是什么阻止了自动驾驶汽车上路？

埃隆·马斯克(Elon musk)一再强调，特斯拉将在2020年底前制造全自动汽车。“这方面有很多小问题。最大的挑战是如何解决所有这些小问题，并将它们整合到一个统一的系统中。”

虽然这种无需人为干预就能应对旅途中各种状况的汽车(业内称之为“L5级自动驾驶”)可能正在逼近，但真正生产出能安全合法上路的自动挡汽车则是另一回事。

全自动驾驶汽车之所以不能上路，是因为还有很多根本性的挑战。让我们看看五个核心障碍。

1.传感器

自动驾驶汽车使用各种传感器来“观察”周围环境，并帮助系统检测行人、其他车辆和路标等物体。摄像头负责帮助汽车获得视觉，激光雷达负责测量物体与汽车之间的距离，普通雷达探测物体并跟踪其速度和方向。

这些传感器将不断向汽车的控制系统或计算机提供数据，以决定在哪里转弯或何时刹车。全自动驾驶汽车需要一套传感器，能够在各种条件和环境下准确检测物体、距离、速度等指标，全程不需要人为干预。

然而，恶劣的天气、繁忙的交通和带有涂鸦的路标会对传感器的识别能力产生负面影响。虽然特斯拉使用的雷达不易受到恶劣天气条件的影响，但仍然无法满足全自动驾驶汽车对物体探测的严格要求。

就目前的情况来看，特斯拉的“自动驾驶”L2 autopilot已经造成了多起事故，包括今年7月撞上了其他停放的车辆。事实证明，该公司的传感器在应对全天候驾驶场景时还有很长的路要走。

2.机器学习

大多数自动驾驶汽车使用人工智能和机器学习来处理来自传感器的数据，并根据组合对下一步行动做出具体决策。这些算法将帮助系统识别传感器检测到的目标，并根据训练经验将目标分类为行人、路灯等。最后，汽车利用这些信息来确定是否需要避开检测到的物体，以及接下来需要采取什么行动，例如刹车或转弯。

在未来，机器可能比人类司机拥有更高效的物体检测和分类能力。但至少目前来看，汽车上使用的机器学习算法还缺乏足够的安全基础。在如何训练、测试或验证机器学习算法方面，标准化组织乃至整个自动驾驶行业尚未达成共识。

打开道路

自动驾驶汽车在驶入开放道路后，将继续其学习过程。它将在新的路段上行驶，检测训练中从未遇到过的物体，并相应地更新软件。

那么，如何才能保证系统能一直拥有和验证版一样的安全性呢？我们必须能够证明所有新的学习结论都是安全可靠的，系统不会忘记之前的安全知识。可惜目前业内没有统一的解决方案。

4.监管要求

不仅是在自动驾驶领域，目前还没有任何行业针对自动驾驶系统出台足够的标准和法规。现有的车辆安全标准假设要求驾驶员在紧急情况下立即接管。

对于自动驾驶汽车，法规只规定了一些特殊功能(如自动车道保持系统)。至于自动驾驶系统，包括自动驾驶汽车，虽然国际标准已经制定了一些相关的要求，但是之前提到的传感器、机器学习、行为学习的问题还没有解决。

因此，只要没有公认的法规和标准，自动驾驶汽车就没有权利在开放的道路上正常行驶，无论是否安全。

5.社会认可

特斯拉目前的自动驾驶功能已经造成了多起事故。由此造成的社会接受度低的问题，不仅来自有意购买此类产品的用户，也来自与此类用户共享道路的其他交通参与者。

公众需要参与自动驾驶汽车的引进和采用的决策。没有这个环节，这个技术可能会被人民所排斥。

显然，只有解决了前三个问题……我们有机会克服最后两个障碍。目前，行业各方都在努力成为首家推出全自动驾驶汽车的厂商。但是，如果我们无法通过监管机构/公众的合作，在实现汽车安全、提供安全证书和获得接受方面达成共识，那么自动驾驶汽车在未来几年内只会在很长一段时间内处于测试阶段。

对于马斯克这样的创业者来说，这种情况无疑是令人沮丧的。但正是因为有了荆棘，在安全、安保、法规、验收等领域率先取得突破的厂商，才能发展成为新的巨头，引领整个新时代。

埃隆·马斯克(Elon musk)一再强调，特斯拉将在2020年底前制造全自动汽车。“这方面有很多小问题。最大的挑战是如何解决所有这些小问题，并将它们整合到一个统一的系统中。”

虽然这种无需人为干预就能应对旅途中各种状况的汽车(业内称之为“L5级自动驾驶”)可能正在逼近，但真正生产出能安全合法上路的自动挡汽车则是另一回事。

全自动驾驶汽车之所以不能上路，是因为还有很多根本性的挑战。让我们看看五个核心障碍。

1.传感器

自动驾驶汽车使用各种传感器来“观察”周围环境，并帮助系统检测行人、其他车辆和路标等物体。摄像头负责帮助汽车获得视觉，激光雷达负责测量物体与汽车之间的距离，普通雷达探测物体并跟踪其速度和方向。

这些传感器将不断向汽车的控制系统或计算机提供数据，以决定在哪里转弯或何时刹车。全自动驾驶汽车需要一套传感器，能够在各种条件和环境下准确检测物体、距离、速度等指标，全程不需要人为干预。

然而，恶劣的天气、繁忙的交通和带有涂鸦的路标会对传感器的识别能力产生负面影响。虽然特斯拉使用的雷达不易受到恶劣天气条件的影响，但仍然无法满足全自动驾驶汽车对物体探测的严格要求。

就目前的情况来看，特斯拉的“自动驾驶”L2 autopilot已经造成了多起事故，包括今年7月撞上了其他停放的车辆。事实证明，该公司的传感器在应对全天候驾驶场景时还有很长的路要走。

2.机器学习

大多数自动驾驶汽车使用人工智能和机器学习来处理来自传感器的数据，并根据组合对下一步行动做出具体决策。这些算法将帮助系统识别传感器检测到的目标，并根据训练经验将目标分类为行人、路灯等。最后，汽车利用这些信息来确定是否需要避开检测到的物体，以及接下来需要采取什么行动，例如刹车或转弯。

在未来，机器可能比人类司机拥有更高效的物体检测和分类能力。但至少目前来看，汽车上使用的机器学习算法还缺乏足够的安全基础。在如何训练、测试或验证机器学习算法方面，标准化组织乃至整个自动驾驶行业尚未达成共识。

打开道路

自动驾驶汽车在驶入开放道路后，将继续其学习过程。它将在新的路段上行驶，检测训练中从未遇到过的物体，并相应地更新软件。

那么，如何才能保证系统能一直拥有和验证版一样的安全性呢？我们必须能够证明所有新的学习结论都是安全可靠的，系统不会忘记之前的安全知识。可惜目前业内没有统一的解决方案。

4.监管要求

不仅是在自动驾驶领域，目前还没有任何行业针对自动驾驶系统出台足够的标准和法规。现有的车辆安全标准假设要求驾驶员在紧急情况下立即接管。

对于自动驾驶汽车，法规只规定了一些特殊功能(如自动车道保持系统)。至于自动驾驶系统，包括自动驾驶汽车，虽然国际标准已经设定了一些相关要求，但pr……之前提到的传感器、机器学习、行为学习的lem，至今没有解决。

因此，只要没有公认的法规和标准，自动驾驶汽车就没有权利在开放的道路上正常行驶，无论是否安全。

5.社会认可

特斯拉目前的自动驾驶功能已经造成了多起事故。由此造成的社会接受度低的问题，不仅来自有意购买此类产品的用户，也来自与此类用户共享道路的其他交通参与者。

公众需要参与自动驾驶汽车的引进和采用的决策。没有这个环节，这个技术可能会被人民所排斥。

显然，只有解决了前三个挑战，我们才有机会克服后两个障碍。目前，行业各方都在努力成为首家推出全自动驾驶汽车的厂商。但是，如果我们无法通过监管机构/公众的合作，在实现汽车安全、提供安全证书和获得接受方面达成共识，那么自动驾驶汽车在未来几年内只会在很长一段时间内处于测试阶段。

对于马斯克这样的创业者来说，这种情况无疑是令人沮丧的。但正是因为有了荆棘，在安全、安保、法规、验收等领域率先取得突破的厂商，才能发展成为新的巨头，引领整个新时代。

标签：特斯拉

汽车资讯热门资讯