當(dāng)我們還在感慨駕駛是一件費心費力的事情時，無人駕駛技術(shù)的進(jìn)步已經(jīng)逐步開始了解放我們的雙手到大腦的發(fā)展，在 O'Reilly 和 Intel人工智能 2018 北京大會上，營長與前百度硅谷研發(fā)中心創(chuàng)始核心成員李力耘博士聊了聊，李力耘表示目前無人駕駛技術(shù)上最亟待解決的技術(shù)是傳感器的能力跟它的價值的平衡、無人駕駛的規(guī)劃控制兩大問題。

　　無人駕駛發(fā)展的價值

　　無人駕駛技術(shù)的發(fā)展，對人類來說不僅僅是解放了雙手，還解放了大腦。我們的注意力不需要集中在駕駛上，這將為經(jīng)濟(jì)效益和社會效益帶來極大進(jìn)步。

　　無疑在北京和美國硅谷這種交通環(huán)境下，開車對我們來說并不是一種享受，它需要花費很多的時間和精力，如果無人駕駛技術(shù)得到普及，可以把開車的時間解放出來，可以在車上查查郵件，看看新聞，甚至休息一下。另外，無人駕駛對經(jīng)濟(jì)的生態(tài)也會帶來一些變化，例如無人產(chǎn)業(yè)鏈或許就會改變商圈的選址。

　　數(shù)據(jù)顯示，人類開車大概每百萬公里的量級就會出現(xiàn)一次致命事故，無人駕駛發(fā)展至今，已經(jīng)行駛上千萬公里，發(fā)生了 Uber 的事故，相對來講，無人駕駛反倒是比人類駕駛安全系數(shù)更高。

　　無人駕駛?cè)〈緳C(jī)是一個漫長的過程，可以看到，無人駕駛的測試是配備有司機(jī)的。如果無人駕駛技術(shù)得到普及，可以做整體全局上的智能城市的優(yōu)化，比如說大家可以有一個集中的調(diào)度的系統(tǒng)，來優(yōu)化去同樣目的地人群，并提倡共享出行。

　　無人駕駛技術(shù)不僅僅解放了人類的精力和效率，最終的方向是建立智慧城市，智能交通的規(guī)劃，隨著這種統(tǒng)籌的發(fā)展，也許司機(jī)的比例逐漸減少，但最終取代司機(jī)的這一天，可能還有很長的路要走。

　　國內(nèi)的測試環(huán)境更具挑戰(zhàn)

　　李力耘認(rèn)為，美國現(xiàn)代的無人駕駛技術(shù)，還是遠(yuǎn)遠(yuǎn)領(lǐng)先于國內(nèi)的，從加州交管局的匯報的數(shù)據(jù)可以看到，國內(nèi)頂尖的 Apollo 與 Google Waymo 和 Uber 相比還是有一定差距的。

　　另外一點， 無人駕駛的人才在美國硅谷比較多 ，這是一個非常重要的一個差別，Google Waymo、Uber 等都積累了很多無人駕駛的人才，國內(nèi)在這方面仍處于剛剛開始積累的階段。

　　國內(nèi)的測試環(huán)境更具有挑戰(zhàn)，政府提供了很多的支持，無論是交管法規(guī)，還是技術(shù)設(shè)施，都給予很多的支持，加上中國人對新事物的接受程度很快，像這些移動支付，O2O 這種都是美國沒見過的模式，國內(nèi)很快接受了，在這方面有很大的優(yōu)勢。

　　所以，在這種落地跟轉(zhuǎn)化上中國的優(yōu)勢很大，美國是技術(shù)上的比中國積累的深厚，另外人才方面，隨著中國人才漸漸的積累和爆發(fā)，最終差距不會很大。

　　亟待解決的兩大技術(shù)

　　無人駕駛技術(shù)目前最亟待解決的技術(shù)有兩個部分：

　　第一，是傳感器的能力跟它的價值的平衡問題

　　據(jù)法國權(quán)威市場分析機(jī)構(gòu) Yole Développement 的統(tǒng)計，智能駕駛主要通過攝像頭（長距攝像頭、環(huán)繞攝像頭和立體攝像頭）和雷達(dá)（超聲波雷達(dá)、毫米波雷達(dá)、激光雷達(dá)）實現(xiàn)感知的;當(dāng)前最先進(jìn)的智能汽車采用了 17 個傳感器（僅指應(yīng)用于自動駕駛功能），預(yù)計 2030 年將達(dá)到 29 個傳感器。

　　舉個例子來說，激光雷達(dá)技術(shù)并不是“原子彈科技”，這項技術(shù)只是需要更多的沉淀，更多的精力來把它做的更好、更精。從技術(shù)上來說是存在成本降低的可能性。

　　現(xiàn)在每一個激光雷達(dá)廠商都說，只要給我多大量，我就能把成本做下來，所以只要技術(shù)方案定下來，降成本是一定可以降的，它的更多挑戰(zhàn)是怎么把這個雷達(dá)給沉淀更加穩(wěn)定，更加精準(zhǔn)、更加適合無人車的使用。

　　第二，無人駕駛的規(guī)劃控制

　　無人駕駛技術(shù)在正常行駛的方面已經(jīng)解決的很好，但是遇到一些異常情況，如出現(xiàn)一些行人不守交規(guī)，或者是一些極端情況的時候，我們怎么把長遠(yuǎn)的問題，通過算法處理好，這是一個挑戰(zhàn)。

　　或許無人駕駛測試幾百萬公里級別，才出現(xiàn)一次 Uber 事故的場景，無人車測試的時候也會盡量避免這樣的事情，而在這個領(lǐng)域里面，規(guī)劃控制和模擬器是可以發(fā)力的一個點。

　　用模擬器和人工智能去檢測一些車的極限能力，或者是在一些極端情況車輛的反應(yīng)情況，這些場景往往不太能通過采集數(shù)據(jù)，或者通過正常的手段來進(jìn)行學(xué)習(xí)跟測試的。

　　對人工智能期待過高

　　很多人都覺得人工智能不夠“智能”，這是因為大家對人工智能的期待過高，從無人車的角度，人腦是一個神經(jīng)網(wǎng)絡(luò)，是經(jīng)過了很多年迭代的，就是說你生下來的時候是一個設(shè)計好的網(wǎng)絡(luò)，這個網(wǎng)絡(luò)叫做基因跟生物學(xué)上的大腦。

　　除此之外，比如說你長到 16 歲開始開車，其實你的大腦的感知已經(jīng)訓(xùn)練了十幾年了，你對這個世界的理解，不是說像無人車這樣，弄很多圖片，然后訓(xùn)練，人的大腦的感知能力是非常強(qiáng)大，所以，人工智能要真的能達(dá)到這個人的感知能力，還有很長的路要走。

　　人工智能現(xiàn)在隨著計算機(jī)視覺發(fā)展，在感知和預(yù)測上都有顯而易見的應(yīng)用，但是在決策規(guī)劃上，應(yīng)用并沒有這么直接。隨著人工智能的發(fā)展，決策規(guī)劃也已經(jīng)向有數(shù)據(jù)驅(qū)動的方向開始轉(zhuǎn)變。

　　通過采集人開車的數(shù)據(jù)，和機(jī)器開車數(shù)據(jù)的區(qū)別，來訓(xùn)練我們的算法。 讓我們的算法開車越來越像人的行為，這是人工智能開始滲透到?jīng)Q策規(guī)劃的一個方向，未來有一天人工智能也會成為決策規(guī)劃上一個主流的算法。

　　各個城市關(guān)于無人駕駛的法規(guī)剛剛出臺，目前還沒有那么健全，但這也是擁抱無人駕駛技術(shù)變化的一個很好的體現(xiàn)。另外在這些法規(guī)的督促下，更合法又有效去的去提高整個系統(tǒng)的穩(wěn)定性和能力，然后把這個系統(tǒng)做的更好。

　　很多人將無人駕駛技術(shù)發(fā)展看作是技術(shù)與法律的博弈，其實這更像是一個互相發(fā)展、互相適應(yīng)的過程。