自动驾驶汽车的未来：技术、挑战与创新

众多巨头入局，自动驾驶比你想象的更近

上篇博客我们讨论了自动驾驶主要参与者及技术飞速演进。万万没想到，几天内就发生重大挫折。2016 年 12 月 14 日 Uber 在旧金山推出自动驾驶出租服务后不久，视频曝光其无人驾驶车辆闯红灯。虽 Uber 称当时由人类驾驶员操作且无乘客，但后果迅速：上线一周后，加州吊销车辆注册，Uber 将自动驾驶车下线。

显然，从构想到全民自动驾驶的路上会有曲折。但可以肯定，尽管偶有挫折，自动驾驶技术持续推进，迫使我们彻底重新思考从 A 点到 B 点的交通工具。

自动驾驶汽车现状与未来

当前量产车自动化与未来自动驾驶汽车的根本区别在于驾驶员介入程度。许多新车已包含自动处理特定驾驶任务的控制，如辅助制动、自适应巡航控制——属 L1 级自动化。

目前商用自动驾驶汽车约处 L2 级；特斯拉的半自动驾驶辅助（"Autopilot"）即上篇博客所述案例。多数测试原型车处 L3 级（特定场景驾驶员可完全不关注）或 L4 级（仅恶劣天气或意外路况需驾驶员介入）。但研究显示，人类“驾驶员”查看短信或打盹，根本无法在迫在眉睫的紧急情况下足够快地重获注意力和专注力，重新夺回控制权并采取有效行动。因此许多厂商断定 L3/L4 行不通——因为兜底的人类反应不够快，无法避免对自身或他人造成危害。

终极自动化是 L5 级：完全无需驾驶员。这是全程共享出行未来主义所需技术：设想无人拥有私家车，只需召唤车辆即可接送。Google 和 Mercedes 的自动驾驶概念均为 L5，除目的地输入外零人工干预。

自动化的核心动力

虽然车企和参与者对细节讳莫如深，但我们知道一些自动驾驶设计不可或缺的基础技术组件。例如，多种传感器收集视觉输入，让自动驾驶车安全导航。摄像头是相对廉价的传感器，提供人类驾驶时的基本视觉信息；多摄像头提供景深。雷达已用于某些 L1 车辆控制；缺点是仅适用近距离。

LIDAR（光探测和测距）是车载激光系统，随车动态绘制周围环境地图。您可能熟悉 Google 测试车顶部的大型旋转装置；固态 LIDAR 无需旋转，也用于部分在研自动驾驶车。虽 LIDAR 能创建高精度 3D 地图，但有缺点：极其昂贵，且受天气影响，信号在雨雪中反射。

当今高度电子化汽车中，大量传感器信息通过控制器局域网（CAN 总线）传输——一种无需主机即让微控制器和设备通信的协议。但真正的自动驾驶车需要更强大的数据连接、算力和软件，实时接收所有视觉输入及其他数据、整理、解读并转化为可执行驾驶决策。这要求：

* 巨大的处理能力
* 多传感器数据融合，计算单一传感器无法确定的信息

这正是机器学习——一种让计算机在接触新数据时基本能“自主学习”的人工智能（AI）——成为自动驾驶设计关键且快速发展领域的原因。进一步，深度学习旨在模拟人类获取新知识的方式。通过自动化预测分析，深度学习可让车辆每次行驶都变聪明，甚至向其他驾驶员和车辆学习。

自然，为安全自动驾驶车必须从一开始就很聪明！但无论车辆设计为解读感官输入后从硬编码驾驶决策中选择，还是直接将输入（来自传感器和其他源）端到端映射为驾驶输出，机器学习必然是绘图板上或路上每辆车的组成部分。

驾驶之外的启示

凡有计算机技术，信息安全都是重要关切，自动驾驶车也不例外。事实上，自动驾驶车被黑客攻击的后果巨大。高速行驶的数吨车辆乘客，绝不愿担心车辆被第三方远程接管控制。

2015 年，Chrysler 召回百万辆车，因两名安全研究人员（幸非恶意）发现软件漏洞，可无线入侵 Jeep 控制仪表盘、转向、变速箱和刹车。Chrysler 通过 USB 驱动器提供软件更新，并在网络层面采取措施检测和阻断通过车辆蜂窝网络的入侵。2016 年，安全实验室演示入侵 Tesla Model S，通过汽车 CAN 总线和恶意 WiFi 热点远程访问并控制停车和行驶模式下的车辆。数日内 Tesla 推送空中软件更新解决潜在安全问题。

这些案例向车企及合作伙伴证明：加强安全至关重要，更强防护措施将持续部署。但每辆自动驾驶车都需计算机和网络连接，只是时间问题，终有人会在行驶中入侵自动驾驶车。

相关地，隐私也是车辆和驾驶员面临的日益严峻挑战。如今通缉犯可关闭车载 GPS 展开纸质地图。但自动驾驶车固有功能需近乎持续使用 GPS，车辆必须近乎全时被追踪。此外，摄像头既是重要传感器、为机器学习提供输入，也是监控工具。一旦自动驾驶车（及其摄像头传感器系统）全面推广，几乎每寸路面都可能被近乎持续拍摄和审视。

更人性地看，可靠全自动驾驶车虽将在制造等领域创造就业，但也会在某些层面消除工作。按需出行和共享应用将使出租车和公交司机失业。农场自动驾驶车将减少人工需求。卡车司机仍需维护车辆，但不再驾驶，维持自动化部署卡车车队所需司机减少。2016 年底，英国在线外卖公司推出机器人送餐。所以从包裹处理员到送披萨的孩子，这些工人最终可能被自动驾驶车或相关配送机器人技术取代。

Metal Cutting 为何谈论此事？

Metal Cutting 为汽车公司及其技术合作伙伴提供定制金属切割服务，供应精密小金属零件，涵盖汽车等广泛行业——提供切断、加工、表面处理等技术，满足严苛公差、特定表面光洁度、高度定制化端部、锥度和直径的应用需求。

想探索 Metal Cutting 是否为您的汽车零件或其他应用的最佳合作伙伴？下载免费指南《选择新合同合作伙伴的 7 个秘诀：精密金属制造外包技术指南》。