###这是咱们开设的一个以无人车赛道为主的新专栏，主要因此深刻浅出的情势来显现主动驾驶圈的热门事务与市场&技能趋向。接待圈内助士前来拍砖，吐槽，各抒己见。###真|
这是咱们开设的一个以无人车赛道为主的新专栏，主要因此深刻浅出的情势来显现主动驾驶圈的热门事务与市场&技能趋向。接待圈内助士前来拍砖，吐槽，各抒己见。 撰文 | 宇多田 作为一位科技记者，如今再看主动驾驶，再也没有 3 年前像彭博社同样用 3 篇连发稿件「强烈热闹祝贺」Uber 无人车开上匹兹堡陌头的兴奋感。 真话讲，当技能公司由于媒体嘴里喊着「主动驾驶凛冬将至」而忿忿不服时，可能本身也没想到，那些互助典礼上剪的过多彩带、调过速的视频（另有调到 16 倍速的）和「202*年的诺言」实在就充任了让质疑声愈来愈响的催化剂。 由于总有一天，咱们是要上车的。 或者者严峻一点儿来讲，对所有技能公司而言，主动驾驶是一门 2B2C 的生意。以是，请年夜家器重阿谁 C。
是以，就在我一年多来坐上了许多号称限制情况内的 L4 级主动驾驶车之后，那种因视频而发生的「欣慰之情」不仅荡然无存，反而让我懊丧到起头思疑人生：
阿谁已经经在全世界不少都会运行的小巴，能让我轻松徒步与它并肩前行。在这类速率下，与其斟酌车撞人，不如斟酌人撞车（归正我其实受不了速率，就试着去撞了，掐指一算应当用身体撞过五六辆小车了）。
年夜家见过电视购物里那种甩脂机没？成果一模一样，想懒人式无脑减肥可以测验考试一下。
固然，咱们要理解法式猿与平安员的苦闷以及无奈—— 海内办公区以及室第区四周哪里不是车冠冕堂皇就成排停在车道上？路上的泊车位比行驶空间还宽，刮蹭了车还患上上社会负面头条新闻，无人车有甚么罪。 以是，当我一次次在望京年夜山子地域最拥挤繁杂的路口止步不前、仰天长啸时，愈发对一句话笃信不疑： 「若是你爱这辆无人车，就请把它送到年夜山子；若是你恨这辆无人车，也请把它送到年夜山子」。
是以我猛烈建议，在刹车体感如斯感人的环境下，给车顶也装个平安气囊实为一种物理解救的上上策。 往往这个时辰，我脑筋里就会从新过一遍两年前一名 Waymo 工程师说过的话： 「那些咱们老是以为够充实的 N 层平安冗余，在实际场景下老是被一层一层剥地连裤衩都不剩。」 这话放到今天，不禁感叹依然是这么让人想击掌点赞。
固然，一些好的试乘项目也会让人面前一亮，但年夜大都名存实亡的体验犹如一次次把鎯头绝不留情地夯在了我的脑壳上—— 不仅让我越发清醒，也起头真正催促我把存眷核心从虚无的技能描写转移到无人车的机能、实测浮现与乘坐体验上。 然而，主动驾驶的技能在这头，用户体验在那头，中心的位置，我一直好奇究竟是谁能扛起把「法式员语」翻译成人类语的年夜任……归正不是 PPT。 也许，一个专属于无人车的产物司理才是正解。
1 主动驾驶也有产物司理？！ 真话讲，我历来不知道主动驾驶汽车原来也有产物司理，直到我在baidu上周的 AI 开发者年夜会上转游了半天。 实在有点惋惜，即使这场技能集会在两天内的热度比他们前几届年夜会的总以及还要多患上多（这梗就不提了），但这个效果跟技能没半毛钱瓜葛。 年夜众照样对人工智能一知半解，对无人车的认知也顶多停留在灌水 50% 的 Demo 视频里。 而现场也证实了简直如斯： 聊代码以及芯片功耗聊到 high 的开发者们用脸色以及专业术语奉告我，技能，依然是一小部门人的狂欢。 坦率讲，当主动驾驶论坛里的工程师用各类参数来描写阿波罗平台进级到 5.0 的益处时，坐在一群开发者中的我，不能不一边装逼点着头，一边竖起耳朵听周围法式猿的即兴评论，但生理勾当则是—— 为毛他讲的每一个字都能听懂，可是组合起来就是不懂。
不管是「新增长的数据流水线」，仍是「全新的路径鸿沟决议计划与优化算法」，亦或者是「加强的感知能力」，对付开发者来讲，也许值患上上手一试（嗯，没车也能够试）； 但对付平凡年夜众，果断尺度只有一个——感官。 是以论坛竣事后，我终究忍不住逮住一位从台上下来的算法工程师问了个问题： 「技能进级后，在车的功能和乘坐体验上有哪些加倍直观的改善？」 「……」 在为难的 5 秒缄默对视后，他的一句「我实在也不太清晰」让这场对话还没起头就已经经宣告竣事。
不外，没有获得谜底本来筹备抛却的我，居然在无人车展现区「找到了组织」。 是的，我遇到了一名产物司理（我问了三遍，他明确暗示本身是一位无人车产物司理）。 「实在技能平台的这一套工具咱们也不太清晰，」这位正直的baidu产物小哥没想到一上来就「自露家底」， 「咱们可以说，技能进级有助于这辆车的机能进级，可是前者是后者的充实前提，不是需要前提。 那些新闻稿里说的阿波罗平台进级才让baidu拿到 T4 派司也就看看患了。只有终极效果不哄人，那就真的不哄人了。」 他认可，即使是 1 年前，技能上所谓的进级与现实效果依然有不小的差距，而如今每一次随车测试，与之前相比已经经「前进不小」： 「说真话之前变道实在蛮傻的，要末对道路标线辨认毛病找错变道时机，要末『前瞻后顾』迟迟变不了道。 但如今要好不少了，接收次数也较着变少。」 尽管咱们不清晰这话是否意有所指，可是这很容易让人想到 2017 年的baidu开发者年夜会上，彦宏叔正坐着无人车在北京 5 环炫技时，不巧让眼尖观众发明了这辆无人车不仅压实线变道，并且还没打批示灯。
不过细心一想，ADAS 都出生几多年了，可是包含「主动变道」「车道连结」「主动跟车」等一系列对年夜众来讲已经经彻底不目生的汽车 ADAS 功能，依然都做患上不尽如人意。 「急刹的话，多是纵向节制没有做好。」他听了我对一次糟糕糕体验的描写，试着进行领会释， 「一方面，沿着我进步标的目的（纵向），可能对付前车的速率估量不许；也有多是我的速率计划欠好，在没有需要刹车的环境下刹的力度年夜了，然后逐步缓解； 固然，也有一个环境就是，传感器果断毛病或者者失灵了。」 他认为，纵向算法做的欠好，很容易泛起体感问题，这是在基于baidu内部每一周体验陈述患上出的一个根本结论。 「咱们有个专门的项目就是只针对无人车的舒适度进行跟踪取证。每一个礼拜有特定的职员去坐车，然后给出一个主观评价。比来实在却是没有这么频仍了。 有些体验成效实在很是雷同，而指向性也出格较着，譬如由于辨认毛病以及位置偏差致使的急刹其实不少见。」 除了了急刹，我也从他那里找到了无人车在路上走 S 线路（画龙）和时时时产生发抖的「病根」。 「画龙实在就是横向漂移，也就是定位没做好，出格是一些主要寄托 GPS 的方案，实在很悬； 而车有时辰的往返发抖，包含在上下匝道时，实在也跟定位有瓜葛。偏离一点然后又给抖回来了，往返抖，往返调。」 他认为，这些问题在必定时间内均可以解决，可是解题也有难易之分，比起纵向节制（油门与刹车），横向节制问题（标的目的盘）难度更年夜。 「面临繁杂路况，最主要的仍是磨练你变道的能力。今朝来看，汽车纵向节制的能力年夜家现实都差未几了，加快减速和定速实在都很简略。 可是一触及到横向节制能力，譬如变道，譬如路口转弯，假设把各家的车放在一块儿比拟，每一家公司仍是有很年夜差距。」 譬如，曾经有一家技能公司明确暗示过海内的无人车并无跟外洋不异的「无庇护下左转弯难题」，这个说法受到了产物小哥的痛斥： 「让他尝尝在北京的那种年夜路口来一次左转弯。 咱们跟过无人车的路测职员都被很猛地切过车，出格是左转弯，被各类切。 左转弯，你要斟酌对面的车，还患上斟酌同标的目的的，同标的目的的有人会从你的内弯超车，还会从外弯超车，开过车应当都知道（作为一位无驾照但骑自行车在年夜路口进行过左转弯的社会人士，我以为左转弯也挺伤害的……）。并且有些处所还要遵照左转弯待转区的停留规范，一不留心就会扣分。 以是，海内的『无庇护左转弯』难题是切实存在的，也是咱们致力于去解决的。」
固然，让他更无奈的，另有许多很是具备本土特点的交通征象，和司机们之间怪异的相处模式。 譬如密度较高的施工点，譬如路边各类胡乱停放占用车道的车，譬若有老司机就是想成心别你车，再譬如与摩托车以及小三轮的相爱相杀……
「不少时辰你不克不及怪平安员要接收过来，咱们实在已经经把最低容忍车距降到了 50 厘米，可是双方的车其实是太近了，这类碰撞以及擦花车的危害其实过高。 另外没有法子的是，上下匝道的限速咱们是遵照了，可是人开的车但是没一辆遵照限速的。 咱们有履历过在前面开着开着，后面的司机起头用力鸣笛以及骂人，没法子只能司机接收过来开道。」他忍不住开启了吐槽模式。 以是，如今你应当能充实大白为什么所有技能公司总要给无人车的阐扬场景来一个「限制」。 也应当能大白，为什么连「地表最强」的google，要选择在地处戈壁天气（雨比金子还贵），都会情况雷同海内高新技能开发区（生齿密度低，根蒂根基举措措施很是新）的凤凰城运营无人出租车。 基于各类主观与客观身分的试炼后，产物司理小哥眼中的无人车评判尺度实在只有一个： 「是否足够像人」。 这里固然不是说「要跟人做的同样好」，而是要让车尽量像人同样思虑。 「咱们以前曾经频仍遇到如许一种环境，右火线有车压线，咱们过不去，只醒目等吗？ 若是是人的话估量就借个道拐一下就曩昔了，可车是『直线思惟』，一起头就是在那里干等的，要末就让人接收过来先曩昔再说。 可是为什么车就不克不及具有人这类思绪呢？ 以是咱们在对算法进行优化后，是容许车在某些时辰偏离车道中间的，这里的术语叫 nudge，意思就是稍稍偏离一下借阁下车道的一小部门先曩昔。 有很是多的场景，若是你彻底依照交规是基本无法开的，就例如你右转，那里有辆僵尸车等着你，你能会怎样办？ 假设阁下就是有车来成心怼你，你应当怎么计较出车周围的最好缓冲区？」 就像这位产物小哥所说的，无人车的所有举动都不该该是基于某一个固定例则的，而应当是基于不竭去琢磨学习人类惯常举动的道路计划，这是一个动态调优的进程。 更深邃一点，就像适才提到过匝道几近不会有人遵照限速同样，想融入人类这个繁杂的情况，无人车们就必需变患上跟他们同样，成为「乌合之众」的一员。
「算法自己就是具备机动性的，这应当是咱们值患上庆幸的。今朝阶段万万不要期望用无人车来扭转人类的习气。」 2 「与其寄托纯视觉，期望激光雷达降本钱可能更靠谱」 比来，baidu在全世界顶级学术集会上发布的基于 10 颗摄像头的纯视觉 L4 方案曾经引发过不小的惊动，这在某种水平上也被一些人解读为是一种对马斯克「激光雷达无用论」的附议以及市欢车企的行为。
然而，在baidu年夜会展台上摆着的，依然是一辆头顶禾赛科技 40 线激光雷达的四门轿车。 「这个版本的车是咱们的主流方案，L4 纯视觉仅限于研究，商用今朝不成能。」 这是baidu产物司理给我的一个直接回答，他显然是个激光雷达派。 「或者者可以这么说，与其咱们等待纯视觉做到 L4 能商用的水平，还不准期待一降低低激光雷达的本钱靠谱。后一条路可能会更快，并且靠得住。」 在他眼里，两套方案在高速公路上的靠得住性差距实在很是年夜。 「以高速公路为例，年夜家都知道高速公路由于行驶速率，很是受制于传感器的笼盖范畴。范畴确定越远越好，如许给传感器的预判时间才气充沛。 有激光雷达，咱们本身的有用感知范畴可以做到 200 米。 但若是做到 100% 掌控，实在焦点感知范畴是 100 米。 而纯视觉方案，能做到 100% 掌控的范畴更小并且自己也不不乱，假设遇到边沿案例，没有冗余的条件下就是致命的。 是以，做到高速公路上的 L3 级以上，今朝是不成能的。 固然，这里万万不要把它跟某些特定的高速公路 Adas 功能等量齐观。」 究竟奉告咱们，对这番话最有力的证实，莫过于特斯拉。 尽管这家公司的车已经经被人拿出来当靶子太屡次，但咱们仍是不能不提那起被誉为「最好传感器设置装备摆设不和教材」的 2016 年致命车祸。 这起案例之以是「经典」，可以一言以蔽之： 运动中的停滞物「完善」避过了车体现有感知层的所有硬件平安冗余。 密歇根年夜学传授 Brandon Schoettle 曾经在 2017 年又对这一经典案例做了感知层面的有趣总结： 「另外一辆车（停滞物）进入传感器笼盖区域相对于较晚。在没有激光雷达的条件下，这辆车起首应当进入长途毫米波里雷达的探测范畴，然而却刚好一直擦着它的笼盖边沿（不管垂直仍是程度都没有）； 接下来进入摄像头的范畴了，然而辨认出了问题，间隔与视场限定了辨认对象的完备性，这就是为什么白色车体被辨认为漂浮着的云。 到末了一层硬件冗余——短程雷达（超声波）的时辰，已经经来不及了，反响时间都耗尽了。」 如许的例子是否属于「边沿案例」（指少少数产生的环境）？ 很难说，由于致命事故已经经产生象征着年夜众不会把它当做一个特例。
（该图例以特斯拉 2016 年车祸为根蒂根基进行了得当调整后作为了一个通用案例用来诠释「泊车间隔」这一律念，终极用来证实主动驾驶汽车的反响时间与传感器设置装备摆设方案有直接瓜葛。摘自 Brandon Schoettle 的陈述） 也正由于如斯，圈内对特斯拉主动驾驶方案的品级界定（不管是辅助仍是进级后的全主动）一直颇具争议。 产物小哥很坦率地认可因为身份缘由，不克不及过量评判这两套方案，由于单车智能不管怎么城市有疏漏。但他们清晰甚么样的方案在甚么样的场景下效果不行，也清晰在体验上到底有甚么样的变革。 「咱们事实还做不到甚么，阿波罗 5.0 的一个形容词就能阐明问题——「限制」。已经经进级到 5 了，但依然是限制场景下的能力实现。 而若是说车厂们由于本钱问题更倾向纯视觉的说法，实在也不尽然。他们偏心的是 L3 级别如下的部门能力可以实现的纯视觉方案。 L4 以上的纯视觉方案，就再也不是单纯的摄像头本钱问题了，另有后面计较单位的架构、本钱以及车规问题。以是年夜家的同一口径是『正在研发中』。」 「那你以为如今是否以为年夜家实在有点儿在滥用无人车品级？」这是我的末了一个问题。 「这个级别原本在咱们眼中就没有甚么意义。技能公司可以都说本身做的是 L4，归正他们终极不消为此支出甚么社会责任； 而那些说本身要量产 L4 无人车的车企，必定患上有为此违负骂名的勇气。」 我是宇多田，一个外表逗逼，心里严峻的女男人，接待圈内助士以及我一块儿侃年夜山，吐口水。（微信：fudabo001，请备注身份） |
