自动驾驶的定义本文指的是汽车的自动驾驶，而不是飞机或轮船。英文我们称之为AutonomousDriving，强调汽车具有自我意识、自我决策能力，甚至完全无人驾驶。它也被称为自动驾驶、无人驾驶或全自动驾驶。请注意，这些与自动驾驶不同。后者仍然是被动的，没有自主决策的能力，也就是我们常说的ADAS（高级驾驶辅助系统）。许多组织将自动驾驶分为不同的级别，但最主流的是SAE（汽车工程师协会）的定义。最新版本为201806，请参考以下链接：SAEJ3016_201806根据系统参与驾驶的比例，失效时如何响应，设计工作范围。它将自动驾驶的等级分为5个等级，如下图：DDT动态驾驶任务是指汽车在道路上行驶所需要的所有实时控制操作，主要是一些决策控制行为，不包括调度,战略功能，例如目的地和路线的选择。OEDR对象和事件检测和响应是指对车辆周围环境进行监控和响应。是感知和判断。它可以检测物体和事件，对其进行认知分类，并做出后续反应。DDTFallback动态驾驶任务支持，比如在系统出现故障或路况过于复杂无法判断和决策时如何提供支持。可以看出，在Level2时，完全由驾驶员来处理，在Level3时，系统具有一定的自主决策能力。ODDOperationalDesignDomain指设计运行域，是指自动驾驶系统设计的应用条件和范围，如行驶区域范围、路况（直路和弯路半径）、车辆速度等，以确保系统的功能在安全环境内。结合下图，进一步解释一下这五个级别：Level1具有一定的驾驶辅助功能，可以选择横向或纵向控制中的一种，例如加速，减速或转向控制，并具有巡航控制和车道保持功能。高速公路。汽车都在这个水平。但所有的驾驶操作和决策仍然由人类完成。Level2可同时支持水平和垂直控制，但驾驶员仍需实时监控环境，双手时刻保持在方向盘上，同时保证随时可以接管出问题的时候。这个时候系统还不具备决策能力。比如特斯拉的自动驾驶就是这个级别，目前只能算是2.5级。启动变道功能。Level3与L2最大的区别在于系统具有一定的自主决策能力。它在某些情况下可以实现完全自动驾驶，但驾驶员仍需随时准备接管车辆。不同之处在于系统会在失败之前失败。给司机提个醒，预留一定的时间。例如，当系统在复杂的环境中无法响应时，它会进行反馈。它可以预留十几秒甚至更长的时间，让某人接管控制，并保证在这段时间内没有问题。需要注意的是，驾驶和巡航之间有很大的差距。L1和L2只能实现巡航功能，也就是跟在其他车后面走。L3级别，可以实现驾驶，有自主决策的能力。这在技术上是有难度的。而且复杂度会增加很多。奥迪A8在2018年就达到了这个水平，它们被称为奥迪AI交通拥堵自动驾驶系统TJP（TrafficJamPilot）。它可以在堵车时启动自动驾驶功能，司机完全可以无视。这个还是挺实用的，但是在中国由于政策法规的原因，目前还没有这个功能。比如我们规定你的手不能长时间离开方向盘。因为Level3仍然需要司机，需要根据系统提示接管车辆的控制，但是当汽车路况良好时，人们不需要长时间关注汽车的行驶情况，因此驾驶员更容易分心。系统无法处理这种情况，此时驱动程序可能无法恢复。所以，有些公司或机构经过研究，认为这个层级比较不安全、不可靠，就忽略这个层级，直接上更高层级，比如谷歌的Waymo。但传统主机厂和一线供应商可能会逐级实施，而不是采取相对激进的方式，或者因为市场策略不同。Level4这个级别是不需要人参与的，但是是有限制的全自动驾驶，比如在某个公园或者公园里行驶，可能对速度有一定的要求。百度和金龙客车合作的自动驾驶公交车“阿波龙”就属于这个级别，车内看不到驾驶座，也没有方向盘。今年已在多地试运行。这不再是PPT，而是真实的产品。5级是无限自动驾驶。可以理解，在一个城市或者城市之间，任何复杂的交通场景，自动系统都游刃有余。这个水平很难达到。自动驾驶技术自动驾驶是一项知识密集型的高科技技术，没有相关的基础很难解释得比较清楚。从事自动驾驶的公司也很多，对于学习和研究，百度的Apollo开源平台是一个不错的选择。基于这个平台，我就根据个人的理解，大致说一下自动驾驶需要的技术。不论诗与远方，亦或是游荡，总有一个目的。为了体验驾驶的乐趣，闲逛在此不做赘述。对于自动驾驶，首先需要一个目的地。先告诉汽车，让它知道要去哪里，定位到哪里，然后再想办法怎么走。如果这些都由汽车自动完成，就可以实现高水平的自动驾驶。下图可以很好地解释自动驾驶的内涵：据此，我们可以大致猜出要用到的技术：定位和规划需要知道你在哪里，想要定位系统就需要用到GPS。对于厘米级定位需要RTK技术，IMU用来补充GPS更新频率慢的问题，需要激光雷达点云匹配定位来解决长时间没有GPS信号的问题，比如可以通过山谷或隧道。我们说的是汽车需要实时知道自己在高精度地图上的坐标。在此前提下，如果有目的地，实时路径规划可以给出车辆的大致方向。感知与预测车辆在行驶过程中，必须实时感知Perception周围的环境，实时预测Prediction接下来会如何行动，会出现各种突发情况。这部分可能是整个自动驾驶技术中难度最大的部分。对目标进行检测分类和跟踪，还涉及到传感器的融合，需要用到CNN、MachineLearning等多种技术。所需的计算量相当大，所有自动驾驶CPU都对计算性能有着极高的要求。GPU最好使用AI芯片。这里结合使用各种传感器，如Camera、LiDAR、Radar等，实现冗余和高可靠性。具体原因请参考下图。这是业界比较主流的做法。特斯拉（Tesla）的老板不信，决定不用激光雷达。这导致了世界上第一例自动驾驶导致的死亡案例。当时司机坐在一辆ModelS里，听说他在看哈利波特。心想可能是西游记，然后系统就把白色的货车箱子当成空气什么都没有了，全速撞上去，司机直接去和佛牌打牌了。控制预测汽车将如何移动，它还需要平稳地控制汽车的制动。这时候，就涉及到一个自动控制算法。自动驾驶车辆需要能够通过电线进行控制，例如刹车、油门和转向。发出控制命令。至此，简要介绍了自动驾驶所需的技术定位、路径规划、感知、预测和控制技术。此外，我们注意到还有一个网络功能，通常称为Telematics或T-Box。目前的4G由于带宽和时延问题无法满足自动驾驶的要求。主要功能是影音娱乐功能，等5G普及后可能会实现车辆协同自动驾驶，比如超视距感知等功能。自动驾驶的意义安全最重要的原因是安全，因为根据世界卫生组织（WorldHealthOrganization）的调查统计，全球每年有超过125万人死于车祸，而其中80%的原因是由于司机的人为因素造成的。人会出现疲劳驾驶、注意力不集中、路怒症等情绪问题，还可能酒后驾车，人的反应速度远不及传感器。另外，我们人类大脑的进化也不太适合现代社会。工业社会只有两百年，汽车的出现也只有一百年。我们人类大脑的底层是数亿年进化的结果。有一部分时间是在狩猎和农耕时期，所以当我们看到蛇或者其他一些动物的时候，我们会有本能的恐惧，但是在危险面前，钢铁怪车却无动于衷，人类的大脑其实可能还差得远从进化到适应现代社会的要求。因此，人类自驾可能不是最安全的选择。或许再过几百年，人类驾驶的汽车只会出现在汽车博物馆里。那时，人们可能会感觉到方向盘并踩下油门。令人惊讶的是这东西有多么危险。利益的安全固然重要，但对于大公司来说，这不应该成为他们的动力。真正驱使他们投入巨大财力驱动研发的，是利益的追求和欲望，以及对错失这个市场的恐惧。资本都是逐利的，都想着抢占这个即将到来的万亿市场。一份研究报告显示，到2025年，自动驾驶市场规模将达到2000亿至1.9万亿美元。当然，颠覆也是有可能的，因为像乔布斯那样有一个更宏大的目标，比如改变世界。也可能是因为爱。自动驾驶确实可能成为一项颠覆性技术。可能会改变很多行业，甚至城市现在的格局。自动驾驶的挑战但是自动驾驶能否顺利成为现实，在我看来是非常困难的。我简单说两点：莫拉维克悖论是指对于人工智能和机器人来说，人类特有的逻辑推理能力可以用很少的计算能力实现，比如AlphaGo，但是机器的无意识技能和控制需要巨大的计算能力功率和计算。有机构计算过，要让完全自动驾驶穷尽所有道路场景，需要100辆车，7*24小时的训练200年，但这不一定。可能会穷尽0.99种可能的场景，但还是会出现Unpredictability的情况，此时计算机束手无策，远不及人的直觉来应对保险。举个例子，人类的孩子从来没有见过猫，你只需要给他一只猫，告诉他这是一只“猫”，下次他看到猫，不管是什么颜色，什么形状，他都会知道这个是“猫”。电脑不一样，即使你给它几百万张猫的照片，各种颜色，各种姿势，各种角度，你把一只猫放在它的相机前，让它看一年……它都会还是不懂什么是猫，就无法准确判断一个东西是不是猫。例如，谷歌训练计算机识别猫。当时，谷歌研究人员利用一千台计算机的16,000个核心处理器组成机器学习神经网络。他们使用从YouTube视频中提取的1000万张200x200缩略图来训练神经网络来识别猫是什么。人们只需要一双眼睛就能感知周围的环境，然后凭感觉和经验就能把车开好，不像自动驾驶需要各种传感器的组合。人类驾驶目前是真正的端到端、直观的驾驶。今天的“机器学习”、“深度学习”、“人工智能”（AI），其实与人脑的思维方式有着根本的区别。TheTrolleyProblem假设当所有的技术问题都被某个天才架构或无数工程师日以继夜的努力解决后，自动驾驶很可能会遇到道德审讯，比如电车难题。这是一个非常著名的哲学。问题。如图，有轨道车开过来，这时候他刹车失灵，车速很快，但是这时候还能打方向盘，直走的时候会伤到四个人，而且转弯会伤到一个人，火车要不要改道？如果是你，你会怎么做？我想大多数人都会选择转移和杀死一个人来拯救四个人的生命。此时我们正在改变场景。如果火车不能转弯，只有一条直线轨道，上面有一座立交桥。这时，立交桥上站着一个大胖子，他正站在轨道上。如果此时你推他下车，卡在铁轨中间，让火车停了下来，牺牲一个胖子来挽救四个人的生命，你会这样做吗？这里的选择可能要困难得多。哲学引发我们的思考，当你开始思考某件事时，你就停不下来，它让我们对身边熟悉的事物感到陌生，仿佛一切都没有改变，但现在一切都不同了。例如，我看过一个真实的故事。在南京某路段，一辆出租车在上下班高峰期正常行驶，突然撞到路边码头，整车被抛飞。原因是出租车司机王师傅正在路上行驶。他突然感到眼睛下面黑眼圈，身体不适晕了过去。这时，路边有不少早上上班的行人。对面的石墩撞上，整辆出租车翻了个底朝天。当自动驾驶系统遇到这样的问题，它首先会做什么呢？应该优先保护车内乘客还是车外行人？未来自动驾驶可能会遇到越来越多这样的问题。它将如何做出决定？应对将是一个大问题。可以预见，自动驾驶面临的挑战远不止这些，但无论如何，都不会阻止这项技术的前行，因为人类进步的脚步永远不会停止，所以未来拥有无限可能。
