在過去的五年里，對自動駕駛的看法已經從“也許可能”變成了“絕對可能”，然后變成了“不可避免”，到現在已經變成了“怎么會有人認為這是不可避免的?”。每一個大型的汽車制造商都在大力發展這項技術，它們渴望在自動駕駛汽車時代來臨之前，重塑自己的品牌形象，成為一個“移動供應商”。其中，最早踏足這個領域的是Waymo——以及從谷歌自動駕駛汽車項目演化出來的公司。但它的壟斷地位在近年來已經有所下降，像Lyft和Uber這樣的叫車公司，也都在忙著解雇那些現在為他們的用戶提供服務的司機。像英特爾、IBM和蘋果這樣的科技巨頭公司也想從中分一杯羹。無數饑渴的創業公司已經形成了一個新興的生態系統，他們專注于激光傳感器，壓縮地圖數據，建立服務中心等。
現在, 自動駕駛汽車到處都是。它們在加利福尼亞、密歇根、巴黎、倫敦、新加坡和北京的街道上徘徊。這種21世紀的“淘金熱”，是由機遇和生存本能相互交織在一起驅動的。根據一個說法，自動駕駛技術將會為全球經濟帶來7萬億美元的價值，并在未來幾十年內挽救數十萬人的生命。與此同時，它也將摧毀汽車工業體系及其相關的加油站。汽車司機、出租車司機和卡車司機等從業人員將會失去工作。在這個過程中，大多數人將受益，但也會有許多人將被甩在后面。
值得記住的是，當汽車剛開始隆隆作響的時候，人們把它稱為“無馬馬車”（horseless carriages）。這中稱呼是有道理的：當時的車輛就像馬車一樣，只是沒有馬。當“汽車”一詞開始流行起來的時候，這項發明已經變成了一個全新的東西。一個多世紀以來，它重塑了人類的生活方式（包括人類在何處以及與誰生活）。這個循環已經重新開始，“自動駕駛汽車”很快就會像“無馬馬車”一樣不合時宜。我們還不知道那些不需要人類司機的汽車會給社會帶來什么影響，但我們可以肯定，類似的改變將會發生。
第一輛自動駕駛汽車
就在10多年前，在洛杉磯郊外一個廢棄的空軍基地，一輛自動駕駛汽車在真實的車流中穿行，這是美國國防部高級研究計劃局(Darpa)發起的第三次也是最后一次自動駕駛汽車比賽。
當時，他們已經投入了大量的資金，進行了多年的研究，試圖制造自動駕駛卡車。這為自動駕駛汽車技術奠定了基礎，但在制造一種能夠以實際速度行駛的汽車時卻停滯不前，因為它需要克服現實世界中的各種危險。
所以，國防部高級研究計劃局認為，也許會有其他人能夠實現這個目標。所以，它舉辦了一場比賽，邀請全世界各地的企業或人建造來制造一輛能夠橫穿加州莫哈韋沙漠的自動駕駛汽車，最快的那個將會獲得100萬美元的獎金。
這場在2004年舉行的比賽簡直是一團糟。每個團隊都采用自己的方式將當時可用的傳感器和計算機組合在一起，他們自己編寫代碼，自己焊接硬件來尋找合適的方式使車輛能夠穿越142公里的莫哈韋沙漠。最成功的只行駛了7英里。大多數汽車都在剛開始起步的時候出現了故障。但是，這場比賽創造了一個由極客、夢想家等人組成的群體，他們堅信機器人來做司機是有可能的。
2005年，他們又回到同一個地方，參加了一場后續的比賽，并證明了自動駕駛汽車是有可能的：有五輛車完成了這一過程。在2007年的城市挑戰賽中，這些車輛不僅僅能夠避開障礙物，還能遵守交通法規在道路上去并線，轉彎等等。
當谷歌在2009年推出自動駕駛汽車項目時，它首先雇傭了一批美國國防部高級研究計劃局退伍的軍人。在18個月的時間里，他們建立了一個系統，已經能夠處理加州一些最艱難的、很少有人參與其中的道路（包括著名的舊金山的 Lombard Street 繞行區）。幾年后，埃隆·馬斯克宣布，特斯拉將在自己的汽車上建立一個自動駕駛系統。而Uber和Lyft這樣的叫車服務的普及，削弱了人們坐車和擁有那輛車之間的聯系，實際這也幫助設定了一個未來——即將來有一天，開車的那個人也會消失。2015年，Uber甚至從卡內基梅隆大學國家機器人工程中心挖來了50名科學家，專門開發無人駕駛汽車。
幾年之后，這項技術已經發展到了沒有任何一家汽車制造商能夠對其視而不見的程度。福特、通用、日產、特斯拉、梅賽德斯等公司開始投入數十億美元研發自動駕駛。科技巨頭們緊隨其后，還有大批的初創公司：成百上千的小公司現在正忙著提供改進的雷達、攝像頭、激光雷達、地圖、數據管理系統等。比賽正在進行。
自動駕駛汽車術語
攝像頭
非常適合在高速公路上發現車道、限速標志和交通燈等東西。一些開發人員認為，通過更好的機器視覺，他們可以使用攝像頭來識別他們看到的每樣東西，并據此來進行導航。
激光雷達
大多數自動駕駛汽車上旋轉的東西是激光雷達，它每秒發射數百萬束激光，測量它們反射回來的時間。然后利用這些數據建立一個比雷達提供的更精確的三維地圖。與二維的攝像頭圖像相比，這更容易讓計算機理解。但它也非常昂貴，難以規模化生產，也不夠耐用。更不用說應付極端的氣候了。很多創業公司和科技巨頭都在投入數百萬美元的資金來解決這一問題。
機器學習
簡單來說，這就是一種人工智能工具，通過數以百萬計的例子來訓練計算機，使其能夠檢測車道線，識別出騎自行車的人。這個世界太復雜了，工程師不可能為每一種可能的情形寫一出來一套規則，所以擁有能從經驗中學習，以及明白該怎么行使的汽車非常關鍵。
地圖
在一輛自動駕駛汽車出現在街道上之前，公司將會使用攝像頭和雷達來繪制非常詳細的地圖。這種地圖作為一種參考文檔，能夠幫助汽車驗證傳感器讀數，對于任何想要找準自己定位的車輛來說，這都是至關重要的，這是標準的GPS無法提供的。
雷達
自上世紀90年代末以來，雷達就經常出現在汽車上，它可以在周圍反射無線電波, 以觀察周圍環境, 特別擅長發現大型金屬物體ーー其它汽車。它們既便宜又可靠, 而且不容易受到雨霧或雪的影響。
自動駕駛汽車的未來
讓我們從你最想知道答案的問題開始吧：自動駕駛汽車什么時候能普及？這是一個錯誤的問題。自動駕駛汽車并不是一個需要某一天準備好，然后開始發貨的設備。它是一個系統，是一個以新穎的方式來應用發明的集合體。而且，要記住，最初的汽車的發展受到了道路網發展和汽油供應等因素的制約和影響。同樣，自動駕駛汽車的普及也會受到一系列新的問題的制約與影響。
自動駕駛技術何時才能準備好？首先，硬件已經準備好了。攝像頭和雷達已經足夠便宜了，而且足夠耐用，可以用在面向大眾市場的汽車上了。但是，激光雷達仍然很貴，但有數十家初創公司和大公司都在競相降低成本。英特爾、高通和英偉達等芯片制造商正在努力降低這些“滾動的計算機”的電力需求。
真正的工作是不斷地改進軟件（由機器學習驅動），能夠讓計算機來正確地理解來自傳感器的數據。這就是為什么福特向人工智能公司Argo AI投資了十億美元，為什么通用汽車買下一家名為Cruise的創業公司，為什么Waymo要在道路上行駛了400萬英里。安全駕駛不僅僅只是需要知道一個人在那里，你還必須知道，他是騎著自行車，他可能會采取什么樣的行動，以及應該如何應對他的行動。這對機器人來說是很難的，但是這些問題正在被越來越快、越來越好地解決。
下一個問題：我們能一起建造和操作這些東西嗎？每年生產數百萬輛汽車的大型汽車制造商依賴于數十或數百家公司復雜而精確的互動，這些公司提供汽車所有的零件，并提供服務以維持它們的運轉。然后，需要經銷商來銷售，加油站或充電站來提供燃料，以及維修點來維護修理，停車場來存放等。任何一個想要提供自動駕駛汽車的人，都需要思考怎么去重塑這一個世紀以來建立的相互作用和過程。Waymo已經與汽車租賃公司Avis合作，在亞利桑那州出租自動駕駛的小型貨車。該公司還與一家名為Trov的創業公司合作，為這些貨車提供保險。通用汽車正在重新調整旗下的一家生產工廠，在沒有方向盤和踏板的情況下，生產出雪佛蘭Bolts。激光雷達制造商 Velodyne 在圣何塞開了一家"megafactory"公司。 聯邦監管機構正在考慮如何對不符合人類駕駛員安全標準的車輛進行認證。各種各樣的潛在供應商正在制定運營中心的計劃，在那里，人類可以跟蹤他們的機器人車隊，并為需要的顧客或汽車提供服務。
這并不是在討論這些東西是否會被部署，而是在討論該如何部署。首先，忘掉擁有一個完全自動駕駛汽車的想法吧。你今天可以買一輛能夠自動在告訴公路上駕駛的汽車，但你想要是一輛能處理任何情況的自動駕駛汽車，還需要幾十年的時間。這些自動駕駛汽車將會先出現在類似于出租車的車隊中，在有限的條件和區域內運行，這樣他們的操作人員就可以避免特別棘手的交叉路口，并確保一切都被細致入微地描繪出來。想要搭順風車，你可能需要預先確定上車點和下車點，這樣才能保證安全而合法地行駛、停車了。與此同時，制造這些汽車的人們還需要解決一些棘手而又實際的問題。他們將會計算要收多少錢，即才能收回研發成本，又不會讓潛在的乘客覺得難以接受。他們需要與監管機構和保險公司進行討論，怎么處理不可避免發生的交通事故等等。然后，他們將不得不考慮如何擴張——這才是真正的競爭開始的時候。Uber、福特、Waymo和通用汽車可能會在不同的城市起步，但很快，它們就會開始爭奪地盤。你知道現在Uber和Lyft在爭奪市場份額方面有多么激烈嗎？他們會追蹤司機，并為吸引乘客而進行大量的促銷活動。現在再想象一下，比這多幾倍的競爭對手進行同樣的戰斗是一種什么樣的場景。
每個人都應該捫心自問的問題是：這項技術將如何改變你的生活？嗯，你到機場的旅程會變得越來越便宜和安全。你上下班通勤將變得不那么麻煩。但這都是最基本的東西，就像無馬馬車一樣。
事實上，很難想象一旦汽車能夠自動行駛，人們會做什么。一旦這些東西變得如此高效，運輸成本就會降至接近零的水平。這很容易讓人聯想到一個反烏托邦的世界，在這個世界里，自動駕駛汽車鼓勵城市擴張，每個人都住在離工作地點100英里之外的地方，并派他們的自動駕駛汽車去做他們的差事，阻塞我們的街道。樂觀主義者設想的是一種新型的烏托邦式城市，這種技術不僅可以減少交通事故的發生，還能與現有的公共交通系統相結合，并讓所有人都能負擔得起。就像互聯網一樣，這些汽車會反映出我們的一些更糟糕的沖動，但也會給我們帶來最好的回報。
One More Thing：自動駕駛汽車的攝影史
1、Stanford Cart
人們對于自動駕駛汽車的夢想已經有近一個世紀了，普遍被人認可的第一輛“自動駕駛”汽車是Stanford Cart。它最早建于1961年，在70年代早期，它可以利用攝像頭和早期的人工智能系統來繞過障礙物。但它面臨的一個大問題是：每移動一米需要20分鐘的時間。
2、NavLab 5
1995年，卡內基梅隆大學的研究人員托德·約赫姆（Todd Jochem）和迪安波默洛（Dean Pomerleau）駕駛著配備自動駕駛的1990年的龐蒂克Trans Sport——NavLab 5穿越美國。在將近3000英里的路程中，這輛貨車確實是在自動駕駛。用擋風玻璃的攝像頭來尋找車道線，人類負責踩油門和剎車。
3、Sandstorm
21世紀初, 美國國防部高級研究計劃局舉辦了一場比賽，邀請全世界各地的企業或人建造來制造一輛能夠橫穿加州莫哈韋沙漠的自動駕駛汽車。雖然沒有一個進入決賽的選手能完全全部路程。這場比賽創造了一個由極客、夢想家等人組成的群體，他們堅信機器人來做司機是有可能的。其中表現最好的汽車是卡內基梅隆大學的Sandstorm，一輛配備有攝像頭、激光掃描儀、雷達的悍馬，車輛上還有一個裝滿電子設備的重達1000磅的盒子, 以便在崎嶇的地形中找到行駛路線。
4、Stanley
當美國國防部高級研究計劃局在2005年再次舉行比賽時, 有五輛車完成了所有的路程。最快的是斯坦福大學的Stanley。 它是一輛使用了現代標準攝像頭、雷達和激光掃描儀的大眾Touareg，在很大程度上依靠機器學習來理解其收集到的數據以及決定如何行駛。
5、Boss
美國國防部高級研究計劃局舉辦的第三次也是最后一次比賽是2007年的城市挑戰賽, 它是在一個廢棄的空軍基地上舉行的。 這一次, 卡內基梅隆大學與通用汽車合作制造的Boss取得了第一名。這是一輛配備有各種傳感器的雪佛蘭塔荷，非常具有“侵略性”，但并沒有違反交通規則。 和所有頂尖的自動駕駛汽車一樣, 它使用了一種新的雷達激光掃描系統, 能夠提供一個360度的詳細視角。
6、谷歌Prius
2009年，谷歌的拉里·佩奇（Larry Page）讓斯坦福大學斯Stanley的創建者塞巴斯蒂安·特倫（Sebastian Thrun）給他制造了一輛自動駕駛汽車，并要求他在加州的1000英里公路上進行測試，解決可能會遇到的問題。美國國防部高級研究計劃局比賽中招募到了最優秀的人才后，特倫用必要的傳感器裝配了一輛Prius。一年半之后，這個團隊攻克了“拉里的1000公里任務”。
7、谷歌Firefly
在接下來的幾年里, 谷歌掌握著自動駕駛汽車領域的話語權, 逐漸地將技術推向汽車工業無法忽視的地步。 在2014年, 它用Firefly 清楚地表達了對人類駕駛員的排斥(其他人稱之為koala, 或者pod等等) , 這是一輛沒有方向盤和踏板的汽車。 三年后, 這支自動駕駛團隊從谷歌分離出來, 成立了Waymo。然后Firefly 退休了，Waymo開始轉向克萊斯勒Pacifica等量產車。
8、梅賽德斯 F 015
到2015年, 大型汽車制造商終于開始認真對待自動駕駛技術了。 梅賽德斯-奔馳（20世紀80年代做了大量的自動駕駛研究)在CES上發布了一輛未來概念汽車F 015，車輛的窗戶可以作為觸摸屏, 而且也為那些不敢放手的人提供了方向盤。該車預計在2030年出廠。
9、雪佛蘭 Bolt （沒有方向盤）
在幫助卡內基梅隆大學進行美國國防部高級研究計劃局的城市挑戰賽11年后, 通用汽車發布了一款既不帶方向盤也沒有踏板的雪佛蘭 Bolt 電動汽車。 通用公司將在2019年的某個時候將這款車作為自動駕駛的出租車推出。
10、豐田 e-Palette
不久之后, 自動化技術將使汽車設計師擺脫今天的限制。 豐田公司通過e-Palette來探索未來, 這是一個可以做任何事情的車輛的平臺, 從載客到運送披薩到作為一個移動的酒店或醫療中心。 這是迄今為止最大膽的產品之一——我們正在邁向一個汽車不僅僅只是我們駕駛的東西的世界。
下一篇：選北清路等進行路試 北京推進自動駕駛上一篇：廣州將打造智能駕駛全產業鏈
責任編輯：王維
相關推薦
辦公游戲都不在話下 mini主機選購指南
近年來，mini主機的關注度日益增長。無論是主打辦公的主流性能產品，還是圖形性能出色的游戲mini主機都有著很廣闊的市場前景。但很多消費者對這類產品還是充滿了偏見，對它的性能、散熱、穩定性等等都存在著誤解。今天我們將通過幾款產品來告訴大家什么樣的mini主機更適合你。什么是mini主機？它的優勢在哪兒？mini主機沒有明確的官方定義，可以把它理解為
工信部：到2020年建成國家車聯網產業標準體系
商業化自動駕駛必要條件：AI算法須高效且低成本
陸奇到任首個大動作，百度宣布開放自動駕駛平臺