自动驾驶技术扫盲

自动驾驶技术是近些年来被炒得非常火热的技术，想必大家肯定都听说过这个名词，多少看过一些相关的新闻。本文旨在对自动驾驶相关的一些概念做简单的梳理和介绍。要是有不对之处还请指正。

 

一、自动驾驶技术的历史发展

虽然自动驾驶在最近十年才开始真正的大放异彩，但是自动驾驶的概念并不是一个新事物。早在上个世纪20年代就已经有科学家开始进行自动驾驶方面的设计和尝试。进入80年代以后，美国很多一流高校和知名车企都纷纷投入到自动驾驶技术的研究。1997年在美国国会的主导下，一场关于自动驾驶技术的盛大的展出在美国加州圣地亚哥开展起来，多达21辆的自动驾驶车辆无人车队在高速上运行。这些早起的自动驾驶技术的研究虽然推动了很多相关技术的发展，比如自适应巡航技术（adaptive cruise control），但是受限于当时技术的发展水平，实现真正的自动驾驶的目标还是太过遥远。在展出之后的很长一段时间里，各界对自动驾驶技术方面的研究热情也逐渐冷淡起来。

 

进入新世纪以后，自动驾驶技术进入了美国军方的视野，于是乎美国军方分别在2004，2005，2007年举办三次DARPA(the Defense Advanced Research Projects Agency)竞赛。竞赛的内容涵盖了从无人驾驶车辆横穿沙漠到市区无人驾驶。在DARPA竞赛的强有力地吸引和推动下，美国高校纷纷重新燃起了研究自动驾驶的兴趣。同样地在DARPA竞赛的启发下，谷歌也对自动驾驶技术产生了兴趣，从2009年开始悄悄进行自动驾驶技术的研究，自此开启了自动驾驶技术发展史上的的篇章。

 

另一方面，以为基础的技术从2012年开始进入主流视野，并且风卷残云般地迅速渗透到各个领域和技术。在该革命性的技术变革的驱动下，很多人看到了自动驾驶技术真正的实现和落地的希望。于是乎大批自动驾驶创业公司雨后春笋般地成长起来，数百亿美元的资金融进行业，最终形成了现在自动驾驶公司遍地开花的局面。

 

DARPA比赛2015年第一名车辆，来自斯坦福团队的stanley

 

二、自动驾驶技术的标准分级

自动驾驶技术根据自动驾驶能力的高低，循序渐进地一共分为六级：

L0级别：该级别代表没有任何自动驾驶能力，完全由驾驶员完成驾驶任务

L1级别：该级别车辆具有简单的辅助驾驶能力，但是主要还是由驾驶员完成驾驶任务。典型的L1级别的技术是自适应巡航功能。

L2级别：该级别的车辆的辅助驾驶能力进一步地提高，但是还是主要依靠驾驶员驾驶车辆，自动驾驶功能还是属于辅助功能范畴。典型的L2级别的技术是以车道保持辅助（lane keeping assistance）和自适应巡航为基础的交通拥堵辅助系统（traffic jam assist）

L3级别（有条件自动化）：该级别的车辆已经基本具备所有的自动驾驶能力，但是由于鲁棒性不够高等原因，因而尽管在大多数情况下车辆可以完全自动驾驶，但是仍然需要驾驶员时刻保持警惕，以便在系统失效的情况下能够及时接管驾驶。

L4级别（高度自动化）：该级别的车辆在指定的区域和条件下内可以完全实现自动驾驶，完全不需要驾驶员。

L5级别（完全自动化）：该级别在任何范围内，在任何条件下，任何时候都可以完全自主驾驶。

 

根据以上的分类可见，在L0 - L3级别的自动驾驶技术应该更准确地被称为辅助驾驶技术，因为在此级别下，车辆的自动驾驶系统仅仅起到辅助驾驶的功能，让驾驶变得更加容易，便捷，但是并没有实现真正的“自动”驾驶。而在L4 和 L5级别，车辆真正具有了自主驾驶的能力，驾驶员才能真正的从“驾驶”的任务中被解放出来，这也是真正意义上的无人驾驶车辆。

 

三、自动驾驶技术和辅助驾驶技术

根据以上自动驾驶技术的分类，辅助驾驶技术实质上是高度自动驾驶技术的初级阶段。但是另一方面，从技术的发展历程上来看，辅助驾驶技术又有自己的技术发展路线。早在一波自动驾驶技术热潮来临之前，先进驾驶辅助系统（ADAS）早已经开始被广泛应用到很多高端乘用车里面。然而早期的先进驾驶辅助系统主要侧重于安全方面的辅助功能，比如自动紧急制动系统（Automatic emergency braking），而在真正的驾驶核心功能方面的创新还是比较克制的。直到在一波自动驾驶技术的热潮的推动下，传统的先进辅助系统被自动驾驶技术的热潮挟裹着开始往高级自动驾驶的方向演进，形成合流。

 

四、自动驾驶技术模块

自动驾驶技术一般分为感知（perception），规划（planning），和控制（control）这三大模块。感知模块的作用是借用各种传感器（相机，毫米波雷达，激光雷达，GPS，IMU等）来回答两个最核心的问题：自车的位置在哪，以为周围的环境如何。由此可见强大而精准地感知模块是车辆自动驾驶能力的基础，而如何让从传感器信号中理解分辨周围的环境是自动驾驶技术中最有挑战性的环节之一。规划模块是在感知的基础上，做出最合理的路径规划和速度规划，以实现自车的运动。规划模块听起来貌似简单，但是在复杂的场景下，比如非常拥挤且交通规则不够明确的十字路口，规划模块需要面对自车跟其他道路使用者（比如其他车辆或者行人）之间的互动的问题，这是非常非常有挑战性的课题，想要真正实现L4/L5级别自动驾驶，规划模块恐怕是较大的障碍。最后控制模块的功能是把规划好的路线和速度通过油门、刹车、和方向盘实现出来，这个模块的技术挑战性相对较低。

 

五、自动驾驶技术潜在的社会革命性

细想一下不难发现以公路为主的交通系统很大程度上影响甚至决定了现代社会经济的形态。很多城市的发展很大程度上取决于高速公路的便利程度以及距离其他主要城市的车程。而停车场的存在是现代城市规划建设中不得不忍受的一种空间浪费，这个空间的浪费在美国尤甚。假如高度自动驾驶技术能够实现，显然可见的是可以节省出很多停车场空间，提高经济效率。进一步地发挥想象，在自动驾驶技术的基础上，未来的乘用车将会被改造成一个移动中的生活/工作场所，使得人们更加情愿在路途中穿梭，进而城市之间的连接会变得更加紧密。另一方面，货物的运输的成本会大幅地下降，增加生活的便利，促进商业的发展。

 

六、商业视角下的自动驾驶技术

从商业的角度来看，自动驾驶技术具有前景广阔，但是技术难度超大的特点。从大的应用场景来看，据估算机器人出租车（robotaxi）的市场规模约3500亿美金，跨城物流约7000亿美金，同城物流约3500亿美金，这些应用场景无疑都蕴藏着巨大的财富。但是这些场景都是建立在完全自动驾驶技术的基础上的，从目前来看，想要真正实现成熟L4/L5级别的自动驾驶尚需数年（主流观点5到10年）。在此背景之下，自动驾驶领域的玩家们分裂出两种截然不同的商业道路，渐进式路线和激进式路线。鉴于自动驾驶技术难度高，技术开发周期长成本高的特点，采取渐进式路线的玩家们纷纷从简单的场景入手，先搭建起自动驾驶的框架，实现商业落地和企业回血，在此基础上不断打磨技术，以期最终实现完全自动驾驶。渐进式路线的切入口常常是限定场景下的自动驾驶，比如园区，机场，港口等，或者是高级智能辅助驾驶，比如业内赫赫有名的mobileeye和特斯拉的autopilot。另一方面，也有一些公司认为渐进式路线是对真正完全自动驾驶技术发展的一种干扰，况且过早地应用不成熟的自动驾驶又伴随着安全方面的隐患，因此心无旁骛地专注于高级无人驾驶技术（L4/L5级别）的研发，故此被称为激进式路线。典型的例子有谷歌的waymo长达十年的高投入高专注的技术研发。waymo作为自动驾驶技术领域一直以来的领头羊，从各方面来说都是一骑绝尘，遥遥领先。两种路线，各有优劣，到底哪家公司能最先实现真正的完全自动驾驶，拭目以待。好在自动驾驶的前景广阔，容得下足够的试错。

 

七、中国的进展

虽然在自动驾驶技术的发展历史上，一直是以美国为主导，但是中国公司在这一波自动驾驶技术的浪潮里及时把握住了机遇，因而当前自动驾驶技术的世界格局呈现出中美双强并驾齐驱，领先世界的局面。百度作为中国自动驾驶技术的先行者，最早在2013年就开始投入自动驾驶研发，不但技术上积累雄厚，实力出众，还为中国自动驾驶领域培养了众多人才，进而衍生出了很多自动驾驶创业公司，比如业内明星公司文远知行和小马智行。另一方面，一直以来中国汽车产业都落后于世界，自动驾驶技术给中国的汽车产业带来了难得的换道超车的机会。很多国产整车厂商（OEM）和一级零部件供应商（tier 1）纷纷涌现和投入到自动驾驶技术的发展和相关产业链之中，以期能够在巨大的汽车产业链中打开缺口，分一杯羹。中国政府也看到了自动驾驶技术所呈现出的巨大潜力和难得的机遇，因此积极作为，制定交通强国战略，在车路协同，自动驾驶标准制定，自动驾驶车辆路测和运营等方面给予大力支持和推进。中国的自动驾驶行业目前玩家众多，异彩纷呈，在中国政府的大力支持下，有望真正领先世界，最先实现自动驾驶技术的应用和落地。

 

(图片来源：小鹏汽车xpilot交互界面。小鹏汽车作为造车新势力领头羊，一直在自动驾驶领域方面投入巨大)

 

八、未来自动驾驶技术的展望

未来的十年将会是见证自动驾驶技术逐渐深度渗透的十年。智能辅助驾驶会变得越来越智能，限定场景下自动驾驶会越来越扩展，人们会越来越习惯一辆智能的车辆，就像我们现在使用智能手机一样习以为常。在整个业界的共同努力下，希望能够早日迎来完全自动驾驶技术的成熟和落地，彻底发掘出自动驾驶技术的潜力，带来真正的变革。

 

参考

https://en.wikipedia.org/wiki/History_of_self-driving_cars 

https://laist.com/2017/08/07/self_driving_cars_debuted_20_yrs_ago.php 

http://www.cheyun.com/content/22813 

https://mp.weixin.qq.com/s/2nh5wyo2X8HTWTlo7ehYiA

 

声明：文章收集于网络，版权归原作者所有，为传播信息而发，如有侵权，请联系小编删除，谢谢！