本 刊

2020年8月13—15日“2020中國汽車論壇”之分論壇“智能網(wǎng)聯(lián)汽車創(chuàng)新發(fā)展與產(chǎn)業(yè)生態(tài)的升級(jí)”上，許多演講嘉賓從不同角度闡述了智能網(wǎng)聯(lián)汽車的發(fā)展進(jìn)程和存在的問題及對(duì)策。近期，編者偶見一文，該文從另一角度闡述了自動(dòng)駕駛汽車的技術(shù)難點(diǎn)和發(fā)展前景。該文來自36氪官方賬號(hào)，于2019年11月26日上傳。下面為原文轉(zhuǎn)載(編者對(duì)個(gè)別詞句略有編輯)：

美國卡耐基梅隆大學(xué)(CMU，Carnegie Mellon University)擁有世界頂尖的計(jì)算機(jī)科學(xué)學(xué)院，而不為人所知的是，CMU也是當(dāng)代自動(dòng)駕駛技術(shù)的發(fā)源地——1984年CMU校內(nèi)第一代Terregator的誕生(有人認(rèn)為，“Terregator” 為世界上第一輛自動(dòng)駕駛汽車，編者注)，奠定了自動(dòng)駕駛“自主識(shí)別和駕駛”的baseline(基礎(chǔ)，參照物，編者注)，也開啟了CMU在此基礎(chǔ)上長達(dá)30余年的自動(dòng)駕駛研究征程。在自動(dòng)駕駛的影響力名錄上，CMU的學(xué)生和校友也占據(jù)著絕對(duì)份額：被譽(yù)為“自動(dòng)駕駛之父”的Sebastian Thrun曾是CMU機(jī)器人學(xué)習(xí)實(shí)驗(yàn)室的助理教授和主任；通用汽車視覺系統(tǒng)的BFO(BOM Family Owner)張文德曾是CMU 無人車團(tuán)隊(duì)的主力成員之一；而放眼創(chuàng)業(yè)公司，CMU也是當(dāng)代自動(dòng)駕駛技術(shù)的發(fā)源地——“幾乎所有的自動(dòng)駕駛汽車項(xiàng)目都與Pomerleau教授以及CMU的Nav lab有著千絲萬縷的聯(lián)系”。

日前，36氪（36Kr） 獨(dú) 家 對(duì) 話CMU Argo Lab人工智能無人駕駛研究中心首席科學(xué)家John Dolan，他從學(xué)者角度分析了自動(dòng)駕駛的技術(shù)難點(diǎn)和發(fā)展前景，介紹了學(xué)界對(duì)自動(dòng)駕駛的研究現(xiàn)狀。其核心思想是：自動(dòng)駕駛的技術(shù)攻堅(jiān)存在“最后5%”的長尾問題，L5級(jí)自動(dòng)駕駛?cè)匀贿b遠(yuǎn)。下面是對(duì)專訪內(nèi)容的整理。

圖1 CMU Argo Lab人工智能無人駕駛研究中心首席科學(xué)家John Dolan

按照國際通用標(biāo)準(zhǔn)，根據(jù)智能化程度的不同，自動(dòng)駕駛汽車可以被分為5個(gè)等級(jí)：L1-輔助駕駛、L2-部分自動(dòng)駕駛、L3-有條件自動(dòng)駕駛、L4-高度自動(dòng)駕駛、L5-完全自動(dòng)駕駛(無人駕駛)。通常所說的“自動(dòng)駕駛”，一般指L3及以上的高等級(jí)自動(dòng)駕駛汽車。

從全球范圍來看，L1、L2級(jí)別的自動(dòng)駕駛汽車已經(jīng)實(shí)現(xiàn)了大規(guī)模量產(chǎn)。而踩在“自動(dòng)駕駛”實(shí)現(xiàn)邊緣的L4級(jí)自動(dòng)駕駛汽車目前卻仍處于測(cè)試階段，或“在限定區(qū)域、限定人群”的小范圍應(yīng)用階段。

“很多公司在過去幾年一直在向外發(fā)聲：‘我們距離自動(dòng)駕駛很近了(we are really close to auto-driving)’或者‘我們將在未來20年內(nèi)實(shí)現(xiàn)自動(dòng)駕駛’，然而事實(shí)并非如此?！痹贘ohn Dolan看來，真正意義上的L5級(jí)別的“自動(dòng)駕駛”，仍然非常遙遠(yuǎn)。問題來自2方面：底層技術(shù)和真實(shí)應(yīng)用場(chǎng)景。

1.技術(shù)攻堅(jiān)：“最后5%”的長尾問題

“學(xué)界的共識(shí)是，我們已經(jīng)在高速公路場(chǎng)景中很接近‘自動(dòng)駕駛’，但我們距離在城市中實(shí)現(xiàn)自動(dòng)駕駛還很遠(yuǎn)(we are pretty far from having cars in cities)?！?/p>

討論認(rèn)為，當(dāng)前的自動(dòng)駕駛體驗(yàn)為：人們不再需要注意路障。然而這個(gè)簡(jiǎn)單的需求，實(shí)際上需要一個(gè)整合的系統(tǒng)去滿足，而想要使用一個(gè)完整的計(jì)算機(jī)系統(tǒng)去處理所有實(shí)際場(chǎng)景中可能出現(xiàn)的問題，難度極大。在John Dolan教授看來，2006—2007年，學(xué)界劃定的關(guān)于自動(dòng)駕駛的研究已經(jīng)形成了相對(duì)完整的架構(gòu)，學(xué)界和產(chǎn)業(yè)界的理論架構(gòu)是：

(1)高層：環(huán)境感知(mission planning)；

(2)中層：行為決策(behavior planning)；

(3)底層：運(yùn)動(dòng)控制(motion planning)。

John Dolan指出：完成上述不同層次的要求，需要不同的技術(shù)和算法，并要求整體技術(shù)架構(gòu)要在規(guī)模部署下完成系統(tǒng)功能，實(shí)現(xiàn)類似人類駕駛的行為。已漸完善的現(xiàn)有技術(shù)發(fā)展確實(shí)拉高了技術(shù)的基礎(chǔ)線：如GPS提高了定位和路徑規(guī)劃的精準(zhǔn)度；深度學(xué)習(xí)，特別是計(jì)算機(jī)視覺的發(fā)展為自動(dòng)駕駛提供了更強(qiáng)的支撐。物質(zhì)(material)的天花板正由制造業(yè)和車企一同打破，但自動(dòng)駕駛作為一個(gè)整合的系統(tǒng)，還需要行業(yè)整體系統(tǒng)硬件的效率、算力和計(jì)算速度的發(fā)展。

自動(dòng)駕駛作為與人緊密相關(guān)的日?；顒?dòng)，其整體技術(shù)實(shí)現(xiàn)要求的不僅僅是算法和軟件的高效運(yùn)行，還有交互系統(tǒng)的準(zhǔn)確運(yùn)轉(zhuǎn)。在技術(shù)架構(gòu)的中層，決策系統(tǒng)已經(jīng)從狹義的車輛行為決策，到要求行車“不僅能根據(jù)感知層輸出的信息合理決策出當(dāng)前車輛的行為，還要了解和預(yù)測(cè)汽車行駛中的外界環(huán)境，預(yù)測(cè)突發(fā)事件”。

人類行為，作為所有模型中的factor X，正在成為自動(dòng)駕駛中最難攻克的艱深課題。在自動(dòng)駕駛中，底層架構(gòu)和大部分技術(shù)問題已經(jīng)被解決，而剩下的5%并未解決的問題，逐漸成為制約自動(dòng)駕駛發(fā)展的決勝手。“最后5%”的長尾問題遍布于零碎的場(chǎng)景、特殊極端情況和永遠(yuǎn)無法預(yù)測(cè)的人類行為，在算法、傳感器、計(jì)算平臺(tái)和法規(guī)的不同層面，困擾著學(xué)界和業(yè)界。

表1 SAE J3016自動(dòng)駕駛等級(jí)

2.真實(shí)應(yīng)用場(chǎng)景：“毫無價(jià)值”的100%實(shí)驗(yàn)準(zhǔn)確率

為了更好地實(shí)現(xiàn)最后5%的跨越，許多公司選擇增加真實(shí)實(shí)驗(yàn)。然而在John Dolan看來，實(shí)驗(yàn)室實(shí)驗(yàn)和真實(shí)應(yīng)用場(chǎng)景的認(rèn)知差異是巨大的：實(shí)驗(yàn)室數(shù)據(jù)和模型的精準(zhǔn)度和可信度，在現(xiàn)實(shí)環(huán)境中有可能毫無價(jià)值。

圖2 2006—2007年學(xué)界劃定的關(guān)于自動(dòng)駕駛的理論架構(gòu)

實(shí)驗(yàn)室環(huán)境的模擬(simulation)只能使實(shí)驗(yàn)環(huán)境盡量模擬真實(shí)環(huán)境，卻始終滿足不了對(duì)真實(shí)(wild)場(chǎng)景的實(shí)驗(yàn)環(huán)境設(shè)定；

實(shí)驗(yàn)室場(chǎng)景的算法和系統(tǒng)準(zhǔn)確度具有批判性(critical)，科學(xué)家們必須不斷優(yōu)化部署，使算法的可靠性不斷提高，而真實(shí)情況往往是：即使?jié)M足了100%準(zhǔn)確率的實(shí)驗(yàn)，在現(xiàn)實(shí)生活中也不一定可行。

除了實(shí)驗(yàn)室與真實(shí)場(chǎng)景的差異，真實(shí)場(chǎng)景下也存在差異。“即使在某個(gè)城市進(jìn)行了自動(dòng)駕駛的成功試驗(yàn)，也并不意味著我們可以在另一個(gè)城市復(fù)制成功經(jīng)驗(yàn)。不同的社會(huì)、城市、駕駛環(huán)境和駕駛風(fēng)格(driving style)都會(huì)影響自動(dòng)駕駛的運(yùn)行情況。這也是為什么大多數(shù)企業(yè)始終在堅(jiān)持在不同場(chǎng)景、不同城市下的進(jìn)行真實(shí)實(shí)驗(yàn)的原因?！?/p>

“只有在算法不精準(zhǔn)模擬的“最后5%的特殊情況”解決之后，我們才能判定：我們實(shí)現(xiàn)了L5級(jí)別的自動(dòng)駕駛”。John Dolan介紹道。

3.可靠性：自動(dòng)駕駛領(lǐng)域的核心問題

在自動(dòng)駕駛領(lǐng)域，安全性和可靠性始終是核心問題。

在Uber無人車事故(2018年3月18日晚10點(diǎn)左右，一輛Uber自動(dòng)駕駛汽車在美國亞利桑那州Tempe市發(fā)生交通事故，與一名過馬路的行人相撞)的一年后的今年(2019年11月7日，美官方公布了全球首例無人車致死事故的更多細(xì)節(jié))，NTSB發(fā)布的一份新報(bào)告顯示：Uber(優(yōu)步)自動(dòng)駕駛測(cè)試車的硬件并沒有出現(xiàn)問題，設(shè)計(jì)存在缺陷的軟件導(dǎo)致了這起致死事故的發(fā)生。Uber的無人車事故警示了一眾無人駕駛公司：安全性問題需要在L5來臨之前得以解決。

目前，自動(dòng)駕駛主要依靠的是學(xué)習(xí)機(jī)制，機(jī)器學(xué)習(xí)作為其中的重要支撐。而對(duì)于現(xiàn)實(shí)情況的分析研究才剛剛開始。

當(dāng)前引入的自動(dòng)駕駛理論還包括：形式化驗(yàn)證(formal vertification)，即用數(shù)學(xué)工具進(jìn)行定義、開發(fā)和驗(yàn)證(specification, development and verification)。然而自動(dòng)行駛的實(shí)際情況往往遠(yuǎn)高于臨時(shí)消息檢驗(yàn)(adhoc message)，即通過及時(shí)采取的信息進(jìn)行計(jì)算，并列入預(yù)測(cè)機(jī)制。安全性和可靠性的推動(dòng)為何如此急切？——因?yàn)樽詣?dòng)駕駛的發(fā)展正在引起大眾的注意，吸引著來自外界的壓力。

政府是最重要的外部力量。高效的可信賴度(high-enough reliability)問題正在被各地的政府強(qiáng)調(diào)，而政府部門控制著真實(shí)場(chǎng)景的試驗(yàn)權(quán)利。

社會(huì)中的道德和心理問題也不容忽視?！叭澜缑磕暧?24萬人死于交通事故，其中91%的死亡交通事故發(fā)生在低收入和中等收入國家。自動(dòng)駕駛能否改變交通事故的傷亡人數(shù)？人們的心理(預(yù)期)或不大相同?！盝ohn Dolan介紹，“人們希望機(jī)器能比人犯更少的錯(cuò)誤，雖然這類期望(Expectation)并沒有不對(duì)?！倍陂L途卡車運(yùn)輸已經(jīng)成為自動(dòng)駕駛的最佳舞臺(tái)的當(dāng)下，自動(dòng)駕駛的安全性和可靠性也與運(yùn)輸成本、運(yùn)輸效率掛勾：理想化的狀態(tài)是，自動(dòng)駕駛卡車能提高遠(yuǎn)程運(yùn)輸?shù)挠行裕⒇浳锇踩椭聊康牡?，而不是因?yàn)槭鹿试斐纱笞谪浳飺p失。

這就涉及到自動(dòng)駕駛可靠性和安全性的另一個(gè)維度——經(jīng)濟(jì)效應(yīng)。自動(dòng)駕駛的影響是雙向的：當(dāng)自動(dòng)駕駛深入街道，駕駛員的生存和就業(yè)空間會(huì)受到影響；另一方面，自動(dòng)駕駛的服務(wù)仍然是高價(jià)的，并非所有人都能支付該服務(wù)；自動(dòng)駕駛的不穩(wěn)定性也會(huì)影響乘客的支付意愿：“一個(gè)并不穩(wěn)定或安全的自動(dòng)駕駛服務(wù)，是否值得我購買？”

4.競(jìng)爭(zhēng)：領(lǐng)先地位與后發(fā)優(yōu)勢(shì)

1)CMU及科創(chuàng)企業(yè)的領(lǐng)先地位

在自動(dòng)駕駛發(fā)展過程中，學(xué)界的重要性是不言自明的。學(xué)界為產(chǎn)業(yè)界輸送的不僅僅是技術(shù)研究，更多的是優(yōu)質(zhì)的人力資源。

作為自動(dòng)駕駛的“黃埔軍?！?，CMU的自動(dòng)駕駛合作伙伴名單上既有Uber、Argo AI此類自動(dòng)駕駛科技公司，也包括通用等大型車企。來自CMU的畢業(yè)生創(chuàng)業(yè)公司更占據(jù)了自動(dòng)駕駛創(chuàng)業(yè)公司的半壁江山——John Dolan教授于2007 DARPA城市挑戰(zhàn)賽(DARPA Urban Challenge)中帶領(lǐng)了CMU無人車團(tuán)隊(duì)(Carnegie Mellon's Tartan Racing Team)，而僅從該競(jìng)賽隊(duì)里，就走出了多家自動(dòng)駕駛獨(dú)角獸或新銳公司(創(chuàng)始人)：包括Argo AI創(chuàng)始人Bryan Salesky、Aurora創(chuàng)始人Chris Urmson、Cruise創(chuàng)始人Kyle Vogt、Zoox創(chuàng)始人Jesse Levinson。

在John Dolan看來，當(dāng)下的校企合作有利有弊：優(yōu)勢(shì)在于：學(xué)校可以分享實(shí)驗(yàn)數(shù)據(jù)，弊端在于：出于數(shù)據(jù)安全和商業(yè)機(jī)密考慮，以及競(jìng)爭(zhēng)性考慮，大多數(shù)行業(yè)巨擘會(huì)保留部分實(shí)驗(yàn)數(shù)據(jù)和結(jié)果。來自硅谷的大型企業(yè)往往雄心勃勃，它們具有極強(qiáng)的AI人才優(yōu)勢(shì)、大筆的融資和極強(qiáng)的算力支持，但這些硅谷企業(yè)往往容易出于商業(yè)考慮，而忽視技術(shù)的穩(wěn)定性和可信度，這與實(shí)驗(yàn)室內(nèi)科學(xué)家們的嚴(yán)謹(jǐn)精神存在沖突?！拔覀冃枰獔?jiān)持我們的追求”，John Dolan笑道。

2)中國市場(chǎng)的后發(fā)優(yōu)勢(shì)

在自動(dòng)駕駛的先發(fā)企業(yè)競(jìng)速之外，中國市場(chǎng)正憑借巨大的市場(chǎng)潛能和雄厚的資本展現(xiàn)出后發(fā)優(yōu)勢(shì)。

從John Dolan的學(xué)者角度來看，中國的很多參與自動(dòng)駕駛研究的企業(yè)正在沖擊自動(dòng)駕駛的格局：2019年9月，安波福(Aptiv)全球工程副總裁韋峻青宣布加入滴滴自動(dòng)駕駛公司任CTO，向CEO張博匯報(bào)。韋峻青也是John Dolan的學(xué)生。而在36kr最新發(fā)布的2019 年“新經(jīng)濟(jì)之王”榜單中，小馬智行、文遠(yuǎn)知行榜上有名，其中，小馬智行創(chuàng)始人張一萌、文遠(yuǎn)知行技術(shù)SVP鐘華均為CMU校友。

談及中國市場(chǎng)，John Dolan說：“我們認(rèn)為向好的進(jìn)步正在發(fā)生。中國的自動(dòng)駕駛曾落后于美國，但巨頭驅(qū)動(dòng)的中國市場(chǎng)無疑會(huì)迅速發(fā)展?！?/p>

2018年麥肯錫未來出行研究中心的報(bào)告顯示，“中國未來可能成為全球最大的自動(dòng)駕駛市場(chǎng)，直至2030年，自動(dòng)駕駛相關(guān)的新車銷售及出行服務(wù)創(chuàng)收將超過5 000億美元?！蹦壳?，大量的中國企業(yè)正著手開發(fā)自動(dòng)駕駛技術(shù)架構(gòu)的核心要素，包括激光雷達(dá)、攝像頭、處理器、軟件和地圖/基于位置的服務(wù)等。2012—2017年期間，約有70億美元的風(fēng)險(xiǎn)投資投入到中國的自動(dòng)駕駛技術(shù)企業(yè)，這一數(shù)額與在同期投資于美國初創(chuàng)企業(yè)的金額相當(dāng)。中國的平均交易規(guī)模是7 200萬美元，是美國平均交易規(guī)模的2倍。