坐自動駕駛車時路面上突然衝出一群鵝是種什麼體驗？

這其實是我第二次體驗 Level 4 能力的無人駕駛車，也就是全程無需人類介入的自動駕駛。但這一次的體驗，卻比上次試乘百度無人車有趣很多，在這一次的試乘中，路面上突然出現了一群鵝。

還是先簡單科普一下自動駕駛，目前各家研發自動駕駛時，一般都會認同這樣一個分級制度（其實有兩種但大致相同），來區分自動駕駛（完全不用人）和駕駛輔助（主要要靠人）的技術界線。詳細的分級可以看下圖。

其實這樣複雜的分級也可以分為兩大類，即上面提到的純自動駕駛和駕駛輔助。分成兩大類的原因在於，目前正在做自動駕駛的廠商，基本都傾向於做這兩大類的試驗，自動駕駛的安全責任在於廠商，駕駛輔助的安全責任在駕駛者。不做 level 3 那樣的有條件自動駕駛的原因也很簡單：不好劃分責任，出了事兒不知道把鍋甩給誰。

昨天在武漢，參加了雷諾的品牌體驗日，活動上雷諾高管介紹了下雷諾這個品牌的發展歷史，展望了下雷諾在和東風合作後的發展願景，之後就讓媒體試駕了下雷諾的 SUV 科雷傲並且在一個度假園區內展示了一下自家正在研發的純電動自動駕駛車。

既然我們是一家科技向媒體，還是把關注點放在這輛自動駕駛車上。之前寫過很多自動駕駛車的報道，大部分讀者對於自動駕駛車的印象其實起源於 Google 的自動駕駛試駕車。即一個看上去挺可愛的車，車頂頂一個蘑菇（64 線激光雷達）。

但隨著越來越多的傳統車廠入局自動駕駛，開始自動駕駛路試。實現自動駕駛的感測器方案也發生了改變。自動駕駛車看上去不再那麼特別，外觀上更加傾向於經過細微改變的改裝車。

如果把 L4 級別的全自動駕駛技術分為最簡單的幾塊，應該包括：感知、決策和控制三部分。我們在自動駕駛車上看到的各種「蘑菇」，其實就是用來感知車輛周圍環境的感測器。

對於自動駕駛車來說，感測器的方案組合至關重要，也是最為明顯能看出各家無人車區別的一部分。

將感知這一部分進一步拆分，其實是兩個技術細節：感和知。感是通過感測器收集車輛周圍的數據，而知是通過車載電腦來對數據進行處理，讓車輛知道車輛周圍究竟是什麼東西。

但車載電腦的運算速度有限，感測器用的越多，車載電腦的運算處理壓力就越大，做出駕駛決策和最終的控制就需要越多的時間，自動駕駛的反應速度就越慢。

也就是說，在保證安全和功能性的前提下，盡量簡化感測器搭配，是提升自動駕駛運算和決策效率的最佳方式。

鋪墊上面這麼多科普的原因，昨天體驗的雷諾自動駕駛車，在感測器方案上，確實已經做到相當簡化的地步，整個車看起來也和普通的量產車型沒有太多區別。

雷諾的自動駕駛車是基於雷諾研發的一款叫做 ZOE EV 的純電動車，沒在中國發售，2017 款的英國起售價是 1.4 萬英鎊（約合人民幣 12.3 萬元），頂配車型 2.2 萬英鎊（約合人民幣 19.3 萬元），頂配車型電池容量為 40 千瓦時，標定的續航里程是 402 公里(極寒天氣為200公里)，單次充電需要 3-4 小時。

這小車在歐洲挺火，2015 年，ZOE EV 年度銷量較 2014 年上漲了 67%，2016 年年底在歐洲電動汽車市場的佔有率為 20%，在法國本土市場佔有率則高達 55%。

雖然這輛車在中國沒有正式開售，但是體驗用的自動駕駛車是由這款車改裝的。

改裝的自動駕駛車在車頂沒有「蘑菇」，而是放置了 Laird 的通訊天線，保證車輛定位，擋風玻璃上沿安裝了攝像頭的視覺感測器，可能用於避障和跟隨道路劃線。車頭的正前方和左右兩側共安裝了 3 個激光雷達。

展示現場雷諾並沒有公布激光雷達的型號，問了下測試小哥，他對我微微一笑說這個要保密不能透露。

但實際上在網上就能輕鬆查到這個激光雷達的參數信息。雷諾無人車上的，使用的是德國 ibeo 的 LUX 4 線或者 8 線激光雷達。這款雷達的視角有 110°，探測距離在 0.3m 至 200 m。車上正面的激光雷達安裝距離比較靠下，接近傳統汽車的毫米波雷達的位置，可以推測這些激光雷達的主要功能只感知行進路上的障礙。

激光雷達有 4 線、8 線、16 線、64 線等等，線數越少代表描繪出來的環境精度越低，車載電腦的數據處理難度也就越低。因為雷諾無人車的激光雷達主要作用在於避障，能夠感知障礙即可，所以稍微低一些的精度能夠直接提升車載電腦的運算速度，進而讓自動駕駛車更加像個老司機，有更快的反應能力。

用於運算的車載電腦放在車輛後備箱，不讓拍照。車內經過了簡單的改裝，中控上方有一個顯示屏，能夠顯示行進路線和通過感測器實時感知的周圍環境。當人走過車頭，屏幕上會顯示一個綠色的方框，感知出路人（對於無人車來說就是障礙物）。

開車上路。

路試的距離不長，且是一個封閉路段，但有一種曲徑通幽的感覺，用人話說就是路窄，拐彎多且大。

整套自動駕駛方案的邏輯不難理解，車輛依靠已經繪製好的高精度地圖行進，感測器負責感知路面周圍的障礙，如果有障礙就停下來，障礙走了繼續行進。

實測的感受是，雷諾在這個路段使用的地圖還是精度很高的，車輛會嚴格按照地圖的路線，行進在道路中間。車輛的感測器和車載電腦的感知和決策速度很快。試乘時候，剛好一個測試員毫無意識的突然走到了道路中間，車輛迅速剎停，沒有造成任何危險的情況。

隨後雷諾頗具誠意的找來了一個海外高管，充當人肉障礙物，在車的前方過馬路，無人車也能比較遠的開始緩慢減速，併當障礙通過後，逐漸恢復到既定速度。

有趣的是，剛好測試的路段是一個旅遊區的人造湖邊，我們測試的過程中，一群鵝就上岸了，要過馬路，但自動駕駛車沒有受到影響。

但整個測試，車輛的速度被限制在了 20 km/h，屬於低速無人車的類型。測試路段也屬於封閉道路，難度不算很高。可以說，演示的技術還很基礎。另外，目前展示的自動駕駛方案，路線規劃和路線指引，主要還是依靠高精度地圖來完成，這也就意味著，要想真正讓技術落地，還很難。

自動駕駛試乘結束後，又去參觀了雷諾的工廠。整車組裝的廠房內，零部件通過自動駕駛的貨架跟隨工人行進，在無干擾的工廠環境內，運行良好。

其實工廠內的自動駕駛給了自動駕駛汽車比較好的發展思路。當高速開放路段的自動駕駛比較難實現時，對於像雷諾這樣的傳統車廠，把研發重心放在低速園區內自動駕駛車上，更好實現盈利。另一方面，從雷諾這次展示的比較保守且成本較低的自動駕駛感測器方案可以看出，這樣的感測器方案，用在高級別駕駛輔助上也是適用的，逐漸在自己的新款車型上，安裝不會讓人覺得突兀的感測器，在用戶使用更高級別駕駛輔助的同時進行技術的深度學習，明顯更適合積累真實的駕駛數據，方便自動駕駛演算法的調校。

文章結尾，其實想問問讀者們對自動駕駛的看法。各家廠商都在追風口，你們怎麼看這個技術？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！