2018年已經(jīng)過去了一半，上半年對自動駕駛領(lǐng)域的各個玩家來說可謂是喜憂參半。喜的比如國家終于允許自動駕駛汽車開展路測了，但憂的比如Uber無人車致死事故，讓公眾對自動駕駛的信心大打折扣。

　　事實上，不管后續(xù)Uber無人車的致死事故原因調(diào)查結(jié)果如何，不可否認的是，現(xiàn)在的自動駕駛技術(shù)還不成熟�；蛟S，有人會對此產(chǎn)生疑問，畢竟百度剛宣布其L4級自動駕駛汽車已經(jīng)開始量產(chǎn)，并將在明年投入市場包括出海日本。

　　在這里需要注意的是，目前百度已經(jīng)下線的車輛仍還處于“道路測試”的工程車狀態(tài)，即便是進入封閉式商業(yè)化運營也還需一段時間的測試。換句話說，在對真正能投入到開放性道路的自動駕駛技術(shù)而言，還存在大量的階段性測試需要慢慢去攻克。

　　如果要把自動駕駛汽車的發(fā)展與人的成長相比較的話，在小智君(ID：Aiobservation)看來，現(xiàn)在的自動駕駛汽車技術(shù)就像人類的青少年時期，究其原因，則在于二者圍繞“經(jīng)驗”有很大的相似之處，具體來說，是缺乏經(jīng)驗。

　　少年司機——實指處于任何年齡的新手司機——從理論上來說，在如何操作汽車的控制裝置，以及如何處理各種各樣的交通規(guī)則方面都極度缺乏經(jīng)驗。以北美為例，新手司機學習開車的第一步通常是來自老司機的基本教學，當然，這主要是為了讓他們掌握眾多的交通法規(guī)以及其他方面的基礎(chǔ)知識。

　　之后，新手司機會通過應(yīng)用該程序?qū)W習汽車駕駛，并逐步模擬在實際道路上可能會遇到的各種問題。在這個過程中，新手司機會收到來自其他駕駛員或者實際駕駛經(jīng)驗的反饋，以便幫助他們確定在面對障礙時，如何進行最好的反應(yīng)來繼續(xù)進行安全駕駛。

　　對自動駕駛汽車來說，也是如此。首先，車輛本身會先預編程基礎(chǔ)知識，比如紅色表示停車，綠色表示繼續(xù)行駛等等。然后，通過一種被稱為機器學習的人工智能形式，自動駕駛汽車會不斷從積累的經(jīng)驗和持續(xù)反饋中汲取新知識，以適應(yīng)環(huán)境，做出決策并提高性能。

　　無論對人還是對機器而言，更多駕駛經(jīng)驗就意味著更好的駕駛技術(shù)。不管在哪種情況下，掌握一項技能都會需要很長的時間，尤其是，每個人都要學會獨立去面對一些難以預料的事情。比如一顆倒下的樹，突如其來的閃電洪水，意外出現(xiàn)在馬路上的足球，等等。

　　更重要的是，不管是在受控環(huán)境下還是在實際環(huán)境中，進行測試對于構(gòu)建專有技術(shù)至關(guān)重要。自動駕駛汽車行駛的里程越多，就越有可能達到更高一級的安全性。進一步講，安全性能的提高將影響公眾對自動駕駛汽車部署的接受度與信任度。

　　經(jīng)驗——從基本技能開始

　　當然，經(jīng)驗必須建立在基本能力的基礎(chǔ)上，視覺便是其中之一。對于大多數(shù)人來說，滿足這項基本要求很容易，即使有些人可能需要戴框鏡或隱形眼鏡。然而，對于自動駕駛汽車而言，視覺技術(shù)是一個極其復雜的過程，涉及多個傳感器以及一些其他的技術(shù)元素，比如

　　1.雷達，利用無線電波測量汽車與其周圍障礙物之間的距離;

　　2.激光雷達(LIDAR)，使用激光傳感器構(gòu)建汽車周圍環(huán)境的360度全方位圖像;

　　3.攝像頭，用于探測人，燈，路標和其他物體;

　　4.衛(wèi)星，以啟用全球定位系統(tǒng)(GPS)，進行精確定位;

　　5.數(shù)字地圖，幫助確定和修改汽車的行駛路線;

　　6.計算機，用來處理所有信息，識別物體，分析駕駛情況并根據(jù)汽車看到的情況確定行動。

　　所有這些元件協(xié)同工作，來幫助汽車隨時了解它所在的位置，以及與汽車自身相關(guān)的所有內(nèi)容。盡管現(xiàn)在這些系統(tǒng)很精確，但它們并不完美。比如，計算機可以知道哪些圖片和感官輸入值得關(guān)注并對此做出正確反應(yīng)，但這些都僅僅來自于行駛了很多里程的經(jīng)驗。

　　據(jù)了解，目前在公共道路上展開測試的自動駕駛汽車，都在將“學習到的知識”反饋到中央系統(tǒng)，使得公司的所有汽車都有機會成為更好的駕駛員。不過遺憾的是，即使是目前美國所有自動駕駛汽車行駛的里程總數(shù)，也不及人類司機每天駕駛的里程數(shù)。

　　危險——來自夜間的挑戰(zhàn)

　　夜間行駛比白天更具挑戰(zhàn)性——對自動駕駛汽車和人類駕駛員而言均是如此。要知道，黑暗條件下的對比度會降低，無論是有生命還是無生命的物體都很難與周圍環(huán)境區(qū)分開來。在這方面，人類的眼睛和自動駕駛汽車的攝像頭都會有一定程度上的“損傷”，因為它們不像雷達和激光雷達，即使沒有陽光，路燈或其他照明物體也能進行探測。

　　顯然，這也是今年3月亞利桑那州事故發(fā)生的一個因素，當時一名行人在夜間推著自行車橫穿街道時與一輛Uber無人車相撞致死。事故發(fā)生時，被禁用的緊急制動是釀成悲劇的一個原因，而汽車傳感器則是另一個因素。首先，它先把行人識別成了車輛，之后又認為是自行車。

　　不要覺得這個問題無關(guān)緊要，其中有重要的區(qū)別，因為自動駕駛汽車的判斷和行動依賴于準確的識別。簡單來說，如果它把周圍的物體識別成另一輛汽車而不是行人的話，會首先判斷該物體會議更快的速度駛離自己的車道。

　　成熟——需要一次又一次的嘗試

　　為了成為更好的駕駛者，自動駕駛汽車不僅需要更多更好的技術(shù)工具，還需要更為基礎(chǔ)的東西，那就是實踐。與人類駕駛員無異，缺乏經(jīng)驗的機器人駕駛員在處理黑暗，霧氣或濕滑的路況時也不會有很好的效果。

　　在受控道路上進行測試是在公共街道上進行自動駕駛汽車廣泛部署的第一步。德克薩斯州自動駕駛試驗場合作伙伴關(guān)系(The Texas Automated Vehicle Proving Grounds Partnership)，包括德克薩斯A&M交通研究院、德克薩斯大學奧斯汀分校和圣安東尼奧西南研究所，運營著一組封閉式試驗場，可供自動駕駛汽車再次進行訓練。

　　鑒于自動駕駛汽車還需要體驗真實的環(huán)境條件，因此該合作伙伴關(guān)系包括德克薩斯州的七個城市地區(qū)，可以在公共道路上進行設(shè)備測試。此外，今年7月，自動駕駛汽車初創(chuàng)公司Drive.ai開始在達拉斯北部的弗里斯科有限的道路上測試自己的車輛。

　　這些測試工作，對于確保自動駕駛技術(shù)在上路之前盡可能實現(xiàn)萬無一失至關(guān)重要。換句話說，該技術(shù)需要時間展開學習，這一過程可以被視為對自動駕駛汽車展開的“司機教育”。人就是通過實踐來進行學習的，并且通過反復練習會越做越好。無論在哪個領(lǐng)域，是音樂，體育還是駕駛汽車，“熟能生巧”是一個公認的原則。

　　正如小智君(ID：Aiobservation)開篇講到的那樣，自動駕駛汽車與成為可靠安全駕駛員之前需要積累經(jīng)驗的青少年沒有什么不同，如果非要進行一番區(qū)分的話，那便是汽車不必自己親學每一件事，相反，他們需要進行“互相交談，并分享經(jīng)驗”。