自动驾驶什么时候才会凉凉，估计还要多久？

admin 管理员组

文章数量: 887021

作者：哆啦胖丁
链接：https://www.zhihu/question/404870865/answer/1364318345
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
 

我会觉得在自动驾驶这一块，大家都有这么一个共识：

我开车出事，没事。要是我朋友开我车出事，等着瞧吧

相比于其他交通工具而言，在路上开车发生交通事故的概率可以说是非常高了

小到剐蹭，追尾，大到人身安全在事故中受到伤害，可以说是层出不穷，还玩出了各种新花样

一搜一箩筐...

而自从自动驾驶普及以来，影响比较大的交通事故是2018年Uber自动驾驶汽车撞死一名女子。

至今，各大公司测试自动驾驶的里程数都非常非常高

而所报道的事故却很少，安不安全咱不可保证，但和人类本身比起来，成绩应该是好了不少吧？

大家在自动驾驶这一块期待太高了，就我自身而言，也的确是想说能不能完全自动驾驶，连个方向盘都不要有的那种。这显然不现实，而多少人听到自动驾驶的时候，和我是有一样的心理呢？

根据自动驾驶级别划分：

0 级（无自动驾驶）
在当今的道路上行驶的大多数汽车都是 0 级：手动控制。由人来完成"动态驾驶任务"，尽管可能有相应的系统来辅助驾驶员，例如紧急制动系统，但从技术方面来讲，该辅助系统并未主动"驱动"车辆，所以算不上自动化驾驶。
1 级（驾驶员辅助）
这是自动化的最低级别。车辆具有单独的自动化驾驶员辅助系统，例如转向或加速（巡航控制）。自适应巡航控制系统可以让车辆与前车保持安全距离，驾驶员负责监控驾驶的其他方面（例如转向和制动），因此符合 1 级标准。
2 级（部分自动驾驶）
这指的是高级驾驶员辅助系统或 ADAS。车辆能够控制转向以及加速或减速。因为有驾驶员坐在汽车座位上，并且可以随时控制汽车，所以这一阶段的自动驾驶还算不上无人驾驶。特斯拉的 Autopilot 和凯迪拉克的（通用汽车）Super Cruise 系统都符合 2 级标准。
3 级（受条件制约的自动驾驶）
从技术角度来看，从 2 级到 3 级实现了重大飞跃，但从驾驶人员的角度来看，差别虽不是微不足道，却也算不上明显。
3 级无人驾驶汽车具有“环境检测”能力，可以自己根据信息做出决定，例如加速经过缓慢行驶的车辆。但是这个级别仍然需要人类操控。驾驶员必须保持警觉，并且在系统无法执行任务时进行操控。
差不多两年前，奥迪（大众汽车）宣布下一代 A8（奥迪旗舰轿车）将成为世界上第一款量产的 3 级无人驾驶汽车。他们的确做到了。奥迪 A8L 将于 2019 年秋季驶入经销市场。奥迪 A8L 采用 Traffic Jam Pilot 技术，该技术结合了激光雷达扫描仪以及先进的传感器融合和处理能力（如果某一组件发生故障，还可以使用内置冗余）。
然而，虽然奥迪正在开创汽车驾驶技术的奇迹，但美国在这方面的监管程序，已经从联邦层面的指导准则，转变为各州针对自动驾驶汽车制定不同的要求。所以目前 A8L 在美国 仍被归类为 2 级 无人驾驶汽车，并且在交车时不提供达到 3 级功能所需的关键硬件和软件。然而在欧洲，奥迪将在德国首先推出带有 Traffic Jam Pilot 技术的真正 3 级无人驾驶汽车 A8L。
4 级（高度自动驾驶）
3 级和 4 级自动化之间的关键区别在于，如果发生意外或系统失效，4 级自动驾驶汽车可以进行干预。从这个意义上来说，这些汽车 在大多数情况下不需要人为干预。但是，驾驶员仍然可以选择手动超控。
4 级自动驾驶汽车可以采用无人驾驶模式运行。但由于立法和基础设施发展欠缺，4 级无人驾驶汽车只能在限定区域行驶（通常是在城市路况，最高平均速度达 30 英里/小时）。这被称之为地理围栏（geofencing）。因此，现有的大多数 4 级自动驾驶汽车都面向共享出行领域。例如：

NAVYA ，一家法国公司，已经在美国建造和销售 4 级自动驾驶纯电动班车和出租车，最高时速可达 55 mph。
Alphabet 的 Waymo 一直在亚利桑那州测试无人驾驶汽车，至今已超过一年，路测行程已达到 1000 万英里以上，最近推出了 4 级无人驾驶出租车服务，车内不设任何安全驾驶员。
加拿大汽车供应商 Magna 开发的 MAX4 自动驾驶技术，可在城市和高速公路环境中实现高达 4 级的自动驾驶功能。他们正在与 Lyft 合作，提供将普通车转化为自动驾驶车型的高科技套件。
就在几个月前， 沃尔沃和百度宣布建立战略合作伙伴关系，共同开发 4 级电动汽车，为中国的自动驾驶出租车市场提供服务。
5 级（完全自动驾驶）
5 级自动驾驶汽车不需要人为关注，从而免除了“动态驾驶任务”。5 级自动驾驶汽车甚至都不会有方向盘或加速/制动踏板。他们将不受地理围栏限制，能够去任何地方并完成任何有经验的人类驾驶员可以完成的操控。完全自动驾驶的汽车正在世界各地的几个试点区进行测试，但尚未向公众提供。向公众提供这一服务尚需数年时间。但是可以想象一下，您上车后，说"送我去上班"，剩下的事情就交给汽车来处理，与此同时，您可以润色一下演讲、在 Netflix 上煲剧或者整理下发型，真是太奇妙了。

即达到5级这种无方向盘的这个实在是太难以实现了，尤其是面对复杂状况的时候

并且，更重要的是，人们往往会对他人（机器）要求较高，而忽略了自身也容易犯同样的错误，也就是我可以犯错，但是不好意思，你不可以。

尤其是对于机器，你这个绝对理性绝对逻辑的大家伙，你怎么可能犯错呢？

一方面，的确需要不断改进自动驾驶的技术，以及设置更多的安全触发机制；

但另一方面，我们也要降低期望，目前辅助自动驾驶功能就可以很好的帮助我们在开车的时候缓解疲劳。比如长途高速驾驶的时候。应该都知道必须要高度集中注意力，否则高速下失控可不是闹着玩的，而自动驾驶可以很好的应对这个问题。

所以自动驾驶怎么会凉凉呢？怎么可以凉凉呢？

一定要尽快普及自动驾驶，嗯，我这个还没学开车的人特别特别期待！

发布于 24 分钟前

作者：zhzz
链接：https://www.zhihu/question/404870865/answer/1324577689
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
 

能问出这种问题说明是个内行人，目前自动驾驶的难点主要在于感知和决策规划，纯视觉的路线基本上game over了，虽然以后，算力会越来越大，越来越便宜可以实时跑更复杂的神经网络模型，但是，这些模型，或者视觉这种手段本身就很有局限性，并且，训练成本也高，受环境影响大，造成基本不可能达到商用级别的鲁棒性；而现实道路的复杂性，和真实世界近乎无穷无尽的变化，是很难利用有限的数学模型（神经网络模型）完全拟合出来的。一个典型的场景，红绿灯或者交通标致相对老说是很简单有限的一些图形，但是放在香港，东京那种狭窄的充满花花绿绿广告牌的街道目前来看也很难准确鲁棒的识别出来。当然可以通过一些技术手段，比如锁定搜索区域，借助V2X 5g车联网等帮助，但是这已经不是一个纯视觉的问题了；

另外，决策规划这一块，我个人感觉这属于深水区了，已知的可能只有google开始触及这个深度。人在驾车的时候，会实时的做出很多决策和预测，很多经验判断，做一些潜意识逻辑思考，目前深度学习也好，传统的方案也好，都没办法做到人类思考，推理，类比，联想的思考能力，举个简单的路上一个风吹上去的塑料袋，或者一大堆飘落的树叶，雷达，或者视觉看来就是一个障碍物，可能要停车或者做紧急避让，但是，人就会认识这个东西，直接开过去，或者，目前经常会遇到的，一个小水洼，或者阴影，视觉可能错误认为是障碍物，当然，这个时候可能雷达告诉你这里能通行，这个时候，你的环境融合建模逻辑怎么写呢？是更相信雷达，还是视觉？是走是停？当然这也涉及感知的问题，你说我感知都认出来了，我就开过去，这个基本是不切实际的，你的决策规划模块很难为每一种特殊场景都去写一个if - else判断，这样的情况在现实中几乎无穷无尽；此外还有，看到路边的小动物是否减速，听到警车或者救护车的警笛是否停车避让，跟渣土车保持距离，甚至车上的乘客有异样，是自动驾驶到最近的医院还是派出所等等，难道全部写成if-else判断么？

稍微懂点技术，就能马上意识到，上面提到的这些问题目前几乎看不到存在能够良好的，彻底的解决的工程化方法。

当然你说，以后我们这些都可以依赖大数据啊，我们可以收集非常非常多的驾驶的经验数据，通过云端大数据来进行判断，这相当于我们拥有一个全世界优秀司机的经验池，自动驾驶汽车完全不必理解这些行为的原因，只需根据场景进行最合理的引用；

实际上这也是目前自动驾驶的一个主要发展方向，就是车路协同，可能做自动驾驶的人是现在全世界最渴望5g，云计算早点铺开的一批人，目前纯车端智能遇到的各种瓶颈，我靠智慧的道路去突破，车端智能的局限靠智慧的城市智慧的道路去弥补，比如，目前到处存在的监控摄像头，以及可以畅享的未来可能出现的更加多种多样的布设在道路，城市的传感器，可以帮车辆提前并且更大范围，更加准确的感知周围的环境，通过更加实时的网络将信息发送到车端；路上车辆相互之间可以自组网，互相告知大家自己位置和行驶状态，相互协同，前车为后车分享经验，比如前面可能出现的拥堵，或者避开维修的路段等；数据中心将协调车流，这样像目前过十字路口，环岛等难题也会变得非常简单；

当然这是一个非常美好的憧憬；那么你可能也意识到了，要做到这个程度可能比目前最乐观的自动驾驶落地时间还要久远的多，所需要的投入也是天量的，毕竟这意味着，我们几乎要翻新整个城市交通的基础设施，变更整个城市的设计建造思路；中间可能还会遇到目前难以想像的技术和工程难题，全都需要时间和巨大的投入去解决；

那么，你说，为什么要搞这么复杂？难道不能让汽车像个街上的小老鼠一样，钻来钻去，见人就躲，见缝插针的行驶么？我确实很认真的思考过这个问题，因为，目前依靠多种雷达的组合，利用目前已知的技术手段，基本上是可以做到检测出车辆周围几乎所有可能构成危险的障碍物的，那么，我只用最简单的逻辑判断，不管是树叶，还是行人，车辆全都无脑躲开，利用算力强大的计算机，做到天下武功为快不破，就想街上逃命的小老鼠一样可以么？当然其中还涉及很多动力学的建模，并非一定是可以躲开所有障碍物，比如，躲开侧面的车，但是由于机动能力的限制可能会撞前面的车或者护栏；

事实上这种设计应该是已经存在了，用来躲避潜在的外来撞击，以及不去主动撞击别人。但是无人驾驶上路终究还是需要与其他车辆存在一定的互动，并且这种互动必须是遵循交通规则的，比如，跟车要保持距离和一定速度，转弯让直行，比如不能随意变道，红绿灯，环岛，十字路口通过，都有相应的规则需要遵守；无人驾驶系统的开发者必须去实现这些规则；而具体到规则实现，规则遵守运用，就又回到上面的提出的行为决策的问题了。对应到目前一直的情况，实际上装配有多个激光雷达，毫米波雷达的google和baidu的L4无人驾驶方案是基本上没怎么听说有撞车发生的，但是，经常会表现的很傻，尤其是通过路口的时候，经常有体验者提出反应比较迟钝，或者过于谨慎；（特斯拉的设计非常激进，不用激光雷达，只有一个毫米波和一些摄像头，并且看上去决策规划模块的驾驶策略设计也比较激进，感觉就是上面提到的小老鼠逻辑，所以总是撞）；

所以，总结下来就是感知能力有限，不具有真正意义上的思考和判断能力；

其实这也是目前所有人工智能的局限所在，推荐UCLA朱松纯教授的一篇很火的探讨目前人工智能发展现状的文章给大家参考https://www.sohu/a/227854954_297710；

那么回到题主的问题，无人驾驶什么时候凉，如果认真看完上面分析的无人驾驶面临的困境，和朱纯松教授的文章，那么是有可能得到这样一个结论的：

真正能大规模应用的，能让人完全放开手脚的无人驾驶在目前这个阶段很可能并不是一个很好的商业尝试。

或者说通用无人驾驶技术（注意是排除了限定场景的通用无人驾驶）现阶段不适合工程化和商业化；

根据以往的经验，能够大规模铺开，大规模商用的东西，必然能够较为容易的利用现有的技术和工业基础，首先进行工程化，然后，通过大规模的工业化生产压低成本，进而广泛应用，并且创造利润。

而能够工业化生产的前提是，技术本身已经完整的走完了三个准备阶段：1.理论突破，就是一件事情，科学家很早的就从理论上预见，并且证明了其可行性。2.技术突破，这一阶段基本上相当于在研究机构以非常精英化专业化的团队突破了技术实现上的壁垒，做出来达到或者接近理论预期的Demo，样品；3.工程化，主要解决产品设计，方案优化，功能完备，性能提升，良品率，鲁棒性，可用性提升，大规模复制的技术准备，成本降低等工程问题。

比如手机，无线通信相关的理论和尝试大概100年前就开始了，然后，三元电池大概80年代做出目前的原型，低功耗芯片也基本在90年代就出现了，其他的射频，组网之类理论和技术储备也都有好几十年的历史。从理论到概念设想到成品经历了相当漫长的时间。

事实上，目前能看到的工业化，工程化的高科技产品，大规模集成电路，OLED，量子点，其对应的理论和技术储备从实验室走向实用通常都会经历20年甚至更长的时间；毕竟企业里的工程师一般都是踩在科研人员的肩膀上干活的，首先是科学家，大研究员们给我们把方向指名，把路铺好了，我们才去做成一件事情。我想在任何其他领域的工程师熟练的运用着成熟的方法进行着产品开发的时候，只有无人驾驶工程师们成天紧紧盯着行业顶会，知名期刊上发表的所谓最新进展在干活，我甚至看到某大厂招聘无人驾驶相关工程师明确要求要熟知各种state of the art的研究最好发过顶刊，投过顶会，简直有点可笑。可见都是一帮学生（博士研究生）在做着自娱自乐的开发。也可见目前这一领域还多么的不成熟。正常来说，工程领域更倾向于成熟稳健经过实践，经过产品检验的方案，而这些在无人驾驶恰恰是不存在的。

最关键的，人家的理论从最开始就能清楚的证明，这些产品要达到一个什么样的性能，在技术上是一定可以实现的；

而通用无人驾驶，实际上，在第一，第二阶段都还没有完全走完的情况下，就在资本的驱动下直接进入了第三阶段；

目前没有理论证明，我前面提到的问题是能够完备的解决的，这涉及回答目前的人工智能，机器学习技术（包括但不限于深度神经网络）所能达到的能力极限；至少孤陋寡闻的我目前还不知道有任何能够回答能力边界的研究。或者更明确的，能够证明通用无人驾驶所需要的智能程度是在目前已知技术的能力边界内的。

显然，当时参加darpa竞赛的科研团队做出的无人驾驶Demo，包括目前又经过这么多年，这么多投入各个大大小小的公司做的Demo也没有能够从技术上验证这一可行性。（这里特指通用无人驾驶所需要的在各种真实世界复杂场景下，全面超过人类的驾驶能力和行为能力。低速跑个园区，跑个仓库这种限定场景目前很多方案都是可以的）；

所以，其实我个人认为，通用无人驾驶最好还是老老实实待在大学或者研究机构里面，进行基础性工作的探索，当基本理论，技术，能力积累到一定程度的时候，工程化，商业化落地就是自然而然的事情了。

投资无人驾驶的人，目前其实都是在赌博，都在赌目前欠缺的这一点理论，技术的突破在近期就能突然冒出来，当然存在这种可能性，但是，这种突破也可能姗姗来迟到几十年之后，这都是未知的。

我个人的观点，甚至都用不了10年，最多5年之内，如果还是突破不了目前的瓶颈，投资就会大规模撤出这一个领域，也就是楼主说的无人驾驶凉凉的那一天。其实目前这个趋势已经很明显了，新的投资已经很少进来。但是，这个技术本身不会消失，还是会继续存在于各种限定场景的应用（市场规模很小，承受不了大规模投资），同时，退而求其次的方案，无人驾驶技术衍生出的智能辅助驾驶将获得极大应用和推广，用来提升司机的驾驶体验和行车安全。

而当终于有一天，我们的城市，我们的道路都变得更加智能，或许期望中的无人驾驶就将到来。

引用一篇比较新的文章支持一下观点

https://zhuanlan.zhihu/p/162110742​zhuanlan.zhihu

------------------------过千赞了，感谢各位大佬抬举--------------------------

统一对评论中的一些争议跟疑点做个解释：

首先再次说明一下上面的主要观点，感知能力有限，驾驶行为决策的实现上目前业界主流还是人为的写各种规则（可以是基于状态机，基于各种参数判断，或者一些相对来说比较简单粗暴的自适应逻辑，上面简单用if-else这种比较不严谨的说法，大家知道啥意思就行了），其实就是根据测试发现的一些badcase，cornercase去用一些trick规避掉，要表达的就是目前这些规则的实现还是程序员告诉车（电脑）去怎么干，车本身是不具备智能的，不具备推理，类比，联想的能力，本质上这些规则的实现跟实现一个淘宝下单，外卖点餐的业务逻辑没有太大区别。

你针对某个特定场景，你实现什么规则车就怎么开（比较理想，假设没有其他bug），你不实现或者环境稍微有变化，车就不知道怎么办，表现的很傻，或者出现一些危险的行为。这就是业内通常说的泛化能力，目前的现状是，这种搞法泛化能力很弱，甚至没有泛化能力，泛化就是去堆砌规则，或者，对于感知，就是重新训练新的模型。

评论里面还有提到waymo，cruise等发布的视频看上去很美好，我一点不怀疑这些视频全都是真的（当然也有厂商的是假的，比如我就明确知道国内某厂某次发布会上的视频是花了很多钱找拍电影的人一小段一小段拍完然后剪辑出来的，曾经还有创业公司找风投忽悠的时候，背地里实际上是让人拿笔记本遥控的车辆，这个国内国外都有，不是啥秘密）。

业内人士可能会比较容易理解一些，waymo，cruise等发布的视频看上去很美好的原因是他们发布的视频里面那些场景，绝大多数视频，本身就是相对来说比较理想的测试环境，晴天丽日，道路开阔，车不是很多，行人车辆也都很遵守交通规则，车流，人流都相对稳定，需要通过的路口，岔口视野也比较开阔。

而实际上目前无人驾驶工程师大部分工作都是在想办法cover一些测试中遇到的badcase，或者是做泛化；也就是常说的无人驾驶做到60分70分80分不是特别难，github上各个业务模块的开源方案简单改吧改吧，拿来拼都可以拼个五十分甚至六十分能让你简单场景下，上路跑起来的方案，做到85分，90分难的上天，如果要商用要求你做到99分以上。

上面是原来曾经遇到的一个case，一个通道两边是墙，墙中间开个岔口，有车辆行人进出，在岔口前后的车辆根本看不到岔口里面，不管是上多少雷达，多好的传感器，就是视野盲区，然后有次正好有车要出来，幸好提前减速，车速不快，不到10km，如果安全司机不接管可能就直接撞了。你说我实现策略，见到路口就减速，确实是这样，减速了，减速不够我停车，看清楚再走，好了，这就到上面提到的问题，有报道（网上可以搜到）体验waymo，baidu的有反应车辆过路口，或者车多的时候，无人驾驶就表现的很迟钝，车少的时候你迟钝就迟钝了，你可以想像上下班高峰，你后面跟一屁股车，还有性急加塞的，明明就可以走，你在那里趴窝不动了，后面车喇叭能按翻天；事实上，有路测经验的多少都遇到过，刚开始做的不太好的时候，无人驾驶莫名其妙就来个急刹，或者好好的停下来趴着不动了，你不干预就不走，你能回去查日志，回放包，看看啥情况。你说上面的情况人也处理不好，我可以明确的告诉你，人高明多了，绝大多数情况下人类司机都是很安全顺滑（注意顺滑这个词）通过，人类可以听声音(waymo 现在已经上道路声音检查，貌似报道出来的是检测警笛之类的，这种比较模糊复杂判断不知道有没有)，或者看通道有没有车灯打出来，或者看前面不远有车通过，就能推理出岔口没车或者岔口里的车提前让了，然后紧跟着开过去，根据经验估计会不会突然有个美团，饿了么小电驴窜出来，总之老司机可以根据各种蛛丝马迹，还有经验来动态的做出最优的决策。目前已知的手段，你很难通过人工智能也好，或者别的什么办法也好去模拟人类的这种能力。

还有与其他车辆，行人的互动，中间可能是有个相互试探的，比如超车，狭窄道路对向错车，最终形成一致的策略，无人驾驶就很傻，你要超车我就让，你要错车我就停，因为这个实现起来最简单。但是在某些目前还没测试到的地方，这种可能也会造成一些不可知的问题。比如对向错车，要是两个都是无人驾驶，都主动停下让对方，执行这种简单的策略，可能两个车全趴着不动等对方先过，就堵死了。当然肯定可以有办法设计一个复杂一点的策略避免这种情况。还有高峰期，一堆人，一堆车过十字路口，我就想看这些的视频，这些waymo，cruise怎么都不放啊？当然高峰期，十字路可能也不允许他们去测就是了。

更不用说下大雨，下雪，下雾，路面积水，长隧道，天黑满大街霓虹灯各种闪。反正没听说哪家工程师找刺激（给自己挖坑找加班）去测这些的，但是你商用的话，cover这些是最基本的，因为这些环境人都能开，我印象中很多年前我上学的时候，当时请一个日本老头给我们讲无人驾驶，老头举个例子我至今印象深刻，就是他们日本北海道，一到冬天就大雪一片白，连树都是白的，做视觉的知道一片白就是缺少纹理，目前的视觉手段大概率要吃瘪。人也不好开，但是可以开，可以通过起伏，绿化带之类的判断车道，可以跟前面的车辙，视觉怎么搞，烧香求祖师爷显灵，让自己辛辛苦苦训练的交通标志模型，正正好好的把车辙识别成车道线吗？当然你说我靠RTK，靠高精地图，靠激光保持定位，OK，先不说RTK某些时候会失败，激光这个问题我们原来也是遇到过的，不考虑成本，不考虑数量什么都认为非常理想，我们原来夏天采的激光地图，到秋天不好使了，为啥呢？树叶子秋天都掉了，点云配不上了，你说你更新快，好的，上面下雪的情况，你前天没下雪，光秃秃树枝采的地图，下一场雪可能也就几个小时，树枝挂满雪了，我估计相当大概率你点云还是配不上。配不上还好，就怕配歪了，雪地打滑你轮速积分也可能是错的，配歪了可以把你的kalman滤波也好，sliding window优化也好给拉歪了，用卡方检测，上联邦滤波，用各种冗余核验可以干掉绝大部分拉歪的情况。毕竟还有IMU是好使的，如果无遮挡GPS/RTK也是好使的。那么有没有可能就是给你拉歪定位到沟里的情况呢？很有可能，概率问题，这种情况车就很傻，一定是闷头往沟里冲，人就不会，人可以根据环境做非常综合的判断，这种综合判断的能力，目前很难用程序实现。

最后说泛化的问题，无论感知，定位，规控做到目前最头疼的就是泛化。泛化能力才是人工智能的深水区，人类的智能强就强在能推理，归纳，类比，联想举一反三。感知，规控的日常各种调参，调参干嘛呢？就是去适配各种场景，各种badcase，但是缺少泛化能力。常见的一个现象就是费力吧啦的调了一套参数，写了一个规则把一个badcase覆盖过去了，场景一小变，又不好使了，甚至，动一个参数这个badcase 混过去了，另外一个曾经已经pass的场景又挂了，跟打地鼠一样，按住这个洞，另外一个洞又露头了。

评论区有个貌似做控制出身的大佬说，其实万变不离其宗，车辆控制就只有那几个变量，那些个状态，这句话说的非常对。但是，现实场景是千变万化的，针对某个具体的场景你需要去调整这些状态，然后形成一个最优的行为，那么怎么让车辆自己在无人干预的情况下做出这种调整是最难。现在主流还是开发人员去识别这些场景，然后，编程教车去怎么干，车没有这个自主的智能。或者仅仅具有非常非常有限的泛化能力。有提到什么模糊控制，智能控制，自适应之类的，我也不懂，也只是听说，评论区有控制专业的大佬，可以解释一下在实际工程中这些高端玩意儿到底有多实用？应用范围多广？反正我自己见到的情况目前普遍还是PID为主，加各种针对特定case 的rule或者少量的自适应逻辑。其实这就是我上面说的加if-else的意思。

再次注明一下，上面讨论的车端实现，文章前面也提到过，评论区也有说明，配合云端大数据可以为这些问题提供一些解决思路，并且特斯拉，mobileye已经在做这方面的探索，甚至业内有怀疑特斯拉的无人驾驶能力近两三年突飞猛进就是因为他们有海量的第一手的人类司机实际路况的驾驶数据，方便他们后台训练模型或者优化算法。但是具体怎么做的，都是各厂的机密不会公开出来的。

——————————————再次更新——————————————————

针对某些评论：

重申一下我对『凉凉』这个词的观点，不是无人驾驶就消失掉了，不发展了，而是商业化落地受阻，资本大规模退出将会在可预见的较短时期内出现，产业界无人驾驶投资和研发热潮会冷掉。

我只说我了解到的基本情况，做的好的waymo，mobileye，他们具体怎么去实现，都是机密，我不可能了解到，从公开的资料看即便他们依然在努力突破瓶颈，做的时间最长的Google差不多做10年了吧，依然没突破，Google有钱，再养10年也能养，也还是为了财报好看把这块业务单独剥离出去融资成立了waymo，其他靠风投吃饭，今天搞个大新闻，明天拉个大项目的创业公司呢？注意看我的回答，我不是说这个技术会消失，而是追求短期回报的资本不可能一直耗下去。

有评论要求对5g，以及云端智能做补充说明，这里补充一些观点：

5G标准很庞大的，有关工业物联网的那块标准有个局域的概念，比如50米100米范围内车辆局部组网，这个局域网内延迟很小，就好像你自己家WIFI，假如ipad连你电脑需要经过某个应用厂家数据中心的服务端再回来就很慢，但是局域网内部仅经过WIFI路由器直接互相访问就很快。这个可以解决需要快速反应的车间互动问题，数据中心那边延迟大，且不说数据中心处理延迟，就是从基站通过若干个路由器，经历各个不通网段走到数据中心，然后再返回车端，这段的时延以我粗浅的理解5g跟现在不会有太大区别的。云端解决大范围，时效性要求不高的宏观性问题，以及收集海量数据做某些后处理的形式的分析，优化。比如，局域网内通讯的汽车互相沟通相互间位置，速度，自己局部行驶路径，云端调度整个车流的状态，比较大的区域内，道路传感器节点观测信息，通过海量数据分析训练出更好的驾驶策略下发车端等。

有个问题必须明确：上5g也好，上云端也好不是为了取代车端智能，而是简化车端系统的设计，降低对车端智能系统实现上各种指标的需求，来帮助突破目前车端智能无法突破的瓶颈性问题。

如果通过联网知道其他车辆的状态是不是相当于多了一个非常可靠的观测数据源，并且实际上其他车辆还可以把他们观测到并且经过处理的周围环境，周围其他车辆检测到的障碍物，道路状况实时发送给你，是不是相当于单辆车的感知能力成倍增长，很多还在你的盲区之内，比如前车遮挡住的你的视线，或者，经常遇到的，某些漏检，误检，但是其他车辆在它所处的观测角度能够更好观测更准确检查出来，算上路上其他传感器，比如监控摄像头，路边测速仪等，对于做感知的是不是发现突然生活就变得美好许多了。如果车辆信息互通，超车，过十字路口，对向错车，提前给周围车辆发请求告知，然后通过统一的策略协调是不是可以大大简化规划控制的设计逻辑，提高安全性和效率，是不是比目前要靠猜测去预测其他车辆的行为安全靠谱？车端你自己去识别，然后设计逻辑回避破损需要维修的道路，或者你之前某处突发交通事故，然而，你前面的车辆正好挡住你视线，它突然急刹车，你要跟着做出反应，先不讨论车端怎么实现，能实现多好，这个问题方车端是不是又困难，又不可靠，如果你之前的车辆给你共享了这些信息，你只需要最简单的规避逻辑是不是就可以，你前方车辆的突然行为比如马路上突然穿出一条狗，它要紧急刹车或者猛打方向盘避让，通过数据链共享给你，你甚至能在它发生可观测的运动状态变化之前做出反应，毕竟数据传输速度远快于车辆制动速度。超车，过路口，错车提前告知周围车辆获得确认，是不是比你设计一个无比复杂行为逻辑或者人工智能模型简单靠谱的多？再加上云端能力的加持，是不是整个系统的能力又可以有巨大提升？

当然，正像我上面段落里说的，整个基础设施的改造投入巨大，且旷日持久，但是不可否认有些事情一定会去做，并且做成之后就可以实现一定的效果，个人觉得期待基础设施的更新换代，然后，推动整体交通系统能力的提升，远比在已经榨不出什么油水的技术路径里抓瞎靠谱得多。

而且通讯端的改造成本摊薄之后真的没多少钱，5g基站总是要架起来的至少国内已经列入规划了，这个不需要无人驾驶的人操心，花钱。不给无人驾驶用也是要架的，这是通讯网络改造的钱，天量的，具体到车端，成本非常少，相当于加了个5g上网卡而已，这个通信模组是5g手机里都有的东西，以后肯定是集成到车载电脑上的，批量生产之后会很便宜。跟现在随便一个传感器比简直忽略不计的。当然考虑到交互问题，很多目前的设计思路都要改，然后，由于这些改进对车端智能复杂度要就的降低从而带来的研发成本降低也非常显著。

---------------7.26再次更新------------------------------

主要驳斥一下那些说我技术悲观主义，充满挫败感的评论！

理工屌丝，从小语文不好，可能我的行文，或者表达方式上让读者产生了这种想法。

但是，仔细读过的读者应该不难得出结论，我的主要观点和论证都是基于目前的已知事实和客观的分析得出的。我个人的态度是很客观，甚至很乐观的（对于限定场景无人驾驶，智能辅助驾驶，以及基础设施升级之后可能带来的种种新的改变）。

比如，你不能说我不认为我会突然基因突变，明天就能长出一对可以飞的翅膀，就是悲观主义挫败感。就算有这种突变，并且我还没有因为剧烈的基因改变猝死，以细胞分裂的速度，我每天摄取的新物质，还有转化比看，我也不太可能明天就能长好。这是基于基本事实基本规律得出的。

同样，你也不能说，孙中山死前说:革命尚未成功，同志还需努力；老毛写《论持久战》是悲观主义，挫败感。我们知道这反而是革了一辈子命，对形势有了全面，理性，深刻的认识，彻底想明白了才能得出的结论。一腔热血小年轻，期望革命速成的想法反而是非常危险，并且多数白白送了人头。

事实上，根据之前的分析，一个读者中的专业人士基本上是有一个共识的，突破目前的瓶颈需要需要新的技术出现。已有的路子已经没有太多油水可榨了。具体来说最好这个突破是更加深度的智能，更加类似人类的智能。

通常进行科学探索，工程研发，先观察现象，总结规律，再运用规律解决问题。一个典型的例子，现在的人工神经网就是受了神经科学领域对神经系统结构和基本工作原理的研究的启发。

那你现在需要搞高端智能，推理，联想，类比等等，更具体的你要基于现在的冯诺依曼架构的计算机去编程实现，模拟这些能力（先不说可能不可能）。你起码要大概知道这些到底是怎么回事儿吧，要基本了解它的形成机制，运作原理吧？

然而一个事实是，不管认知科学也好，神经科学也好，生物也好，医学生理学也好，甚至不那么涉及基础科学研究的心理学领域也好。目前对这些问题的研究基本上都还停留在一些很表观的现象上，对深层次的机制上，全都知之甚少。

事实上，在这类问题上，任何一项基本的发现都会被整个科学界视为极为重要的突破，一定是会被放到新闻联播里面吹的。比如，左右脑分工的研究就被颁发了诺贝尔奖。不说你能搞出或者模拟生物体的这类高端智能，哪怕你把人类对此类问题的认识向前推进一小步，炸药奖或者同等份量的科学认可一定是要给你的。

所以，我认为，就算有什么突破，也必然是那帮搞认知，生理，神经等基础学科的先去突破了。我自始自终都不能理解为啥总有一大帮EECS的屌丝码农能够有如此狂妄自大的优越感，自己能够凌驾于所有其他学科之上。还是自己过于无知或者目光狭隘？

再重新回到人工智能的问题上，哪怕你搞不出更牛逼的技术，更吊的方法去模拟高端智能。如果能回答我上面的提到的问题，目前深度学习也好，强化学习也好能力边界在哪里？或者问题范围继续缩小，目前你们口口声声的说要实现的L4是否在目前已知技术的能力边界范围内，或者再进一步，L4还需要做哪些突破就圆满了，不用你去给具体解决方案，只把方向指出来？

这个问题无论是理论上，还是工程上都有巨大价值吧。要是能回答出来，多的不说，给评个院士，或者再不济，各种顶级杰出人才的头衔要给你一个的吧。自己可以掂量一下上面的问题哪个是自己有希望能在可预见的未来搞定的，要是真的是认识清楚还有这个自信的旷世奇才，干嘛还窝在小创业公司里面996当搬砖狗呢？

上面关于能力边界的问题连我这种狗屎水平的都能提出来，热血小年轻，大忽悠老中青们最喜欢拜业内大神，祖师爷，祖师奶奶们会想不到？会看不到这类问题的价值？只不过人家水平足够看出这类问题的深度和复杂度，大概率是故意很鸡贼的回避掉不去碰这个钉子罢了。

所以，很多热血小年轻的乐观就是什么都没想明白盲目乐观？

至于不少老中青的盲目乐观成分可能就比较复杂了。可能有些是真的不懂，没琢磨透，有些就是忽悠牟利，给无知小年轻们画大饼，打鸡血。比如我曾经的某位领导，某大专家，虽然本人并非相关专业出身，也没搞过相关领域的工作。至少表现上对无人驾驶落地是极其乐观，我就非常不确定他表现的如此乐观，是真的无知，还是纯粹为了找上头把项目，经费，人员忽悠到手，以及给我们下面这些小兵打鸡血。因为哪怕从最初的接触，我就强烈的感觉到这个人无比的鸡贼，并且有相当的技术领悟力。毕竟这个社会上能混的好，爬的高的多多少少都有其过人之处。

那些对人工智能前景，L4中短期内落地前景依然乐观的朋友们，我个人这里来说就很简单。我就盯着每年的诺贝尔奖，图灵奖，院士增选。你们要真能搞出什么革命性的东西，这些都少不了你们的。我期待在新闻联播，各大头条上看到你们的身影。

对了还要插一段关于这个行业的***专家***：

不用奇怪，只用稍微想一下，10年前全世界都没几个人搞的东西，google最早开始搞产业落地，满打满算也就10年，怎么就这么短短几年时间突然冒出来这么多从业人员，甚至大专家呢？专家这么多，这么容易混的么？其实很多都是从其他领域转过来的，有些是相关领域，有些连相关领域都算不上。对了还有一个有意思的现象，越是成熟的领域，你见到能称为业界公认专家少说都是领域内深更20年往上的，再不行10年也是有的，人家是真专家，一般情况下，自己领域内没有搞不定的工程问题。你看搞无人驾驶的，尤其是那些近些年才冒出来的创业公司的专家，半路转行来的专家，各种不知道什么会议水过几篇文章的小年轻博士各个都是专家，连关注这个问题，给过回答和评论的人里，貌似就有口口声声要落地L4，研究L5的行业大佬，业内专家。整个行业连个靠谱的商用解决方案都没有一个，结果全他妈是专家，请问这是什么专家？

编辑于 21 小时前

作者：洪泽鑫
链接：https://www.zhihu/question/404870865/answer/1357252830
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
 

从整个行业来看，自动驾驶已经火了快四十年，走过了两波浪潮，而从2019年下半年开始，正在迎来第三波浪潮。

自动驾驶这个概念走进人们生活已经快一个世纪了

你或许觉得自动驾驶一直是存活在科幻小说里，但目前可考据到的第一辆自动驾驶车辆出现在1926年。只是这种车在当时被称为“幽灵车”（phantom auto）。据报纸记载，当时这种车在美国演示时吸引了上千人观看，但并非正儿八经的自动驾驶，而是通过远程控制实现的驾驶。因为年代已久，已经没人知道具体是如何实现的了，我也没找到照片。[1]

之后在1979 年，来自奥地利的Hans Moravec就在斯坦福大学发明了第一辆正儿八经的“无人驾驶汽车”，名字叫Stanford Cart。

这辆长得像月球车的“汽车”移动的速度超慢，每移动1米就要花10到15分钟。移动慢的原因也很好理解，这辆车每移动一米，就会停下来拍摄一些照片，分析周围环境后再规划下个一米的移动路径。

在一次试验中，这辆车花了5个小时走了20米长的路程，绕过了三四个障碍物。[2]

第一波自动驾驶浪潮开始得也远比你想象的早

第一批真正能称为“车”的自动驾驶车出现在19世纪80年代。1984年，卡梅隆大学的两个项目 Navlab和ALV（Autonomous Land driven Vehicle）开始启动，而且迅速取得突破。[3]到1985年，ALV项目借助计算机视觉、毫米波雷达和机器控制等技术，虽然跑不了多远就会出问题，但已经能让车辆实现31km/h速度下的自动驾驶。[4]

而到了1987年，梅赛德斯-奔驰和慕尼黑联邦国防军大学发起了Eureka Prometheus科研计划，这是当时世上最大的无人车研究计划，一共收到了7.49亿欧元的赞助，许多高校和企业都争先加入。[5]

在这些标志性事件之后，通用、大陆、美安、博世、日产、丰田、奥迪、沃尔沃以及后来的谷歌，都纷纷投入到自动驾驶的研发中，意味着资本对自动驾驶技术的第一次青睐。[6]

虽然说浪潮是一波又一波的，但浪在褪去之后总是会留下美丽的贝壳。第一波浪潮是人工智能技术在自动驾驶领域应用的试水，在这个阶段形成了最基本的控制策略。此后，低级别的自动驾驶应用ADAS也不断涌现落地。

第二波自动驾驶浪潮出现在2015年至2018年之间

在这段时间里，国内外出现了以Zoox、Voyage、Momenta、图森为代表的一批自动驾驶创业公司，英特尔、Uber、亚马逊、百度、滴滴等大公司也先后入局。

这一波浪潮兴起的背景是相关技术的进一步成熟，尤其是深度学习的应用，同时还有汽车电动化浪潮的席卷而来。

创业公司在这个阶段的融资主要是靠团队背景，创始团队里只要有计算机视觉大牛或者coding大神就行。很多公司最初拿到融资的时候只有一台用林肯MKZ改装的原型车，产品是什么、商业模式是怎样都没想清楚。

后来稍微理清产品及商业模式后，自动驾驶领域开始分出赛道，并且因为出来创业的人才稀少，几家头部公司的估值被资本飞速抬高，出现了许多家“独角兽”。

这么高的估值背后，是当时资本市场对L3级别以上自动驾驶产品落地的高期望，各家都发表了非常激进的观点，定了许多盲目乐观的近期目标。

其中一个目标我记得很清楚，2018年很多公司都在说2020年L3级别自动驾驶会落地，但转眼2020已经过去大半年了，主机厂卖车的噱头仍然是L2.5级别的自动驾驶。

在近期目标没有实现时，市场对落地时间有了新的认知，这时又遇上了资本寒冬，资本也支撑不下去了，所以2018年底起自动驾驶创业公司的声音少了许多。

自动驾驶短时间内凉不了，而且正在迎来第三波浪潮

在2019年之后，无论资本还是用户对自动驾驶落地的预期开始回归理性。

随着技术的进一步成熟，市场上存在的需求也呼唤各类场景下的自动驾驶产品落地。

但自动驾驶的实现不可能一蹴而就，在我看来，抛开场景定义来谈自动驾驶能否落地简直就是耍流氓。

随着硬件成本的显著下降，自动驾驶的短期落地场景是在逐渐明确的。目前来看，无论是工厂园区港口里的无人叉车、游览小巴车、卡车，还是公开道路上慢速行驶的扫地车、公交小巴车都已经在走向落地。

2020年初Waymo、滴滴等各家自动驾驶公司的融资新闻频发，新入局了轻舟智航、超星未来、风图智能、白犀牛等一波创业公司，大公司里真正的实力者如华为也张罗起大团队来。

此外，相应的法律法规逐渐完善，以及国家的各类政策先后推出。就今年年初提出的新基建来说，七项中有三项都是自动驾驶软件的核心技术，包括5G、AI、大数据中心（云计算）。

资本永不眠。在中国这么强的社会资源调动能力下，自动驾驶作为一个基于新基建落地的经典场景，你觉得会被资本轻易放过吗？

————
听说成年人的友谊都是从点赞开始。
我是@洪泽鑫 ，很高兴认识。

你可能也会想看：

无人驾驶司机​zhuanlan.zhihu

参考

1. ^https://www.theatlantic/technology/archive/2016/06/beep-beep/489029/
2. ^https://link.springer/chapter/10.1007/978-1-4613-8997-2_30
3. ^https://www.cs.cmu.edu/afs/cs/project/alv/www/
4. ^https://www.irjet/archives/V6/i9/IRJET-V6I9322.pdf
5. ^https://en.wikipedia/wiki/Eureka_Prometheus_Project
6. ^https://en.wikipedia/wiki/History_of_self-driving_cars#1980s

编辑于 07-24

本文标签： 什么时候 才会 凉凉 多久