我们为什么要造自动驾驶汽车？它到底有什么用？

会员服务 ·

我们为什么要造自动驾驶汽车？它到底有什么用？

2017 年 11 月 28 日 新智驾 报道汽车未来的

*AutoKab 三大金刚：Carlos Holguin， Cristian Sandu 和 Michel Parent

文 | 大壮旅

来自新智驾（AI-Drive）的报道

新智驾按：如今，自动驾驶汽车已成超级热词，几乎每周我们都能听到有关它的大新闻。前几周就有两家公司（Waymo 和 Navya）公布了自家的自动驾驶出租车计划。尴尬的是，它们还不约而同的选择同一天召开发布会。

不过，现实可没发布会那么精彩，Navya 的自动驾驶穿梭车在拉斯维加斯第一天就出了小车祸。

现在的媒体和公众，甚至包括工程师社区都在鼓噪自动驾驶汽车要抢司机饭碗的概念。许多工程师敬畏 AI 带来的超强计算能力，他们开始畅想云计算支撑的互联世界到底会多么美好。

对自动驾驶市场来说，各种论断几乎都已经有了模板，它们无非是说自动驾驶汽车会让道路更安全，能大幅提高乘客的生活效率。同时，自动驾驶汽车带来的交通分享解决方案还会减少汽车保有量，城市拥堵和污染问题便迎刃而解。

事实上，这样的结论有些过于乌托邦。科技行业在推销更大、更快、更智能的技术上一直都不遗余力，而媒体们则是在一旁鼓噪的拉拉队。

确实，要论证一项技术是否碾压另一项技术，你可以找到很多理由。不过，在做出这些判断时，却很少有人会思考一个基本前提，或者说一个饱含初心的问题：为什么要造自动驾驶汽车？它到底有什么用？

自动驾驶的研发已历 20 年

Carlos Holguin 和 Michel Parent 分别是 AutoKab的 CEO 和主席。这家新创公司致力于“为商业车队研发有安全保证的自动化技术”，这家公司的办公室设在法国计算机科学与自动化研究所（INRIA）园区，而这块区域原来是北约军队的中央指挥部。

虽然成立才两年，但 AutoKab 的创始人团队却都是交通运输行业的行家，他们在公共交通规划、道路车辆自动化和运营方面有超过 20 年的经验。

AutoKab 的研发中心看起来就像个车库，这里有各种老式自动驾驶穿梭车、高尔夫车和乘用车，它们都是过去 20 年中诞生试验品，这里简直成了自动驾驶汽车历史博物馆。

Michel Parent 的职业生涯与汽车紧密相连，其中一半贡献给了斯坦福、MIT 和 INRIA 的相关研究所，另一半则花在了机器人产业上，他为交通的“自动化”贡献了不少想法。

Parent 表示：“20 年前，我一直想设计个能像人一样开车的机器人。后来我问了自己一个问题，研发这样的机器人有什么乐趣？”不过，他认为最该扪心自问的是“我们在试图解决什么问题？”

对城市来说，要解决的就是“城市病”，即交通拥堵、空间逼仄、出行不便和能源浪费。“我们需要能互联和共享且速度更快的公共交通电动车”，Parent 说道。Holguin 则总结称：“最后一公里的问题是我们最迫切要解决的。”

“如果自动驾驶汽车不能像公交和出租车一样采用分享模式，它们就不能解决交通拥堵问题。在某种情况下，它们甚至会加剧拥堵。”在他看来，AutoKab 的目标就是解决“一车一人”的交通资源浪费问题。

AutoKab 的关键员工来自两个不同的世界：“科技”和“交通”。Holguin 表示：“我们在利用技术填补自动驾驶汽车商业运营中遗失的环节。”准确来说，它们是在为公共交通运营者研发一款“自动化服务”产品。

面向汽车和巴士的自动化套件

AutoKab 擅长安全和数据分析两方面技术的开发，同时这家公司还与各城市合作，力图实现更加高效的公共交通。

其实 AutoKab 的名字来自“Automation Kits for Autos and Buses”（即面向汽车和巴士的自动化套件）的缩写。当然，它也有硬件开发的能力。公司 CTO Cristian Sandu表示，AutoKab 的自动化套件能安装在任何车辆上，它包括大量传感器，如雷达、激光雷达、视觉系统和处理器（供应商包括英特尔和英伟达等）等。

不过，Sandu 指出，想把这个套件完美安装到一辆车上，还是得费一番功夫（根据车辆不同，通过 CAN 总线或 FlexRay 连接），其中就包括软件校准。当然，它并非安装上就要用一辈子，用户也可以选择卸载自动化套件。AutoKab 押注该套件不是因为它对售卖硬件感兴趣，而是因为这个套件对降低自动驾驶汽车成本相当关键。

Holguin 还强调，AutoKab 对卖硬件没兴趣。相反，它更看重与各大城市合作，制定计划以更高效的解决最后一公里的服务。至于盈利模式，则是从自动驾驶汽车每英里的行驶利润中分成。

“成本太高了”

AutoKab 参与了多个欧洲项目，其中就包括 CityMobil2。Holguin 指出，在2014 年 10 月至 2015 年 4 月为期 7 个月的自动驾驶测试中，它实现了零事故的好成绩，运送乘客超过 6 万人。

此外，当地居民对自动驾驶汽车的评价也相当高。不过，他们并不知道这只是个测试。更重要的是，媒体、公众对测试中的数据搜集问题并不关心。

参与欧盟的项目时，AutoKab 积累了不少经验。“我们了解了这些数据背后到底藏着什么。”Sandu 说道。首先，即使是低速的自动驾驶汽车，运营起来成本也非常高。此外，这些用于分享的车辆经常无人问津。如果自动驾驶汽车和公共交通间无法相互协调，想提升服务简直是天方夜谭。

Sandu 还指出，自动驾驶汽车的载客数需要根据不同城市的实际情况来决定。

在 CityMobil2 项目的展示阶段，来自合作伙伴 Robosoft 和 Easy Mile 的两个测试车队分别在 7 个城市进行了阶段性测试，但这些车辆并不一定适合测试城市的情况。

“我们用这些车做测试是因为手边只有它们。”Christian 说道。如果真要部署自动驾驶汽车，就需要作进一步的分析。

其次，城市也要有个适应期。Holguin 表示：“它们需要在类似 V2X 交通灯等基础设施上进行投资。”自动驾驶汽车不是所有城市的万能药，城市交通问题需要更全面的考虑，其中就包括自动驾驶汽车专用的上下车区域。

两种不同方式

对外行人来说，Waymo 的自动驾驶汽车可是相当炫酷。至于 Navya 的自动驾驶穿梭巴士，炫酷程度就逊色许多。

*拉斯维加斯的 Navya 穿梭车

在美国，人们对于交通部门或政客们改进城市基础设施的承诺不屑一顾，因为这些承诺很难兑现。

既然美国人对城市政府部门怀有严重的不信任感，那么 V2X 交通灯、自动驾驶汽车专线等新设施都要靠谷歌、英伟达和英特尔/Mobileye 来搭建。不过，这些科技巨头们好像也不愿当冤大头，它们的目标是在不改变现有基础设施的情况下让车辆实现自动驾驶。

在欧洲情况则正相反，类似 CityMobil2 这样欧盟投资的项目就需要自动驾驶汽车成为自动道路交通系统（ARTS）的一部分。

欧盟给 ARTS 下了定义，即“ARTS 是基于全自动驾驶汽车（没有方向盘）的道路交通系统，对于它们要使用的基础设施有先验知识。即使是没有全自动驾驶功能的 ARTS 车辆，也会由控制中心的人类操作员进行实时远程监督和管理。”

因此，欧洲和美国在自动驾驶上采用了完全不同的态度，欧洲方面，“对基础设施的先验知识”和“认证需求”是自动驾驶汽车的关键词。

既定路线

关于自动驾驶汽车上 AI 的问题，AutoKab 的 Sandu 直截了当的表示：“对于深度学习，我们兴趣不大。我们有自己的既定方式，交管部门能更轻松的对自动驾驶汽车进行认证。”

此前，卡耐基梅隆大学教授 Philip Koopman 曾表示，自动驾驶汽车面临的最大挑战其实就是潜藏在机器学习测试中的最基本问题，而这个问题困扰科学和工程界已经很久了。“想让以机器学习为基础的系统达到传统安全标准可不容易。” Koopman 说道。“因为训练数据集不符合传统软件的设计要求。”

AutoKab 相信，商业化的自动驾驶汽车要想通过认证，汽车厂商就必须造出能为监管部门提供安全保证的产品。

Parent 强调，“一辆自动驾驶汽车需要像现在的火车、公交和飞机一样取得认证。”

厢中取物问题

作为一名“久经沙场”的机器人专家，Parent 称现在的自动驾驶汽车让他想起了经典的“厢中取物问题”。

去年，机器人行业协会就在一个故事里讲述了自己面对该问题时的进退两难。“虽然技术在不断进步，但机器人厢中取物的能力依然有限，我们还是没能找到真正的突破点。不过，我们依然有所收获，在先进的视觉技术、软件和抓取方案的辅助下，机器人正在从未涉足的领域一步一个脚印的前进。”

“那么，为什么让机器人学会随机抓取就那么难？答案的症结在于准确率。虽然机器人重复能力超强，但在一片混乱中，随机抓取依然需要很高的准确度。机器人需要在可用空间定位一个零部件，这个空间不但是自由开放的，零部件还一直在更换位置和朝向。这就意味着机器人需要在灵敏度、机器视觉、软件和计算能力上实现平衡，以便实时处理所有数据并得出抓取方案。这样的要求虽然很高，但绝非无法实现。”

眼下，机器人和自动驾驶行业解决这一问题主要都在靠计算能力的提高。不过，在 Parent 看来，“我们也可以通过在整洁和平坦的托盘上布置零部件来解决相同问题，这样机器人的抓取速度就能有所提高。”换句话来说，在放出机器人前，我们得解决掉混乱的情况。

Parent 相信，将这样的思维用在自动驾驶出租车和穿梭车上，即减少基础设施上的混乱，能更快的解决城市交通问题。

以下为 AutoKab 博物馆中的几款自动驾驶汽车，它们是过去 20 年来自动驾驶行业的缩影。

Cycab