为什么你还没有自动驾驶汽车？ 这个由两部分组成的系列解释了剩下的大问题

人们经常问，“我的自动驾驶汽车呢？” “为什么我没有，什么时候来？” 很多人觉得他们在 20 多岁的时候就得到了一辆汽车的承诺，但已经很晚了，也许不会来，就像几十年前谈论的飞行汽车一样。

在这个由两篇文章组成的系列文章（附带视频）中，让我们看看您今天可能没有乘坐自动驾驶汽车的核心原因，以及可能发生的时间。 阻碍的核心技术、法律和社会问题是什么，以及哪些问题实际上不是障碍？

对于我们大多数人来说，这些汽车不能很快到达这里。 他们承诺避免当今世界各地每年造成超过 XNUMX 万人死亡的车祸中的一小部分。 它们将使我们的生活更轻松，并改写交通原则。 在这样做的过程中，他们将改写我们居住的地方和城市的本质，以及从能源到零售的数十个其他行业。 每天我们推迟将这些东西大量投放在路上，成千上万的人将死于不应该开车的人手中。 我们每天都在拖延。

当然，这很难

需要明确的是，“花了这么长时间”的最大原因是它很难。 有史以来最宏大的软件研究项目之一。 它不仅需要突破性的软件，还需要大量的详细工作，以处理大量特殊情况并绘制世界及其所有皱纹。 任何认为或认为可以按计划交付的人都是错误的，以前从未在软件领域工作过。 当汽车公司抛出 2020 年这样的日期时，那些是希望，而不是预测，而一些科技公司实际上实现了这一目标，这真是太棒了。 需要突破的多年项目永远无法准确预测。

如果多年前对如此宏大项目的预测不准确，任何有软件背景的人都不会感到震惊。 因此，即使没有达到乐观的希望，事情也不会“落后于计划”。 这也意味着事情正在以更小的步骤完成。

最大的障碍虽然不是真的这样做（即让它安全），但知道你已经做到了。

证明你真的让它安全了

第一个技术目标是让它发生。 制造一辆可以安全驾驶的汽车。 这是一项巨大的成就，但至少在一些城市，一些公司已经实现了这一目标。 像 Waymo 这样的公司在凤凰城的轻松街道上已经做到了比普通人更安全的驾驶。 那是“困难的部分”——但更困难的部分是定义什么是安全，衡量它，并证明你已经做到了。 你需要向你自己、向你的董事会、向你的律师、向公众、甚至可能向政府证明这一点。 就像 Moderna Covid 疫苗在 2020 年 10 月准备就绪一样，在第一次封锁之前，全世界等了 XNUMX 个月——而没有它的情况下有一百万人死亡——才让第一批人接种疫苗。 我们等着他们证明他们已经做到了。

衡量安全性非常困难。 我们知道人类驾驶员发生各种类型的碰撞事故的频率，从轻微的碰撞到死亡。 在美国，大约每 80 万英里或大约 2 万小时的驾驶就会发生死亡事故。 我们不能这样测试每个软件版本：“让我们让它行驶 XNUMX 亿英里，看看它杀死的人是否少于人类驾驶那么远时会死的十几个人。” 在真正的道路上行驶一次都是不可能的距离，更不用说每个新版本了。 我们可能会少开车，并计算叮当声和轻微碰撞 - 事实上这是我们迄今为止提出的最好的，因为它至少是可能的 - 但我们不确定这是否与机器人受伤的方式相同与人相处。

许多人开始传统的汽车工业方式。 他们测试车辆的每个组件，以确保其可靠且符合规范。 他们试图用组件系统来做到这一点，但是当事情变得更复杂时，这种方法变得困难。 这被称为功能安全——组件和系统没有缺陷，它们是否能够处理已知的潜在故障。

最近有更多的努力将其提升到系统级别并尝试测试“预期功能的安全性”。 借助 SOTIF，团队努力确保整个系统在出现问题和组件故障以及预期的误用时仍能正常运行。 这通常涉及整个系统或部分系统的模拟，或者比道路现场测试更容易和更安全的“硬件在环”模拟。

模拟测试提供了在数百万种不同场景中测试系统的能力。 任何人曾经看到、听到或梦想过的任何事物——所有这些事物都有数百种细微的变化。

也许最难测试的事情，但您最想知道的事情是系统对从未见过的情况的响应能力如何。 虽然您可以创建模拟测试来了解车辆在几乎所有预期的情况下都表现良好，但人类思维的一项巨大魔力是处理前所未有的问题的能力。 人工智能可以做到这一点，但它们并不那么好。 最终，我们希望有一种方法可以每天获得新的、现实的、危险的场景。 今天很好，你的汽车已经被编程来处理任何人曾经想过的所有事情，但真正的黄金标准可能是每天抛出 20 种以前从未见过的新情况，然后发现它可以处理大多数情况。 即使是人类也无法处理所有这些。 这是我希望看到的一件事 安全池项目，我在世界经济论坛、Deepen.AI 和华威大学帮助发起了这项活动。

即使进行了所有模拟，您也需要在路上进行现场测试。 没有人会部署一辆不能很好地处理现实世界的汽车。 虽然成本高昂，但使用人类安全驾驶员监督自动驾驶汽车操作的系统实际上具有出色的记录，并且与普通人类驾驶相比不会危及公众。

在这个行业中，每家公司都在描述他们对安全的投入程度。 制造安全的车辆是他们的工作，但他们做出这些声明是为了取悦官员和公众。 具有讽刺意味的是，公共利益不是制造最安全的自动驾驶汽车，而是 最安全的道路. 机器人汽车是一种可以带来更安全道路的工具，他们越早到达这里，就会越早越好。 官员们，如果他们认真对待改善整体道路安全的责任，实际上会鼓励公司不要在安全方面走得太远，而是专注于最快地部署更安全的技术——即使在部署规模较小的情况下做更少的事情来证明它是安全的, 让它发生得更快。 但他们永远不会，因为社会对错误和风险的反应方式。

安全的第二个组成部分是网络安全。 我们确实需要这些汽车能够抵御试图接管它们的企图。 有些人不喜欢谈论网络安全，但汽车行业过去的历史并不好。 这样做不仅涉及安全实践和工具，还涉及所谓的“红队”，即由专家白帽黑客组成的团队从外部寻找漏洞，直到找不到更多漏洞为止。 另一个重要的工具是最小化连接，或者安全人员所说的“攻击面”。 许多业内人士痴迷于他们想象中的“联网汽车”，并将联网误认为与自动驾驶一样大的革命。 它不是，不是远程的。 需要一些连接，但应该谨慎使用它，这样真正的革命才能保持安全。

测试的最大挑战之一是所有机器人团队都广泛使用机器学习。 机器学习是一种非常强大的人工智能工具，大多数人认为它是必不可少的工具，但它往往会产生“黑盒”工具，这些工具可以做出决策，但没人完全理解。 如果您不知道一个系统是如何工作的，或者它为什么会失败或做正确的事情，那么就很难对其进行测试和认证。 在欧洲，他们一直在制定法律，要求所有的人工智能在某种程度上都是“可解释的”，但许多机器学习网络很难解释。 这很可怕，但它们是如此强大，以至于我们不会放弃它们。 我们可能会面临一个黑匣子，它在测试中的安全性是可解释系统的两倍，而且人们提出了令人信服的论点来支持这两种选择。

预测未来

自动驾驶汽车上覆盖着传感器，例如摄像头、雷达、激光雷达等。 传感器可能是硬件中讨论最多的方面，但实际上传感器根本不会告诉您您想知道什么。 那是因为传感器告诉你现在东西在哪里，但你并不在乎。 你关心未来会发生什么。 来自传感器的信息只是通往预测未来的真正目标的线索。 知道某物在哪里以及它移动的速度是一个好的开始，但知道它是什么对于知道它将在哪里同样重要。 道路上或道路附近的大多数物体都不是弹道的——人类负责并且可以改变路线。 这就是为什么当今研究的关键领域之一是更好地预测路上的其他人，特别是人类，将要做什么。 这可以从了解驾驶行为到确定站在拐角处的行人是否即将进入人行横道或正在上网。

虽然有几个团队取得了长足的进步，但事实证明，人类在预测他人方面比今天的机器人要好。 在这方面做得更好是待办事项清单上的关键问题之一，尤其是在繁忙的城市等更复杂的环境中。 预测未来还涉及预测其他人将如何对您自己的动作和他人的预测动作作出反应。 车道合并或无保护的左转可能是一种相互让步的舞蹈，而自动驾驶汽车将不断尝试改进它们的表现。

感应更快

传感器可能只是实现真正目标的一种手段，但它们做得越好，你就能更好地预测未来。 团队仍在寻求让传感器更快，以更快地进行感知和预测。 重要的一件事是了解移动物体的速度。 雷达会告诉您这一点，但相机和较旧的激光雷达不会，除非您查看多个帧。 一些较新的激光雷达可以告诉您速度和距离。 查看多个帧所花费的时间至少与获取帧所花费的时间一样多，但通常更多。

可能成为问题的一种情况是在更大的车辆后面的高速公路上行驶。 想象那辆车前面有一辆卡车停在路肩上，卡在车道上。 事故和紧急车辆经常发生这种情况。 突然，你面前的大车向右转以避开障碍物，你第一次看到那辆停住的卡车。 你真的没有太多时间刹车或转向，你甚至可能无处可去。 如果您必须查看 3 帧视频才能看到它确实没有移动，那可能浪费了 1/10 秒，而这种情况很重要。 因此，很多团队都在寻找获得这一优势的方法，他们主要在激光雷达中发现了这一点，可以测量“多普勒”以了解他们用激光击中的所有物体的速度。 雷达也知道速度，但世界上到处都是反射雷达的停止物体，很难区分停止的车辆和旁边停止的护栏。

走很长的路

我将简要提到一个著名团队的原因——特斯拉TSLA
——还没有准备好是他们正试图故意让问题变得更难。 虽然每个团队都大量使用计算机视觉，但特斯拉希望从 2016 年开始只使用计算机视觉和相机。大多数其他团队还在他们的工具箱中添加了更好的相机、激光雷达、雷达和地图。 特斯拉想要一个可以更便宜的视觉突破。 他们说所有这些额外的工具都会分散注意力。 但该行业的其他人希望使用所有工具更快地完成它，如果成本更高的话，并认为特斯拉正在削弱自己。 到目前为止，基于产品的质量——特斯拉 FSD 严重落后——其他人是对的，尽管比赛还没有结束。

这是第一部分。 第二部分着眼于成为道路上的好公民，为什么机器人汽车一次部署在一个城镇而不是一次部署到任何地方，以及处理更平凡的物流问题，比如停车接载乘客，商业模式，应用程序，并且在让政府和公众接受您的同时过于担心安全性。 我还将列出一些正在研究但不是真正阻碍部署的因素。 在未来的日子里寻找第二部分。

有些人认为，他们在 2022 年没有或没有驾驶自动驾驶汽车，这意味着发展远远落后于计划。 实际上，从来没有一个严肃的时间表，只有希望，但事实上，这个问题清单预示着乐观，因为这些剩余的问题似乎一般都可以处理。 处理大部分问题需要努力工作和金钱，而不是突破。

请继续关注第二部分，视频和文本形式

您可以在此页面或视频页面上发表评论。