无人驾驶汽车的难题

　　无人驾驶，智能汽车，这些词汇都炙手可热。之前还略显科幻，到了2017年9月6日，美国众议院对美国首部自动驾驶汽车法案（H.R.3388）进行投票，无人驾驶仿佛一下子从天边来到了眼前。

　　1 拥有一辆超级无敌智能汽车的幸福生活图景

　　无人驾驶和智能汽车不是一个概念，但在无人驾驶来到人间以后，有人已经设想了拥有智能汽车的美好生活。江湖上流传着类似这样的故事。

　　当第一缕晨光染红了你的窗帘，睡眼惺忪的你，收拾好自己，打开自家交郊区小别墅的门。一辆外表有点古怪的汽车停在门口。触目所及的车体，在晨光中泛着说蓝不蓝说绿不绿的光泽，仔细看，原来车体表面覆盖着薄膜太阳能电池。

　　你对着车子侧脸的车窗玻璃再次理了理你那已经分毫不乱的头发。“咔哒”一声，防盗锁打开，车门像小鸟的翅膀一样向上展开。

　　你低头钻了进去。

　　

　　两部半圆形的沙发相对布置在车内。没有前排后排，没有刹车、档把，除了空间还是空间。

　　看起来很普通的米色内饰，其实是超级吸音材料。车门闭合的那一刻，你最喜欢的歌手“里格隆”金属质感的声音响起。

　　你闭着眼睛说到：“先听经济新闻”

　　环绕音响里立即响起新闻女主播干净理性的声音。

　　一路无话，一个多小时以后，车子停在你就职的公司大楼下面。忘记介绍，你是一个科技公司的工程师，普通工程师。由于愿意住在距离市区60多公里的远郊区，所以你拥有自己的别墅。

　　临下车前，你交代到：“小老虎，下午6点以后再来接我吧”

　　显示器上的小老虎，乖乖的点头，还做了个鬼脸。形象和名字，都是你自己设置的，你喜欢小老虎。

　　小车安静的滑进了车流，它今天的第一位租客在距离当前位置1公里的一个小区里，10分钟之前订单已经接下了。

　　小车的电力，天气好的时候，用超级光伏电池发电就能覆盖了，天气不好，它会自己找个充电桩补电。

　　

　　下午6点，你刚在大厦门口站定，小车安静的出现在你的面前。

　　上车后的第一件事，“龙哥，这是账单”。小老虎用一个大男孩的声音说道。

　　显示屏上出现了如下内容：

　　“乘客A，收入50元；

　　乘客B，收入30元；

　　乘客C，收入50元；

　　乘客D，收入80元；

　　乘客E，收入50元；

　　合计：乘客数5人，收入210元。

　　帮助一个家庭应急供电，收入50元；

　　充电桩补电1次，花费30元。”

　　把你放到家门口，小老虎又出去工作了，连车库都省了。感觉自己不太好，它会自己去4S店看病，先线上预约好，完全也不需要你操心。

　　一般人出门，都打车，但是精明的你，自己投资了这样一辆。除了方便，更是因为养着这样一个智能汽车，收入总比银行利息好。是交通工具，还能做应急电源；拥有汽车却不需要停车位，因为它一直在路上。

　　

　　2 苟且在眼前，诗和远方在未来

　　拥有那样一台智能汽车，确实能让我们距离“一个幸福的人”更近一些，这个梦想终究会实现，只是路途有点远。

　　暂且不提前文所述的自主智能汽车，单就实现真正的无人驾驶，也还有不少问题需要解决。查了一系列论文资料，提炼出几个要点，详情如下。

　　2.1 技术上的难题

　　2.1.1 理解环境

　　无人驾驶的主要技术之一，环境感知。环境感知，这里指无人驾驶汽车对交通环境的感知，具体的包括道路环境和天气环境。环境感知的一般方法，通过传感器采集环境数据，并实时将数据传送到控制器，根据一定的算法程序，推算出管理系统能够理解的环境模型，作为后续决策和控制环节的基础。

　　对环境的理解，存在着一些问题，具有代表性的列举下面两种情况。

　　第一种情况，区分纸箱和石头

　　道路中央，出现一个大纸箱。视觉系统或者激光雷达发现了这个障碍物的存在，测算以后发现，障碍物高度高于底盘高度，直接过去会发生碰撞。路线规划被调整，绕过前方的纸箱。纸箱换成大石头，感知和决策的过程和结果完全一样。

　　识别出障碍物的危险性，是个纸箱还是大石头，在人这里so easy。对于感知系统来说，却成了高难度动作。它可以测量尺寸，形状，甚至可以测量温度，但这些性状，都无法帮助它区分纸箱和石头。

　　第二种情况，识别人类的肢体语言

　　环境感知系统，一般通过下面的步骤判断目标是不是行人。

　　通过激光雷达的扫描，判断出需要分析的区域；用大量行人图片训练分类模块，再让分类模块去分析目标区域数据。经过这个过程，系统可以识别出哪个是行人，哪个是大树。

　　工程师把行人定义为可预测性较差的对象，在规划行车路线时，给出的预留空间大于静止的大树。

　　当无人车面对一个想要马路的行人时，这个识别过程复杂性陡增。有的把这个场景归类到人机交互技术里。

　　行人过马路，伸出一只胳膊示意，或者转过头盯住机动车的驾驶员，示意他要过马路。这一系列动作，人类司机习以为常。无人车去理解，却难于上青天。

　　于是，工程师寻找很多替代策略，比如用一块显示屏放在车头，显示人脸表情或者直接在屏幕上打出文字，比如用语音表达自己，告知行人等。这些方式，一定程度上可以表达无人车的意图，但在理解行人意图方面，似乎没有什么好主意。

　　

　　2.1.2 深度学习的瓶颈

　　2016年3月，AlphaGo战胜李世石，宣示人工智能翻开了新篇章。在这一章中，AlphaGo所代表的深度学习派占据了人工智能技术路线的绝对主流。

　　无人驾驶的环境识别技术流派中，绝大部分用到深度学习。然而深度学习也并非光芒万丈，无所不能，它也有自己的局限。

　　拿AlphaGo来说，战胜李世石的版本，是用几千盘棋谱数据训练出来的高手。高手知道怎么下棋战胜对手，但是高手在决定把那个棋子放在那个位置的决策结果，到底是怎么做出的，高手自身不能给出答案。也就是说，高手是个黑盒子，连它的设计者也搞不清楚，它的决策过程和决策依据。

　　这个黑暗的部分就是深度学习的一个死穴。用大数据把小白喂养成高手的这条路，终有一天会走到尽头。

　　另一方面，从某种意义上说，这种模式的不确定性，同时就是一种危险性。一些人工智能专家已经把研究人工智能决策过程和依据，作为科研课题，只是目前还没有什么明显的进展。

　　

　　2.2 推广应用上的难题

　　2.2.1 法律问题

　　没有人类司机的车辆上路，法律一直是一个障碍。只是，从2010年，Google 无人驾驶汽车被允许在加州几条公路上测试，到今年9月份，美国国家级自动驾驶法案进行投票，随着无人驾驶技术的成熟，法律的枷锁正在逐渐放开。相信中国也会经历类似的过程。

　　2.2.2 伦理问题

　　无人驾驶策略，一定会涉及到在紧急情况下，对不同碰撞目标如何取舍的问题。比如一边是山涧一边是路人，你怎么选；比如一边是一个 胖子，另一边是5个瘦子，非撞不可，你选谁。无人驾驶程序的设计上，无法回避的面临这个著名的“扳道岔”道德困境问题。每个被问道的设计者，都只能回答不知道。

　　普通人，只要在路上，每天都会面临同样的问题，我们为什么不纠结？因为我们闷在心里就好，不用说出来。遇到了就选了，不说出来就不是问题。到了无人驾驶这里，你必须明明白白的写在程序里，道德困境就来了。

　　2.2.3 中国特色的城市交通

　　无人驾驶的推广口号之一，是节约出行时间。但在人工驾驶车辆占据绝大多数的初期，这种承诺似乎很难实现。只要你在公路上跑，不是在空中飞。在我北上广深的万千路段上，堵车在所难免。

　　一般无人车的行车策略，会给动态目标预留安全距离。行人或者车辆距离车体一定距离以内，不得起动。

　　反观人类司机，在车龙中近身穿梭，司空见惯的事。

　　无人车不动，一个又一个老司机贴上来，超过去，情形是不是有些尴尬了。

　　出行效率，很难在初期成为卖点。

　　引用某名人的一句话，明天很美好，今天很残酷。