人類如何追求自動駕駛技術

Ⅰ 自動駕駛需要哪些技術

【太平洋汽車網】自動駕駛需要機器學習、深度學習、NLP、計算機視覺、機器推理和強大的人工智慧等技術。高度自動駕駛是L4和完全自動駕駛是L5。

今天的社會正變得越來越以多媒體為中心、依賴數據和自動化。自動駕駛技術正在道路、海洋和太空中普及。自動化、分析和智能正在從人類轉向「特定於機器」的應用。計算機視覺和視頻將在未來的數字世界中扮演重要角色。數以百萬計的智能感測器將通過人工智慧嵌入汽車、智能城市、智能家居和倉庫。此外，5G技術將成為一個完全互聯的智能世界的數據高速公路，或許將從人到機器，甚至機器人代理等一切事物連接起來。

一個多世紀以來，汽車行業一直是一個主要的經濟部門，它正朝著自動駕駛和聯網汽車的方向發展。汽車正變得越來越智能化，對人類操作的依賴也越來越少。車輛與車輛（V2V）和車輛與萬物互聯（V2X），即來自感測器和其他來源的信息通過高帶寬、低延遲和高可靠性的鏈路傳輸，為全自動駕駛鋪平了道路。自動駕駛背後最引人注目的因素是死亡和事故的減少。認識到90%以上的汽車事故是人為失誤造成的，自動駕駛汽車將在實現汽車行業「零事故」、「零排放」和「零擁堵」的宏偉願景中發揮關鍵作用。

唯一的障礙是車輛必須具備看到、思考、學習和駕馭各種駕駛場景的能力。

與此同時，隨著嵌入式系統、導航、感測器、視覺數據和大數據分析等領域的最新進展，也見證了車喊模喚輛和移動邊緣計算的智能化程度不斷提高。首先是先進的駕駛輔助系統（ADAS），包括緊急制動、倒車攝像頭、自適應碼渣巡航控制和自動停車鄭凱系統由汽車工程師協會（SAE）定義的6個自動駕駛級別被引入後，全自動汽車有望逐步實現。

（圖/文/攝：太平洋汽車網問答叫獸）

Ⅱ 汽車的無人駕駛是如何實現的運用了什麼原理

汽車的無人駕駛技術實現有賴於現在較快的人工智慧，處理信息的反饋速度，自動駕駛技術的它的原理就是通過汽車周圍的感測器來搜集汽車所處的動態環境，利用很短的時間完成電腦信息的處理，讓汽車從各種障礙裡面去選擇一個最佳的通行方向。

所以說理論上上面情況是不會出現的，因為在研發的時候可能就會考慮到這方面問題，但大部分普通的駕駛者仍然不願意把自己以及乘車人的生命安全完全交由人工智慧去處理。可以把自動駕駛記錄當成是一個輔助駕駛的東西，但不能完全相信他人，還是要做好最後一道把關的工作。

Ⅲ 想要實現自動駕駛技術，需要具備哪些條件

自動駕駛是未來汽車的發展趨勢，無論是汽車品牌還是科技科技品牌都在為研發自動駕駛而努力。目前自動駕駛級別分為 0-5 級，而只有 5 級才可以達到完全自動駕駛級別。而現在很多車企在賣車時往往會給出很模糊的宣傳，是自己的車輛已經具備了自動駕駛功能， 而這些並不是真正意義上的自動駕駛。

那麼真正的自動駕駛首先要具備自動駕駛的功能，而這些功能首先要有硬體作為基礎，之後再有處理器、車聯網等軟體等更強大的數據分析能力、更有邏輯的決策管理程序，那麼結合目前的半自動駕駛特點以及市面上一些主流的配置，我們先來了解下實現自動駕駛的幾個必要條件。

寫在最後：自動駕駛是我們一直所想往的，駕駛員不用再隨時精神集中的開著車。但要實現自動駕駛還需要很多的配置，現在車輛的配置、硬體的配置已經可以實現半自動駕駛。在有些細節方面駕駛員並不能信任車輛的該功能，駕駛員應該是占據主導地位。而自動駕駛最重要的就是路網的建設，通過道路和網路整體結合，讓車輛與車輛、車輛與行人、車輛與物的數據實時交換，這樣車輛的自動駕駛就離我們不遠了。

Ⅳ 汽車自動駕駛如何實現

目前實現自動駕駛主要依靠「感知-決策-執行」的方式。
其中，感知系統也稱為「中層控制系統」，負責感知周圍的環境，並進行識別和分析；決策系統也稱為「上層控制系統」，負責路徑規劃和導航；執行系統又稱為「底層控制系統」，負責汽車的加速、剎車和轉向。
這些系統的背後，人工智慧技術也提供了橋悄腔重要的支持。
以深度學習為代表的計算機視覺技術，可以滿足視覺感知高精度的需求，提高自動駕駛汽車面對復雜交通環境時的決策能力；前期決策樹、貝葉斯網路為自動駕駛行為決策與路徑規劃提供了重要的運或技術支持；神經網路控制則在車輛控制方面提供了重要的技敏衫術支持。

Ⅳ 中國人應該如何看待自動駕駛

中國人對自動駕駛的看法如下：
1、自動駕駛銷瞎是先進生產力，要鐵拳那些無戚圓腦反對派。
2、自動駕駛需要漫長的開發，將長期處在輔助駕駛階段。
3、自動駕駛不光是技虧仔空術問題，更是社會問題，需要更多社會角色作為緩沖。

Ⅵ 當技術面對道德的時候，人類應該繼續追求自動駕駛技術嗎

人類對自動駕駛的渴望從汽車誕生以來就沒有停止過，在無數科幻作品中，無人駕駛的汽車運載著乘客們到達世界每一個角落，而由於自動駕駛技術的發展，車禍與事故也成為了歷史課本當中的名詞。然而，現在並不總是像科幻作品那麼美好，盡管人類在自動駕駛的腳步上不斷探索，現在的輔助駕駛技術也能夠在很大程度上幫助駕駛者去控制車輛，然而駕駛輔助系統依舊無法避免事故的發生，甚至在很多時候駕駛輔助功能還會成為車禍的「罪魁禍首」，那麼在這樣的情況下，我們是否應該繼續發展駕駛輔助舉手功能甚至是自動駕駛呢？
歷史的每一步進程都會遭遇當頭一棒
歷史從來都是很殘酷的，這一點已經被無數的事實所驗證，每當人們覺得已經取得了突破的時候，現實總會告訴你，你離成功還有很遠。在不久之前，台灣發生了一起詭異的車禍，一輛白色大貨車側翻在了高速公路上，而一輛與之相距甚遠還有一定安全距離的特斯拉Model 3卻徑直撞了上去，事故造成Model 3車身較為嚴重的損害，所幸由於大貨車的車廂內裝載的是奶油狀物質，因此可以給予Model 3很好的緩沖，所以Model 3的駕駛者並無大礙。而根據駕駛者透露，當時他的Model 3正開啟著Autopilot功能。
事實上，這位駕駛者已經算是眾多特斯拉車禍駕駛者當中最幸運的一位了，因為早在2016年，在美國就有一位駕駛者，他的特斯拉當時也開啟了Autopilot功能從在主道上正常駕駛，而偏巧對面主道有一輛白色缺笑大卡車左轉下主道，這個時候特斯拉並沒有減速，而是直接全速撞向了貨車的車廂側面，特斯拉駕駛者當場身亡。從個體角度來講，這些遭遇車禍的駕駛者無疑是悲慘的，而對於整個行業來說，這每一次事故都是一次對那些向著未來科技沖擊的科研人員和廠商的打擊。
在這次的台灣Model 3事故之前，很多人都認為特斯拉的Autopilot駕駛輔助功能已經是某種意義上的「自動駕駛」了，但是這次事故將人們一棍子打醒——即便是目前在這方面走得最靠前的特斯拉，也只是駕駛輔助，最終的駕駛者還是坐在方向盤後面的人。因此在現階段，每一次車禍的責任都是由人類駕駛員負責，這一點和幾十年前沒有什麼不同。
但是另一方面我們需要說明的是，現階段的駕駛輔助技術的確在很多時候幫助提升了車輛的安全性，在駕駛者沒有注意到或者是走神的時候幫助避免了很多可能到來的車禍，因此，在我們合法合規的使用駕駛輔助功能的前提下，現在的駕駛輔助技術是能夠幫助降低車禍發生的概率的，車輛的主動安全配置也幾乎是利遠大於弊的。
自動駕駛技術依舊是汽車行業的未來
回到我們剛剛說的特斯拉車禍上來，只要稍微了解一些行業新聞你就會知道，這次事故並非是特斯拉第一次發生類似的事故，在特斯拉大規模量產的幾年當中，類似的事故屢有發生。而這些事故都有一些相同點，那就是幾乎都是白色大卡車，而且這些大車的速度都比較慢，有些甚至是靜止的。
那麼為什麼這種情況特別容易造成AP系統的誤判呢？這主要是由於目前的AP系統主要是依靠一套視覺方案來感知外界，也就是攝像頭為自主，毫米波雷達為輔的感測器組合。這套方案最大的好處就是成本低廉，但是最大的問題就是攝像頭對於外界的感知非常被動，它只是傳回圖像，通過車載系統的計算單元識別之後才能分辨前方的路況究竟如何，而系統只有在經過大量學習之後才能進行相應識別。
如果在系統學習的時候沒有遇到過這種情況，那麼系統將無法判斷前方路況，換言之，在系統和攝像頭眼裡，前面橫貫在路面上的白色卡車車廂就如同一片白茫茫的雪地一樣，那麼這個時候車輛自然判斷正扮嫌這是安全的無需減速。而另一方面，盡管車輛也搭載了毫米波雷達，但是毫米波雷達只對運動的物體能較好識別，但對靜止的物品識別能力很弱，因此也就造成了車輛在面對這種情況的時候無能為力的局面。
那麼現階段的技術水平能不能做到避免這種情況呢？事實上還是有的，那就是採用激光雷達。然而在目前，激光雷達的成本實在是太高了，一套激光雷達的成本甚至能高達2萬美元，而一輛特斯拉Model 3現在的售價不過只有4萬多美元，很明顯，激光雷達對目前的車輛來說還是太貴了。
但從科技發展的歷史來看，很多現在成本很高的東西在以後甚至是在不久之後成本就會快速下降，我們現在生活中以及離不開的液晶屏幕就是一個很好的例子。因此對於未來來說，自動駕駛依舊是我們追尋的方向，包括激光雷達在內的眾多技術也一定會在時機成熟的時候搭載到未來的車型上。
當然，電腦和人腦一樣都會犯錯，盡管當下的電腦比人腦犯錯的幾率已經小得多，但是我們不可能保證電腦永遠不出錯，當車載電腦遇到這樣的問題，那很可能帶來的就是交通事故的發生和人身安全的受損，這是我們迴避不了的道德問題，但是如果自動駕駛技術的應用能夠讓每年死於車禍的人比從前大為減少，車禍發生率也比現在低得多，那我們為什麼不去採用呢？因此，無論是從技術層面還是從道德層面，當下事故的發生都阻止不了我們繼續探尋自動駕駛技術的步伐，未來也終有一日會出現曾經科幻作品當中的場景。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

Ⅶ 全球資本狂追自動駕駛技術，為何自動駕駛技術深受青睞

隨著人類社會文明的不斷進步，人類也從最開始的青銅器時代經歷蒸汽時代慢慢走上了科技化時代，現在很多國家的科技實力都不斷增強，而科技實力增強的同時也促使更多高科技產品的產生。

人類從走進科技時代開始，就一直致力於自動駕駛技術的研究，早在20世紀80年代就開始了自動駕駛技術的研究，一直到現如今21世紀之後也開始慢慢成型了。2010年，谷歌公司正式對外宣部開發自動駕駛謹搜汽車，到2011年出現了第一輛自動駕駛的汽車。現如今也有越來越多的資本家開始追求自動駕駛汽車。

如今汽車的技術越來越成熟，自動駕駛汽車也必將成為未來發展的趨勢，但是在安全方面還是需要過多的重視。

Ⅷ 《無人驅》：我們為何要發展自動駕駛技術

黃恆樂 主編 技術學堂 2021-06-17 00:10

筆者7年前第一次體驗無人駕駛汽車的時候，並不了解SAE自動駕駛分級是什麼（SAE J3016首版發布自2014年），只是對現場工程師的那句提醒印象深刻：“不好意思，我們提醒大家請不要碰車內任何東西，這台工程樣車要數千萬。”

這輛 雪佛蘭EN-V 2.0給我很大的驚喜與驚訝，驚喜的是我們未來可能再也不需要把時間都浪費在通勤上了，驚訝的是美國已經研發出不需要方向盤就能開的車，是否意味著中國這個剛能造點正經車的乘用車產業，要被降維打擊一夜回到 解放 前？

感謝這幾年來中國GDP的穩健增速，我才有底氣寫後文提到的盪氣回慶首腸的內容。

在智能化大勢之下，我們的自主品牌汽車產業沒死，正在奮力抗爭，且勢頭並不差。

我們為何要發展自動駕駛？

因為重工業是國際話語權。

很抱歉一開頭就說這么沉重嚴肅的話題，但必須如此才能讓文章思路更加清晰。

中國是汽車工業的後來居上者，不過只是產銷量連續11年稱霸世界第一席位，技術與質量可還沒能力封狼居胥。扮賀簡單來說，中國是“汽車大國”而非“汽車強國”。

筆者在國際貨幣基金組織官網找了一組新的2020年名義GDP數據，大家了解一下全球Top 10經濟體當前的情況：

2020/2019名義GDP排行（結算貨幣：美元） 2020名次 國家/地區 2020年名義GDP 佔全球比例 2019名次 國家/地區 2019名義GDP 佔全球比例 全球 83.84萬億 全球 87.75萬億 1 美國 20.80萬億 24.80% 1 美國 21.42萬億 24.41% 2 中國 15.22萬億 17.77% 2 中國 14.34萬億 16.34% 3 日本 4.91萬億 5.85% 3 日本 5.08萬億 5.79% 4 德國 3.78萬億 4.51% 4 德國 3.84萬億 4.38% 5 英國 2.63萬億 3.14% 5 印度 2.87萬億 3.27% 6 印度 2.59萬億 3.09% 6 英國 2.82萬億 3.21% 7 法國 2.55萬億 3.04% 7 法國 2.71萬億 3.09% 8 義大利 1.84萬億 2.19% 8 義大利 2.00萬億 2.28% 9 加拿大 1.60萬億 1.90% 9 巴西 1.83萬億 2.09% 10 南韓 1.58萬億 1.88% 10 加拿大 1.73萬億 1.97%

此前IMF預測中國在2020年的全球經濟佔比是17.77%，實際上中國一擼袖子加把勁干出了18.15%。

我們再掃一遍上面列表中的10個國家，沒有任何一個是能脫離汽車工業譽缺數而繁榮的。

我們不要小看印度，它可是全球第五大工業國，同時也是全球第五大汽車工業國；也不要覺得加拿大汽車工業沒地位，那可是全球前十的汽車工業大國。

再看下錶的人均GDP，數據依然來自IMF。可以看到這四等發達國家裡面，實際上有話語權的國家都是有強大汽車工業基礎的，瑞典應該是唯一的例外。

2020人均GDP排行（結算貨幣：美元） 2020名次 國家/地區 2020年
人均GDP 經濟狀態 2020名次 國家/地區 2020年
人均GDP 經濟狀態 1 盧森堡 109602 極度
發達
國家 13 奧地利 48634 高度
發達
國家 2 瑞士 81867 14 芬蘭 48461 3 愛爾蘭 79669 15 德國 45466 4 挪威 67989 16 比利時 43814 5 美國 63051 17 加拿大 42080 6 新加坡 58484 深度
發達
國家 18 聖馬利諾 41683 7 丹麥 58439 19 以色列 41560 8 冰島 57189 20 法國 39257 穩健
發達
國家 9 卡達 52751 21 英國 39229 10 澳大利亞 51885 22 日本 39048 11 荷蘭 51290 23 紐西蘭 38675 12 瑞典 50339 24 阿聯酋 31948

想要說話擲地有聲，你手頭得有汽車工業。

因此，發展自動駕駛也是大國博弈的需要。

我們把時間線放長一點看，第一次和第二次工業革命重新劃定了這個世界由誰剝削誰，結果分贓不均就打了兩次世界大戰（實際上是同一場），接下來是第三次工業革命，世界格局從熱戰變冷戰，幾十年後冷戰落幕，現在大國之間只打經濟戰。

美國、中國、歐盟，三者已成經濟三極。中國GDP已經有美國72.8%了，並約等於沒了大英之後的歐盟總體GDP。每一極都在汽車領域爭奪話語權，美國有太空霸權、衛星定位、高精地圖、自動駕駛、晶元技術等硬核優勢，後起的中國有完整的製造業鏈路和崛起中的智能汽車產業氛圍，歐盟哪哪都不弱就虧在不是統一政權。

汽車工業是最考驗綜合國力的產業，上下游數百個門類、數千家企業參與，才能造出一台車。大眾集團2020年營收2714億美元，德國全境GDP總量3.78萬億美元，大眾集團佔德國經濟比重高達7.18%，“富可敵國”就是說的這種情況。

所以，國與國之間的爭斗，必然要涉及汽車領域。要打擊他國汽車，欲加之罪何患無辭，豐田剎車門、現代油耗門、大眾排放門，這些在美國市場發生的事件，就是外企不肯屈服於美國政府，直接被強權打壓了。

除了是大國博弈的棋子，自動駕駛技術的研發還能減輕駕駛負擔（提升產品競爭力）、提升行車安全、通行效率、為社會創造高薪就業崗位，但這些都不是重點，國家之間的利益制衡才是。

汽車工業之爭的下一階段就是電動化與智能化，而智能化的關鍵在自動駕駛，我們今天要聊的話題。

L3是不是走進了死胡同？資本騙局or法律黑洞？

筆者還記得2017年奧迪發布D5世代A8時的盛況，第一款量產SAE L3級自動駕駛系統基於第四代 奧迪A8 （D5）誕生了。雖然當初我已經預判過這套系統入華之後並不能使用，但並未預料到它在西方國家也沒能自由跑起來。

後來，江湖傳言說是“花10億歐元解決了L3”的奧迪自動駕駛項目組，被整合至統一的大眾集團Car.Software車載軟體開發部門，一個開啟自動駕駛新時代的功勛項目組就這樣消失在汽車歷史中。別急，其實對於奧迪而言是明降暗升啊，因為Car.Software的總部因此從狼堡遷至英戈爾施塔特，奧迪成為了集團的智能化大腦中樞。

回到主題。以美國為首的自動駕駛行業當初定義自動駕駛等級的時候，並未發覺L3居然是一個非常尷尬的分級（下圖是筆者畫的，供形象理解），它的尷尬之處在於任由人類駕駛員“撒手不管”，但又要求人類駕駛員“必要時必須立刻回來接管”，無法形成邏輯閉環，有巨大的安全風險。

在這里，我們簡單匯總下SAE規則下自動駕駛等級的異同：

L1：解放腳 （基本是人類在開）

L2：解放腳、手 （限定條件內人機混開，基本是人類在開）

L3：解放腳、手、眼 （限定條件內人機混開，基本是系統在開）

L4：解放腳、手、眼 （全區域由系統開，特殊情況除外）

L5：解放腳、手、眼 （全區域/全時域由系統開）

P.S. 2021年1月1日施行的《汽車駕駛自動化分級》國家標准也對自動駕駛進行了分級，整體規則與美國SAE標準保持一致。

到了L3之後，就要完成自主代客泊車AVP（Automated Valet Parking）、交通擁堵引導TJP（Traffic Jam Pilot）、高速公路引導HWP（HighWay Pilot）這些主要的功能，可是L3有個最大的問題——L3的交通事故權責模糊不清。

簡單來說，L0-L2是人類駕駛員全責，L4-L5是汽車智能系統全責， L3是一灘永遠吵不清的糊塗賬。

因此，現在很多車企都在說自家的自動駕駛輔助系統是L2.5、L2.9、L2.99等等，無論什麼話術，意思就是“沒到L3”，所以車企暫時不需要負責。

實現L4的難度有多高？

因此，目前有不少部分達到L3功能但只能按照L2來使用的車型，比如四代奧迪A8、特斯拉FSD Bate版、 蔚來ET7 、 智己L7 、小鵬P5、極狐阿爾法S HI版等等。

現在業界有可能直接跳過權責模糊不清的L3，直接把L4投放到市場上。目前已有車企決定這樣子做了。像谷歌這種解決方案供應商則不同，他們不需要把研發成果綁定在現售車型上循序漸進迭代更新，沒有包袱的他們選擇了直奔L4。

整車L4水平，需要在全場景下實現包括自主代客泊車AVP、交通擁堵引導TJP、高速公路引導HWP在內的所有功能，也就是車子自己能走能停完全不需要人類交涉。當然，L4是可以保留車輛操縱單元的，在特殊情況下可交給人類操縱，比如地震海嘯造成車輛通訊的情況。

先說AVP。之前我們聊過小鵬的自動泊車，而小鵬一直都是以此為豪的企業，泊車成功率不低。小鵬此前的方案是利用汽車感測器進行室內地圖建模，這種在非市政道路收集地圖數據的方式也避開了法律屏障，雖然看起來精度並不高，但也算是一個不錯的開始。

今年6月4日， 小鵬P7 通過OTA更新的VPA停車場記憶泊車（Valet Parking Assist）。

這里我們就要科普一個概念：AVP分為兩個分支，一支叫H-AVP（雲端自我學習泊車），經過SLAM系統訓練之後完成地圖建模了就能持續使用，也就是來一次以後就隨時來，小鵬、 賓士 、威馬在整；而更高階的P-AVP（雲端高精地圖泊車）只需駕駛員開到停車場門外就可以離開駕駛席，車子自己會按照高精地圖的指引找車位泊入，暫時還沒車企能量產。

小鵬這次的更新是VPA停車場記憶泊車，功能實現上與W223世代 賓士S級 和 威馬W6 還是有所不同的。

小鵬的VPA是自研完成的停車場記憶泊車功能，它的記憶線路可以達到1km，一台車可以學習100個停車場的泊位，不過單個停車場只記憶1個泊位，還不如少點車場但每個多點泊位比較實在，而且小鵬的VPA只支持泊車入庫，不支持出庫。還有一點筆者有點理解不了的是，小鵬VPA不支持跨層泊車、沿線出庫、全程APP車外操作也就算了，為何僅支持地庫泊位，在地面泊位用不了，W223和W6倒是沒有這個限制。

從使用場景來看，威馬目前開放的H-AVP能夠在地面/地下停車場內任何地方都可以進行學習，不限起點位置，不限車場數量，單個車場可設定5條不同的入庫/出庫路線，可以跨層，駕駛者不用在車上，只需要通過手機一頓操作能完成車輛的泊入和泊出，對於那些過窄的、停好之後無法開門出來的停車場景來說很實用。除了目前已經開放的H-AVP，威馬官方還透露將會在年內通過OTA將P-AVP推送給用戶。

威馬的AVP是與國內自動駕駛實力擔當的網路Apollo平台聯手深度研發的，有網路“王牌”做背書，以後的P-AVP還有網路高精地圖加持。小鵬是沒有參與進來的，威馬則有網路高精度地圖加持，所以實現P-AVP更容易一些。包括賓士在內的海外品牌想進入中國做自動駕駛，以後應該得用中國高精地圖才行，現在連 特斯拉 都被要求把伺服器建在大陸境內了，可見高精度地圖在自動駕駛中也扮演著十分重要的角色。

此外，要玩P-AVP，還要等室內基站通信硬體整起來才行，這需要更多的基建設施配合。

接下來聊交通擁堵引導TJP和高速公路引導HWP。TJP和HWP的速域不同，再加上自動車道變換（ALC，Automotive Lane Change），就是全速域的“有限自動駕駛功能”。

TJP的決策和執行是一大難題，標定不好的TJP策略就會出現起步與制動的動作太過生硬，快了體感難受，慢了被旁邊車子加塞，一來一去就暈車了……

HWP+ALC就是現在很多新勢力在談的“高速領航功能”，蔚來叫NOP，小鵬叫NGP、特斯拉叫NOA、日產叫ProPilot、通用叫SuperCruise，反正都是一個意思。目前這項技術進展很快，實際使用起來比較便捷，人類駕駛員介入的頻率並不高，小鵬官方給出的NOP介入頻率是0.66次/100km，實測接近1次/100km，也即是平均開100km才需要接管。

不過，以上TJP和HWP暫時均不能達到L4級別，只能在特定條件下（合適的路況/天氣）進行約等於L3級別的自動駕駛。

如今奧迪A8、 蔚來ES6 、特斯拉 Model 3 、小鵬P7、 廣汽埃安 LX、 長安UNI-T 、日產 天籟 等等車型都可以執行TJP、HWP、ALC，但因為感測器配置並不甚完備、高精度地圖與定位技術還沒到位等原因，除了A8之外的車型都要求駕駛員隨時隨地立即接管車輛（L2-L3之間）；A8則在限定條件下（特定的道路等級、光照、車流速度等）可由L3系統完全控制車輛，駕駛員同樣需要隨時接管；進化成L4之後，系統隨意開，除非有極少的特殊情況才需要駕駛員介入，比如賓士W223和威馬W6的無人泊車。

比如，下面的gif圖展示的是L4自動/無人駕駛技術，是廣州企業文遠知行在這次廣州疫情防控中，使用無人駕駛車送飯到疫情隔離區。（現場實拍gif獲授權自汽車之家）

L5是沒有ODD（Operational Design Domain，設計方案運作域）的，意思是無論任何的道路狀況（車道線、道路附著系數、圍欄等）、環境（能見度、天氣等）、前方可行駛區域（收費站、施工等）等等，L5都是可以免除人類駕駛者介入的。

因為自動駕駛的研發初衷就是更加安全和便捷，L1和L2級自動駕駛輔助系統已經幫我們降低了一部分事故概率，L3目前是禍是福還不知道，因為無法形成嚴謹的邏輯閉環（人究竟還要不要全神貫注呢？），L4還沒有整車完成L4自動/無人駕駛研發的量產案例，無所不能的L5還有很遠才來。

我們現在可以知道的是，L4的實現成本會非常高；我們暫時不能知道的是，整車實現L4的量產產品何時才能來臨，這需要L4系統在泊車/行駛、城市/市郊、低速/高速、國內/國外、晴空萬里/惡劣天氣等等所有情況下都管用。

關於倫理與法規的思考

烏伯林根空難（Überlingen Disaster）在十多年前揭示了空中交通管制系統的處置失當將會引發何種等級的人類災難。

空管員Peter Nielsen的指揮不當與光學碰撞預警系統的檢修固然是兩大緣由，但促使俄羅斯Tu-154客機與德國757貨機碰撞的另一個原因也不能被忽略：如果兩個飛行機組都按照空中防撞系統（TCAS）的提示分別進行拉高與降低，事故將不會發生；但由於俄羅斯機組“以人類命令為先”的原則，按照Nielsen的錯誤指示而非TCAS的正確指示執行，最終釀成了72人死亡的災難——最後一位是空管員Peter Nielsen，死於刺殺。

自動駕駛技術對於人類而言並非新鮮事物，我們已經堅信這項技術長達大半個 世紀 。若溯源的話，最早能追溯到上世紀10年代在美國誕生的第一台電動陀螺穩定裝置（自動駕駛儀的雛形）。即使60年代的阿波羅飛船已經用上了數字化自動駕駛儀，半個世紀後的俄羅斯人依然堅信人類犯錯的幾率比人工智慧要小得多——歷史事實是，單單俄羅斯航空這一家公司，血手之上就有超過8200條人命，遠遠高於第二名法蘭西航空的1783名。

從Autopilot一詞便可知曉，汽車工業所武裝的“自動駕駛”，技術淵源依然是航空與航天產業。我們可以用“陸上交通比空中交通復雜千萬倍”的理由去埋汰乘用車/商用車自動駕駛技術的“滯後”，卻一直不肯相信“人工智慧”一定比“人類駕駛”更加安全，即使99.9%以上的失事航班俄羅斯籍飛行員並未抱著伏特加瓶子睡著在崗位上。

2005年，Google X實驗室就已開啟了谷歌無人汽車計劃（Google Driverless Car Project），2009年開始上路測試，約有23輛車分9種模型在測試。測試項目分為自動駕駛和人為干預的手動駕駛，行駛里程超過320萬公里，至2017年只造成18次事故，其中絕大多數都是被追尾（測試車極速才40km/h），無重大人員傷亡，這是第一次AI判斷出錯——320萬公里1次車體剮蹭輕傷，不知哪位人類駕駛員敢上前邁一步接受AI的挑戰？

只是，即使自動駕駛技術已經如此先進，我們還是無法把命交給AI。將AI變成Siri可以，變成小孩子的聊天機器人可以，變成咖啡廳上點心的服務員可以，但要讓我們把交通工具的控制權完全交出給AI，連方向盤、油門、制動都摘掉，恐怕多數駕駛者暫時還不能被接受。

目前，汽車工業大國們對AI造成交通事故的法律定義都是模糊的，這是一個誰都可以碰、誰都不敢碰的灰色地帶。你可以研發自動駕駛汽車，甚至美國/德國某些州的政府還讓你“合法”上路，但這並不代表合法解決事故糾紛。傳統的汽車廠商都是很保守的，一個自動駕駛項目動輒數十億美元的成本，很有可能就會被一兩個死亡時間毀掉，而自動駕駛是不可能讓死傷幾率等於0%的——雖然自動駕駛已經被認定為“比人類駕駛安全非常多”。

因為當事故主體是“人”的時候，我們可以通過制約人的社會契約來解決糾紛，法律、法規、習俗、慣例甚至情面；但當事故主體是一台會思考的“汽車”時，適用於人類的社會契約就失效了，我們可以用金錢懲罰來制裁電子程序和自動駕駛汽車的製造商，但無法用牢獄去懲罰一套電子程序。

帶著未解的疑問，我們結束今天的議題。

（圖/文/攝：黃恆樂）

@2019

Ⅸ 你怎麼看待自動駕駛技術你覺得這項技術會使未來的生活更加便利嗎

說到自動駕駛技術，很多朋友都會想到特斯拉。畢竟的自動駕駛技術處於世界領先水平。但據相關統計，2019年特斯拉自駕導致交通事故死亡約50人。那麼自主駕駛技術應該怎麼說，這項技術是否應該繼續發展？所謂自動駕駛技術主要是通過人工智慧、車輛雷達、監控和定位系統的配合來判斷道路信息，然後自動駕駛汽車安全行駛。

隨著5G標準的落地，自動駕駛技術獲得了新的支撐。5G將進一步推動車聯網的發展，作為整個車聯網解決方案的一部分，自動駕駛必將得到進一步的發展。自主駕駛涉及的技術很多，如機器學習、計算機視覺、自然語言處理、力學等，目前還很難。目前自主駕駛領域也有廣泛的合作關系，不同的技術公司專注於不同的環節，更有利於自主駕駛技術的發展。目前自動駕駛分為六個等級，即無自動、駕駛員輔助、部分自動、有條件自動駕駛、高度自動駕駛、全自動駕駛。級別越高，自動化程度越高。

Ⅹ 自動駕駛技術有什麼優點要如何發展

自動駕駛汽車的優勢：沒有交通堵塞。未來，無人駕駛汽車成功普及後，大城市的交通擁堵將消失。對於許多人來說，這每年可以節省40個小時。因為在大城市中，人們必須走在交通繁忙的地方。自動駕駛汽車可以自動同步交通狀況，盡快選擇一條更平坦的路線，由於人工智慧設置，諸如汽油交通等不文明的狀況也將消失。減少事故。根據專家的計算，由於自動駕駛的普及，事故數量將減少約90％。因為人工智慧將更加遵守交通規則，並且可以計算周圍行人的下一步行動。如果有人過馬路，他們的AI預測能力和駐車制動技能甚至可能超過老駕駛員。

交貨快捷。在一些大城市，平均等待食物的時間約為40至80分鍾。將來，許多食物將由無人駕駛汽車運送。這樣可以將等待時間減少一半。改善空間。由於自動駕駛汽車的便利性，房屋的空間將大大改善。許多房屋的停車位價格也將降低。因為人們不需要為了方便而在房屋附近購買或租用停車位。只需操作手機，就可以讓汽車提前到達您的位置，或者在將汽車交付到目的地後將汽車開到很遠的停車位。長途運輸。卡車運送司機擔心超速駕駛車票的日子會消失，而不必在路上花費數日甚至數周。因為幾乎所有的汽車都可以參與運輸，所以它們的交付速度會更快。