和很多新产品一样。大家对自动驾驶的态度也是两极分化，分为太信任和太不信任。有些人对自动驾驶过于信任，打开自动驾驶就敢玩手机、睡觉。这导致了多起致命事故。有些人对自动驾驶不太信任，认为这都是商家的噱头，买新车连自动泊车功能都不敢尝试。01那么自动驾驶能做什么？这要从自动驾驶的“阶梯”说起。对新兴技术或汽车感兴趣的朋友一定看过新闻，特斯拉的Autopilot已经具备了Level2，也具备了称为L2的自动驾驶能力。如果不了解自动驾驶的阶梯，可能很难完全理解这个消息。美国汽车工程师协会（SAE）将自动驾驶按照不同级别划分为六个级别。等级越高，自动驾驶水平越高。有了自动驾驶能力，驾驶员可以安心坐在驾驶座上看书，或者干脆不再需要驾驶座。现在市面上的自动驾驶功能是什么水平？前几年业界很看好，关注点已经发散到驾驶座要换成麻将桌还是火锅桌。但现实很骨感——经过一段时间的实践，尤其是无人驾驶的几次翻车（字面意思是“侧翻”）之后，大家的心渐渐平静了下来。巨头们也基本达成共识，Level5很难达到，需要很长的时间才能达到。可以肯定的是，近几年无人驾驶换驾照是不可能的。当然，事情不是两个极端。虽然无人驾驶要让司机下岗还有很长的路要走，但也不是噱头，没有进步。研发出能适应各种复杂路况的无人驾驶当然很难，但也好比做数学题。您可以添加一些背景约束来简化问题。现在在一些具体的应用场景中，无人驾驶确实已经达到了让司机“放开手”的程度。无人驾驶出租车等根据SAE对无人驾驶的分级，目前市面上的各种无人驾驶，包括大家熟知的特斯拉的Autopilot，基本上都处于Level2和Level3的级别，即部分自动驾驶和有条件自动驾驶。,这是一口读起来。用大白话来说就是可以帮助司机，但不能代替司机。我国三部委颁布的《智能网联汽车道路测试管理规范（试行）》也要求，测试驾驶员应始终坐在测试车辆的驾驶座上，时刻监控车辆的运行状态和周围环境，时刻准备着随时接管车辆。前面提到的已经上路的无人公交车和无人出租车，在实际运行中通常都会配备一到两名安全员。怠速”的场景略有不同。一些智能驾驶系统也担心驾驶员过于迷信“无人驾驶”而分心。眼睛是盯着前方车辆还是看其他地方。无人驾驶可以说是当下是一个双管齐下的世界，每一次新产品都让人眼前一亮，感觉成功在望，但新的事故却让人忧心忡忡，甚至怀疑这条路能不能走。总的来说，无人驾驶作为人工智能技术的典型代表，也和很多已经尝试落地的人工智能产品一样，希望与挑战并存。我还清楚地记得第一次坐上自动驾驶汽车的情景。虽然驾驶座和副驾驶分别坐着两个魁梧的男人，破坏了几分科幻感，看着无人驾驶的方向盘自己转动，遇到一个红色的轻刹车，突然出现行人和车辆，他们知道如何躲闪。犹如经历了一场大范围的魔法一般，感受着难以形容的震撼。迫不及待地掀开魔幕一睹其背后的玄机。02无人驾驶是如何实现的？无人驾驶是一个非常前沿的研究方向，新闻也很多，但是系统介绍这项技术的书籍却不多，而且在为数不多的几本书中，大多是科普性的，缺乏理论知识的介绍。详细了解其背后的原则。有这个需求的同学，我推荐《智能驾驶技术：路径规划与导航控制》。这是一本硬核书。读完本书，你将对无人驾驶的完整过程有清晰的认识。以下是我读完《智能驾驶技术：路径规划与导航控制》后的理解：要实现无人驾驶，需要准备好三宝，高精地图、传感器和车辆控制系统。地图1很容易理解。无论是无人驾驶还是有人驾驶，关键是把车从起点开到目的地。关键是要“认路”。我们都熟悉这个过程，需要用地图来导航。无人驾驶也需要地图导航，但是无人驾驶使用的地图和我们普通的导航地图不同，是高精地图。有什么不同？回想一下，我们的导航地图主要是标识各个位置，也就是地理信息，但是大部分与驾驶相关的信息，比如红绿灯、路口、车道规则、道路等级等，都是缺乏的。的。一方面，高精度地图对精度要求较高，通常需要结合GPS、遥感影像等测量仪器的结果绘制。另一方面补充了行车信息，甚至对特殊车道做了详细的划分，比如路口转弯、匝道、小路等，都单独标示。高精度地图需要包含如此多的信息，制作成本当然也很高。但有了用于自动驾驶的高精度地图，道路的识别就容易多了，实时计算的要求也大大降低。无人驾驶的第二宝是传感器。传感器在外观上应该是无人驾驶的标志。现在的无人车普遍戴着一顶高大的“帽子”，而这个“帽子”就是一种传感器。人类开车需要看六路听八方。无人驾驶也需要眼睛和耳朵。传感器是无人驾驶的眼睛和耳朵。可能有人不太理解，有了高精度雷达，为什么还需要传感器呢？在真实环境中驾驶与在游戏中不同。不可能“背板”。行驶道路上会出现各种意想不到的障碍物，需要实时观察。这里的障碍，不仅指狭义的路障，还包括出现在前方的路障。行人，后面突然加速的车辆等等，哪怕是最简单的红绿灯，我也知道这里有红绿灯，所以不管是红灯还是绿灯，我是继续开车还是赶紧刹车，都其中需要通过传感器观察。新手司机在路上应该会有一种感觉，就是很忙，要观察的东西太多了，尤其是人类，更别说无人驾驶了。为了准确捕捉各种环境信息，无人驾驶使用了多种传感器来捕捉各种环境信息，包括高清摄像头、红外传感器、激光雷达、毫米波雷达等，可捕捉的光信号不限对可见光，还拥有360度环绕视觉。应该说，在环境信息捕捉方面，无人驾驶的能力已经超越了人类。最后一项是核心项目，也是难度最大的项目，就是车辆的驱动系统。准确地说，汽车驱动系统分为软件和硬件两部分。无人车首先需要对车辆的硬件进行改造。这个应该很好理解。你必须让无人系统控制油门、刹车和方向盘，然后我们可以谈谈无人驾驶，对吧？这在硬件层面是车辆驾驶系统，在软件层面是无人驾驶的“大脑”。大脑是关键。再厉害的前图和耳目，也需要强大的大脑才能真正使用起来。具体来说，就是各种算法。这部分涉及到很多具体的专业知识。大家可以仔细阅读《智能驾驶技术：路径规划与导航控制》。我这里只提其中两个，我觉得很有意思。第一个问题是如何训练。无人驾驶依托于人工智能技术，会从各种机器学习、深度学习、深度强化学习模型中进行选择。要使用这些模型，有一个必要的环节，那就是训练，而训练是需要反复试验的。看过我写的《机器学习算法的数学解析与Python实现》这本书的同学都知道，训练的过程就是不断减少错误的过程。这在其他地方没有问题，但在无人驾驶这里问题就复杂了。没有人应该希望有一天街上突然出现一辆疯狂的无人驾驶汽车，即使你告诉我模型训练中有这样一个过程。如何解决这个问题呢？利用模拟环境，无人驾驶就是在模拟环境中不断学习和进化，只有训练成为真正的“老司机”，才能真正上路行驶。第二个问题是乘坐体验，这是一个很有意思的问题。我们都知道，驾车不仅仅是开车，更重要的是骑行。有一种驾驶技术很差，不是把车开进河里，而是把自己开到晕车，不过这个问题当然可以归为驾驶问题，当然也不能归为驾驶问题.无人驾驶就考虑到了这个问题。首先，需要考虑另一个问题：如何将其形式化。乘坐体验是一种感觉，是非常主观的，但要用数学工具解决这个问题，首先要将问题形式化。简单来说，这个问题就是我们的主观体验。真的可以用莫德情绪的数学公式来表达吗？无人驾驶研究人员回答：是的。比如刹车，遇到紧急情况当然要刹车，但是如果刹车太猛太快，乘客就容易感到恶心。这是一对矛盾，而这对矛盾可以用数学公式来描述，进而找到最优解。还有很多具体的内容。相关数学公式和介绍可以阅读《智能驾驶技术：路径规划与导航控制》的《基于车辆约束的最优轨迹》。作者简介：莫凡，网络昵称沐阳。娱乐机器学习评论员，《机器学习算法的数学解析与Python实现》作者，前沿技术发展观察者，擅长高冷技术“白菜化”评论，微信公众号“睡前机器学习”，个人知乎账号“木羊”.
