知乎高贊：無人駕駛什么時候才會涼涼，估計還要多久？

時間：2020-11-03 09:08:04

關(guān)鍵字： AI 自動駕駛汽車電子

手機看文章

掃描二維碼
隨時隨地手機看文章

[導(dǎo)讀]目前的自動駕駛存在這樣一些問題：對數(shù)據(jù)要求太高，未來傳感器的成本很難被接受，海量地圖數(shù)據(jù)沒完沒了，同時還存在對系統(tǒng)魯棒性要求很高的安全性問題......這些問題都似乎都難以用目前的AI技術(shù)來解決。因此，最近有人在知乎上提問：“自動駕駛什么時候才會涼涼，估計還要多久？”引發(fā)了熱議。

點擊上方“大魚機器人”，選擇“置頂/星標(biāo)公眾號”

福利干貨，第一時間送達(dá)！

作者丨zhzz

來源丨h(huán)ttp://suo.im/5YjW6n

目前的自動駕駛存在這樣一些問題：對數(shù)據(jù)要求太高，未來傳感器的成本很難被接受，海量地圖數(shù)據(jù)沒完沒了，同時還存在對系統(tǒng)魯棒性要求很高的安全性問題......這些問題都似乎都難以用目前的AI技術(shù)來解決。

因此，最近有人在知乎上提問：“自動駕駛什么時候才會涼涼，估計還要多久？”引發(fā)了熱議。對此，一位計算機工程師@zhzz用充足的論點詳細(xì)論述了他認(rèn)為自動駕駛目前所面臨的困境，并對這一領(lǐng)域的未來提出了自己的見解與展望，也獲得了很多人的認(rèn)同。本文內(nèi)容便是這位工程師的回答：

能問出這種問題說明是個內(nèi)行人，目前自動駕駛的難點主要在于感知和決策規(guī)劃，純視覺的路線基本上game over了，雖然以后，算力會越來越大，越來越便宜可以實時跑更復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型，但是，這些模型，或者視覺這種手段本身就很有局限性，并且，訓(xùn)練成本也高，受環(huán)境影響大，造成基本不可能達(dá)到商用級別的魯棒性；而現(xiàn)實道路的復(fù)雜性，和真實世界近乎無窮無盡的變化，是很難利用有限的數(shù)學(xué)模型（神經(jīng)網(wǎng)絡(luò)模型）完全擬合出來的。一個典型的場景，紅綠燈或者交通標(biāo)致相對老說是很簡單有限的一些圖形，但是放在香港，東京那種狹窄的充滿花花綠綠廣告牌的街道目前來看也很難準(zhǔn)確魯棒的識別出來。當(dāng)然可以通過一些技術(shù)手段，比如鎖定搜索區(qū)域，借助V2X 5g車聯(lián)網(wǎng)等幫助，但是這已經(jīng)不是一個純視覺的問題了；

另外，決策規(guī)劃這一塊，我個人感覺這屬于深水區(qū)了，已知的可能只有g(shù)oogle開始觸及這個深度。人在駕車的時候，會實時的做出很多決策和預(yù)測，很多經(jīng)驗判斷，做一些潛意識邏輯思考，目前深度學(xué)習(xí)也好，傳統(tǒng)的方案也好，都沒辦法做到人類思考，推理，類比，聯(lián)想的思考能力，舉個簡單的路上一個風(fēng)吹上去的塑料袋，或者一大堆飄落的樹葉，雷達(dá)，或者視覺看來就是一個障礙物，可能要停車或者做緊急避讓，但是，人就會認(rèn)識這個東西，直接開過去，或者，目前經(jīng)常會遇到的，一個小水洼，或者陰影，視覺可能錯誤認(rèn)為是障礙物，當(dāng)然，這個時候可能雷達(dá)告訴你這里能通行，這個時候，你的環(huán)境融合建模邏輯怎么寫呢？是更相信雷達(dá)，還是視覺？是走是停？當(dāng)然這也涉及感知的問題，你說我感知都認(rèn)出來了，我就開過去，這個基本是不切實際的，你的決策規(guī)劃模塊很難為每一種特殊場景都去寫一個if - else判斷，這樣的情況在現(xiàn)實中幾乎無窮無盡；此外還有，看到路邊的小動物是否減速，聽到警車或者救護(hù)車的警笛是否停車避讓，跟渣土車保持距離，甚至車上的乘客有異樣，是自動駕駛到最近的醫(yī)院還是派出所等等，難道全部寫成if-else判斷么？

稍微懂點技術(shù)，就能馬上意識到，上面提到的這些問題目前幾乎看不到存在能夠良好的，徹底的解決的工程化方法。

當(dāng)然你說，以后我們這些都可以依賴大數(shù)據(jù)啊，我們可以收集非常非常多的駕駛的經(jīng)驗數(shù)據(jù)，通過云端大數(shù)據(jù)來進(jìn)行判斷，這相當(dāng)于我們擁有一個全世界優(yōu)秀司機的經(jīng)驗池，自動駕駛汽車完全不必理解這些行為的原因，只需根據(jù)場景進(jìn)行最合理的引用；

實際上這也是目前自動駕駛的一個主要發(fā)展方向，就是車路協(xié)同，可能做自動駕駛的人是現(xiàn)在全世界最渴望5g，云計算早點鋪開的一批人，目前純車端智能遇到的各種瓶頸，我靠智慧的道路去突破，車端智能的局限靠智慧的城市智慧的道路去彌補，比如，目前到處存在的監(jiān)控攝像頭，以及可以暢享的未來可能出現(xiàn)的更加多種多樣的布設(shè)在道路，城市的傳感器，可以幫車輛提前并且更大范圍，更加準(zhǔn)確的感知周圍的環(huán)境，通過更加實時的網(wǎng)絡(luò)將信息發(fā)送到車端；路上車輛相互之間可以自組網(wǎng)，互相告知大家自己位置和行駛狀態(tài)，相互協(xié)同，前車為后車分享經(jīng)驗，比如前面可能出現(xiàn)的擁堵，或者避開維修的路段等；數(shù)據(jù)中心將協(xié)調(diào)車流，這樣像目前過十字路口，環(huán)島等難題也會變得非常簡單；

當(dāng)然這是一個非常美好的憧憬；那么你可能也意識到了，要做到這個程度可能比目前最樂觀的自動駕駛落地時間還要久遠(yuǎn)的多，所需要的投入也是天量的，畢竟這意味著，我們幾乎要翻新整個城市交通的基礎(chǔ)設(shè)施，變更整個城市的設(shè)計建造思路；中間可能還會遇到目前難以想像的技術(shù)和工程難題，全都需要時間和巨大的投入去解決；

那么，你說，為什么要搞這么復(fù)雜？難道不能讓汽車像個街上的小老鼠一樣，鉆來鉆去，見人就躲，見縫插針的行駛么？我確實很認(rèn)真的思考過這個問題，因為，目前依靠多種雷達(dá)的組合，利用目前已知的技術(shù)手段，基本上是可以做到檢測出車輛周圍幾乎所有可能構(gòu)成危險的障礙物的，那么，我只用最簡單的邏輯判斷，不管是樹葉，還是行人，車輛全都無腦躲開，利用算力強大的計算機，做到天下武功為快不破，就想街上逃命的小老鼠一樣可以么？當(dāng)然其中還涉及很多動力學(xué)的建模，并非一定是可以躲開所有障礙物，比如，躲開側(cè)面的車，但是由于機動能力的限制可能會撞前面的車或者護(hù)欄；

事實上這種設(shè)計應(yīng)該是已經(jīng)存在了，用來躲避潛在的外來撞擊，以及不去主動撞擊別人。但是無人駕駛上路終究還是需要與其他車輛存在一定的互動，并且這種互動必須是遵循交通規(guī)則的，比如，跟車要保持距離和一定速度，轉(zhuǎn)彎讓直行，比如不能隨意變道，紅綠燈，環(huán)島，十字路口通過，都有相應(yīng)的規(guī)則需要遵守；無人駕駛系統(tǒng)的開發(fā)者必須去實現(xiàn)這些規(guī)則；而具體到規(guī)則實現(xiàn)，規(guī)則遵守運用，就又回到上面的提出的行為決策的問題了。對應(yīng)到目前一直的情況，實際上裝配有多個激光雷達(dá)，毫米波雷達(dá)的google和baidu的L4無人駕駛方案是基本上沒怎么聽說有撞車發(fā)生的，但是，經(jīng)常會表現(xiàn)的很傻，尤其是通過路口的時候，經(jīng)常有體驗者提出反應(yīng)比較遲鈍，或者過于謹(jǐn)慎；（特斯拉的設(shè)計非常激進(jìn)，不用激光雷達(dá)，只有一個毫米波和一些攝像頭，并且看上去決策規(guī)劃模塊的駕駛策略設(shè)計也比較激進(jìn)，感覺就是上面提到的小老鼠邏輯，所以總是撞）；

所以，總結(jié)下來就是感知能力有限，不具有真正意義上的思考和判斷能力；

其實這也是目前所有人工智能的局限所在，推薦UCLA朱松純教授的一篇很火的探討目前人工智能發(fā)展現(xiàn)狀的文章給大家參考：

https://www.sohu.com/a/227854954_297710

那么回到題主的問題，無人駕駛什么時候涼，如果認(rèn)真看完上面分析的無人駕駛面臨的困境，和朱松純教授的文章，那么是有可能得到這樣一個結(jié)論的：

真正能大規(guī)模應(yīng)用的，能讓人完全放開手腳的無人駕駛在目前這個階段很可能并不是一個很好的商業(yè)嘗試。

或者說通用無人駕駛技術(shù)（注意是排除了限定場景的通用無人駕駛）現(xiàn)階段不適合工程化和商業(yè)化；

根據(jù)以往的經(jīng)驗，能夠大規(guī)模鋪開，大規(guī)模商用的東西，必然能夠較為容易的利用現(xiàn)有的技術(shù)和工業(yè)基礎(chǔ)，首先進(jìn)行工程化，然后，通過大規(guī)模的工業(yè)化生產(chǎn)壓低成本，進(jìn)而廣泛應(yīng)用，并且創(chuàng)造利潤。

而能夠工業(yè)化生產(chǎn)的前提是，技術(shù)本身已經(jīng)完整的走完了三個準(zhǔn)備階段：1.理論突破，就是一件事情，科學(xué)家很早的就從理論上預(yù)見，并且證明了其可行性。2.技術(shù)突破，這一階段基本上相當(dāng)于在研究機構(gòu)以非常精英化專業(yè)化的團(tuán)隊突破了技術(shù)實現(xiàn)上的壁壘，做出來達(dá)到或者接近理論預(yù)期的Demo，樣品；3.工程化，主要解決產(chǎn)品設(shè)計，方案優(yōu)化，功能完備，性能提升，良品率，魯棒性，可用性提升，大規(guī)模復(fù)制的技術(shù)準(zhǔn)備，成本降低等工程問題。

比如手機，無線通信相關(guān)的理論和嘗試大概100年前就開始了，然后，三元電池大概80年代做出目前的原型，低功耗芯片也基本在90年代就出現(xiàn)了，其他的射頻，組網(wǎng)之類理論和技術(shù)儲備也都有好幾十年的歷史。從理論到概念設(shè)想到成品經(jīng)歷了相當(dāng)漫長的時間。

事實上，目前能看到的工業(yè)化，工程化的高科技產(chǎn)品，大規(guī)模集成電路，OLED，量子點，其對應(yīng)的理論和技術(shù)儲備從實驗室走向?qū)嵱猛ǔ６紩?jīng)歷20年甚至更長的時間；畢竟企業(yè)里的工程師一般都是踩在科研人員的肩膀上干活的，首先是科學(xué)家，大研究員們給我們把方向指名，把路鋪好了，我們才去做成一件事情。我想在任何其他領(lǐng)域的工程師熟練的運用著成熟的方法進(jìn)行著產(chǎn)品開發(fā)的時候，只有無人駕駛工程師們成天緊緊盯著行業(yè)頂會，知名期刊上發(fā)表的所謂最新進(jìn)展在干活，我甚至看到某大廠招聘無人駕駛相關(guān)工程師明確要求要熟知各種state of the art的研究最好發(fā)過頂刊，投過頂會，簡直有點可笑?？梢姸际且粠蛯W(xué)生（博士研究生）在做著自娛自樂的開發(fā)。也可見目前這一領(lǐng)域還多么的不成熟。正常來說，工程領(lǐng)域更傾向于成熟穩(wěn)健經(jīng)過實踐，經(jīng)過產(chǎn)品檢驗的方案，而這些在無人駕駛恰恰是不存在的。

最關(guān)鍵的，人家的理論從最開始就能清楚的證明，這些產(chǎn)品要達(dá)到一個什么樣的性能，在技術(shù)上是一定可以實現(xiàn)的；

而通用無人駕駛，實際上，在第一，第二階段都還沒有完全走完的情況下，就在資本的驅(qū)動下直接進(jìn)入了第三階段；

目前沒有理論證明，我前面提到的問題是能夠完備的解決的，這涉及回答目前的人工智能，機器學(xué)習(xí)技術(shù)（包括但不限于深度神經(jīng)網(wǎng)絡(luò)）所能達(dá)到的能力極限；至少孤陋寡聞的我目前還不知道有任何能夠回答能力邊界的研究?；蛘吒鞔_的，能夠證明通用無人駕駛所需要的智能程度是在目前已知技術(shù)的能力邊界內(nèi)的。

顯然，當(dāng)時參加darpa競賽的科研團(tuán)隊做出的無人駕駛Demo，包括目前又經(jīng)過這么多年，這么多投入各個大大小小的公司做的Demo也沒有能夠從技術(shù)上驗證這一可行性。（這里特指通用無人駕駛所需要的在各種真實世界復(fù)雜場景下，全面超過人類的駕駛能力和行為能力。低速跑個園區(qū)，跑個倉庫這種限定場景目前很多方案都是可以的）；

所以，其實我個人認(rèn)為，通用無人駕駛最好還是老老實實待在大學(xué)或者研究機構(gòu)里面，進(jìn)行基礎(chǔ)性工作的探索，當(dāng)基本理論，技術(shù)，能力積累到一定程度的時候，工程化，商業(yè)化落地就是自然而然的事情了。

投資無人駕駛的人，目前其實都是在賭博，都在賭目前欠缺的這一點理論，技術(shù)的突破在近期就能突然冒出來，當(dāng)然存在這種可能性，但是，這種突破也可能姍姍來遲到幾十年之后，這都是未知的。

我個人的觀點，甚至都用不了10年，最多5年之內(nèi)，如果還是突破不了目前的瓶頸，投資就會大規(guī)模撤出這一個領(lǐng)域，也就是樓主說的無人駕駛涼涼的那一天。其實目前這個趨勢已經(jīng)很明顯了，新的投資已經(jīng)很少進(jìn)來。但是，這個技術(shù)本身不會消失，還是會繼續(xù)存在于各種限定場景的應(yīng)用（市場規(guī)模很小，承受不了大規(guī)模投資），同時，退而求其次的方案，無人駕駛技術(shù)衍生出的智能輔助駕駛將獲得極大應(yīng)用和推廣，用來提升司機的駕駛體驗和行車安全。

而當(dāng)終于有一天，我們的城市，我們的道路都變得更加智能，或許期望中的無人駕駛就將到來。

引用一篇比較新的文章支持一下觀點

https://zhuanlan.zhihu.com/p/162110742

統(tǒng)一對評論中的一些爭議跟疑點做個解釋：

首先再次說明一下上面的主要觀點，感知能力有限，駕駛行為決策的實現(xiàn)上目前業(yè)界主流還是人為的寫各種規(guī)則（可以是基于狀態(tài)機，基于各種參數(shù)判斷，或者一些相對來說比較簡單粗暴的自適應(yīng)邏輯，上面簡單用if-else這種比較不嚴(yán)謹(jǐn)?shù)恼f法，大家知道啥意思就行了），其實就是根據(jù)測試發(fā)現(xiàn)的一些badcase，cornercase去用一些trick規(guī)避掉，要表達(dá)的就是目前這些規(guī)則的實現(xiàn)還是程序員告訴車（電腦）去怎么干，車本身是不具備智能的，不具備推理，類比，聯(lián)想的能力，本質(zhì)上這些規(guī)則的實現(xiàn)跟實現(xiàn)一個淘寶下單，外賣點餐的業(yè)務(wù)邏輯沒有太大區(qū)別。

你針對某個特定場景，你實現(xiàn)什么規(guī)則車就怎么開（比較理想，假設(shè)沒有其他bug），你不實現(xiàn)或者環(huán)境稍微有變化，車就不知道怎么辦，表現(xiàn)的很傻，或者出現(xiàn)一些危險的行為。這就是業(yè)內(nèi)通常說的泛化能力，目前的現(xiàn)狀是，這種搞法泛化能力很弱，甚至沒有泛化能力，泛化就是去堆砌規(guī)則，或者，對于感知，就是重新訓(xùn)練新的模型。

評論里面還有提到waymo，cruise等發(fā)布的視頻看上去很美好，我一點不懷疑這些視頻全都是真的（當(dāng)然也有廠商的是假的，比如我就明確知道國內(nèi)某廠某次發(fā)布會上的視頻是花了很多錢找拍電影的人一小段一小段拍完然后剪輯出來的，曾經(jīng)還有創(chuàng)業(yè)公司找風(fēng)投忽悠的時候，背地里實際上是讓人拿筆記本遙控的車輛，這個國內(nèi)國外都有，不是啥秘密）。

業(yè)內(nèi)人士可能會比較容易理解一些，waymo，cruise等發(fā)布的視頻看上去很美好的原因是他們發(fā)布的視頻里面那些場景，絕大多數(shù)視頻，本身就是相對來說比較理想的測試環(huán)境，晴天麗日，道路開闊，車不是很多，行人車輛也都很遵守交通規(guī)則，車流，人流都相對穩(wěn)定，需要通過的路口，岔口視野也比較開闊。

而實際上目前無人駕駛工程師大部分工作都是在想辦法cover一些測試中遇到的badcase，或者是做泛化；也就是常說的無人駕駛做到60分70分80分不是特別難，github上各個業(yè)務(wù)模塊的開源方案簡單改吧改吧，拿來拼都可以拼個五十分甚至六十分能讓你簡單場景下，上路跑起來的方案，做到85分，90分難的上天，如果要商用要求你做到99分以上。

上面是曾經(jīng)遇到的一個case，一個通道兩邊是墻，墻中間開個岔口，有車輛行人進(jìn)出，在岔口前后的車輛根本看不到岔口里面，不管是上多少雷達(dá)，多好的傳感器，就是視野盲區(qū)，然后有次正好有車要出來，幸好提前減速，車速不快，不到10km，如果安全司機不接管可能就直接撞了。你說我實現(xiàn)策略，見到路口就減速，確實是這樣，減速了，減速不夠我停車，看清楚再走，好了，這就到上面提到的問題，有報道（網(wǎng)上可以搜到）體驗waymo，baidu的有反應(yīng)車輛過路口，或者車多的時候，無人駕駛就表現(xiàn)的很遲鈍，車少的時候你遲鈍就遲鈍了，你可以想像上下班高峰，你后面跟一屁股車，還有性急加塞的，明明就可以走，你在那里趴窩不動了，后面車?yán)饶馨捶欤皇聦嵣?，有路測經(jīng)驗的多少都遇到過，剛開始做的不太好的時候，無人駕駛莫名其妙就來個急剎，或者好好的停下來趴著不動了，你不干預(yù)就不走，你能回去查日志，回放包，看看啥情況。你說上面的情況人也處理不好，我可以明確的告訴你，人高明多了，絕大多數(shù)情況下人類司機都是很安全順滑（注意順滑這個詞）通過，人類可以聽聲音(waymo 現(xiàn)在已經(jīng)上道路聲音檢查，貌似報道出來的是檢測警笛之類的，這種比較模糊復(fù)雜判斷不知道有沒有)，或者看通道有沒有車燈打出來，或者看前面不遠(yuǎn)有車通過，就能推理出岔口沒車或者岔口里的車提前讓了，然后緊跟著開過去，根據(jù)經(jīng)驗估計會不會突然有個美團(tuán)，餓了么小電驢竄出來，總之老司機可以根據(jù)各種蛛絲馬跡，還有經(jīng)驗來動態(tài)的做出最優(yōu)的決策。目前已知的手段，你很難通過人工智能也好，或者別的什么辦法也好去模擬人類的這種能力。

還有與其他車輛，行人的互動，中間可能是有個相互試探的，比如超車，狹窄道路對向錯車，最終形成一致的策略，無人駕駛就很傻，你要超車我就讓，你要錯車我就停，因為這個實現(xiàn)起來最簡單。但是在某些目前還沒測試到的地方，這種可能也會造成一些不可知的問題。比如對向錯車，要是兩個都是無人駕駛，都主動停下讓對方，執(zhí)行這種簡單的策略，可能兩個車全趴著不動等對方先過，就堵死了。當(dāng)然肯定可以有辦法設(shè)計一個復(fù)雜一點的策略避免這種情況。還有高峰期，一堆人，一堆車過十字路口，我就想看這些的視頻，這些waymo，cruise怎么都不放??？當(dāng)然高峰期，十字路可能也不允許他們?nèi)y就是了。

更不用說下大雨，下雪，下霧，路面積水，長隧道，天黑滿大街霓虹燈各種閃。反正沒聽說哪家工程師找刺激（給自己挖坑找加班）去測這些的，但是你商用的話，cover這些是最基本的，因為這些環(huán)境人都能開，我印象中很多年前我上學(xué)的時候，當(dāng)時請一個日本老頭給我們講無人駕駛，老頭舉個例子我至今印象深刻，就是他們?nèi)毡颈焙５?，一到冬天就大雪一片白，連樹都是白的，做視覺的知道一片白就是缺少紋理，目前的視覺手段大概率要吃癟。人也不好開，但是可以開，可以通過起伏，綠化帶之類的判斷車道，可以跟前面的車轍，視覺怎么搞，燒香求祖師爺顯靈，讓自己辛辛苦苦訓(xùn)練的交通標(biāo)志模型，正正好好的把車轍識別成車道線嗎？當(dāng)然你說我靠RTK，靠高精地圖，靠激光保持定位，OK，先不說RTK某些時候會失敗，激光這個問題我們原來也是遇到過的，不考慮成本，不考慮數(shù)量什么都認(rèn)為非常理想，我們原來夏天采的激光地圖，到秋天不好使了，為啥呢？樹葉子秋天都掉了，點云配不上了，你說你更新快，好的，上面下雪的情況，你前天沒下雪，光禿禿樹枝采的地圖，下一場雪可能也就幾個小時，樹枝掛滿雪了，我估計相當(dāng)大概率你點云還是配不上。配不上還好，就怕配歪了，雪地打滑你輪速積分也可能是錯的，配歪了可以把你的kalman濾波也好，sliding window優(yōu)化也好給拉歪了，用卡方檢測，上聯(lián)邦濾波，用各種冗余核驗可以干掉絕大部分拉歪的情況。畢竟還有IMU是好使的，如果無遮擋GPS/RTK也是好使的。那么有沒有可能就是給你拉歪定位到溝里的情況呢？很有可能，概率問題，這種情況車就很傻，一定是悶頭往溝里沖，人就不會，人可以根據(jù)環(huán)境做非常綜合的判斷，這種綜合判斷的能力，目前很難用程序?qū)崿F(xiàn)。

最后說泛化的問題，無論感知，定位，規(guī)控做到目前最頭疼的就是泛化。泛化能力才是人工智能的深水區(qū)，人類的智能強就強在能推理，歸納，類比，聯(lián)想舉一反三。感知，規(guī)控的日常各種調(diào)參，調(diào)參干嘛呢？就是去適配各種場景，各種badcase，但是缺少泛化能力。常見的一個現(xiàn)象就是費力吧啦的調(diào)了一套參數(shù)，寫了一個規(guī)則把一個badcase覆蓋過去了，場景一小變，又不好使了，甚至，動一個參數(shù)這個badcase 混過去了，另外一個曾經(jīng)已經(jīng)pass的場景又掛了，跟打地鼠一樣，按住這個洞，另外一個洞又露頭了。

評論區(qū)有個貌似做控制出身的大佬說，其實萬變不離其宗，車輛控制就只有那幾個變量，那些個狀態(tài)，這句話說的非常對。但是，現(xiàn)實場景是千變?nèi)f化的，針對某個具體的場景你需要去調(diào)整這些狀態(tài)，然后形成一個最優(yōu)的行為，那么怎么讓車輛自己在無人干預(yù)的情況下做出這種調(diào)整是最難。現(xiàn)在主流還是開發(fā)人員去識別這些場景，然后，編程教車去怎么干，車沒有這個自主的智能?；蛘邇H僅具有非常非常有限的泛化能力。有提到什么模糊控制，智能控制，自適應(yīng)之類的，我也不懂，也只是聽說，評論區(qū)有控制專業(yè)的大佬，可以解釋一下在實際工程中這些高端玩意兒到底有多實用？應(yīng)用范圍多廣？反正我自己見到的情況目前普遍還是PID為主，加各種針對特定case 的rule或者少量的自適應(yīng)邏輯。其實這就是我上面說的加if-else的意思。

再次注明一下，上面討論的車端實現(xiàn)，文章前面也提到過，評論區(qū)也有說明，配合云端大數(shù)據(jù)可以為這些問題提供一些解決思路，并且特斯拉，mobileye已經(jīng)在做這方面的探索，甚至業(yè)內(nèi)有懷疑特斯拉的無人駕駛能力近兩三年突飛猛進(jìn)就是因為他們有海量的第一手的人類司機實際路況的駕駛數(shù)據(jù)，方便他們后臺訓(xùn)練模型或者優(yōu)化算法。但是具體怎么做的，都是各廠的機密不會公開出來的。

重申一下我對「涼涼」這個詞的觀點，不是無人駕駛就消失掉了，不發(fā)展了，而是商業(yè)化落地受阻，資本大規(guī)模退出將會在可預(yù)見的較短時期內(nèi)出現(xiàn)，產(chǎn)業(yè)界無人駕駛投資和研發(fā)熱潮會冷掉。

我只說我了解到的基本情況，做的好的waymo，mobileye，他們具體怎么去實現(xiàn)，都是機密，我不可能了解到，從公開的資料看即便他們依然在努力突破瓶頸，做的時間最長的Google差不多做10年了吧，依然沒突破，Google有錢，再養(yǎng)10年也能養(yǎng)，也還是為了財報好看把這塊業(yè)務(wù)單獨剝離出去融資成立了waymo，其他靠風(fēng)投吃飯，今天搞個大新聞，明天拉個大項目的創(chuàng)業(yè)公司呢？注意看我的回答，我不是說這個技術(shù)會消失，而是追求短期回報的資本不可能一直耗下去。

有評論要求對5g，以及云端智能做補充說明，這里補充一些觀點：

5G標(biāo)準(zhǔn)很龐大的，有關(guān)工業(yè)物聯(lián)網(wǎng)的那塊標(biāo)準(zhǔn)有個局域的概念，比如50米100米范圍內(nèi)車輛局部組網(wǎng)，這個局域網(wǎng)內(nèi)延遲很小，就好像你自己家WIFI，假如ipad連你電腦需要經(jīng)過某個應(yīng)用廠家數(shù)據(jù)中心的服務(wù)端再回來就很慢，但是局域網(wǎng)內(nèi)部僅經(jīng)過WIFI路由器直接互相訪問就很快。這個可以解決需要快速反應(yīng)的車間互動問題，數(shù)據(jù)中心那邊延遲大，且不說數(shù)據(jù)中心處理延遲，就是從基站通過若干個路由器，經(jīng)歷各個不通網(wǎng)段走到數(shù)據(jù)中心，然后再返回車端，這段的時延以我粗淺的理解5g跟現(xiàn)在不會有太大區(qū)別的。云端解決大范圍，時效性要求不高的宏觀性問題，以及收集海量數(shù)據(jù)做某些后處理的形式的分析，優(yōu)化。比如，局域網(wǎng)內(nèi)通訊的汽車互相溝通相互間位置，速度，自己局部行駛路徑，云端調(diào)度整個車流的狀態(tài)，比較大的區(qū)域內(nèi)，道路傳感器節(jié)點觀測信息，通過海量數(shù)據(jù)分析訓(xùn)練出更好的駕駛策略下發(fā)車端等。

有個問題必須明確：上5g也好，上云端也好不是為了取代車端智能，而是簡化車端系統(tǒng)的設(shè)計，降低對車端智能系統(tǒng)實現(xiàn)上各種指標(biāo)的需求，來幫助突破目前車端智能無法突破的瓶頸性問題。

如果通過聯(lián)網(wǎng)知道其他車輛的狀態(tài)是不是相當(dāng)于多了一個非?？煽康挠^測數(shù)據(jù)源，并且實際上其他車輛還可以把他們觀測到并且經(jīng)過處理的周圍環(huán)境，周圍其他車輛檢測到的障礙物，道路狀況實時發(fā)送給你，是不是相當(dāng)于單輛車的感知能力成倍增長，很多還在你的盲區(qū)之內(nèi)，比如前車遮擋住的你的視線，或者，經(jīng)常遇到的，某些漏檢，誤檢，但是其他車輛在它所處的觀測角度能夠更好觀測更準(zhǔn)確檢查出來，算上路上其他傳感器，比如監(jiān)控攝像頭，路邊測速儀等，對于做感知的是不是發(fā)現(xiàn)突然生活就變得美好許多了。如果車輛信息互通，超車，過十字路口，對向錯車，提前給周圍車輛發(fā)請求告知，然后通過統(tǒng)一的策略協(xié)調(diào)是不是可以大大簡化規(guī)劃控制的設(shè)計邏輯，提高安全性和效率，是不是比目前要靠猜測去預(yù)測其他車輛的行為安全靠譜？車端你自己去識別，然后設(shè)計邏輯回避破損需要維修的道路，或者你之前某處突發(fā)交通事故，然而，你前面的車輛正好擋住你視線，它突然急剎車，你要跟著做出反應(yīng)，先不討論車端怎么實現(xiàn)，能實現(xiàn)多好，這個問題方車端是不是又困難，又不可靠，如果你之前的車輛給你共享了這些信息，你只需要最簡單的規(guī)避邏輯是不是就可以，你前方車輛的突然行為比如馬路上突然穿出一條狗，它要緊急剎車或者猛打方向盤避讓，通過數(shù)據(jù)鏈共享給你，你甚至能在它發(fā)生可觀測的運動狀態(tài)變化之前做出反應(yīng)，畢竟數(shù)據(jù)傳輸速度遠(yuǎn)快于車輛制動速度。超車，過路口，錯車提前告知周圍車輛獲得確認(rèn)，是不是比你設(shè)計一個無比復(fù)雜行為邏輯或者人工智能模型簡單靠譜的多？再加上云端能力的加持，是不是整個系統(tǒng)的能力又可以有巨大提升？

當(dāng)然，正像我上面段落里說的，整個基礎(chǔ)設(shè)施的改造投入巨大，且曠日持久，但是不可否認(rèn)有些事情一定會去做，并且做成之后就可以實現(xiàn)一定的效果，個人覺得期待基礎(chǔ)設(shè)施的更新?lián)Q代，然后，推動整體交通系統(tǒng)能力的提升，遠(yuǎn)比在已經(jīng)榨不出什么油水的技術(shù)路徑里抓瞎靠譜得多。

而且通訊端的改造成本攤薄之后真的沒多少錢，5g基站總是要架起來的至少國內(nèi)已經(jīng)列入規(guī)劃了，這個不需要無人駕駛的人操心，花錢。不給無人駕駛用也是要架的，這是通訊網(wǎng)絡(luò)改造的錢，天量的，具體到車端，成本非常少，相當(dāng)于加了個5g上網(wǎng)卡而已，這個通信模組是5g手機里都有的東西，以后肯定是集成到車載電腦上的，批量生產(chǎn)之后會很便宜。跟現(xiàn)在隨便一個傳感器比簡直忽略不計的。當(dāng)然考慮到交互問題，很多目前的設(shè)計思路都要改，然后，由于這些改進(jìn)對車端智能復(fù)雜度要就的降低從而帶來的研發(fā)成本降低也非常顯著。

主要駁斥一下那些說我技術(shù)悲觀主義，充滿挫敗感的評論！

理工屌絲，從小語文不好，可能我的行文，或者表達(dá)方式上讓讀者產(chǎn)生了這種想法。

但是，仔細(xì)讀過的讀者應(yīng)該不難得出結(jié)論，我的主要觀點和論證都是基于目前的已知事實和客觀的分析得出的。我個人的態(tài)度是很客觀，甚至很樂觀的（對于限定場景無人駕駛，智能輔助駕駛，以及基礎(chǔ)設(shè)施升級之后可能帶來的種種新的改變）。

比如，你不能說我不認(rèn)為我會突然基因突變，明天就能長出一對可以飛的翅膀，就是悲觀主義挫敗感。就算有這種突變，并且我還沒有因為劇烈的基因改變猝死，以細(xì)胞分裂的速度，我每天攝取的新物質(zhì)，還有轉(zhuǎn)化比看，我也不太可能明天就能長好。這是基于基本事實基本規(guī)律得出的。

同樣，你也不能說，孫中山死前說：革命尚未成功，同志還需努力；老毛寫《論持久戰(zhàn)》是悲觀主義，挫敗感。我們知道這反而是革了一輩子命，對形勢有了全面，理性，深刻的認(rèn)識，徹底想明白了才能得出的結(jié)論。一腔熱血小年輕，期望革命速成的想法反而是非常危險，并且多數(shù)白白送了人頭。

事實上，根據(jù)之前的分析，一個讀者中的專業(yè)人士基本上是有一個共識的，突破目前的瓶頸需要需要新的技術(shù)出現(xiàn)。已有的路子已經(jīng)沒有太多油水可榨了。具體來說最好這個突破是更加深度的智能，更加類似人類的智能。

通常進(jìn)行科學(xué)探索，工程研發(fā)，先觀察現(xiàn)象，總結(jié)規(guī)律，再運用規(guī)律解決問題。一個典型的例子，現(xiàn)在的人工神經(jīng)網(wǎng)就是受了神經(jīng)科學(xué)領(lǐng)域?qū)ι窠?jīng)系統(tǒng)結(jié)構(gòu)和基本工作原理的研究的啟發(fā)。

那你現(xiàn)在需要搞高端智能，推理，聯(lián)想，類比等等，更具體的你要基于現(xiàn)在的馮諾依曼架構(gòu)的計算機去編程實現(xiàn)，模擬這些能力（先不說可能不可能）。你起碼要大概知道這些到底是怎么回事兒吧，要基本了解它的形成機制，運作原理吧？

然而一個事實是，不管認(rèn)知科學(xué)也好，神經(jīng)科學(xué)也好，生物也好，醫(yī)學(xué)生理學(xué)也好，甚至不那么涉及基礎(chǔ)科學(xué)研究的心理學(xué)領(lǐng)域也好。目前對這些問題的研究基本上都還停留在一些很表觀的現(xiàn)象上，對深層次的機制上，全都知之甚少。

事實上，在這類問題上，任何一項基本的發(fā)現(xiàn)都會被整個科學(xué)界視為極為重要的突破，一定是會被放到新聞聯(lián)播里面吹的。比如，左右腦分工的研究就被頒發(fā)了諾貝爾獎。不說你能搞出或者模擬生物體的這類高端智能，哪怕你把人類對此類問題的認(rèn)識向前推進(jìn)一小步，炸藥獎或者同等份量的科學(xué)認(rèn)可一定是要給你的。

所以，我認(rèn)為，就算有什么突破，也必然是那幫搞認(rèn)知，生理，神經(jīng)等基礎(chǔ)學(xué)科的先去突破了。我自始自終都不能理解為啥總有一大幫EECS的碼農(nóng)能夠有如此狂妄自大的優(yōu)越感，自己能夠凌駕于所有其他學(xué)科之上。還是自己過于無知或者目光狹隘？

再重新回到人工智能的問題上，哪怕你搞不出更牛逼的技術(shù)，更吊的方法去模擬高端智能。如果能回答我上面的提到的問題，目前深度學(xué)習(xí)也好，強化學(xué)習(xí)也好能力邊界在哪里？或者問題范圍繼續(xù)縮小，目前你們口口聲聲的說要實現(xiàn)的L4是否在目前已知技術(shù)的能力邊界范圍內(nèi)，或者再進(jìn)一步，L4還需要做哪些突破就圓滿了，不用你去給具體解決方案，只把方向指出來？

這個問題無論是理論上，還是工程上都有巨大價值吧。要是能回答出來，多的不說，給評個院士，或者再不濟(jì)，各種頂級杰出人才的頭銜要給你一個的吧。自己可以掂量一下上面的問題哪個是自己有希望能在可預(yù)見的未來搞定的，要是真的是認(rèn)識清楚還有這個自信的曠世奇才，干嘛還窩在小創(chuàng)業(yè)公司里面996搬磚呢？

上面關(guān)于能力邊界的問題連我這種水平的都能提出來，熱血小年輕，大忽悠老中青們最喜歡拜業(yè)內(nèi)大神，祖師爺，祖師奶奶們會想不到？會看不到這類問題的價值？只不過人家水平足夠看出這類問題的深度和復(fù)雜度，大概率是故意很雞賊的回避掉不去碰這個釘子罷了。

所以，很多熱血小年輕的樂觀就是什么都沒想明白盲目樂觀？

至于不少老中青的盲目樂觀成分可能就比較復(fù)雜了?？赡苡行┦钦娴牟欢?，沒琢磨透，有些就是忽悠牟利，給無知小年輕們畫大餅，打雞血。比如我曾經(jīng)的某位領(lǐng)導(dǎo)，某大專家，雖然本人并非相關(guān)專業(yè)出身，也沒搞過相關(guān)領(lǐng)域的工作。至少表現(xiàn)上對無人駕駛落地是極其樂觀，我就非常不確定他表現(xiàn)的如此樂觀，是真的無知，還是純粹為了找上頭把項目，經(jīng)費，人員忽悠到手，以及給我們下面這些小兵打雞血。因為哪怕從最初的接觸，我就強烈的感覺到這個人無比的雞賊，并且有相當(dāng)?shù)募夹g(shù)領(lǐng)悟力。畢竟這個社會上能混的好，爬的高的多多少少都有其過人之處。

那些對人工智能前景，L4中短期內(nèi)落地前景依然樂觀的朋友們，我個人這里來說就很簡單。我就盯著每年的諾貝爾獎，圖靈獎，院士增選。你們要真能搞出什么革命性的東西，這些都少不了你們的。我期待在新聞聯(lián)播，各大頭條上看到你們的身影。

對了還要插一段關(guān)于這個行業(yè)的“專家”：

不用奇怪，只用稍微想一下，10年前全世界都沒幾個人搞的東西，google最早開始搞產(chǎn)業(yè)落地，滿打滿算也就10年，怎么就這么短短幾年時間突然冒出來這么多從業(yè)人員，甚至大專家呢？專家這么多，這么容易混的么？其實很多都是從其他領(lǐng)域轉(zhuǎn)過來的，有些是相關(guān)領(lǐng)域，有些連相關(guān)領(lǐng)域都算不上。對了還有一個有意思的現(xiàn)象，越是成熟的領(lǐng)域，你見到能稱為業(yè)界公認(rèn)專家少說都是領(lǐng)域內(nèi)深更20年往上的，再不行10年也是有的，人家是真專家，一般情況下，自己領(lǐng)域內(nèi)沒有搞不定的工程問題。你看搞無人駕駛的，尤其是那些近些年才冒出來的創(chuàng)業(yè)公司的專家，半路轉(zhuǎn)行來的專家，各種不知道什么會議水過幾篇文章的小年輕博士各個都是專家，連關(guān)注這個問題，給過回答和評論的人里，貌似就有口口聲聲要落地L4，研究L5的行業(yè)大佬，業(yè)內(nèi)專家。整個行業(yè)連個靠譜的商用解決方案都沒有一個，結(jié)果全他媽是專家，請問這是什么專家？

評論區(qū)有很多評論在問法律問題，倫理問題怎么解決。出了事故怎么處理糾紛之類的，是否有這方面的進(jìn)展。

首先，我對這方面不了解，我個人覺得目前無人駕駛應(yīng)該還遠(yuǎn)遠(yuǎn)沒進(jìn)展到這個地步。畢竟現(xiàn)在能商用的東西都沒做出來，目前都還在研發(fā)階段，而且似乎都還遠(yuǎn)遠(yuǎn)不是研發(fā)收尾階段。法律，倫理都是以后的事情了，是要做產(chǎn)品工業(yè)化量產(chǎn)，商業(yè)推廣才需要考慮的事情。

不過我個人認(rèn)為，這些問題其實都好說的，只要東西做出來，并且有利可圖，自然會有資本爭先恐后的會去推動這些事情的（尤其是那些早期投入巨大研發(fā)資金的，馬上就能收獲了，誰不興奮呢？）。

當(dāng)然肯定會有新老資本的博弈，不會一帆風(fēng)順，就好像現(xiàn)在國內(nèi)的高鐵，基建，互聯(lián)網(wǎng)，5G領(lǐng)先了，可以去全世界割韭菜了，國內(nèi)的資本和政治力量就會去推動這個事情。美國佬，歐洲人看你要賺他的錢，割它的韭菜，就會用各種，倫理，法律，政治上的問題跟你搞事情。比如最近炒的比較火的封禁華為，逼字節(jié)跳動把tiktoc賣給美國公司之類的。比如以后無人駕駛先被谷歌之類的互聯(lián)網(wǎng)公司搞出來了，那么傳統(tǒng)車廠一定會用你說的問題攻擊無人駕駛，直到做出利益上的妥協(xié)，比如讓他們合資入股，搞技術(shù)轉(zhuǎn)讓，或者別的什么辦法能夠讓大家都能分到肉吃。

哪怕你是先進(jìn)生產(chǎn)力，代表未來的發(fā)展方向，你也不能把那些比你落后的全都一棒子打死，不然作為脆弱的新生事務(wù)，被干死的可能性反而更大。正常的社會發(fā)展進(jìn)程都是在新舊力量的博弈斗爭中曲折前進(jìn)的。

總之一個原則就是沒有人能把所有好處占完，不然全世界都會來反對你，這也是人類社會永遠(yuǎn)的法則。倫理也好，法律也罷，不過是協(xié)調(diào)利益沖突的工具。而我個人的觀點最大的利益沖突來源于資本的博弈，具體到終端用戶那里，反而，不是主要的矛盾了。最終勝利的一方資本力量，一定會定一個對他們有利的規(guī)則來解決這個問題的，并且通過強大的宣傳機器來取得全社會對這個規(guī)則，或者某些倫理觀念的廣泛認(rèn)同，至于少數(shù)頭鐵的，從來都不足以造成實質(zhì)性的障礙。

06

很多人說法律問題，其實仔細(xì)分析，根本不存在所謂的法律問題。

只要能做出來，法律問題，理賠什么的很好解決。

剛上市的頭兩年，車廠，或者無人駕駛運營商為了打消公眾疑慮，必然大幅度補貼，大包大攬，把事故的理賠攬下來。其實這個也花不了太多錢，因為，如果能夠商用，那么那個時候，無人駕駛的安全性一定是遠(yuǎn)好于正常人類司機，甚至你碰瓷都不太容易碰。

分析如下，無人駕駛會上各種攝像頭，傳感器，相當(dāng)于360度的行車記錄儀，包括，行車過程中會把傳感器數(shù)據(jù)，和程序處理過程日志全部錄下來。那么出了事故，誰的責(zé)任拿數(shù)據(jù)或者日志一分析就行了。

大概率是，行人或者人類司機的全責(zé)，因為如果程序或者傳感器沒有錯誤或者故障，無人駕駛是絕對不會違反交通規(guī)則的，因為程序就是按照交規(guī)寫的。

如果分析發(fā)現(xiàn)是設(shè)備故障，或者程序bug造成的問題，那么，車廠，或者無人駕駛運營商的責(zé)任，這種責(zé)任判定是非常清楚容易的，出事故相當(dāng)于幫車廠或者運營商測出來一個bug，他們賠錢也不冤枉。因為，如果不修復(fù)可能大量出現(xiàn)，那么他們賠的更多。

這個相當(dāng)于你買手機，電視，廠家給你的保修條例，保修期內(nèi)沒有不正常使用出了問題，一定是要廠家負(fù)責(zé)維保的。廠家為了少賠錢必須努力把質(zhì)量，這里是安全性做高，良品率提高。

其中還有一種情況，就是，一般車廠把車賣給用戶，會有一些使用規(guī)范，包括車上本身會設(shè)計故障檢測預(yù)警。比如開幾萬公里你要去檢修一下，傳感器不好使了，自檢系統(tǒng)給個報警，這個車你不要用了要去修，這個時候，如果用戶強行使用出了問題，根據(jù)免責(zé)協(xié)議，車廠不負(fù)責(zé)，用戶全責(zé)也是很清楚的。而且這個也很容易從車上記錄的數(shù)據(jù)分析出來，責(zé)任判定會比較容易。

最后，如果無人駕駛事故率選低于人類司機，那么，保險公司會非常愿意來賺這個錢，并且可以想象，這個保費，是會低于目前的費率的?？梢韵胂?，車廠為了推他們的產(chǎn)品，甚至你購買無人駕駛車，送你兩年三年保險這種促銷活動，不過羊毛出在羊身上，這個成本完全可以加在售價里面，轉(zhuǎn)移到用戶身上。

車廠可以通過定期維保協(xié)議，和保險降低自身的風(fēng)險，甚至可能還可以通過這種方式賺錢，他們一定是有這個動力來做這件事的。

以上分析是針對L4及以上等級無人駕駛的，其實也適用L3及以下。因為L3及以下的適用條件更加嚴(yán)苛，那么對應(yīng)的用戶使用協(xié)議也會規(guī)定的更加嚴(yán)格。比如，全神貫注，手不能離開方向盤之類的鬼東西，那么你用戶違反了，不好意思，哪怕是車輛本身的問題，我廠家不認(rèn)賬的。打官司也打不贏，畢竟我當(dāng)時用戶協(xié)議說的清清楚楚。這也是為啥L3及以下的自動駕駛不實用的原因，無良廠家拿這些東西吹逼自己有多高科技，有不把風(fēng)險說清楚，以便自己賣車，簡直就是無恥。

所以，你看分析下來，其實根本不存在所謂的法律問題。

---------------------------------------------------------

對于這一問題，你怎么看？可以在本文留言區(qū)發(fā)表自己的看法~

-END-

|?整理文章為傳播相關(guān)技術(shù)，版權(quán)歸原作者所有?|

|?如有侵權(quán)，請聯(lián)系刪除?|

往期好文合集

百度無人駕駛車北京上路！網(wǎng)友：沒有司機我有點慌

自行車實現(xiàn)無人駕駛，背后究竟有何“天機”？

關(guān)于「無人駕駛」的學(xué)習(xí)路線...