AI的局限性，无人驾驶是伪命题？

桫椤

曾被传统车企抛弃的自动驾驶

最近电动车自动驾驶的事故频发，引发车友们开启互喷模式，其实科技迭代这种事，大家还是应该做一些科普积累。

自动驾驶的概念出现得比燃油车还早，甚至可以追溯到500年前达芬奇发明的第一辆无需推拉即可移动的自行小推车，虽然当时只是为了搬运和售卖食物，和诸葛亮的木牛一个体系。

到了20 世纪 50 年代末，汽车自动驾驶被提上议程，涉及人工智能的研究方向自然是如何让汽车能像人一样思考。毫无疑问，这样的研究可谓雷声大雨点小，各种宣传各种大佬站台，有人甚至预测“机器将会在 20 年内释放人类的双手”。经过大量热钱涌入折腾之后，没有原型机落地，20 世纪 70 年代中期泡沫破灭，人工智能技术遇冷。

真正让自动驾驶在上世纪80年代跑起来，要感谢德国科学家恩斯特·迪克曼斯，这位牛人被冠以“自动驾驶实际发明者”之前，工作是分析太空飞船重回地球在大气层所需轨迹的任务。

迪克曼斯相信，他的未来不在太空而是陆地，他通过在汽车上安装计算机、照相机和传感器的方式，成功打造了无人驾驶车“VaRoS”，并于 1986 年开始在大学内测试。

VaRoS上配备了2个CCD摄像头、加速度计和角度变化等其他传感器，多个Intel 8086处理器构成的计算系统，以及用于控制方向盘、油门和刹车的底层控制执行器。

迪克曼斯团队还构建了一种叫作“4D”的动态视觉模型，随时间的变化三维观察对象，例如通过摄像头获得左右白色车道线，推导出车辆相对道路的状态变量，然后应用卡尔曼滤波编写软件对状态变量进行递归估计，并转换成适当的驾驶指令对汽车进行自动控制。

卡尔曼滤波器非常适合不断变化的系统，它还具备内存占用较小、速度快的特点，那个时代计算机运算速度还不够快，这样优秀的系统能够处理快速变化的视觉街景的问题，使得高速自动驾驶可以实现，这辆车后来在巴伐利亚封闭的高速路上跑到了时速 90 公里。

嗅到商机的德国汽车制造商戴姆勒找到了迪克曼斯，成为了他的资助方。

1994年，经过数年开发的梅赛德斯奔驰500 SEL VITA-1和VITA-2上路，当时的情景与现在类似，自动驾驶车驾驶席上还是坐着一名工程师，他的手会虚搭在方向盘上以防万一，而真正负责驾驶的是车辆自己。两辆自动驾驶车在三车道高速公路上以高达130公里/小时的速度行驶了1000多公里。成功演示了在自由车道上驾驶、识别交通标志、车队根据车速保持距离驾驶、自动通过左右车道变换等。

尽管中间也有些不算完美，比如测试车辆前面有其他车辆遮住路标，或者道路标线变模糊的时候，测试车的车道识别功能就开始出现问题，但在那个时代，这已经是非常不容易的事情了。

90年代后期，经济危机让本就收益无望的自动驾驶技术遭遇雪藏。汽车厂商意识到，自动驾驶技术从实验室到市场的过程中还需要大量的投资，而在破产和联邦政府救助中苦苦挣扎的车企们，不仅无力支撑高昂的研发成本，也不愿改变燃油车内部早已成型的构造，毕竟自动驾驶配的一大堆传感器都是耗电的，燃油车还得加个大电池给它们供电，多此一举。

还有一个因素是，当时自动驾驶这个概念一开始似乎就与德国厂商的市场定位有些冲突，长期以来传统车企打造的都是“驾驶者之车”，戴姆勒选择倾囊相助可不是要彻底干掉司机这个职业，只是想让用户不再为事故担惊受怕，同时证明计算机视觉技术可以用来防止事故发生。

总之，短期内看不到收益的自动驾驶技术纷纷被传统汽车厂商抛弃，直到电动汽车崛起。

被过度包装的“无人驾驶”

不知啥時候起，无论是互联网公司谷歌、百度，还是特斯拉、造车新势力蔚理鹏，一谈AI必提无人驾驶，使得无人驾驶成为了茶间热议的话题。

在我们谈论无人驾驶时，经常会将“无人驾驶”、“自动驾驶”以及“驾驶辅助”三个词混淆，认为三者之间是可替代的关系。其实不然，它们分别代表了不同级别的自动驾驶技术。美国汽车工程师协会将自动驾驶技术进行了分级，这是目前国际公认的术语界定。

L0属于传统驾驶，L1和L2属于驾驶辅助，L3-L5属于自动驾驶，L5的自动驾驶技术等级也称为“无人驾驶”。驾驶辅助技术当前已经在量产车上部署，通常称为高级驾驶辅助系统（简称ADAS）。

驾驶辅助技术处于自动驾驶技术等级的L1和L2，L1阶段车辆开始介入制动与转向其中一项控制，分担驾驶员的工作。尽管L2与L1相比，驾驶操作的主体由人变成了系统，但负责周边监控的主体都是人。

自动驾驶相比于驾驶辅助，对技术和车辆性能要求更严格。首先，需要更好的目标识别算法。“误报率”这一指标，是衡量自动驾驶技术的重要考量，比如自动驾驶里面有一个AEB（自主紧急制动），如果老是误刹，会对车辆的安全造成威胁。另外，漏报率在自动驾驶中必须要降低为零，因为出现一起漏报，可能就会车毁人亡。

另外，视觉和雷达的融合要进一步提升。以特斯拉为例，Autopilot用的车辆识别技术还比较原始。它基本上看本车道或者是相邻车道的车屁股。车屁股有非常明显的特征，车屁股下有阴影，有车灯，车是一个对称的几何体。这些特征使得它在夜晚也能比较清晰地识别出来。但在之前的一次事故中，特斯拉撞上了路边一辆横着停靠执行公务的警车，这个车的色彩很难跟背景区分开来，所以视觉这一块实际上是需要进一步提升的。