無人駕駛路在何方

2018年3月20日凌晨，美國亞利桑那州，一輛處於自動駕駛模式的Uber無人車在道路測試的時發生致死車禍。事件發生後，一時間引起世界各地極大的關注，美國官方機構也介入調查，而Uber方面已經宣布停止自動駕駛相關的實驗。

可以想見的是，事故的發生又重新點燃了對無人駕駛的討論。一時間，各大科技媒體都重點報道了該事件，並對涉及的相關係統和事故發生細節進行了詳細報道；各大新聞媒體，則更多的表達了對車禍背後的社會倫理的思考；而作為同業競爭者的Waymo，其CEO則表示自己公司的技術能夠應對這種路況……

無人駕駛發展到如今，在經歷了深度學習大熱之後，各大科技公司的大力投入，彷彿讓我們看到了其真正落地的可能。然而Uber測試車發生致死車禍無疑讓無人駕駛的前景蒙上一絲絲陰影。相比糾結於無人駕駛背後的社會道德問題、釐清無人駕駛的發展，正確面對無人駕駛的利與弊才是今天我們要好好思考的地方。

也許很多人不知道的是，現代意義上第一輛無人駕駛汽車誕生於1984年的美國卡耐基·梅隆大學。雖然，早在1969年，人工智慧創始人之一的約翰麥卡錫在《電腦控制汽車》中就提出了自動駕駛的想法。無人駕駛從誕生起就註定不是汽車的附屬產品，而是作為一個獨立的技術，並朝著改變世界的方向進發。

到了20世紀90年代，神經元網路開始被應用於自動駕駛中的場景識別，1998年,義大利帕爾馬大學ARGO項目完成，其通過攝像頭來感知周圍環境並制定導航路線。動態視覺系統成型，高速無人駕駛實現。2004年，美國DARPA出資舉辦挑戰賽,獲獎者的方案使當代無人駕駛方案成型。

2009年，在DARPA的支持下，Google公司成立Google X實驗室，無人駕駛就此進入新時代。也就在差不多相同的時間，深度學習開始興起，深度學習在動態場景檢測上的能力讓無人駕駛迎來了史上最大的機遇。從那以後，各大傳統汽車製造商，如奧迪、寶馬、沃爾沃等，以及互聯網公司，如谷歌、百度、Uber，都投入大量成本參與無人駕駛的研究當中。

而無人駕駛參與者的不同，也帶來了兩種不同的技術路線:一種是傳統的汽車製造商,以ADAS系統為切入，漸進式地從輔助駕駛過渡到無人駕駛；另一種是新興的互聯網公司的以高敏感的感測器取代人的感知，完全實現「無人駕駛」。另外的就是特斯拉這類汽車上的無人駕駛系統,在兩種方式之間有所取捨。

而雖然各大公司的技術路線各有差異，但無人駕駛汽車發展到如今也已經有了較為成熟的系統方案。整個系統可以分為四個部分，分別承擔四種不同的功能：Perception(感知)、Localization(定位)、Decision(決策)以及Control(運動控制)。

其中定位技術可以有GPS、IMU等成熟的技術方案，但是更精細及時的定位信息仍然是必要的。而感知和決策單元便是深度學習大顯神威的地方，感知單元需要過濾環境信息，識別出重要的環境信息，如行人、天氣、其他車輛等，並提供給決策單元；決策單元根據當前路況（感知單元提供）和定位，決策當前的行車路徑和車輛下一步的動作。執行動作的運動控制單元是傳統汽車組件需要完成的，更加智能的控制系統亟待開發。可以看出，真正讓無人駕駛區別於傳統駕駛模式或者ADAS系統的核心便是感知和決策單元，準確及時的感知，正確合理的決策，才能讓無人駕駛變得安全可靠。

而經過調查，Uber發生事故車輛在車禍時段，其車上的感知單元——激光雷達感測器似乎並未監測到道路上有行人，其感測器是發生故障還是被Uber停用我們不得而知。但不管怎樣，可靠的感知單元的重要性足見一斑。此外，決策單元的影響可能要更加大，關於這一點，我們將在最後部分談起。

無人駕駛從上個世紀80年代發展至今，技術方案確已日漸成熟了。這仰賴於傳統汽車工業的發展，特別是新能源車的發展，也依賴機器學習領域的進步，而人工智慧或者機械控制領域的技術進步更是引發無人駕駛發展的核心原因。

但從過去到現在，甚至於未來，雖然不乏對於無人駕駛技術的質疑和審視，但是很多人仍然對無人駕駛情有獨鍾。特別是近幾年人工智慧的快速發展，無人駕駛無疑是人工智慧技術商業化最高的幾個領域之一。這說明無人駕駛本身有著極大的優勢和吸引力，引領世人的恰恰是無人駕駛實現後所帶來的巨大變革，在社會、個人各個層面都將產生深遠的影響。

1.無人駕駛可以極大的減少社會成本，創造社會價值。隨著5G技術的逐步落地和物聯網相關產業的發展，未來的無人駕駛不僅僅是個人的出行工具，更可以透過物聯網技術，成為城市道路規劃和交通優化的基本單元。想像一下，在北京這樣一個汽車保有量如此龐大的城市，未來每個人的出行時間都得到最大程度的縮減，困擾大家的堵車的問題被解決了，整個社會的時間成本都被極大的縮減了。而實現這樣的願景，無人駕駛恰恰就是目前最可能的良方。

2.解放個人的出行時間。相對於全社會時間成本的縮減，坐在無人駕駛汽車上的駕駛員，感受最多的恐怕是雙手的解放。依賴於無人駕駛技術，每個「駕駛員」可以做自己喜歡的、有創造性的工作，不再需要將大量的時間用於汽車駕駛這樣重複、緊張而又耗時的勞動中。

3.無人駕駛更安全。正是由於人在駕駛過程中很容易受到個人狀態、駕駛熟練程度以及其他駕駛員的影響，進而發生事故。如果一個安全可靠的無人駕駛系統代替人駕駛汽車的話，那麼事故發生率顯而易見地可以降低，這或許可以挽救成千上萬的生命。

雖然無人駕駛擁有非常大的優勢，但恐怕這樣的優勢只有在它真正落地才能被人們所認可。而在今天，無人駕駛產業方興未艾，各大科技公司的無人駕駛系統都在測試階段，質疑和恐懼的聲音始終不絕。那麼究竟是什麼在阻礙無人駕駛的發展呢？

1.無人駕駛系統自身可靠性不足。無人駕駛最需要優先考慮的就是可靠性問題，系統本身的健壯性和穩定性，對於惡意侵入的抵抗能力，對於突發事故的躲避和處理能力等等，都是無人駕駛系統所必須具備的。如果不能保證駕駛員和其他交通參與者的安全，那麼無人駕駛的落地將無從談起。

2.無人駕駛汽車的權責歸屬。相比於由人駕駛的汽車，無人駕駛汽車複雜的系統在事故發生的時候，權責歸屬是非常需要釐清的，駕駛員、汽車製造商、無人駕駛系統提供商、感測系統供應商等等可能都要承擔相應責任，如果沒有相關配套法規，可能極大地影響無人駕駛的推廣。

3.無人駕駛對於現有駕駛員職業的衝擊。汽車的普及推廣產生了一個龐大的職業群體——駕駛員，駕駛員在公共交通、物流運輸等領域承擔了非常重要的任務。一旦無人駕駛得到推廣，意味著這些以駕駛為職業的一大群人將要失業，這樣的社會問題恐怕才是最重要的障礙。

事故背後原因自然是我們關注的對象，但是我們更應該思考Uber事故後無人駕駛該何去何從？

哲學界有著一個著名的電車難題（TrolleyProblem）：一輛失控的電車朝五個人駛去，片刻就要壓到他們；而你身邊正好有一個拉杆，你只要拉下拉杆，讓電車開到另一條軌道上，而那條軌道上，正好有另一個人……你是否要拉拉杆呢？

而如果面對這樣的場景，無人駕駛系統的決策單元會怎麼選擇？這恐怕不是用簡單的好壞就能評價的了。不管是什麼樣的人工智慧技術，無人駕駛系統的決策單元如何運作，其學習對象或者決策來源一定是人的選擇和人的善惡。機器學習再怎麼強大，也只能學習人的對錯，學不來人的善惡。自動駕駛的困擾人們的最終問題，歸根結底還是人的問題，是倫理道德問題。

我們看到，依靠人工智慧技術的進步，無人駕駛得到了飛躍發展。但是，人工智慧的局限同樣也限制了無人駕駛的發展。無人駕駛場景中兩大核心的技術——環境感知和動作決策，演算法的可靠性仍然未得到解決，特別是在汽車駕駛領域，沒有完全可靠的技術做依託的話，信任感就無從談起；另外就是無人駕駛感測技術的成本很高，商業化還有很長的路要走；而最重要的是無人駕駛相關的法規、以及物聯網的實現依然是剛剛起步，這個過程複雜而又漫長。

但是我們也應該想到，在面對一次又一次的科技進步的時候，人類不應該也從來沒有走回頭路的權利，何況是無人駕駛這樣的未來產業。現在限制無人駕駛的是技術，也是規則，更是道德。技術在進步，而我們的規則和道德呢？在無人駕駛技術進步的當口，我們可以多一點的規則的討論，讓無人駕駛的發展更加規範、可靠，而不是任其野蠻無序發展。

很高興的是，我們看到越來越多的人和機構對這樣的新興產業抱以極大的寬容，期待和思考。我們真心期待無人駕駛落地的那天。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！