投中网（https://www.chinaventure.com.cn）

　　编者按：谁能够以一种全新的视角思考无人驾驶，并彻底重新发明个人出行工具？

　　在经历了自动变速箱和空调等几个主要的发明之后，汽车技术从1960年以来并没有产生根本性的变化，古老的汽车技术（特别是内燃发动机）仍然在影响着中国、印度、墨西哥、巴西和世界上很多地方：据一项估算，汽车及汽车相关行业每年创造了2万亿美元的收入。

　　然而汽车行业的影响大多是负面的，包括前面提到的环境代价、交通拥堵浪费的时间和每年数以万计的交通事故死亡人数。为了维持汽车化带来的好处，减少其负面效应，我们有足够强大的动力来部署无人驾驶或半自动驾驶的汽车。

　　人类的反应时间和视觉计算能力并不可靠。不难想象在很多情境下机器的驾驶能力实际上要优于人类的表现。目前已有的技术包括可以检测酒驾、超速、越界行驶的安全联动装置。在可能出现危险的情况下，部分车主更愿意让这些装置和驾驶机器人(行情300024,诊股)共同接管车辆的控制权。

　　机器人驾驶也可以是部分辅助性的。就像防止车辆打滑的牵引力控制系统一样，由机器人来“帮助”人类驾驶将会成为一种主流趋势。

　　无人驾驶汽车的发展

　　无人驾驶汽车在过去十年里经历了一个飞速发展的阶段。著名的劳工经济学家弗兰克·利维（Frank Levy）和理查德·默南（Richard Murnane）在2004年出版了《新劳动分工》（The New Division of Labor）一书，其中讨论了与隐性知识（人们知道但无法清楚表述的知识）相关的问题。书中举了货车在车流中左转弯的例子，与信用评分系统不同，这种驾驶任务显然无法用简单的规则定义来解决，这个例子能很好地说明什么是隐性知识。

　　也是在2004年，美国国防部高级研究计划局（DARPA）组织了一场奖金高达100万美元的无人驾驶汽车竞赛。

　　2005年，DARPA又组织了一场相似的比赛，最先完成比赛的将获得200万美元的奖金。

　　在报名参赛的195支队伍中，有136支队伍按要求提交了5分钟的视频，参赛的43辆无人驾驶汽车中，有23辆车至少完成了其中一次测试赛程，完成全部3个赛程的有5支队伍。不出所料，这5支队伍也是最终完成决赛仅有的队伍，可见资格赛的结果还是非常准确的。

　　包括奖金在内，DARPA的赛事投入还不到1 000万美元，但是回报却非常丰厚：美国从此迅速占领了无人驾驶汽车研究的前沿领域。更重要的是，DARPA此前设定的关键技术领域成为全世界关注的焦点：传感器、导航、控制算法、硬件和系统集成。

　　2004年的参赛队伍中有一支是戴维·霍尔（David Hall）组织的，他本人是硅谷一家为家庭影院生产低音炮的公司Velodyne的创始人。如今无人驾驶汽车的发展走上了两个完全相反的方向。在带领斯坦福的团队赢得DARPA挑战赛后，塞巴斯蒂安·特伦（Sebastian Thrun）被谷歌挖过来研发无人驾驶汽车。他在斯坦福所倡导的理念——把自动导航看作软件问题——自然也被带到了谷歌，在这里使用各种工具处理海量数据(行情603138,诊股)本来也是企业的日常工作。简而言之，谷歌无人驾驶汽车是作为一个软件问题来处理的，对于跟数字打交道的计算机来说，汽车只是它的一个外接设备。顺带说一句，无人驾驶汽车的一些关键数据无关乎道路与其他车辆，而是关于它自身的数据，特别是它的“姿态”。

　　传统汽车厂商大众、梅赛德斯、沃尔沃、宝马及它们的供应商（包括罗克韦尔·柯林斯、博世和马牌）则走向了另一个发展方向。厂商们在各自生产的高端汽车中逐步增加传感器、处理器和驱动器，悄无声息地提高了车辆的自动化程度，以至于《名车志》（Car and Driver）杂志宣称：“自动汽车——你已经在驾驶它了。”

　　实际上，我们与完全自动驾驶的距离可能并不遥远，只要再往前迈出一小步：我们通过采用机器学习技术训练的软件，可以进一步集成和增强各种辅助驾驶系统，包括防抱死制动、牵引力控制、安全车距跟随、偏道侦测、全球卫星定位系统、平行泊车辅助和倒车系统。特斯拉的自动驾驶模式就采取了这样的策略，而没有使用激光雷达系统。2015年，丰田成立了一家子公司来研发无人驾驶汽车和家用助理机器人，主要为老人服务。按照计划，到2020年，对这家人工智能公司的总投入将达到10亿美元。

　　欧洲从2009年开始启动了一个无人驾驶试验项目。SARTRE（公路自动安全列队驾驶科研项目）在2012年结束的试验中采用了前面提到的多项技术。

　　待解难题

　　无人驾驶技术在前进道路上还将面临许多复杂的问题，会发生很多令人惊喜的成果，在某些领域人们会更快地接受这种技术，如地理学和人口统计学。尽管现在我们还无法预计它将面临的所有困难，但是以下几个复杂因素都将包含在内。

　　1、法律

　　为了让无人驾驶汽车上路行驶，我们可能必须修改交通法规。内华达州在谷歌的游说下已经率先将无人驾驶汽车合法化了。因为各种利益团体都想在法规中加入更多规定和条款，给无人驾驶汽车创造一个让人满意的法律环境将会是一项艰巨的任务。

　　2、环境复杂性

　　谷歌很早就发现完全按照交通法规来驾驶是不可能的：如果要等到有足够空间时再并道，你可能会在辅道上等很长时间，急躁的司机会从路肩上超车。同样，在俄罗斯，因为交通过于拥堵，人们经常不按分道线行驶。那么在洛杉矶、东京和罗马这些地方，情况又会如何呢？在施工或事故现场，面对打手势的交通管制员或是下达口头指令的警察，激光雷达系统和计算机算法应该如何处理呢？没有一种算法可以应对所有的驾驶环境，那么无人驾驶汽车又该如何选择呢？

　　由于谷歌的无人驾驶方式需要投入大量人力预先绘制高密度的点云地图，所以谷歌无人车还不能进入停车场和建筑物内部。但是谷歌无人车应该如何识别刹车灯和紧急信号灯，如何分辨拖车和救护车上的灯带呢？和人工智能的其他分支一样，“困难的”问题（如地图读取）可能相对比较容易，而“简单的”问题（如区分石块和纸板）可能会比预想的要麻烦得多。天气因素也是一个主要的挑战。

　　3、经济

　　正如我们所看到的，除了雷达、车轮传感器和计算机软件及硬件的造价，早期版本的激光雷达系统还会给无人驾驶汽车增加75 000美元的成本。摩尔定律和大规模量产可以有效降低硬件成本，随着软件系统的改进，安全相关的图像处理共享软件库和有关的代码库也会降低软件成本。更难以预料的是无人驾驶汽车相关的补助政策。

　　众所周知，公众意见是很难预测的。长远来看，我们还不知道无人驾驶汽车的市场有多强劲。在任何一个国家，最终获胜的是人类的恐惧、贪婪，还是无人车的新颖性，这将在很大程度上决定无人驾驶的命运。在公众讨论中使用的语言、图像、符号和隐喻将会塑造人们对汽车的主流观点。尽管“机器人汽车”“自动汽车”“自主驾驶汽车”表示的是同样一种车，但是我们在公众讨论中使用哪些术语和含义，将直接影响公众对它的接受度。

　　钱从哪里来

　　无人驾驶汽车的商业模式会是什么样的呢？以出租车和优步为例，乘客付费购买搭车前往目的地的服务，不难想象把这种模式延伸到无人驾驶汽车上，只是不再需要付司机的费用了。谷歌本身已经拥有了一个几十亿美元规模的内容导航业务，那么谷歌汽车的乘客会不会同意以收看广告的方式来抵消乘车费用呢？对于人们所节省出来的驾驶时间，哪些公司更急于成为提供内容的中间商呢？

　　我们很容易把无人驾驶汽车制造商理解成传统汽车厂商的延续。实际上，很多传统汽车厂商都在试验新科技，集成已有的机器人技术（驾驶员警示系统、防抱死制动系统、自动并行泊车）。当乘客的注意力成为汽车相关的资产，会出现什么情况？Comcast公司收购了在其机顶盒上推送内容的NBC环球。索尼公司会不会也把它的家庭影音系统集成到无人驾驶汽车上？那么三星和微软呢？苹果公司已经计划将其智能产品作为附件加装到传统汽车上。最终，无人驾驶汽车的商业模式可能会更接近于电视、智能手机和平板电脑。

　　原有的行业会如何阻挠革新

　　优步在攻城略地的过程中不得不一次又一次与出租车和大巴车委员会正面交锋。纽约州已经向爱彼迎发起了诉讼。唱片行业游说团体也曾经起诉过网络音乐下载工具。通用汽车为了抑制公共交通，曾经买下并拆除了有轨电车线路。石油公司已经针对替代性燃料的政府补助开展了游说工作。牵涉如此巨大的经济利益和根深蒂固的经营模式，既得利益群体绝不可能轻易妥协。

　　结语

　　关于无人驾驶汽车最大的一个问题，与我们跳出当前的限制、成本和习俗进行思考的能力有关。谁能够以一种全新的视角思考无人驾驶，并彻底重新发明个人出行工具？用20世纪90年代的计算机术语来说，自动驾驶平台还在找寻它的“杀手级应用”，用一种突破性的架构来解决替代性交通形式的需求。技术进步的速度远远超过了我们消除现有的假设和刻板印象的速度，那么，我们何时才能扭转这种局面呢？

　　（本文摘自《机器人与人》，经中国人民大学出版社授权发布）

　　（编辑：王闪）