无人驾驶汽车离上路还有多远？ 法律伦理都是拦路虎

上周闹得沸沸扬扬的无人驾驶汽车上北京五环事件，再次将无人驾驶汽车拉入了公众的视野。和很多高科技的发展脚步一样，初期推动无人驾驶研究的是军事领域的专家们——美国军方在上世纪70年代开始关注无人驾驶技术。1995年，一辆由美国卡耐基梅隆大学研制的无人驾驶汽车Navlab-V，完成了横穿美国东西海岸的无人驾驶试验。二十多年过去了，无人驾驶汽车又“开”到了哪一步？人们不禁发问，无人驾驶技术真的已经成熟到可以上路了吗？在全球范围内无人驾驶汽车上路又是否合法合规？摆在科学家面前的除了恶劣天气、法律法规、伦理道德……“拦路虎”里竟然还有一只袋鼠。　常规“器官”不在：方向盘、刹车、油门或将被取消目前已经有十几家公司许下了豪言壮志，列出了自家无人驾驶汽车上路的时间表。谷歌希望自家的无人驾驶汽车能在2020年量产，而且有别于其他制造商，谷歌不打算推出半自动的功能，而是准备一步到位，生产一款完全无人驾驶的汽车，甚至没有刹车和方向盘。谷歌拥有7年无人驾驶汽车的经验，并与菲亚特-克莱斯勒合作，在现实世界中测试无人驾驶小型货车。福特也不甘落后，计划在2021年前推出并销售第4级别的无人驾驶汽车。与谷歌的无人驾驶汽车一样，福特也不准备为其汽车配备方向盘、刹车和油门。另外，福特将在未来5年投资10亿美元，用于人工智能软件的开发。英特尔公司为无人驾驶汽车砸下了重金，一系列的收购可谓是集齐了无人驾驶界的“七龙珠”，收获了各种关键能力。包括以150亿美元收购了以色列科技公司“移动眼”、深度学习技术公司Nervana、微芯片制造商Movidius和汽车公司德尔福。另外，英特尔计划与宝马和大众携手合作，于今年晚些时候开始试验无人驾驶汽车。　“眼睛”可观六路：反馈物体距离，阅读交通标志大多数无人驾驶汽车配备了传感技术“套装”，包括“一双眼”及“一把尺”——视觉传感器(例如相机)和监测传感器(测量目标距离的激光和雷达)。过去十年中，测量范围的传感器在商用开发系统中占据了主导地位，能可靠地反馈周围所有物体的距离，监测范围达到100米甚至更远。激光通常只用于低水平和简单的任务中，比如躲避障碍物，确保不会撞上任何东西等。而雷达则是一些高档车的老搭档了，在巡航控制系统中至少“服役”了十年。近年来，低价位的汽车也纷纷采用了这一技术。不过，监测距离的传感器还是有其局限性，远程激光或雷达扫描能够向你反馈大致的信息，比如路人的姿势，却不会告诉你那个人的表情是平静还是惊慌。而且，由于大多数的标志都是靠看的，在阅读现有标识时，距离传感器也表现得很差。相比之下，像相机一样的视觉传感器弥补了这一缺陷，它们能够感知颜色和外观细节。由于我们的驾驶环境在设计和建造时默认司机能够看到，所以，能够像人一样“眼观六路”的无人驾驶汽车更能适应现有的基础设施和标识。　“判断力”待加强：驾驶系统难以应对恶劣天气不过，汽车并非装备了眼睛就能保证“视力”没问题。相机非常容易受到环境改变的影响，在路上最常遇到的就是昼夜循环。在黑暗的环境下，人工照明或远光灯会让系统很难判断前方到底有什么。在寒冷的地区，街道两旁可能有不少大风吹成的雪堆，不仅完全模糊了线标，甚至连标识也很容易被埋、被遮挡。由于无人驾驶汽车的设计严格依赖道路法规，所以系统会变得很纠结。这还不算完，最大的挑战往往出现在多重变化同时发生的时候，比如夜间行驶又赶上热带风暴。遇到这种组合就连人类司机都难免会发生事故，好在大多数情况下我们都小心谨慎、处理得当，而无人驾驶汽车就显得没那么可靠了。除了雨雪，冰、冰雹、雾、烟、霾、风、光和热都会对驾驶环境造成干扰。现在还没有一辆车能够证明遇到极端天气仍能可靠地行驶，目前大多数车能够处理的，不过是中等降雨程度。对于盯着无人驾驶汽车这块蛋糕的各厂商来说，没有什么比开发出适应全天候无人驾驶车更大的挑战了。我们虽然有很多辆能够适应“大部分情况”的车，却没有一辆适应“所有情况”的车。天气的重要性无须赘述，仅在美国，超过20%的事故都和恶劣天气有关。　　配备最强“大脑”：深度学习为镜头素材贴标签为了不让无人驾驶汽车的一双眼睛成为摆设，开发人员就要给它们配备相应的“脑子”。这也是为什么许多无人驾驶汽车厂商都在开发深度学习系统，有了这门技术，它们轻易就能超越人类需要练习100个小时才能达到的“老司机”的境界。英特尔公司收购移动眼也正是有此用意，这些深度学习系统通常需要大量的标签数据。收集原始数据虽然成本很高，但可行性高，方法也比较“简单粗暴”：只需在大量汽车上安装传感器和计算机，然后就等着它们在公路网中跑上个数百万小时吧。一旦跑回来，接下来的工作才是费时费工费脑子的，镜头记录下的大量素材需要处理，人、汽车、各类危险、交通灯、车道标记等都需要“贴标签”。移动眼公司意识到这种繁琐的工作偷不了懒，于是雇用了数百名员工专门为图像“贴标签”，这种脚踏实地的作风也使其成为了该领域的引领者。有了这些基础，未来，移动眼等其他公司会越来越多地使用模拟技术生成大部分数据，而不再靠人力了。“性格”比人谨慎 遇到路边慢跑者会减速停车目前，无人驾驶汽车通常比人类司机更“胆小”，因为我们能够更准确地了解周围发生着什么。在一段测试视频中，当一辆特斯拉遇到路边的慢跑者时会减速到几乎停下。而当我们遇到同样情况时，会作出“慢跑者不太可能突然跳到马路上”的判断，而系统则被设计得更为谨慎(至少现在的系统都是这样)。以目前的技术来看，无人驾驶车的谨慎确实很有必要。它们还不太擅长处理那些百万分之一可能会发生的“小概率”事件，比如前车上掉下来一个沙发，或者一些穿着奇葩装束的人出现在路边。自动眼开发的视觉技术可能会提供更多的“微妙场景”，帮助汽车训练得更为自信。还能读懂人的面部表情，分析出路边行人的姿势和可能的意图，甚至能够“看穿”旁边的汽车，究竟对方的司机是在好好看路还是在玩手机。此外，这种视觉技术能够与人类司机无缝对接，通过辅助保护系统帮助我们避免错误。　名词解释自动驾驶汽车(Autonomous car)和无人驾驶汽车(Driverless Car)是同一种事物，但不同地方叫法不同，欧洲偏向于称之为自动驾驶汽车，而美国多用后者。