自动，就是指一个东西，它自己动起来了，没有人的参与；驾驶，应该是源于人类对动物的驾驭行为，然而在现代社会中，骑马和牛已经变成一种很复古的行为，而人类能够驾驶的无非有三：车，船，飞机。

 

自动驾驶，顾名思义，是指原来被人类驾驭的交通工具自己动起来了，这回没有人的操控，人从一个驾驭者，转变为一个乘客。目前，主流媒体提到自动驾驶，通常是指自动驾驶汽车（简称无人车）。无人机、无人船火了几年，并没有引起大企业大公司足够的兴趣，然而无人车从进入大众目光开始，就挑起了企业霸主们的强烈的兴趣，原因有很多：一，汽车是劳苦大众接触最多的交通工具；二，汽车市场万亿级，足以挑动霸霸们的神经；三，无人车应该会比无人机、无人船更快进入实用等，简言之：量大利润高。

 

三大类交通工具从有人到无人的发展过程，往往充满了各种罗曼提克。我们大家应该都知道，传统汽车是由一位上古神人发明的：德国人卡尔·奔驰（大家是这么说的，具体他的想法是怎么来的，我就不去细究了），反正现在奔驰依然是一个令人充满想象的汽车品牌。而说到自动驾驶汽车，恐怕就很难去界定谁发明的了，毕竟，自动化的鼻祖摆在那里，后来的年轻人们谁敢去称自己发明的自动驾驶？不过，我们可以大概捋一捋自动驾驶汽车的小历史：

Stanford Cart

人们对于自动驾驶汽车的梦想已经有近一个世纪了，普遍被人认可的第一辆“自动驾驶”汽车是Stanford Cart。它最早建于1961年，在70年代早期，它可以利用摄像头和早期的人工智能系统来绕过障碍物。但它面临的一个大问题是：每移动一米需要20分钟的时间。不过，在原力看来，这货压根儿就不像一个汽车，不过考虑到它出现的年代，以及它用到的摄像头和人工智能技术，我们可以称它为自动驾驶汽车的鼻祖，纯粹出于对技术的敬意。

NavLab

1995年，卡内基梅隆大学的研究人员托德·约赫姆（Todd Jochem）和迪安波默洛（Dean Pomerleau）驾驶着配备自动驾驶的1990年的庞蒂克Trans Sport——NavLab 5穿越美国。在将近3000英里的路程中，这辆货车确实是在自动驾驶。用挡风玻璃的摄像头来寻找车道线，人类负责踩油门和刹车。这个已经很棒了，3000英里的路程，用摄像头寻找车道线，我猜它应该没有用到深度学习之类的东西。

Sandstorm

2004年3月，美国主要的军事研究机构DARPA在莫哈韦（Mojave）沙漠组织了一场比赛，邀请全世界各地的企业或人建造来制造一辆能够横穿加州莫哈韦沙漠的自动驾驶汽车，要求无人驾驶车辆驾驶150英里的越野路线。这场比赛共有21支队伍获得参赛资格，但经过赛前评比和意外事故后，最终只有12辆车参赛。由于机械故障和陷入沙坑等问题，所有参赛队伍都没有跑完全程。卡内基梅隆大学的“沙尘暴”（Sandstorm，一辆配备有摄像头、激光扫描仪、雷达的悍马，车辆上还有一个装满电子设备的重达1000磅的盒子, 以便在崎岖的地形中找到行驶路线），跑出了最佳成绩，在被卡住之前行驶了7.4英里。在它试图解救自己的时时候，不幸前轮起火。这场比赛创造了一个由极客、梦想家等人组成的群体，他们坚信机器人来做司机是有可能的。摄像头、激光扫描仪、雷达等传感器，已经基本贴近目前自动驾驶汽车的配置了。

Stanley

看来第一次比赛时，DARPA设置的标准似乎太高。2005年10月，他们举行另一场比赛时，23支参赛队伍中有5支完成了132英里的路程，剩下的，只有一支队伍未能完成一年前的7.4英里的记录。斯坦福大学Sebastian Thrun所领导的Stanley获得第一名，卡内基梅隆大学的Sandstorm排名第二。Stanley是一辆使用了现代标准摄像头、雷达和激光扫描仪的大众Touareg，在很大程度上依靠机器学习来理解其收集到的数据以及决定如何行驶，这个时候机器学习已经开始崭露头角了

Boss

美国国防部高级研究计划局举办的第三次也是最后一次比赛是2007年的城市挑战赛, 它是在一个废弃的空军基地上举行的。 这一次, 卡内基梅隆大学与通用汽车合作制造的Boss取得了第一名。这是一辆配备有各种传感器的雪佛兰塔荷，非常具有“侵略性”，但并没有违反交通规则。 和所有顶尖的自动驾驶汽车一样, 它使用了一种新的雷达激光扫描系统, 能够提供一个360度的详细视角。

谷歌Prius

这种快速的发展步伐，令Google在2009年建立了由Thrun领导的自动驾驶汽车项目。自那时起，DARPA竞赛的参赛者们已经开始在Google、Uber、特斯拉和许多初创公司开展自动驾驶技术研究。2009年，谷歌的拉里·佩奇（Larry Page）让斯坦福大学斯Stanley的创建者塞巴斯蒂安·特伦（SebastianThrun）给他制造了一辆自动驾驶汽车，并要求他在加州的1000英里公路上进行测试，解决可能会遇到的问题。美国国防部高级研究计划局比赛中招募到了最优秀的人才后，特伦用必要的传感器装配了一辆Prius。一年半之后，这个团队攻克了“拉里的1000公里任务”。 2012年，自动驾驶原型车开始进入美国公共道路，他们已经行驶了数百万英里，也变得更加安全可靠。但这项技术离大规模部署还有一段距离。

谷歌Firefly

在接下来的几年里, 谷歌掌握着自动驾驶汽车领域的话语权, 逐渐地将技术推向汽车工业无法忽视的地步。 在2014年, 它用Firefly 清楚地表达了对人类驾驶员的排斥(其他人称之为koala, 或者pod等等) , 这是一辆没有方向盘和踏板的汽车。 三年后, 这支自动驾驶团队从谷歌分离出来, 成立了Waymo。然后Firefly退休了，Waymo开始转向克莱斯勒Pacifica等量产车。

梅赛德斯 F015

到2015年, 大型汽车制造商终于开始认真对待自动驾驶技术了。 梅赛德斯-奔驰（20世纪80年代做了大量的自动驾驶研究)在CES上发布了一辆未来概念汽车F015，车辆的窗户可以作为触摸屏, 而且也为那些不敢放手的人提供了方向盘。该车预计在2030年出厂。

雪佛兰 Bolt

在帮助卡内基梅隆大学进行美国国防部高级研究计划局的城市挑战赛11年后, 通用汽车发布了一款既不带方向盘也没有踏板的雪佛兰 Bolt 电动汽车。 通用公司将在2019年的某个时候将这款车作为自动驾驶的出租车推出。

丰田 e-Palette

不久之后, 自动化技术将使汽车设计师摆脱今天的限制。丰田公司通过e-Palette来探索未来, 这是一个可以做任何事情的车辆的平台, 从载客到运送披萨到作为一个移动的酒店或医疗中心。 这是迄今为止最大胆的产品之一——我们正在迈向一个汽车不仅仅只是我们驾驶的东西的世界。

真正的完全自动驾驶汽车必须解决三个独立的任务：感知（了解周围世界发生了什么）、预测（确定下一步会发生什么）和驾驶策略（采取适当的行动）。Thrun说，最后一个任务是最简单的，自动驾驶中只有10%的问题与之有关，而感知和预测则是较困难的部分。

自动驾驶汽车通过摄像头、雷达和激光雷达等传感器来感知世界。类似雷达，激光雷达，使用不可见的光脉冲来绘制周围区域的高精度3D地图。摄像头、雷达和激光雷达三者是相辅相成的关系。摄像头便宜，可以看到道路标记，但却不能测量距离；雷达可以测量距离和速度，但却捕捉不到细节；激光雷达提供了很好的细节，但是价格昂贵，并且容易将雪地和其他地形混淆。

大多数从事自动驾驶工作的人都认为，有必要将几种传感器组合起来确保安全性和可靠性。（不过，特斯拉是一个明显的例外：它希望在不使用激光雷达的条件下实现完全自动驾驶）。目前，高端的激光雷达系统要数万美元，初创公司正在研发新的固态激光雷达，有望最终将激光雷达的价格降低到几百美元。

结合来自传感器的数据后，汽车需要识别周围的物体：其他车辆、行人、骑自行车的人、路面标记、道路标志等。在识别方面，人类比机器要好得多，机器必须通过大量仔细标记的样本训练过后才有这样的能力。获得这些样本的一种方法是雇人手动标记图像。

位于西雅图的MightyAI拥有一个30万人的在线社区，他们为许多汽车企业客户标记街景图像。“我们希望汽车能够有人的判断力，”Mighty AI的老板Daryn Nakhuda说，“因此我们需要人类专业技能的帮助。”

一些来自视频游戏的图像，如《侠盗猎车手》中的图像，与现实街景非常接近，也可以起到帮助做用。因为游戏软件知道一切事物，它可以准确地标记这些场景，因此这些图像也可以用于训练。

Thrun说，最难识别的是那些很少见的东西，例如路上的垃圾或是在高速公路上被吹起的塑料袋。他回忆起Google的自动驾驶项目早期的时候，“我们的感知模块无法区分出物体究竟是塑料袋还是飞奔的孩子。”路上的水坑也让识别系统混淆。不过，结合来自多个传感器的数据就可以分辨道路上的物品是否为坚硬的障碍物。

传感器获得的数据还能够与先前在同一条路上行驶的其他车辆收集的传感器数据进行比较，这种相互交流的过程被称为“车队学习”。自动驾驶的先行者们已经积累了许多的数据，这让他们占一定的优势，但一些创业公司也在制作和销售现成的供自动驾驶汽车使用的高精度地图。

一辆车识别出周围的一切之后，它就需要立刻预测未来几秒会发生什么并决定如何应对。道路标志，交通信号灯，停车灯和转向标志也提供了一些提示。但是，自动驾驶车辆在某些地方还离人类驾驶员还是有差距的，人类驾驶员擅于处理一些意外情况，例如道路施工、抛锚的车辆、运输卡车，紧急车辆、倒下的树木或恶劣的天气等。雪是一个特殊的挑战：激光雷达系统必须仔细调整才能忽略飘落的雪花，道路积雪也会降低高精度地图的准确度。

虽然高精度地图技术仍在开发中，但它对于一些限定的地区还是有帮助的，这些地区已有了详细绘制的地图并且通常天气很好。这就解释了为什么阳光灿烂、道路规划整齐的凤凰城能成为测试自动驾驶车辆的热门城市。而匹兹堡则由于其恶劣的天气，是一座测试难度比较大的城市。

被通用汽车收购的自动驾驶创业公司Cruise，则选择在旧金山市中心复杂的街道上进行测试，其表现也给人们留下了深刻的印象。Cruise的创始人 Kyle Vogt认为，在人口稠密的环境中进行测试意味着汽车会经常遇到异常情况，因此能学得更快。

当自动驾驶车辆感到困惑并且不知道如何回应或做出错误决定时，驾驶座上的安全工程师就会接管。这就是所谓的“脱离”，每千英里的脱离数为对比自动驾驶相关公司提供了一个粗略衡量标准（见上图表）。不过，最好还是不要将脱离视为失败的情况，脱离其实是有助于自动驾驶系统吸取经验并改进的。

Uber自动驾驶汽车部门的安全负责人Noah Zych表示，在接近脱离状态时记录的传感器数据可以揭示汽车出了什么问题。然后就可以在模拟中对同一问题进行测试，然后修改软件。Zych说：“我们可以一次又一次地测试，改变情景，分析不同的结果，”改进后的软件最后会在真实汽车中使用。

就算自动驾驶现在就能被广泛部署，他们仍然偶尔需要人的帮助。无人驾驶接驳车制造商Navya的CEO Christophe Sapet举了个例子：在一个两车道的路上，自动驾驶汽车由于不敢越过道路中的实线而追尾了一辆抛锚的卡车。产生这种结果的原因，是自动驾驶汽车被编程、被设定必须遵守交通规则（而不会随机应变）。但如果是人类，只要对面没车，就会压过实线绕开这两卡车。

Navya的自动驾驶车辆则会向远程监督中心求助，人类操作员可以看到车辆摄像头拍摄的实时信号。遇到刚刚所说的情况时，操作人员并不会直接远程控制一起，而是在保证安全的情况下允许该车压过实线行驶。Thrun预测，这些操作员在未来可能会一次监控数千辆自动驾驶车。

与此同时，低配版的自动驾驶在正在逐渐加入到现有的汽车之中。由美国汽车工程师协会制定的量化表将自动驾驶水平分成了5个等级。Level 1级别的自动驾驶包括基本的协助（如巡航控制）。Level 2级别增加了诸如车道保持等功能，令汽车能够在高速公路上行驶，但仍要求驾驶员时刻注意。奥迪今年推出的A8是第一款达到Level 3级别的车型，它能够自动驾驶并监控周围环境，但在系统要求时，驾驶员及时必须接管。

奥迪A8

Waymo、Uber和其的公司则试图直接跳到Level 4级别，即在特定的条件下，例如在城市的特定地区，车辆能够完全自动驾驶。一些业内人士认为，Level 2级别和Level 3级别这种不完全的自动驾驶是不安全的，因为即使系统控制了车辆，驾驶员仍然需要时刻注意，而驾驶员们很难做到这一点。

2016年5月，一辆特斯拉Model S撞上了一辆卡车，司机在事故中丧生，调查人员发现，尽管Autopilot系统已经发出警告，但司机仍然未能留意道路情况。特斯拉的Autopilot就属于Level 2级别。

自动驾驶汽车的面临的一个问题是，道路是为了人类司机而建的，自动驾驶汽车必须与之共享道路。人会通过灯光和使用其他非语言的提示进行交流，这些提示因地而异。自动驾驶的技术制造商Mobileye的CTO Amnon Shashua认为，自动驾驶车辆可能最终能够适应周围环境，例如，在波士顿开车就要比在加州猛一些。

自动驾驶汽车公司Aurora的CEO Chris Urmson说：“我们必须让汽车能够在像今天这样的世界中运行。”

但将来，事情可能会变得容易些。在未来，可能会出现自动驾驶车辆专用的道路或区域，以及用于支持它们的专用设备，即V2I（车对基础设备）技术。在一些已经有自动驾驶汽车运行的地区，已经对交通信号灯做了一些修改。未来，V2I和V2V（车对车）技术能够帮助自动驾驶车辆更好地相互协调。

公众似乎主要担忧与自动驾驶汽车有关的两种潜在风险：第一种就是他们应该如何面对道德困境。比如说，在撞到一群孩子和撞向另一辆车之间进行选择。许多业内人士认为，这些问题并不能反映现实世界。

第二个担忧就是网络攻击。自动驾驶汽车本质上是安装在车上的计算机，可能会被远程劫持和破坏。不过，自动驾驶业内的工程师们则坚持，他们非常重视网络安全，他们所建立的多重冗余传感器和控制系统，在技术上说，可以提供一定的安全保障。如果一辆自动驾驶车中的任何部分开始出现异常的行为，无论出于何种原因，这辆车都会停下来。Sapet开玩笑说：“想使用普通汽车杀人比使用无人驾驶汽车更容易。”

自动驾驶车辆很快就要进入我们的生活了，至少能在天气良好、有序的环境中行驶。“一旦你找到了问题的关键，它就能渐渐被完全解决。” Urmson说。

从不可到可能，从可能到现实生活，尽管公众仍有担忧，但自动驾驶的发展速度，可以说是越来越快了。

最后，让我们欣赏一下特斯拉奉献给我们的宣传视频，感受一下设计的美感

PS：本文是根据网络资料整理而来，纯粹是个人兴趣，如果有侵犯相关个人或公司的利益，请及时私信给我。

参考资料：

• 一组图片看完“自动驾驶”发展史。https://www.sohu.com/a/220986146_821810

• 一文了解自动驾驶的前世今生。http://m.elecfans.com/article/699544.html