真正的無人駕駛汽車何時實現？或許需要20年
2018年底，本站智能聯合本站講講推出年終策劃《問道無人駕駛》，邀請十二位大咖線上辯論無人駕駛行業發展。此篇根據十二位大牛在本站講講話題《無人駕駛汽車在技術上還有哪些挑戰？》整理，爲系列策劃第二篇。
近日，十二位無人駕駛（自動駕駛）創業公司CEO在本站講講“問道無人駕駛”話題上持續進行了火爆的討論。大家圍繞無人駕駛帶來的倫理道德爭議、技術挑戰等方面進行了討論。
無人駕駛技術真的能否緩解城市交通擁堵問題嗎？目前無人駕駛技術上的最大難點是什麼？實際路測時候遇到哪些新的技術問題，如何解決？何時能夠達到Level 5級別的真正的無人駕駛？帶着這些問題，來看看十二位大牛如何回答。
無人駕駛到底能不能解決交通擁堵問題？衆說紛紜
對於無人駕駛技術真的能否緩解城市交通擁堵問題，十二位大咖的回答中出現了截然相反的論調。地平線創始人兼CEO餘凱表示：“無人駕駛的一個很重要的目標就是城市交通的高效管理。無人駕駛與V2X、共享汽車等技術與商業模式結合，將大大提高交通出行的效率，有效緩解城市交通擁堵。”?馭勢科技創始人兼CEO吳甘沙也積極地認爲無人駕駛+共享出行+城市大腦三者的結合，完全可以消滅城市擁堵。
領駿科技CEO楊文利也表示：“無人駕駛技術普及之後，路面上的車輛從競爭關係轉換爲合作關係，車輛之間可以進行充分的溝通與協調。於此同時，在比較大範圍的尺度內，城市的交通流可以由調配中心統一協調，實現交通的智能化，緩解交通擁堵情況。”
同樣，Drive.ai CEO Bijit Halder也相信自動駕駛汽車將在三個方面幫助緩解交通擁堵，分別是減少汽車數量，增加利用率；有效的駕駛習慣及有效使用現有的道路網絡；以及減少每天的往返行程。MINIEYE創始人兼CEO劉國清和Bijit Halder觀點類似?，他認爲無人駕駛可以大幅度降低人類對於私家車的需求,從而降低車輛保有量，如果保有量降低一個數量級，那麼整個交通效率一定會有很大的改善。
同時，小馬智行Pony.ai創始人兼CEO彭軍也認可無人駕駛在解決交通擁堵方面可能做出的貢獻，他說：“首先，自動駕駛技術成熟後，交通事故率大大降低，減少了製造交通擁堵的一大元兇。再者，車輛的所有/使用權關係很有可能發生變更，公共交通及共享出行將變得更加受歡迎，創造價值的同時極大提高了汽車的利用率，更多人的出行需求得到滿足，私家車的擁有量大幅下跌，路面上汽車的絕對數量隨之降低。另外，自動駕駛汽車對“指令”的執行力使得行駛的速度與間距都會得到優化，道路的通暢性將是前所未有的。”智行者創始人兼CEO張德兆也認爲，標準化車行路徑和行車時間，就可以解決擁堵問題。
而AutoX創始人兼CEO肖健雄和飛步科技Fabu.ai創始人兼CEO何曉飛的回答則相對保守，肖健雄認爲無人駕駛能一定程度上緩解交通擁堵，但並不會帶來明顯提升。同樣，何曉飛也認爲：“無人駕駛技術只是不同程度地代替了汽車內的人類駕駛，優化的是與傳統駕駛相關的安全和效率問題。城市交通擁堵是一個複雜的問題，與道路規劃設計、汽車保有量、限行調控政策、人車路權分配等多個因素都息息相關。”
禾多科技創始人兼CEO倪凱則更加實際，他並不看好無人駕駛在短期內解決交通擁堵方面的作用。倪凱表示：“至少5年內，無人駕駛技術對城市交通擁堵問題不會有明顯的幫助乘坐自動駕駛汽車在路上花的時間甚至還略長”，但他也表示這並不意味着自動駕駛會浪費用戶的時間。他舉例說：“比如高速公路上的自動駕駛，自動駕駛系統的駕駛策略可能會比人類司機開車來的保守，那我們自己開車1小時的路程，用禾多科技的HoloPilot可能要多花5分鐘。但是在高速的途中，司機可以解放雙手，做自己的事情，還是擁有了更多的時間。”
無人駕駛最大的技術難點是什麼？安全可靠
從技術的角度來看，無人車的實現之路到底難在哪裡？現在的創業者又在重點關注什麼地方？
飛步科技Fabu.ai創始人兼CEO何曉飛表示，與其說是難點，不如說是我們關注的核心指標。在無人駕駛研發的過程中，我們最關注的指標是速度和響應時間。我們主要做的商用車，特別是卡車，速度越快，它們的震動及車身鬆散結構帶來的挑戰就越大。而響應時間關係着安全距離，安全是我們的首要關注。
此外，也有人認爲最大的難度應該是安全，馭勢科技創始人兼CEO吳甘沙指出，目前無人駕駛技術上的最大難點是如何做到極致的安全可靠，如何證明已經足夠安全。“我們將進一步提升系統的穩定性，以車規級的要求，提高卡車運輸的安全性。”從安全性的角度，圖森未來創始人兼CEO陳默表達了類似的觀點。
AutoX創始人兼CEO肖建雄則認爲最大的難點是感知的精準度，感知的精準度是Level 4無人駕駛的最大挑戰，目前主要通過算法的提升和數據的積累解決。
當然，也有從業者認爲無人車是一個複雜的工程，目前的難點還是多方面的，地平線創始人兼CEO餘凱談到，算法、數據、計算能力、測試、系統都還需要很長時間的改變，如果說最難的，我認爲是算力和測試。“複雜的場景變化、保障測試安全冗餘、自動駕駛車輛和有人駕駛車輛的交互、安全等方面的問題都會遇到。自動駕駛事關生命安全，我們的原則是——所有這些技術問題的解決，都必須以安全爲第一。”餘凱說。
談及複雜性，領俊科技CEO楊文利表示，自動駕駛的最大難點在於交通場景的多樣性，複雜性和不確定性。我們嘗試對交通場景的的數量進行梳理和總結，其中包括了城市路況和高速路況。只是單一時間點上的單一場景元數量，就在百萬以上，複雜場景的數量將會成指數上升。如何能在如此複雜多樣的交通場景中做到安全可靠，是自動駕駛技術的最大難點一直。
“如何和多快能夠儘可能多的覆蓋各種場景和交通情況，是業界普遍需要克服的問題，高效的仿真平臺和機器學習能夠在一定程度上加快解決這個問題。但其實每次路測都會遇到新的技術問題，調試和測試的過程就是不斷髮現新問題，不斷解決問題的過程。不過，在這樣發現問題解決問題的迭代中，技術問題也就越來越少，安全性可靠性得到不斷提升。”
而在MINIEYE CEO劉國清看來，現在對於一些典型的場景，現有的技術已經可以很好的解決。未來相當長的時間，大家是集中在Corner Case（極端情況）的處理上，它們可能佔的比重可能小於1%，但是如果不處理好的話，L5的級別在實際使用中就是會有較大的安全隱患。
無人駕駛路測時遇到了哪些新問題？應對人機共駕時代
在寬泛的技術難題之外，還有路測難題等着無人駕駛的創業者們。今年4月11日，工業和信息化部，公安部，交通運輸部聯合發佈了《智能網聯汽車道路測試管理規範（試行）》，對測試主體、測試駕駛人及測試車輛等方面作出了明確要求，該規範將於5月1日正式開始執行。
該規範指出，測試車輛包括乘用車、商用車輛，但不包括低速汽車、摩托車。測試範圍包括有條件自動駕駛（L3級）、高度自動駕駛（L4級）和完全自動駕駛（L5級）。車輛應具備人工操作和自動駕駛兩種模式，且能夠以安全、快速、簡單的方式實現模式轉換並有相應的提示，保證在任何情況下都能將車輛即時轉換爲人工操作模式。在進行測試時，必須配備駕駛人，負責測試並在有緊急情況時實施應急措施。測試駕駛人必須具有3年以上駕駛經歷、最近連續3個記分週期內無記滿12分記錄、無嚴重交通違法和交通事故記錄等。
有規範可依之後，越來越多的無人車創業者加入了無人車路測大軍，對於在路測中遇到了問題，Drive.ai CEO Bijit Halder談到，由於在可預見的未來，自動駕駛汽車需要與人類駕駛員共享道路，因此自動駕駛技術最大的困難是預測其他駕駛員的行爲。自動駕駛汽車僅僅做到安全駕駛是不夠的，在其他人類司機正在危險駕駛時，它仍然要保證自身的安全。我們用了很多年的時間，利用非語言和文化的指令來訓練自動駕駛，在不同的特定地點進行測試，以使技術趨於成熟。因爲，在同一個國家不同城市的駕駛習慣可以有很大的不同，更不用說在人口密集的城市地區和人口較少的次城市地區駕駛的區別。
“我們需要研究自動駕駛技術的許多方面來解決這個問題。例如，我們需要更好地理解周圍的環境，不僅要快速收集詳細和多樣化的數據，而且要以有意義的方式解釋這些數據。由於自動駕駛汽車的行動會影響到其他人類駕駛員的行動，我們還需要爲車輛設計一個更靈敏、更自然的運動規劃。”Bijit Halder說。
Bijit Halder認爲駕駛是一個複雜和動態的問題，我們不可能考慮到駕駛時的所有變量。即使是在已知道路上的短程行駛，它的核心技術問題仍是如何處理這種變量，更不用說複雜路況下的的長途行駛了。這些變量主要有三個來源:環境的變化，如天氣狀況和交通模式;人類司機、騎自行車者和行人的行爲;道路狀況，如車道的封閉及建築施工。實際路況測試的關鍵是，培養可以歸納化處理、且能夠強有力地承受這些變量的技術。
同樣，智行者創始人兼CEO張德兆表示，在路測過程中，現在無法解決複雜交通場景下的行人、車輛交互的行爲。馭勢科技創始人兼CEO吳甘沙也談到，路測中的問題主要還是在多智能體（衆多不守規則的人類司機）、複雜擁堵環境中如何做到安全，又不肉。
飛步科技則遇到了更爲細節的問題，飛步科技Fabu.ai創始人兼CEO何曉飛指出，在實際路測的時候，我們的司機經常會因爲不習慣而碰到方向盤或者踩下剎車，導致自動駕駛程序突然停止並退出。這可能是我們之前都沒有想到的：我們爲所有可能的技術問題做好了預案，卻可能忽視了“人”自身的狀態。當然，很多問題對我們都很重要，它們幫助無人駕駛的系統不斷迭代升級，做到更好。
何時才能實現Level 5級別的無人駕駛？10-20年
針對何時能夠到達Level 5的問題，多數行業大咖達成了一致，借用馭勢科技聯合創始人、CEO吳甘沙的原話來說，就是“實現Level 5還需要10年以上”。
而禾多科技創始人兼CEO倪凱的回答則顯得有些悲觀，他表示，實現Level 5的無人駕駛，可能需要20年時間，城市工況下的L4達到成熟階段還需要10年左右。
但他也認爲，這並不是說要等上10年才能享受到自動駕駛技術，自動駕駛的落地是從限定場景開始的，是一個不斷迭代和積累的過程。他舉例了禾多科技聚焦的兩個場景——高速公路的自動駕駛（L3.5）和智能代客泊車（L4），並預言這兩者將較早實現落地。
與禾多科技專注於特定場景化自動駕駛研究類似，圖森未來專注於研發在高速和港口等場景內運行的無人駕駛卡車，它表示，這些場景本身相對較少地存在交通擁堵問題，此外，通過與智能路側設備的交互，道路的車輛容載率可以獲得極大的提升，在一定程度上緩解道路擁堵問題。
可以預見的是，專注特定場景的無人駕駛汽車將於Level 5無人車之前首先問世，並實現產業化。
對此，領駿智駕楊文利也表達了相似的觀點，“某些固定場景、某些特定功能的自動駕駛，會很快得到廣泛應用”，同時，關於如何實現L5的問題，他與Drive.ai CEO Bijit Halder有着類似的觀點：需要車載智能、5G通訊網絡、基礎設施、法律法規等諸多因素的全面成熟。
地平線餘凱和劉國清則分別從技術層面和戰略層面分析了L5落地的難點，餘凱認爲，越往高級別自動駕駛方向走，系統要解決的問題就會越複雜。目前，自動駕駛每提升一個層次，它的算力需求就要上一個數量級。到了5級自動駕駛的時候，算力需要達到一千多萬億次。一旦算力取得突破，軟件和場景應用的迭代速度會非常快。
MINIEYE CEO劉國清則表示，自動駕駛涉及的技術太多了，而這些具體的細分技術方向離L5需要的技術水平都還有差距，無論是感知還是計算芯片，又或是控制策略和控制系統，甚至連測試到目前爲止都沒有一個成熟和高效的方案。他認爲，“如果能夠高效、低成本地進行L4\L5級別無人駕駛的測試，幫助發現更多的Corner Cases，測試效果就會比較理想，但目前這塊，國內和國外都做的不是很完備。”
無人駕駛的世界會到來嗎？歡迎加入本站講講《問道無人駕駛》的討論中來，還有機會獲得本站2019精美臺歷。
《無人駕駛汽車在技術上還有哪些挑戰？》話題參與地址：https://c.m.163.com/news/motif/HT1545788164797.html
關注本站智能公衆號（smartman163），爲你解讀AI領域大公司大事件，新觀點新應用。