无人驾驶急需解决规划控制和传感器价格高两大问题

　　当我们还在感慨驾驶是一件费心费力的事情时，无人驾驶技术的进步已经逐步开始了解放我们的双手到大脑的发展，在 O'Reilly 和 Intel人工智能 2018 北京大会上，营长与前百度硅谷研发中心创始核心成员李力耘博士聊了聊，李力耘表示目前无人驾驶技术上最亟待解决的技术是：是传感器的能力跟它的价值的平衡、无人驾驶的规划控制两大问题。
 
　　无人驾驶发展的价值
 
　　无人驾驶技术的发展，对人类来说不仅仅是解放了双手，还解放了大脑。我们的注意力不需要集中在驾驶上，这将为经济效益和社会效益带来极大进步。
 
　　无疑在北京和美国硅谷这种交通环境下，开车对我们来说并不是一种享受，它需要花费很多的时间和精力，如果无人驾驶技术得到普及，可以把开车的时间解放出来，可以在车上查查邮件，看看新闻，甚至休息一下。另外，无人驾驶对经济的生态也会带来一些变化，例如无人产业链或许就会改变商圈的选址。
 
　　数据显示，人类开车大概每百万公里的量级就会出现一次致命事故，无人驾驶发展至今，已经行驶上千万公里，发生了 Uber 的事故，相对来讲，无人驾驶反倒是比人类驾驶安全系数更高。
 
　　无人驾驶取代司机是一个漫长的过程，可以看到，无人驾驶的测试是配备有司机的。如果无人驾驶技术得到普及，可以做整体全局上的智能城市的优化，比如说大家可以有一个集中的调度的系统，来优化去同样目的地人群，并提倡共享出行。
 
　　无人驾驶技术不仅仅解放了人类的精力和效率，最终的方向是建立智慧城市，智能交通的规划，随着这种统筹的发展，也许司机的比例逐渐减少，但最终取代司机的这一天，可能还有很长的路要走。
 
　　国内的测试环境更具挑战
 
　　李力耘认为，美国现代的无人驾驶技术，还是远远领先于国内的，从加州交管局的汇报的数据可以看到，国内顶尖的 Apollo 与 Google Waymo 和 Uber 相比还是有一定差距的。
 
　　另外一点， 无人驾驶的人才在美国硅谷比较多 ，这是一个非常重要的一个差别，Google Waymo、Uber 等都积累了很多无人驾驶的人才，国内在这方面仍处于刚刚开始积累的阶段。
 
　　国内的测试环境更具有挑战，政府提供了很多的支持，无论是交管法规，还是技术设施，都给予很多的支持，加上中国人对新事物的接受程度很快，像这些移动支付，O2O 这种都是美国没见过的模式，国内很快接受了，在这方面有很大的优势。
 
　　所以，在这种落地跟转化上中国的优势很大，美国是技术上的比中国积累的深厚，另外人才方面，随着中国人才渐渐的积累和爆发，最终差距不会很大。
 
　　亟待解决的两大技术
 
　　无人驾驶技术目前最亟待解决的技术有两个部分：
 
　　第一，是传感器的能力跟它的价值的平衡问题
 
　　据法国权威市场分析机构 Yole Développement 的统计，智能驾驶主要通过摄像头(长距摄像头、环绕摄像头和立体摄像头)和雷达(超声波雷达、毫米波雷达、激光雷达)实现感知的;当前最先进的智能汽车采用了 17 个传感器(仅指应用于自动驾驶功能)，预计 2030 年将达到 29 个传感器。
 
　　举个例子来说，激光雷达技术并不是「原子弹科技」，这项技术只是需要更多的沉淀，更多的精力来把它做的更好、更精。从技术上来说是存在成本降低的可能性。
 
　　现在每一个激光雷达厂商都说，只要给我多大量，我就能把成本做下来，所以只要技术方案定下来，降成本是一定可以降的，它的更多挑战是怎么把这个雷达给沉淀更加稳定，更加精准、更加适合无人车的使用。
 
　　第二，无人驾驶的规划控制
 
　　无人驾驶技术在正常行驶的方面已经解决的很好，但是遇到一些异常情况，如出现一些行人不守交规，或者是一些极端情况的时候，我们怎么把长远的问题，通过算法处理好，这是一个挑战。
 
　　或许无人驾驶测试几百万公里级别，才出现一次 Uber 事故的场景，无人车测试的时候也会尽量避免这样的事情，而在这个领域里面，规划控制和模拟器是可以发力的一个点。
 
　　用模拟器和人工智能去检测一些车的极限能力，或者是在一些极端情况车辆的反应情况，这些场景往往不太能通过采集数据，或者通过正常的手段来进行学习跟测试的。
 
　　对人工智能期待过高
 
　　很多人都觉得人工智能不够“智能”，这是因为大家对人工智能的期待过高，从无人车的角度，人脑是一个神经网络，是经过了很多年迭代的，就是说你生下来的时候是一个设计好的网络，这个网络叫做基因跟生物学上的大脑。
 
　　除此之外，比如说你长到 16 岁开始开车，其实你的大脑的感知已经训练了十几年了，你对这个世界的理解，不是说像无人车这样，弄很多图片，然后训练，人的大脑的感知能力是非常强大，所以，人工智能要真的能达到这个人的感知能力，还有很长的路要走。
 
　　人工智能现在随着计算机视觉发展，在感知和预测上都有显而易见的应用，但是在决策规划上，应用并没有这么直接。随着人工智能的发展，决策规划也已经向有数据驱动的方向开始转变。
 
　　通过采集人开车的数据，和机器开车数据的区别，来训练我们的算法。 让我们的算法开车越来越像人的行为，这是人工智能开始渗透到决策规划的一个方向，未来有一天人工智能也会成为决策规划上一个主流的算法。
 
　　各个城市关于无人驾驶的法规刚刚出台，目前还没有那么健全，但这也是拥抱无人驾驶技术变化的一个很好的体现。另外在这些法规的督促下，更合法又有效去的去提高整个系统的稳定性和能力，然后把这个系统做的更好。
 
　　很多人将无人驾驶技术发展看作是技术与法律的博弈，其实这更像是一个互相发展、互相适应的过程。