會對行車環境造成干擾。目前，沒有一輛汽車能夠證明它在極端天氣下仍能可靠運行。目前，大多數汽車只能應付中等程度的降雨。對于那些盯著無人駕駛汽車蛋糕的制造商來說，沒有什么比開發一款適應所有天氣的無人駕駛汽車更具挑戰性的了。盡管我們有很多車可以適應“大多數情況”，但沒有一輛能適應“所有情況”。我不需要重復天氣的重要性。僅在美國，就有超過20%的事故與惡劣天氣有關。擁有最強的“大腦”：深度學習為鏡片材料貼上標簽。為了防止無人駕駛汽車的眼睛……

開發商要想成為擺設，就必須為他們配備相應的“大腦”。這就是為什么許多無人駕駛汽車制造商正在開發深度學習系統的原因。有了這項技術，他們可以輕松超越人類需要練習100小時的“老司機”的境界。英特爾收購Mobile Eye正是為了這個目的。這些深度學習系統通常需要大量的標簽數據。盡管收集原始數據的成本很高，但這是可行的，而且方法“簡單粗暴”：只需在大量汽車上安裝傳感器和計算機，然后等待它們在路網中運行數百萬小時。一旦你往回跑，下一項工作就很耗時、耗費人力和腦力。鏡頭記錄的大量材料需要處理，人、車、各種危險、紅綠燈、車道標線等都需要“貼標簽”。意識到這種乏味的工作不能偷走懶惰，Mobile Eye公司雇傭了數百名員工為圖像“貼標簽”，這種腳踏實地的風格也使其成為該領域的領導者。有了這些基礎，未來，Mobile Eye等其他公司將越來越多地使用模擬技術來生成大部分數據，而不是依賴人力。“個性”比人更謹慎。當遇到路邊慢跑者時，他們會減速并停車。目前，無人駕駛汽車通常比人類司機更“膽小”，因為我們可以更準確地了解周圍發生的事情。在一段測試視頻中，當特斯拉在路邊遇到慢跑者時，它會減速到幾乎停下來。當我們遇到同樣的情況時，我們會做出判斷，“慢跑者不太可能突然跳到路上”，系統被設計得更加謹慎（至少在目前的系統中是這樣）。從目前的技術來看，對無人駕駛汽車確實有必要保持謹慎。他們不太善于應對百萬分之一可能發生的“小概率”事件，比如一張沙發從前車上掉下來，或者一些穿著奇怪服裝的人出現在路邊。自動眼開發的視覺技術可能會提供更多“微妙的場景”，幫助汽車更自信地訓練。你還可以讀取人們的面部表情，分析路邊行人的姿勢和可能的意圖，甚至可以“看透”你旁邊的車，無論對方的司機是在看路還是在玩手機。此外，這種視覺技術可以與人類駕駛員無縫連接，并通過輔助保護系統幫助我們避免錯誤。名詞解釋說，自動駕駛汽車和無人駕駛汽車是一回事，但在不同的地方被稱為不同的汽車。歐洲更喜歡稱之為自動駕駛汽車，而美國則使用后者。

標簽：福特寶馬北京世紀大眾

汽車資訊熱門資訊