楼天城、清华邓志东激辩自动驾驶：近在咫尺还是遥遥无期？

大数据摘要式生产

作者：易万宇

汽车作为一种交通工具已经有130多年的历史了，就像追求全机器自动化一样，一辆能够独立运行的汽车一直是人们的梦想。如今，飞机、火车，甚至地铁都可以在一定程度上实现自动驾驶，公众也期待着自动驾驶汽车在道路交通中的出现。

据不完全统计，2018年全球自动驾驶投融资总额超过70亿美元，其中中国内地投融资规模近12亿美元。软银和本田先后投资了通用汽车旗下的自动驾驶企业Cruise，总金额高达50亿美元；国内自动驾驶初创公司小马智行也完成了两次融资，总金额超过2.1亿美元。

但同样，自动驾驶事故的出现也给该行业敲响了警钟。2018年3月，一辆优步自动驾驶汽车在美国亚利桑那州与一名行人相撞，导致他们死亡，成为世界上第一例由自动驾驶导致的行人死亡事件。在中国，也发生过特斯拉汽车因激活自动驾驶模式而引发事故的事件。

我们离自动驾驶有多远，离得近，还是离得远？

在《人工智能时代》第五期的辩论中，清华大学车辆工程学院院长杨殿革教授、清华大学计算机科学系邓志东教授和Pony.AI的CTO楼天成共同探讨了自动驾驶的相关问题。

从改善交通到促进产业转型，自动驾驶的意义渗透到社会的方方面面

人类学研究告诉我们，90%以上的交通事故是由人为驾驶失误造成的。自动驾驶可以消除这些因素，也被赋予了确保交通安全的重要使命。

除了提高交通安全外，自动驾驶对人类社会的方方面面都具有重要意义。例如，节能减排、改善交通条件、增加流动性、促进产业转型等。国内外，军队、政府和企业都在尝试或开展无人驾驶的研究。

在国际上，最早的自动驾驶相关研究工作是美国国防高级研究计划局自20世纪80年代以来在美国开展的。DARPA有军事背景，后来谷歌和优步等多家汽车和互联网公司也加入了这场战斗。相对而言，它在中国起步较晚，相关研究和进展始于20世纪90年代，但发展势头迅速。

以百度、阿里巴巴和腾讯为代表的科技公司正在成为国内乃至全球自动驾驶行业研究的顶级参与者。2018年7月，百度与金龙客车联合研发的L4级自动驾驶公交车投入量产下线；9月，阿里巴巴发布了车路协同技术和智能交通解决方案；

11月，腾讯在其合作伙伴大会上展示了自动驾驶算法和模拟的全面布局。BAT在自动驾驶领域拥有丰富的技术储备，正成为汽车公司合作的技术合作伙伴。

无人驾驶不仅是人工智能的一个研究问题，也是一个重要的应用场景

自动驾驶本身不仅是人工智能的一个研究问题，也是人工智能的重要应用场景。因此，它包含了许多关键技术。

无人驾驶依靠感知系统，包括摄像头和激光雷达等各种传感器，来获取汽车周围环境的相关信息。通过处理上述信息并做出相应的判断，这些判断的结果最终将由执行子系统控制，真正实现无人驾驶相关操作。

在对周围信息的感知方面，自动驾驶有两条非常典型的技术路线。

激光雷达

所使用的技术取决于应用场景，例如Waymo的无人驾驶，它选择了激光雷达的路线。通过为汽车配备高度精确的雷达，汽车的眼睛更加明亮。即使在黑暗的环境中，也可以对周围环境进行建模。

计算机视觉技术

不同的观点来自特斯拉。马斯克今年早些时候曾表示，“傻瓜只使用雷达”，“雷达没有未来”。他们更专注于使用传统相机来获取周围环境的相关信息，对获得的视觉信号进行抛光，并捕捉重要的外围信息。

综合技术路线可能更先进

激光雷达的距离很长，受环境光照的影响较小，但它有一些缺点，如缺乏颜色和纹理、数据稀疏和成本高；相机有颜色和纹理，成本较低，但受环境照明影响较大，距离相对较近。

邓志东教授认为，尽管特斯拉等公司在单目视觉技术上取得了突破，并形成了障碍，但能够测量距离、具有颜色和纹理、不受环境照明影响的固态激光雷达融合相机将是未来的趋势。

从工业角度来看，杨殿革教授认为，纯视觉技术成本较低，但无人驾驶需要对周围环境进行三维空间建模。与使用计算机视觉技术相比，使用激光雷达进行建模相对容易，并且还使用了相机。这两家公司在技术路线上的差异与它们不同的业务有关。谷歌在运营出租车等车辆的场景中运营，需要考虑可靠性，成本处于次要地位；特斯拉和其他公司生产的量产汽车需要出售给最终用户，因此需要考虑成本，而激光雷达的成本太高。

0

楼天成先生认为，激光雷达路线或计算机视觉路线可能并没有真正的答案。关于自动驾驶感知技术路线的争议并不是单一的技术路线，而是与整个系统有关。严格来说，世界上没有激光雷达公司或计算机视觉公司，被称为激光雷达派系的Waymo实际上有27台相机；

同样，特斯拉也拥有至少16个毫米波雷达。花在传感器上的每一分钱都能带来额外的信息收入，而成本效益取决于花一元钱能获得多少信息，这才是传感器的真正价值。另一点是，“自动驾驶对路线的感知不是一个单一的问题，简单地询问自动驾驶对路径的感知可能不是一个非常公平的问题，因为这涉及到这个系统中的许多决策。路线不仅是感知，也是对整个系统架构的考虑。”

自动驾驶系统落地实施模式：单车智能模式vs车路协同模式？

1

2

中国的主要技术路线强调车路协同。由于中国在自行车智能技术方面落后于美国，但拥有良好的道路和网络条件，自行车智能与车路协同的结合可以更好地实施。谷歌的计划强调自行车智能化，这更符合美国的情况，因为它不太可能在美国建立具有全网络连接的车-车协作。因此，美国并不是不想将车路协同纳入自动驾驶的落地，只是不可能落地。

车对车通信可以帮助汽车提前获得更多信息，例如当一辆大型汽车挡住他们的视线时，但他们仍然可以通过车辆之间的通信获得汽车前方的路况信息。自行车智能化是根本，车路协同是辅助。因此，两者应该处于合作关系中，两者都不是不可或缺的。双方可以共同确保自动驾驶的安全落地。

你是更担心还是不太担心乘坐无人驾驶汽车？

人类开车有两种方式：正常驾驶和非法驾驶。90%以上的交通事故是由非法驾驶引起的，正常驾驶通常不会造成事故。自动驾驶汽车比非法驾驶更强，比正常驾驶更弱。我们希望通过自动驾驶将交通事故的概率降低90%。至于是否要担心，这是一个心理问题。自动驾驶在控制速度等方面比人类更精确，体验也会更好。然而，自动驾驶在感知方面不可能比正常人更可靠，这是一个需要克服的瓶颈。

中国人接受自动驾驶的比例超过80%，这与中国人接受新事物的意愿有关，但人类对自动驾驶的要求高于人类驾驶。如果是纯自动驾驶，技术突破需要时间，目前还不够可靠。自动驾驶的目的是为驾驶安全提供更多保障。然而，自动驾驶仍然缺乏法律保护，事故责任的划分也需要进一步明确。无人驾驶确实需要每个人都适应，因为有人驾驶参与了整个驾驶过程的反馈过程，但无人驾驶没有参与，所以他们可能会感到无法控制，担心发生事故，需要时间来适应。

自动驾驶研发战略：从L2开始，逐步推动VS直接攻克L4级别？

3

如上图所示，L2是指部分自动驾驶，L4是指适用于所有场景的高度自动驾驶和完全自动驾驶。

楼天成先生说：“L2和L4是基于目标定义的，而不是两条技术路径。L4的技术可以应用于L2，但L2的一些技术可能不一定应用于L4。一项技术是有上限的，如果从渐进的角度来看，它不一定能达到最终目标。L4还需要学习大量以前的知识才能达到最终目标

因为L2和L4背后的市场主体不同，所以在真正落地时，有必要考虑它们背后的市场实体。车企非常重视L1-L3的成本问题，但在L4，买家是运营商，因此他们对L4的成本问题相对不那么敏感。L2的发展将推动L4的发展。随着L2的发展，许多传感器将具有更低的成本，并且可以应用于L4，以及……

L4的发展也将促进L2的发展。但从着陆的角度来看，应该是L1、L2、L3、L4。

复杂的交通场景：抛光技术的优点大于缺点VS实施难度太高

众所周知，中国的交通场景非常复杂，这些复杂的交通场景无疑给无人驾驶带来了落地困难。然而，它们也为打磨无人驾驶技术提供了丰富的数据。

杨殿歌老师坚信，自动驾驶一定会在中国落地。尽管中国复杂的交通场景会给技术带来更大的挑战，但复杂的交通场面肯定可以解决，也会带来更大机会。

楼天成先生认为，无人车的落地对全局来说当然很困难，但从局部到全球来看，无人车落地仍然有很大的机会。复杂的交通场景带来了更多的数据，而中国在数据积累方面更具优势，因此复杂场景对技术的利大于弊。

自动驾驶需要什么样的人才？

计算机的创始人都是数学家，那么谁会是无人驾驶的创始人呢？最早的一批先驱来自车辆工程背景，第二批是自动化人才，第三批是人工智能人才。然而，目前，这是三者的结合。

一方面，我们需要多才多艺的人才，因为自动驾驶是一个非常复杂的系统；另一方面，由于所涉及的技术非常复杂，因此需要专业人才。自动驾驶领域还不够成熟，在混乱的环境中学习、解决问题和找到前进道路的能力都是愿意从事自动驾驶的人才所必需的。

本文首发于微信公众号：《大数据文摘》。文章内容属于作者个人观点，不代表和讯网络的立场。投资者应据此操作，并承担风险。

标签：特斯拉世纪本田大众金龙

汽车资讯热门资讯