買特斯拉可以，為什么不能完全相信自動駕駛？

大家好，前幾天的時(shí)候?qū)戇^一篇滴滴和自動駕駛的文章，大家反響很好。有些小伙伴在后臺給我留言說讓我詳細(xì)講講自動駕駛，倒不是我不想講，而是確實(shí)沒干過。好在我雖然沒吃過豬肉，但之前聽過很多大佬的內(nèi)部分享，也算是看過豬跑了，就把我了解到的結(jié)合一些我自己的思考分享給大家。

不過首先聲明，這只是我個(gè)人了解消化到的信息，可能和實(shí)際情況有所出入。有所謬誤是正?，F(xiàn)象，大家去蕪存菁，選擇性地吸收即可。

什么是自動駕駛？

說到自動駕駛，不明就里的人以為就是AI或者是電腦自己開車，人往里面一坐什么都不用管就完了。這也不能說不對， 只能說是我們的終極追求。顯然我們距離這個(gè)追求還有很長很長的一段路要走，所以為了讓這個(gè)目標(biāo)看起來不是那么遙不可及，人類發(fā)揮想象力和歸納能力，對自動駕駛技術(shù)進(jìn)行了分級，將它分成了幾個(gè)階段，讓這件事情看起來不再是那么不靠譜。

目前比較公認(rèn)的標(biāo)準(zhǔn)是國際自動機(jī)工程師學(xué)會，英文全稱是Society of Automotive Engineers，簡稱SAE。SAE將自動駕駛分為從L0到L5一共六個(gè)等級，不得不說SAE是老法師，這個(gè)分級分得實(shí)在是太有水平了。我們一起來看下，原文是英文比較晦澀，我做了人話處理：

• L0：無自動化，所有一切皆人力。
• L1：駕駛支援，對駕駛員的駕駛有所輔助
• L2：部分自動化，算法可以短暫接管車輛，駕駛員的眼睛和手可以短暫休息
• L3：有條件自動化，車輛可以獨(dú)立完成駕駛，但需要駕駛員盯著
• L4：高度自動化，真正意義上自動駕駛，駕駛員不一定要盯著
• L5：完全自動化，駕駛員都不需要了

大家拿著這個(gè)標(biāo)準(zhǔn)對比一下特斯拉的所謂的自動駕駛的功能就能很明顯地知道，馬斯克是個(gè)大忽悠，特斯拉并不能自動駕駛。它頂多頂多只能做到L2，也就是在一些場景當(dāng)中可以讓駕駛員稍微休息一下。比如說高速上，大家可以松手，讓車輛自動行駛一陣子。所以后來特斯拉不再強(qiáng)調(diào)自動駕駛這個(gè)概念了，更多地說是“輔助駕駛”。

現(xiàn)在發(fā)展到什么階段了？

看完了國際標(biāo)準(zhǔn)，接下來我們再來看看發(fā)展的現(xiàn)狀。大家肯定很好奇，現(xiàn)階段究竟到什么程度了？

對于這個(gè)問題我搜了很多資料，也沒有看到一個(gè)定論。后來我找到了中國信通院于2021年2月發(fā)表的一篇叫做《各國自動駕駛政策概況及特征》的文章，在文章當(dāng)中我找到了特別精髓的一段，就是下面這段，關(guān)鍵詞我已經(jīng)給高亮標(biāo)出來了。

看到了嗎，2020年左右實(shí)現(xiàn)高速公路L3級別自動駕駛?？吹絃3先別激動，先看看它前面有一個(gè)非常非常內(nèi)涵的限定詞就是“高速公路”。我個(gè)人覺得這其實(shí)基本上就等于L2水平的自動駕駛的意思，為什么我這么說呢，因?yàn)楦咚俟愤@個(gè)場景下會避免很多很多現(xiàn)實(shí)的問題。

我舉個(gè)簡單的例子，大家如果開過車上過高速就會知道，高速公路的路線是非常固定的，并且高速公路的路況要比城市鄉(xiāng)村道路要簡單得多。你在開高速的時(shí)候不會遇到紅綠燈，也不會有行人，不會有亂竄的電瓶車，更不會有家禽、路邊攤等復(fù)雜的情況。如果你是工程師，你也很難想象汽車在農(nóng)村、山路、沙漠等極端路況以及環(huán)境當(dāng)中會遇到什么詭異的case。所以在L3前面加上高速公路的限定詞也是沒有辦法的事情，因?yàn)閷?shí)際環(huán)境實(shí)在是太復(fù)雜了。所以根據(jù)我的估計(jì)，對于實(shí)驗(yàn)室以及一些理想路況的情況，目前的頂尖技術(shù)是可以達(dá)到L3甚至是L4，但對于放之四海而皆準(zhǔn)的普通路況來說，保守估計(jì)應(yīng)該只能實(shí)現(xiàn)L2。

很多人可能會反駁我說，不對啊，百度的無人駕駛出租車不是在北京上線運(yùn)行了嗎，那也不是高速??？

但其實(shí)你仔細(xì)想想會發(fā)現(xiàn)北京這樣的大城市同樣滿足理想路況的標(biāo)準(zhǔn)，雖然相比高速多了紅綠燈，但一個(gè)是出租車一般來說的活動范圍相對來說還是比較小的，基本上只包含市區(qū)，并且北京這樣的大都市，路況也是相對有保障的，不可控因素較少。所以在這種相對理想的環(huán)境當(dāng)中實(shí)現(xiàn)L3甚至是L4的可行性還是比較高的。

聽起來L3好像已經(jīng)很厲害了，但實(shí)際上普通的家用車就是L1的水平，因?yàn)楝F(xiàn)在的家用車都有先進(jìn)的車控系統(tǒng)，有電子助力器，有定速巡航等功能，妥妥的L1。所以最近幾年一直在喊自動駕駛，但實(shí)際上只往前走了一步，可以理解成才剛出新手村不久，距離真正的boss還遠(yuǎn)著呢。

自動駕駛目前的解決方案

說到自動駕駛，很多人首先想到的還是特斯拉，第二想到的是各種深度學(xué)習(xí)的模型和技術(shù)，還有什么強(qiáng)化學(xué)習(xí)之類的。

但實(shí)際上，汽車本身就是一個(gè)非常復(fù)雜的工程系統(tǒng)，在這樣一個(gè)復(fù)雜的系統(tǒng)上做自動駕駛，相當(dāng)于兩個(gè)非常復(fù)雜的系統(tǒng)的疊加，顯然這也是非常非常復(fù)雜的。我這么說大家可能感覺不到，所以下面我將會結(jié)合現(xiàn)在主流的自動駕駛的解決方案，來聊聊現(xiàn)在的方案以及對應(yīng)的挑戰(zhàn)。

特斯拉自動駕駛方案

目前市面上存在兩套自動駕駛方案，分為主流的雷達(dá)方案以及特斯拉使用的圖像識別方案。

我估計(jì)大家可能對于特斯拉的方案更加感興趣，所以先來說說特斯拉的方案。我在網(wǎng)上找到了這張概念圖，大家英文不好沒有關(guān)系，只需要知道圖上標(biāo)記的這些位置都是各種用途的攝像頭就可以了。

特斯拉采用的是V1R方案，即3個(gè)攝像頭加上一個(gè)毫米波雷達(dá)，擁有3個(gè)前向攝像頭以及一個(gè)77G毫米波雷達(dá)的傳感器。下面這張圖展示了車輛周身外能夠感應(yīng)到的距離，稍微有些模糊，我簡單闡述一下，差不多就是往前最大可以感知到160米，左右兩側(cè)最大可以感知到60米，往后最大可以感知到100米。

既然這么多攝像頭和傳感器，那應(yīng)該是萬無一失才對，為什么市面上特斯拉這么多因?yàn)樽詣玉{駛的事故？甚至很多例子是面前一個(gè)巨大的障礙，但是車輛居然不知道閃避，就直直地撞上去了。

這是因?yàn)樘厮估捎玫氖?strong>純圖像識別加上雷達(dá)感知的方案，基本上可以理解為以圖像識別為主。圖像識別有一個(gè)很大的問題是它的準(zhǔn)確率相對并不高，即使在訓(xùn)練的過程當(dāng)中可以達(dá)到99%以上的準(zhǔn)確度，但是誰也不能保證它訓(xùn)練的樣本當(dāng)中已經(jīng)覆蓋了所有的情況。畢竟每個(gè)國家，每條路都可能有自己的特點(diǎn)，比如之前出過的一些事故，什么白色的卡車躺在路中間，結(jié)果模型給識別成了天上的白云，這樣的例子屢見不鮮。

這并不是圖像識別的模型不行，而是模型沒有辦法覆蓋到所有的情況，實(shí)際上工程師也不可能預(yù)料到公路上可能出現(xiàn)的所有情況，既然如此我們就不能保證系統(tǒng)一定一定是安全的。

你可能還會奇怪，在上面的例子當(dāng)中難道雷達(dá)就沒有工作嗎？當(dāng)然是有工作的，但是凡是系統(tǒng)都會存在誤差，尤其是當(dāng)圖像識別的結(jié)果和雷達(dá)結(jié)果有矛盾的時(shí)候，系統(tǒng)究竟應(yīng)該相信哪一個(gè)的呢？我不知道特斯拉里面的代碼是怎么寫的，但顯然在出現(xiàn)事故的例子當(dāng)中，都選擇相信了模型預(yù)測的結(jié)果，而把雷達(dá)的報(bào)警當(dāng)成了誤差。

從外界看來，很難知道特斯拉這么設(shè)計(jì)包含了哪些苦衷，但都看得到血淋淋的事故。

主流方案

說完了特斯拉的方案，再來聊聊主流的方案。幾乎可以這么說，除了特斯拉之外，沒有任何一家汽車廠商采用純圖像識別的方案，采用的方案都大同小異，就是大家看到的車頂上頂了個(gè)雷達(dá)的方案。

在這種方案當(dāng)中，攝像頭被當(dāng)做了輔助，以測距的雷達(dá)為主。比如車頂上那個(gè)會旋轉(zhuǎn)的雷達(dá)，是一個(gè)360°全景雷達(dá)，可以掃描車身周邊整體的環(huán)境。除了車頂?shù)睦走_(dá)之外，車前方還有多個(gè)測距的雷達(dá)，有中程測距雷達(dá)，短程測距雷達(dá)等等。不同的雷達(dá)精度不一樣，并且成本也不同，所以被用在了不同的地方。

雷達(dá)

據(jù)我所知，目前采用的雷達(dá)是激光雷達(dá)，這樣的雷達(dá)掃描出來的結(jié)果是一個(gè)3D的點(diǎn)陣。最后車輛的自動駕駛的系統(tǒng)就是對這樣一個(gè)點(diǎn)陣圖使用各種技術(shù)進(jìn)行分析，從而得出行駛的決策。由于汽車的形式速度很快，再加上雷達(dá)掃描的高幀率，帶來的一個(gè)必然結(jié)果就是數(shù)據(jù)量爆炸。數(shù)據(jù)量雖然爆炸，但是車輛對數(shù)據(jù)分析的要求卻不能降低，尤其是車身是在運(yùn)動的，速度很快的話，0.1秒的延遲就可以釀成慘劇。所以計(jì)算的延遲必須非常低。

但你會發(fā)現(xiàn)這其實(shí)是天然矛盾的，數(shù)據(jù)量已經(jīng)很大了，還要求實(shí)時(shí)性，那就可以得出一個(gè)結(jié)論，這樣的系統(tǒng)不可能全裝在車上。我們在車上加裝一個(gè)芯片是可行的，裝一個(gè)電腦機(jī)箱問題也不大，但如果要裝一個(gè)分布式的計(jì)算集群就離譜了。所以這樣海量的數(shù)據(jù)計(jì)算只能放在云端，讓云端的服務(wù)器集群來計(jì)算。但這樣又帶來了一個(gè)問題，數(shù)據(jù)處理放在云端了，就會有網(wǎng)絡(luò)延遲，就好像大家打游戲一樣。這個(gè)延遲是硬性的延遲，沒有辦法解決，只能等著通信技術(shù)提升，所以這就是為什么5G之后，自動駕駛才提上日程。

地圖

雷達(dá)掃描的方案當(dāng)中，相對來說準(zhǔn)確性更高，出問題的概率要比圖像識別低一些。但也同樣有一些硬傷，一個(gè)比較大的硬傷是，缺乏地圖信息。比如車輛要從A點(diǎn)去B點(diǎn)，我們通過各種地圖可以知道路線，但是卻不能知道路況。不知道這條路有多寬，是高架還是普通路，不知道幾車道。不知道這些信息還如何行使呢？

所以必須要知道，解決方案就是事先把路況信息掃描一遍，把這些信息存儲起來。這就是常說的高清地圖，其實(shí)也就是帶上了更多信息的地圖。根據(jù)我了解的消息說，目前的高清地圖需要掃描全景，精確到毫米，要求非常高。要求一高帶來的結(jié)果就是數(shù)據(jù)量爆炸，一小段路就能占用掉大量的存儲。

數(shù)據(jù)量一爆炸本身就能帶來很多問題，最簡單的例子就是說，我們不可能把原始數(shù)據(jù)直接丟進(jìn)AI模型當(dāng)中，什么樣的模型也不可能接收這么多維度的特征，必須要經(jīng)過一些處理。但如何處理，怎么處理，就是一個(gè)巨大的問題。

控制

自動駕駛另外一個(gè)很大的問題就是控制，很多程序員理解自動駕駛是一個(gè)算法調(diào)用汽車系統(tǒng)的各種api完成行駛，這么說倒也沒錯，但是實(shí)際情況要復(fù)雜得多。

我們正常人在開車的時(shí)候，車輛擁有很多的傳感器，把人的各種行為轉(zhuǎn)化成驅(qū)動命令讓車輛執(zhí)行，這樣的傳感器稱為ECU。在自動駕駛當(dāng)中，駕駛系統(tǒng)直接給ECU發(fā)送指令，來控制汽車。但問題是汽車的ECU一般都有20個(gè)以上，我們讓車輛執(zhí)行指令的時(shí)候也不只是調(diào)用一個(gè)ECU，可能是多個(gè)ECU的組合。大家用排列組合簡單算一下，就知道這當(dāng)中的復(fù)雜度。舉個(gè)簡單的例子，你想要讓車轉(zhuǎn)彎90度，你不僅需要控制方向盤轉(zhuǎn)向，還需要控制行駛的速度和轉(zhuǎn)向時(shí)間?？刂菩旭偟乃俣刃枰刂苿x車和檔位，轉(zhuǎn)向時(shí)間則需要根據(jù)轉(zhuǎn)彎半徑以及汽車速度來估算，并不是跟汽車說轉(zhuǎn)彎九十度，它就能執(zhí)行的。

不考慮自動行駛的算法部分，單單考慮車輛控制的部分，就是一個(gè)大工程，顯然又需要加裝很多傳感器和器件。帶來的結(jié)果就是系統(tǒng)復(fù)雜度進(jìn)一步提升，提升的結(jié)果是會導(dǎo)致大量的熱量。于是又需要加裝散熱模塊，加裝了這么多模塊之后，你會發(fā)現(xiàn)一個(gè)很大的問題，就是系統(tǒng)缺電?，F(xiàn)在汽油車的電力都是靠發(fā)動機(jī)發(fā)電來的，但內(nèi)燃機(jī)的發(fā)電效率很低，要帶動車輛本身的系統(tǒng)已經(jīng)不容易了，又額外增加了這么多系統(tǒng)更是雪上加霜。所以很多專家看好電動車，因?yàn)殡妱榆嚥淮嬖谶@個(gè)問題。的確如此，電動車天然有電，但問題是，電動車假裝這么一套系統(tǒng)耗電量也不小，續(xù)航會明顯縮短，所以目前考慮到續(xù)航，各大廠商往往還是在汽油車或者是以汽油為主動力的車上改裝。但這仍然是一個(gè)妥協(xié)的方案，并沒有真正解決問題。

其實(shí)了解自動駕駛了解得越多，越是會發(fā)現(xiàn)妥協(xié)的存在。類似的問題還有很多，倒不是說妥協(xié)不好，或者不應(yīng)該妥協(xié)，而是想說這項(xiàng)技術(shù)的邁進(jìn)遠(yuǎn)不像大家想的那么順利。

尾聲

說了這么許多，相信大家也應(yīng)該感知到了自動駕駛的難度，的的確確是一個(gè)非常非常復(fù)雜的大工程。很多人因?yàn)榱私獾剿膹?fù)雜性而退縮，覺得自動駕駛只是空話，短期內(nèi)不會實(shí)現(xiàn)。但也有人迎難而上，選擇攻克這一難關(guān)。

索性現(xiàn)在國內(nèi)的自動駕駛方案雖沒有遙遙領(lǐng)先，但也是第一梯隊(duì)，像是acm的頂級大佬樓教主等一眾人才就專注在自動駕駛領(lǐng)域，我雖然無緣加入，但對他們的勇氣和付出一樣由衷地敬佩。也希望早日看到這項(xiàng)技術(shù)投產(chǎn)，有能力的話我一定支持。支持歸支持，但有一點(diǎn)還是要說清楚。我們在享受自動或者是輔助駕駛的便利時(shí)也需要時(shí)刻保持安全警惕，技術(shù)的迭代和升級是需要代價(jià)的，一個(gè)產(chǎn)品從實(shí)驗(yàn)室里誕生之初一定不可能覆蓋到所有的case，誰也不能保證你不會遇到系統(tǒng)意料之外的突發(fā)情況，所以一定要小心，享受科技，但也別過度相信科技。

好了，今天的文章就到這里，感謝大家的閱讀，喜歡的話不要忘了三連。