美國Medium科技板塊總編StevenLevy表示：“我很難相信，無人駕駛汽車的大規(guī)模使用會在近期到來。我們現(xiàn)在也許到了95%,，但最后的5%將會是漫長的路途,。”事實確實如此,。然而就現(xiàn)在,，竟然有人用輔助駕駛系統(tǒng)讓汽車在高速路上自己行動，當(dāng)然,，這種行為藝術(shù)是要付出代價的,。
如果你問那些特斯拉Model S車主買他愛車的原因是什么，小編認(rèn)為一定會有人回答：當(dāng)然是“自動駕駛啦”,，下面這位車主應(yīng)該就是這樣想的,。
5月27日，一名歐洲車主正駕駛著他剛買的特斯拉Model S汽車在瑞士的高速公路上行駛,，還開啟了“自動駕駛功能”（高速路上都敢做這樣嘗試,，活那么大也真不容易）。Model S汽車前面有一輛汽車變道,，避讓一輛停在高速公路上的貨車,，這輛貨車幾乎占據(jù)了半個車道。Model S似乎也已意識到了它前面的車輛開始變道,，但它并沒有發(fā)現(xiàn)停在路上的貨車,。結(jié)果，Model S輕微加速地撞向了貨車,。
終于有借口發(fā)個朋友圈了,，于是車主趕緊在YouTube上發(fā)消息，責(zé)怪特斯拉汽車沒有發(fā)現(xiàn)停泊的貨車以及沒有啟動自動剎車系統(tǒng),。
緊接著就有個評論員在YouTube上指出,，你個臭不要臉的，使用手冊上都說了這種情況需要司機(jī)注意,，你不看手冊你賴誰,，你賴誰,。車主一翻手冊，我去還真有“警告：交通感知巡航控制系統(tǒng)可能不會為避讓靜止的車輛而剎車或減速,，尤其是在這種情況下：你正在以超過每小時80公里的速度行駛,，在你前面的汽車變道后，你面前突然出現(xiàn)一輛靜止的車輛或物體,。司機(jī)要始終注意前方的道路,，隨時準(zhǔn)備好采取緊急糾正措施。完全依賴交通感知巡航控制系統(tǒng)可能會導(dǎo)致嚴(yán)重的傷亡事故發(fā)生,?！避囍鬟@才說：“其實我也有責(zé)任。,。.,。。.”
當(dāng)然這也不是特斯拉推卸責(zé)任啦,，無人駕駛一共有四個階段：駕駛輔助系統(tǒng),、部分自動化系統(tǒng)、高度自動化系統(tǒng)和完全自動化系統(tǒng),，而特斯拉的交通感知巡航控制系統(tǒng)僅在無人駕駛的第一個階段,，屬于駕駛輔助系統(tǒng)，那你要拿駕駛輔助系統(tǒng)當(dāng)完全自動化系統(tǒng)來開,，還是在高速上,，那只能送你八個字：勇氣可嘉，智商感人,。
無人駕駛可是個老概念了,，上世紀(jì)70年代，美國等國家就已經(jīng)開始著手研究,，中國也在80年代緊隨其后,，發(fā)展至今幾十年過去了，無人駕駛技術(shù)也發(fā)展到了第三階段,，然而接下來的路似乎還很長,。美國Medium科技板塊總編StevenLevy表示：“我很難相信，無人駕駛汽車的大規(guī)模使用會在近期到來,。我們現(xiàn)在也許到了95%,，但最后的5%將會是漫長的路途?！?/p>
那除了法律,、倫理和道路等問題，無人駕駛技術(shù)主要有那些難點呢,？
傳感系統(tǒng)
不得不承認(rèn),，現(xiàn)在無人車能出現(xiàn)很大程度上依賴傳感器的進(jìn)步。其實早在 80 年代美國就通過磁釘導(dǎo)航完成過很多無人駕駛的實驗,。他們在地下埋上磁釘,，通過尋找磁釘?shù)姆绞娇梢酝瓿筛咚俚难埠健⒉⒌?、超車等一些列的實驗,。很明顯，這種成本太高,，只能作為實驗,。
后來傳感器技術(shù)突飛猛進(jìn)，卻依然很難達(dá)標(biāo),。比如天氣環(huán)境惡劣時將嚴(yán)重影響傳感器的精度,，或者車輛前方有障礙，要判斷障礙物是運動的還是靜止的,，至于車是停下來還是繞過去,，可通過人工勢場算法。這部分主要的難度是傳感器識別障礙,，在車輛運動的前提下,，確定障礙的運動狀態(tài)。也就是說你要在運動的坐標(biāo)系下,，計算另一個物體相對靜坐標(biāo)系的速度,，并作出判斷。
GPS也是個問題,。汽車行駛總要經(jīng)過一些樓宇隧道吧,，如果GPS無法到達(dá)，就需要里程計 + 陀螺儀,，俗稱慣性導(dǎo)航單元,。這套系統(tǒng)的原理就是：花錢越多，有效時間越久,。如果要能在沒有 GPS 的情況下堅持 20 分鐘,，呵呵，要花3 個帕薩特,。
原因是里程計,、陀螺儀都存在累積誤差。要注意,，誤差是累計的,，也就是說上一時刻是 0.5m 的誤差，下一時刻指定大于 0.5m。因此要盡可能約束累積誤差,，使其數(shù)量級很低,，那么就要上光纖陀螺。因為電子級的陀螺通常達(dá)不到這個精度要求,，不知道撓性陀螺行不行,，但是估計撓性陀螺和光纖陀螺造價差不多。
感知系統(tǒng)
感知系統(tǒng)主要包括雷達(dá)和攝像頭,。雷達(dá)又分為激光雷達(dá),、毫米波雷達(dá)、超聲波雷達(dá)等類型,。激光雷達(dá)又可以分為單線雷達(dá),、雙線雷達(dá)、多線雷達(dá)等,。
雷達(dá)的優(yōu)勢在于測算的精度非常高,，探測距離遠(yuǎn)，當(dāng)然成本也不低,。但也有缺點,，比如：激光雷達(dá)對雨霧的穿透能力受到限制、對黑顏色的汽車反射率有限,；毫米波雷達(dá)對動物體反射不敏感,；超聲波雷達(dá)的感知距離與頻率受限；攝像頭本身靠可見光成像,，在雨霧天,、黑夜的靈敏度有所下降。
360 度多線激光雷達(dá),，用于檢測周圍障礙物,，無人車需要能夠感知周圍環(huán)境，又不能像人一樣單純用眼睛完成,，于是這玩意可以返回周圍障礙物的距離,，誤差毫米級。今天價值 3 個帕薩特,。iot101君認(rèn)為以后帕薩特可以作為一個計量單位使用,，動不動就幾個帕薩特。
攝像頭也分單目和雙目,，當(dāng)然雙目的要好一點啦,。雙目的原理與人眼相似。人眼能夠感知物體的遠(yuǎn)近,，是由于兩只眼睛對同一個物體呈現(xiàn)的圖像存在差異,，或稱“視差”,。目標(biāo)距離越遠(yuǎn)，視差越??；反之，視差越大,。所以說雙目系統(tǒng)對目標(biāo)物體距離感知是一種絕對的測量,，而非估算,。
雙目系統(tǒng)成本比較低,，而且沒有識別率的限制，因為從原理上無需先進(jìn)行識別再進(jìn)行測算,，而是對所有障礙物直接進(jìn)行測量,，無需維護(hù)樣本數(shù)據(jù)庫，因為對于雙目沒有樣本的概念,。雙目系統(tǒng)的缺點在于：計算量非常大,，對計算單元的性能要求非常高，這使得產(chǎn)品化,、小型化的難度較大,。所以在芯片或FPGA上解決雙目的計算問題難度比較大。
國際上使用雙目的研究機(jī)構(gòu)或廠商,，絕大多數(shù)是使用服務(wù)器來進(jìn)行圖像處理與計算的,，也有部分將算法進(jìn)行簡化后，使用FPGA進(jìn)行處理,，這就使效果受到較大程度影響,，存在很多噪點與空洞，這對后續(xù)的計算不利,，存在安全風(fēng)險,。
識別交通標(biāo)識，如限速牌,、紅綠燈,。這些通過視覺系統(tǒng)完成，難點主要在實時性和魯棒性,。要離線處理這些交通標(biāo)志是很簡單的,，但是在無人車上需要能在有限的時間里識別出來，并且考慮道路中可能有的光線變化,、遮擋等問題,。
人工智能
要說真正讓汽車難以在短期內(nèi)實現(xiàn)無人駕駛的難題，應(yīng)該是其在“人工智能”上的差距,。谷歌在向美國相關(guān)部門提供的一份報告顯示,，在之前的14個月測試中,，其無人駕駛汽車總共“主動脫離無人駕駛狀態(tài)”272次，除了“主動脫離無人駕駛狀態(tài)之外”,，還有69次駕駛員選擇取消無人駕駛狀態(tài)的情況,。谷歌表示，如果沒有駕駛員的介入,，無人駕駛車可能會發(fā)生13次交通碰撞事故,。
谷歌提供的報告進(jìn)一步表示，在上述272次脫離無人駕駛的狀態(tài)中,，因為“感知差異”因素造成的脫離次數(shù)為119次,。何為“感知差異”？說白了就是汽車對當(dāng)時情況的感覺,。比如此前谷歌自動駕駛項目測試組曾邀請兩名來自《紐約時報》的記者進(jìn)行試乘,，當(dāng)時谷歌車輛即將經(jīng)過一個紅綠燈路口，系統(tǒng)檢測到對面車道有車輛正以較快的速度行駛,。為了避免可能出現(xiàn)的意外,，谷歌車輛猛向右邊車道變道，但實際上對面的車輛僅僅是在嘗試能否通過紅綠燈而已,，且最終也在信號燈變紅前完全停了下來,。
特斯拉搭載的號稱具有強(qiáng)大學(xué)習(xí)能力的OTA系統(tǒng)也同樣被曝出有認(rèn)知缺陷，比如其暫時不能識別紅綠燈系統(tǒng),。如果經(jīng)過紅燈時前方恰好有車,，那么特斯拉可以剎停，但是一旦前方?jīng)]車,，特斯拉并不能做到自動停車,。
據(jù)知名零部件公司博世和德爾福提交的針對自動駕駛的報告，在很多情況下,，駕駛員都必須對自動駕駛的車輛進(jìn)行干預(yù),，以保證安全，而這些情況包括糟糕的車道標(biāo)線,、過于明亮的太陽光導(dǎo)致攝像頭失靈,、建筑區(qū)以及其他駕駛員的無規(guī)律行為等。
沃爾沃在去年的時候曾經(jīng)將其在瑞典哥德堡測試的名為“Driveme”的自動駕駛項目帶到北京進(jìn)行路試,，在這一過程中,，一輛具備自動駕駛功能的沃爾沃V60就因為系統(tǒng)里并沒有涵蓋某一因為別的駕駛員的違規(guī)行為的數(shù)據(jù)，而導(dǎo)致系統(tǒng)死機(jī),，最后不得不選擇人工駕駛,。
顯然，機(jī)器智能在這種“感知”上尚無法與人做到同樣的智能,，更何況全自動駕駛了,，所以,，真正的無人駕駛汽車，真得至少再等上五年,。