那辆呆萌的无人驾驶原型车退役了，谷歌「造车」终成历史？
如果你很早之前就开始关注无人驾驶汽车的话，一定看到过这样一款车型：外形非常萌的 Waymo 无人驾驶车，这款叫作「 萤火虫」 的无人驾驶原型车依靠着辨识度极高的外形设计一直吸引着大家的目光。 只不过，Waymo 昨天宣布，这款车型将会正式退役。未来，「 萤火虫」 无人驾驶车将会放置在加州山景城计算机历史博物馆和伦敦设计博物馆中进行展览。 从起初诞生一直到功成身退，「 萤火虫」 原型车一定程度上也算是改变了无人驾驶市场环境。而这一路走来，隐藏在它背后的故事还有很多。 设计初衷 2014 年 5 月，谷歌对外宣布，他们打造了一款无人驾驶原型车并命名为「 萤火虫」，随后这款车型在 Code 大会上进行了展示。此前，谷歌一直都在基于丰田普锐斯以及雷克萨斯 RX 车型改造自动驾驶车来进行测试。这款原型车可爱的前脸造型再搭配上非常 Q 的车身比例，一下让很多人对它产生好感，刚推出的那段时间，网上还兴起了「 抓拍热」，大家在山景城碰到测试车型时往往都会举起自己手中的相机或手机。 谷歌认为，无人驾驶汽车最重要的就是提供保障，不仅仅是对乘车人，行人也是一样。「 萤火虫」 原型车的前部和后部非常圆润，万一发生碰撞，可以最大限度减轻对于行人的冲击。另外，出于对路上行人的保护，原型测试车的最高时速也被限制在了 25 英里/小时。 进入车内，这款原型车没有油门、刹车踏板，甚至连方向盘也没有配备，只是配备了两个按钮，其中一个负责启动行驶，另一个负责紧急停车。在仪表盘区域，谷歌配备了一款显示屏，屏内会显示当前时间、外界温度以及抵达目的地时长。根据他们提供的数据，「 萤火虫」 原型车的最大续航里程为 100 英里。（更新前的原型车）（更新后的原型车）期间，谷歌还对这款无人驾驶原型车进行过一次更新。他们在保证地图可以实现高精度以及覆盖范围的同时更换了一套尺寸更小的激光雷达，更新后的原型车头顶上的「 触角」 更小，外形也更萌。 定位于无人驾驶技术提供商 「 萤火虫」 的诞生让很多人期盼：未来有一天这辆萌萌的小车或许可以迎来量产。但随着这一次原型车的正式退役，这种说法终于可以盖棺定论了。从 2014 年到现在，「 萤火虫」 的生命周期恰恰是无人驾驶技术爆发的几年，Uber、英伟达、百度以及众多整车厂都陆续开始了自己的无人驾驶测试。从某种角度上可以这么理解：谷歌的前期行动激活了无人驾驶市场，一些竞争对手陆续跟进才促成了今日的市场形态。 其实大家更愿意相信，谷歌起初应该会有造车的打算，走类似于互联网企业造车的路线。但通过这几年的测试之后，谷歌应该会明白「 造车」 这件事的技术门槛究竟有多高。去年，Waymo 与 FCA 达成合作，基于混动版的 Pacifica 打造了一款无人驾驶汽车。种种行为无疑更加确定了他们应该会放弃造车的计划，转而成为一家无人驾驶技术提供商，至于造车这件事还是交给专业的主机厂来完成。 虽然今后我们可能再也看不到「 萤火虫」 原型车上路测试的画面了，但有一点可以确定，多少年过后，当大家回顾无人驾驶汽车发展历程时，这辆小车是一个绕不过的话题。当我们在博物馆里再次看到「 萤火虫」 时，说不定就像今天看到经典的苹果 iMac G3 一样令人激动。 最后，我想说的是：里程碑式的产品总有它存在的意义，「 萤火虫」 已经飞走，众人还在缅怀。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
不法分子们颤抖吧，无人驾驶汽车监视着你的一言一行
自从「 无人驾驶」 概念提出以来，很多人好像一直都将注意力放在了如何提升人类出行体验上面。而国外一家叫作「OTSAW」 的公司却另辟蹊径，他们选择将无人驾驶汽车用来维持治安。听到这里，也许你又会想起各种巡逻警车。只不过，OTSAW 打造的这台 O-R3 很有可能与你之前见到的所有巡逻车都不一样。下面是他们制作的一个视频，大家可以先通过视频简单了解一下这辆无人驾驶小车： 车虽小装备却不少 「 麻雀虽小，五脏俱全」，如果只看外形，这辆无人驾驶小车的整车尺寸略显袖珍，但其实 O-R3 上配备了很多有意思的设备和功能： 不同功能的相机：O-R3 上配备了适用于不同功能的相机，车上的几台相机分别用于热成像分析、人脸识别、车牌识别、立体摄影，几台不同功能的相机帮助 O-R3 同时处理不同类别的成像。 高精度传感器：OTSAW 在无人驾驶小车上使用了二维激光扫描仪、三维激光扫描仪、惯性测量单元、超声波传感器、LIDAR、GPS 以及远程数据接发装置等设备。 智能数据融合系统： 车上搭载的这套系统可以帮助 O-R3 按照人类的思考逻辑理解各个场景和事件，顺利完成避障动作以及异常检测动作。 无人驾驶协同侦察机：OTSAW 在 O-R3 上还配备了一台无人驾驶协同侦察机，侦察机可以与无人驾驶小车共同组成空中、地面协同监控系统，有效威慑潜在犯罪。 人类在后台接收警报 仅仅依靠 O-R3 车辆本身来维持治安还远远不够，毕竟无人驾驶汽车和侦察机并不具备制服不法犯罪分子的能力，这种情况下还需要依赖人类共同完成治安工作。 OTSAW 给出的解决方案是一套实时警报系统，通常情况下，技术熟练的安全人员会在车队控制中心后台接受警报，实时警报系统的工作状态也会实时显示在车内仪表盘上。一旦 O-R3 无人驾驶汽车向后台发送警报，安全人员会迅速采取行动制服犯罪分子。当然，车辆的最终控制权还是掌握在人类手中，授权工作人员可以在后台直接操作车辆，必要情况下还可以将 O-R3 恢复至出厂预设状态。 考虑到 O-R3 无人驾驶车每天都需要进行长距离巡逻，续航问题也就成了重点。针对这项问题，OTSAW 选择为无人驾驶车训练自主充电的能力，当 O-R3 的电量降低到一定预设值后，车辆可以自行前往充电站进行充电，全程无需人类操作。 最后，很多人肯定想知道，O-R3 无人驾驶车应用到治安巡逻工作中究竟有何优势？OTSAW 认为，与人类相比，O-R3 的工作效率和生产力明显更高，它不需要休息日也不用请病假。无人驾驶车最大的优势就是可以 7 天 24 小时全天候工作，同时随时保持运转。 从某种角度来说，O-R3 提高了治安巡逻的工作效率，同时也降低了工作人员受伤害的概率。而放眼全行业来说，这辆小车也扩展了无人驾驶汽车的应用场景，说不定未来某一天，O-R3 真的可以走进我们的生活，为大家保驾护航。 不法分子们，意不意外？惊不惊喜？ 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
智能交通和智能驾驶，滴滴和无人驾驶车的发明者对谈会擦出怎样的火花？
（本文转载自 Xtecher，作者卡卡）2017 年 3 月 30 日下午，前 Google 院士、无人驾驶车的发明者、优达学城（Udacity）创始人 Sebastian Thrun 来到中关村创业大街，与滴滴出行高级副总裁章文嵩进行了一场关于「 智能驾驶」 和「 智能交通」 的对话，探讨如何运用二者改善城市交通，构建互联网＋交通大数据的智慧出行网络体系。 其中，开源代码项目对于智能驾驶的重要作用也是议题之一。「 开源代码代表着互联网开放性思维」，滴滴出行高级副总裁、智慧交通项目负责人章文嵩表示很难想象如果没有开源代码的软件，世界会怎样。 「 任何想拥有自动驾驶车辆的公司都可以下载开源软件」，优达学城创始人 Sebastian 说，我们不仅给自动驾驶工程师授课，而且鼓励开发更多开源软件。软件可以找到正确的道路、发现信号灯、调整驾驶速度，这些功能的实现都源自开源代码。 据了解，近日滴滴和 Udacity 合作举办的「 滴滴一 Udacity 无人驾驶大挑战」 是全球首个智能驾驶开源项目。比赛选手将以真实数据为基础，创建自动化安全和感知处理栈系统 (ASAPS)，提升人类和智能驾驶的普遍安全性。排名前五的团队的代码将在 Udacity 的无人驾驶车上实验运行，争夺 10 万美元奖金，并有机会加入滴滴智能驾驶技术团队。 Sebastian 在回答 Xtecher 记者提问时表示，两家合作的智能驾驶开源项目不光可以在全球合作的大环境下开发更优质的软件，同时可以帮助滴滴发现人才，对人们进行教育，鼓励他们学习新鲜事物。 智慧交通，始于大数据开源 「 智慧交通」 是滴滴 2017 年五大战略关键词之一。目前，滴滴在深圳、贵阳、武汉、济南等城市落地了智慧诱导屏、智慧代驾热力图、智慧公交、智慧交通度量报告、互联网+信号灯” 等多个智慧交通项目，已经取得了一定的成效。 从最新数据可以看到，当前滴滴日完成订单已经超过 2000 万单、每日处理数据超过 2000T8，相当于 200 万部电影，每日路径规划也超过 90 亿次，约相当于 600 万次/分钟。 「 如果出行不顺畅的话，说明我们根本没利用好街道，那么我们最好就别要街道了。」Sebastian 认为滴滴可以提升城市出行效率的原因之一是，滴滴使用了开源数据来探讨这个问题——我们是否可以让出行更加高效？ 以贵阳为例，滴滴已经将交管局与滴滴出行收集的交通大数据融合，应用在城市道路的智慧交通诱导屏上。该诱导屏不仅可以实时显示前方道路的通行状况，还能通过滴滴的 ETA(预估到达时间) 技术预测去往前方路段所需时间，让城市交通诱导系统变得更加智慧。而在武汉，滴滴已经开始利用海量的出行大数据与交管局数据结合，通过数据分析发布城市交通度量报告，实现对整体交通运行情况的清晰判断，帮助决策者制定相关交通策略。 2017 年，滴滴将与各地政府一起携手打造基于「 互联网+交通大数据」 的智慧出行、智慧监管、智慧运营、智慧决策的体系，让整个城市的交通效率更高，公众出行体验更好。 「 通过政企合作，可以把公共交通的数据和共享出行的数据搭桥、激活」，Sebastian 认为这样的合作能让公众整体受益。 未来，滴滴希望将公交系统也搬上网，同时，未来的出行将作为服务而不再是作为单个的产品——当你要去往目的地，整体的智能交通体系将提供给你一整套的可选方案，整个的空港车道、高速公路等基础设施都可能被大数据预测能力调配下变得通达，这就是章文嵩说的滴滴要努力到达的智慧城市交通网络建设方向。 当我们在说智慧驾驶安全，其实是在说大数据能力 「 自动驾驶汽车行业现在还处于早期阶段，只有类似概念产物，产品尚未商业化。」Sebastian 认为科技本身可以让自动驾驶与人类驾驶相媲美。 未来，自动驾驶车辆要比人工驾驶更为安全。Sebastian 说，在自动驾驶车中，我们从一辆车所犯错误中学到的经验可以应用到所有车辆之上。在这个过程当中，预计每 18 个月自动驾驶技术的革新就会让驾驶质量提升十倍。 哪个城市的人们最有希望优先使用自动驾驶技术？Sebastian 说，加州是学习新技术的中心，但如果要说到交通实测，可能以中国、埃及和印度作为目标会好一点——那里的数据资源会更加丰富复杂。 如何保证自动驾驶汽车的安全性？Sebastian 提到几个关键点，首先是自动驾驶车辆可以精准反应。其次自动驾驶车辆行驶中速度较慢，这样会更安全。 为了达到这个目标，章文嵩认为拥有像滴滴这么巨大数量和复杂度的数据是非常关键的。无论如何，自动驾驶的前提是保证出行安全，而大数据能力则是安全的基本保障。自动驾驶程度的大数据技术依赖的不是有限的规则，而是无限的模式。「 因为我们面对的驾驶世界比 AlphaGo 面对的，要复杂百倍千倍。」 自动驾驶会在何时进入成熟阶段？Sebastian 称两年内希望有测试版，但是大规模量产可能性不大。未来预计 8-10 年内会推出大多数人能使用的自动驾驶车辆。 目前，滴滴已经使用 app 来监测司机的驾驶行为。「 观察司机如何处理紧急状况，再把这些应用到自动驾驶车辆之中。」 章文嵩认为，从短期来看，这可以用来有效提升驾驶安全和服务质量。同时，这些手段也可以帮助提升无人驾驶的精度和应急能力。 「 我们的血管是全世界最高效的运输系统，它是一个 3D 的系统，它的设计可以最大程度地提高传送效率，减少无谓的耗损和拥堵和能源的浪费。为什么我们的城市，我们的北京不能是这样的呢？」 章文嵩认为这是因为现在我们的城市交通是 2D 的，未来则希望是立体的，变得高效而灵活。同时由于新的技术包括智能驾驶技术，减少了我们每个人拥有车辆的必要，我们可以利用共享出行的网络，让城市更多空间留给绿地公园。 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
谷歌无人车追尾公交，还是因为它「看不懂」这个世界
一个月前，谷歌的 RX450h 无人驾驶汽车刮蹭了一辆大巴，并负主要责任。事故发生时，谷歌的 RX450h 时速只有 3.2 公里/小时。 回顾一下案发现场：当时谷歌 RX450h 在右转车道，想要右转弯。但是它探测到路边有两个沙袋，所以车又向左打方向，想要回到车道中间。然而这个时候，左侧的直行车道有一辆大巴并未让行，于是 RX450h 的左侧翼子板和大巴右后方发生刮蹭。大巴受轻伤，RX450h 损失前保险杠、左侧翼子板和一个传感器。 但巧的是，谷歌就在最近几天拿到了「 无人驾驶汽车的公交车识别技术」 专利。 识别公交的正确姿势 从专利文件来看，谷歌方面在 2014 年 3 月 13 日就申请了该项专利，2016 年 3 月 8 日获得通过。根据专利内容来看，这项技术只教会了机器如何识别「 校车」，而不是上个月事故中的「 公共交通大巴」。但实际上，两者识别原理应该是相同的，只是校车特征更明显。 汽车在配备了摄像头、激光雷达等传感器后，就有了一定的「 感知能力」。在整套无人驾驶系统中，会存有一些已知车辆的数据。谷歌的汽车在行进过程中，会自动比对周围车辆的「 相对大小」。如果发现某辆车比其他车辆都大，就再把这辆车与数据库中的车型进行比对。在整个识别过程中，汽车会考虑到的因素有车身颜色、STOP 标志、SCHOOL BUS 标志等等。 这让我想到了前段时间的波士顿动力公司的机器人，仔细观看视频，你会发现机器人要找的箱子上、门上，都有相应的标记。如果在这些大车上也做上相应的标记，那么对于无人驾驶汽车来说，应该能大大简化识别流程。在 V2V 技术普及之前，这应该也是个比较折衷的办法。 事故和专利之外的思考 来分析一下谷歌在上个月发生的「 车祸」，由于此次谷歌承担事故责任，所以很有代表性。 按照谷歌的说法，当时他们的 RX450h 已经探测到了后方驶来的公交车，电脑经过判断，公交车会让行。而谷歌车上的工程师，通过后视镜也看到了公交车，同样认为公交车会减速或让行，所以并没有人工介入。然而实际上，他终于还是没搞懂那个公交车司机…… 其实这也说明，谷歌研究对「 特定车型」 的识别非常有必要，因为不同车型司机的驾驶习惯不同。在汽车侦测到公交车、卡车此类车型时，可以进入「 小心翼翼」 模式，降低事故发生概率。一方面，是因为这类车司机开车相对鲁莽；另一方面，是因为大车盲区大，车重，刹车距离较长。对于依赖于距离判断的无人驾驶汽车来说，这一点非常重要。 在发生事故后，谷歌方面的工程师已经重新调校程序，让谷歌无人车在面对此类情况时小心驾驶。 让我们再把视线转回事故现场，看过车祸现场，你就会觉得就算是业界领先的谷歌无人车，也会犯下如此「 白痴」 的错误。 在事故里，谷歌无人车之所以停车，是因为遇到了「 障碍物」，而这个障碍物据外媒所说是「 沙袋」。此时我脑补的是：谷歌 RX450h 前方路面码了一米多高的沙袋，它走投无路，只能向左并道。实际上却是上图中下水道边上的两个小沙袋。是不是感觉有点坑爹？ 谷歌方面的人表示：「 这次事故我们确实有责任，如果车没动的话，就不会有事故了。」 但反过来想想，如果它继续直行，应该也不会有事故。对于 RX450h 来说，这样的小障碍，分分钟碾压。然而它还是「 怕」 了，选择避开障碍物。 这就说明了两个问题，首先是目前谷歌的算法还相对「 保守」，无法根据自身车辆的通过能力来进行判断是否前进；其次，对「 异形障碍物」 的识别能力有待提升，它不知道前面是沙袋还是带钉子的木板，这一点也很重要。 这一次是小沙袋引起的刮蹭，好在两车都是低速，双方乘客都相安无事。想象一下如果在无人驾驶汽车在高速行驶状态下，突然飞来一个塑料袋，这时它来个紧急刹车或者变道，情况就不怎么妙了。即使是人类，也有看走眼的时候… 对于谷歌来说，这次事故算是「 千载难逢」，因为并不是每次路试都能遇上车祸，而每次车祸都是改进算法的好机会。在汽车智能化的路上，车辆的机械性能已经是次要地位，随之而来的问题则是如何教会机器「 像人一样看懂这个世界」，比如「 异形障碍物识别」。 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）& 极市（微信号：geeket）。
除了谷歌们，国外还有哪些顶尖无人驾驶汽车团队？
已经被谷歌，Uber 和苹果的无人驾驶车新闻刷屏了？其实除了这些互联网大佬之外，国外还有很多团队在研究无人驾驶技术。下面，我们来看看国外几个比较牛逼的造车团队。 卡耐基梅隆大学 (CMU), 通用汽车合作研究实验室，美国 其实卡耐基梅隆与通用公司早在 2003 年就开始了无人驾驶技术方面的合作。2007 年的时候，双方合作的第一辆无人驾驶车「Boss」 获得了 DARPA 城市挑战赛的第一名。在第二年（2008 年），通用公司与 CMU 的合作研究实验室正式成立。 实验室最新的一项成果为一辆自动驾驶版凯迪拉克 (Cadillac SRX)。它与谷歌的自动驾驶汽车有一个很大的不同之处，谷歌的车顶有一个非常醒目的激光雷达，而它没有（见上图），外形上比较好看。这样也节省了成本，因为这个激光雷达的价格很高，大约要 6 万美元。 没有采用 360 度激光雷达，CMU 的做法是在车体内部和外侧采用一组多个较小的激光雷达，把不同部分的激光雷达的反馈数据整合在一起。这样既增加了美观性，同时也降低了成本。（官网链接：http://varma.ece.cmu.edu/GM-CMU-AD-CRL/）AutoNOMOS group，柏林自由大学，德国 他们团队的第一款自动驾驶汽车名叫「 柏林精神」（Spirit of Berlin），是他们仅用了 9 个月的时间和非常有限的资金研发出来的。「 柏林精神」 参加了 2007 年的 DARPA 城市挑战赛，并最终进入了半决赛，算是非常厉害的。 AutoNOMOS 拥有两辆自动驾驶原型车。第一辆名叫「MadeInGermany」 ，第二辆名字有点山寨，叫爱•因斯坦（e-Instein）。在 2011 年的时候，MadeInGermany 在柏林成功进行了道路测试。 他们目前致力于开发一整套无人驾驶系统，以减少安全事故的发生。该软件一旦研发成熟，首先会应用在私人汽车领域，之后慢慢拓展到公共交通工具上。（官网链接：http://autonomos-labs.com/history/）不伦瑞克技术大学（TU Braunschweig），德国 该学校有一个名叫「Stadtpilot」的项目，专门研发无人驾驶技术。2007 年的时候，这个团队带着一辆由大众帕萨特改造的无人驾驶汽车「Caroline」 参加了 DARPA 城市挑战赛，并且挤进了前 11 名。 随后，他们推出了第二辆无人驾驶车——Leonie。Leonie 早在 2010 年就以最高 60km/h 的速度，成功完成了城市路测。他们称，Leonie 是世界上第一个在真实场景中成功测试的无人自动驾驶车。（官网链接：https://www.tu-braunschweig.de/presse/medien/presseinformationen?year=2010&pinr=134）卡尔斯鲁厄理工学院（KIT）， 德国 作为德国首批三所精英大学之一，KIT 当然也有自己的无人驾驶技术团队。他们参加了 2005 年和 2007 年两届 DARPA 城市挑战赛。 KIT 的无人驾驶车是与奔驰合作研发的，在 2013 年已经在德国南部自动驾驶超过 100km。跟其他的无人车辆相比，该车的特点是没有使用激光雷达，而使用了贴近市场的传感器和立体相机。 我们可以用上面的图浅显的理解 KIT 是怎样利用立体相机构建模型的。 原图（黑白）是左边一辆车面向试验车行驶，右边一辆车停在路旁。下图是利用传感器和摄像机构建的模型。其中，颜色代表距离（比如红色代表<5 米, 绿色代表>20 米），路上白色的箭头代表运动物体的速度，箭头方向即为运动方向。我们可以看到模拟的数学模型与真实场景是完全符合的。（技术解析 pdf http://www.mrt.kit.edu/z/publ/download/2014/ZieglerAl2013ITSMag.pdf）Universität der Bundeswehr, 慕尼黑，德国 Universität der Bundeswehr 团队致力于研究于预期为基础的感知（4D 扫视视觉），越野导航及自主驾驶。该团队研发的 MuCAR-3 如上图。 MuCAR-3 车顶也有一个 360 度激光扫描仪，由大众 Tourag 改造而成，拥有和人类相似的电子眼，64 束 10Hz 的激光，监测范围最高可达 100 米。目前被应用于军事侦察领域。（官网链接：https://www.unibw.de/tas/forschung-en?set_language=en/）VisLab，帕尔马大学，意大利 Vislab 最开始是隶属于帕尔马大学的子公司，目前已与安霸（美国高清视频解决方案提供商）合并。 Vislab 主要做的是开发机器的视觉算法和智能系统在汽车领域的应用。这个团队研究关于自动驾驶技术已经超过 20 年，他们算是全球最早的几个将计算机视觉系统技术应用到车辆中的团队。相比其他的团队，他们的特点不使用激光雷达而使用计算机视觉技术。 2010 年，Vislab 用两辆自动驾驶汽车，完成了从意大利到中国 13000 公里的无人驾驶测试。2013 年 7 月，Vislab 的 BRAiVE 汽车，也成功完成了在意大利的乡间，城市和高速公路测试。 他们目前最新的一款无人驾驶车是在 14 年 3 月底推出了 … 继续阅读
当无人驾驶汽车变成流动的店铺？
我想在上班路上顺便吃早餐，所以提前预约一辆「 庆丰包子铺」 无人驾驶汽车，下次想在去机场的路上做个 SPA，那就叫一个 SPA 无人驾驶汽车…… 在未来这种场景可能并不是「 逗你玩」。 最近。来自美国的设计师 Michael DiTullo 画了几张关于无人驾驶车的设计图，他的思路和我们不谋而合。 在他的图里，方向盘很小，中控台变成了一整块大屏幕……而在图里，星巴克、冰激凌元素和汽车结合了起来。这个让人脑洞大开的「 无人驾驶咖啡馆」 概念，给我们带来了未来无人驾驶汽车主宰道路、引领新商业的无限遐想。 想象一下，你上了一辆星巴克的无人驾驶汽车，点了一杯拿铁惬意的和朋友聊天感觉；再想象一下，上了一辆无人驾驶汽车，里面正在播放 3D 的《侏罗纪世界》，通勤的时光是不是很享受。 Michael DiTullo 带来的这些虽然只是对于无人驾驶汽车车内功能环境的丰富想象，但是从这些里面我们应该更多的看到，无人驾驶一定是孕育着一个巨大、崭新的商业世界，以及新的商业模式和逻辑。 首先一辆一辆的无人驾驶汽车就是一一个比较独立的小商业体，基于每一辆车所售的商品或者服务，可以把费用和车费绑定在一起「 销售」 给用户。而把同一业态的无人驾驶汽车组成车队，就有机会形成一个规模性的商业体，以打造品牌和创造效益。 更重要的是，把目前集合式的商业打碎分拆到一个一个较为密闭的分散空间，这是新商业的一种再造。 未来人们更热衷于个性化的商品和服务，结合移动端技术和无人驾驶汽车的融合，人们甚至可以提前「 定制化」 需要的无人驾驶车类型，比如文章一开头假想的那个场景。（当然无人驾驶汽车里面的服务可以是无人自助式的，当然也可以附带各种工作人员。）分散的商业的好处是，解决了未来城市空间的拥挤度。减少了大型综合体和门面的需求，降低了相应的商业租金，同时提高盈利能力。当然这种分散其实只是物理意义上的，基于云端和大数据的支持，这一切其实在另一种意义上来说又是一种高度智能的整合。 一个新技术带来的不仅仅是科技上的进步，甚至会重塑整个社会经济形态。 所以准备好了在无人驾驶汽车上喝一杯咖啡，吃一套煎饼果子，看一场电影，甚至约一个 pao 了吗？ 原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
沃尔沃无人驾驶汽车，车祸瞬间自动规划「逃生线路」
沃尔沃希望到了 2020 年，所有乘坐沃尔沃的乘客再不会因为车祸受伤、致死，愿景固然伟大，然而目前最前进的气囊和盲点预警系统只能做到这样了，要想实现它的「 无伤亡」 计划，还得汽车本身能发现、预测并避免麻烦。 这家汽车制造商正大张旗鼓地朝着无人驾驶汽车进发，现在，它又公布了一项新功能。几年内，沃尔沃汽车将会配备能够 360 度全覆盖周围环境的电脑，不断扫描评估周遭状况，并在隐患出现时立刻决定如何反应。 这款「centralized Sensor Fusion framework」（集中式传感器融合架构）连接了车载摄像头、雷达、激光雷达、GPS 及其他设备。它由 Non-Hit Car and Truck Project（这是 Volvo Cars 及 Volvo Trucks 之间为期四年的合作项目）及一些技术供应商和高校联合开发。其目标是减少乘用车和商用车的事故风险。 该系统距离正式上市至少还有五年。它能够在事故发生前就检测到潜在的危险，即使这些危险处于驾驶员的视线之外。如果一场事故已无可避免，这辆车会策定一条「 逃生线路」，甚至猛打方向盘以避免车祸。 该技术可以识别出不同类型的道路使用者，如行人、骑自行车的和汽车。这可是个至关重要的本事，因为这些交通参与者的行为模式都不一样，行进速度也不一样，且处于道路的不同部分。车辆能提前五秒钟对前方情况作出预测，并提醒驾驶者。如果驾驶者没有给出及时的回应，汽车本人就会采取行动。 这一自动化交通事故避免技术对「 无人驾驶汽车的发展至关重要，因为无人驾驶汽车的本意就是在任何情况下，都能够靠着打转向和车辆制动避免事故。」Non-Hit Car Project 项目经理 Anders Almevad 说道。「 我们的首要目标就是集中精力研究不同类型的事故场景。」 对 Volvo Trucks 来说，技术原理类似，然而应用起来却非常不同。大型货车驾驶员的能见度较为有限，这一点至关重要。「 卡车是一种非常特殊的车辆，」 系统工程师 Mansour Keshavarz 说道。「 它们的个头决定它们不能做出剧烈的规避动作。」 因此，在这里不要指望用上那套性感的逃逸姿势，只能额外做好事故预防。 很多司机都对高速路上填满「 机器人」 的后果忧心忡忡。该沃尔沃系统处于完全自动化和人类司机控制之间的中间态，这可以鼓励公众接受无人驾驶汽车。现在，每年美国境内会有 30,000 人死于车祸，这项技术则让我们离未来又近了一步，彼时，我们坐在自己的「 机器人」 汽车里，对人们竟然曾经亲自开车这一事实讶异不已。 编译自:Wired
这个巴掌大的激光器，能让无人驾驶汽车降价 10 倍
我们不知道无人驾驶汽车上市后最终会卖多少钱，但我们猜是，很多钱。这个将方向盘从你手中接管过来的技术昂贵得令人发指。现在，让人高兴的是，我们可以将这一预期稍稍下调，因为市面上推出了一款激光系统，大概冰球（Puck）大小，售价八千美金。 坐落于硅谷的 Velodyne Acoustics 生产音响系统和自稳定舟，据说可以预防晕船。但它的成名之作其实是 Lidar（Light Detection and Ranging）系统，对，就是那个端坐在谷歌无人驾驶汽车顶上骄傲地旋转的家伙。该设备采用 64 个激光器覆盖物理世界。每一秒它可以对周遭环境收集超过一百万个数据点，这对无人驾驶汽车来说是至关重要的信息。Lidar 系统非常酷，但也非常昂贵：每个成本高达 85,000 美元，就算我们有朝一日会买一辆无人驾驶汽车，这也太贵了。 现在我们有了 Puck，Velodyne 技术的微缩版本。它不再使用 64 个激光器，而只采用了 16 个，这让价格降低了 10 倍。它的体积也更小了，只有 4 英寸高，1.3 磅重。而端坐在谷歌车顶的 Lidar 系统是 10 英寸高，29 磅重。此外，它 7,999 美元的价格对大众市场的车辆来说也是足够便宜，这对想要在下一个十年推出无人驾驶汽车的汽车厂商来说是个巨大的帮助。 从 64 个激光器降到 16 个激光器也有不足之处。Puck 的小体积限制了它的视野，垂直视野从 64 版本的±26.8°下降到了±15°（二者的水平视野均为 360°）。分辨率和数据点都变低了，每秒只有 30 万个，这与 64 版本提供的 130 万个相比远远落后。 但当你将降低的成本纳入考虑时，就会觉得这些取舍是值得的，Velodyne 销售和市场营销总监 Wolfgang Juchmann 说道。64 个激光器的版本售价高达 85,000 美元，而大概只有苏打水罐子那么大的 32 个激光器的版本价格则在 30,000 美元到 40,000 美元左右。汽车制造商和高科技大亨们可以轻松负担这种档次的价格，但普通消费者依然望而却步。「 这几乎是一辆车价格的两倍了。」Juchmann 说道。8,000 美元依然是一大笔钱，不过总体来说还是好承受多了。 Puck 变小的体积对汽车设计来说也是好事。谷歌高兴地、甚至是炫耀般地把这个 64 版本放在无人驾驶的雷克萨斯 SUV 车顶上，但其实对汽车厂商来说，他们更倾向于用一种更为微妙的渐进法介入无人驾驶。在车顶上「 啪」 地放个警车灯一样的东西，这让讲究的汽车设计师情何以堪，整辆车看上去更像科学实验，而非私人交通工具。 Puck 则要低调多了，它更容易集成到汽车上。「 它非常轻；非常小；不需要太多电力。」Juchmann 说道。由于它较低的价格，汽车制造商们可以在任何给定的车辆上安装两到三个 Puck，以弥补视野的局限。虽然谷歌很可能会接着使用 64 版本开发无人驾驶汽车，但其实 16 版本已经足以提供周遭世界的详实图景。 在谷歌和汽车产业之外，Velodyne 还有其他 Lidar 用户。诺基亚使用该系统收集用于地图绘制的数据。测绘公司 Lidar USA 希望在 ScanLook Snoopy 上使用 Puck，这是一款可以安装进小型无人机的移动制图系统。Velodyne 也对在仓库中使用的无人驾驶搬运车非常很感兴趣。 至于这家公司是否考虑生产更小的，只有 8 个单元的激光设备还没有消息。不过他们的长期目标是能推出 1,000 美元的设备，等到 Puck 越来越便宜时，Juchmann 说道，「 我们就能成百上千、或许成千上万将这些「 小冰球」 嵌在车体的各个地方了。」 编译自：Wired
你的无人驾驶汽车该撞谁，你说了算
前段时间 GeekCar 译介了一篇《无人驾驶汽车的歧视：撞死同性恋留下直男的末日诅咒》，原文作者 Patrick Lin 做出这样惊世骇俗的极端设想，皆为论证无人驾驶汽车能够做出道德选择并非解决这一新科技微妙争议的恰切之道。但是，一辆无视你的道德选择的车就更好了吗？我们应该找到一个折衷的路径。 首先，让我们假设一种情景，称为隧道难题：你正乘坐一辆无人驾驶汽车在单车道山路上行驶，速度很快，就快进入一条狭长的隧道了。就在此时，一个小孩跑过来挡在了隧道口，汽车刹车不迭，撞车已是在所难免。它有且只有两个选择：撞向孩子，或者打转向撞隧道壁，结果了你。 现在我们扪心自问，谁有权利去决定汽车是走直线还是打转向？制造商？车主？抑或是参议员？ Lin 在上篇文章里指出，在由 Open Roboethics Initiative 发起的一项民意调查里，受访者需要回答的正是这些问题。有 77％的受访者认为用户或立法者应当做出决定，认为制造商和设计师有此权利的只有 12%。 我们应当对此感到惊讶吗？我看不尽然。隧道困境牵扯的是深刻的道德问题，没有标准的正确答案。在这种情况下，一个人的深入骨髓的道德认同会直接导致直行还是转弯的天壤之别。 在哲学家伯纳德·威廉姆斯（Bernard Williams）看来，有些时候我们的道德认同应当分出优先级，即使这会导致违反直觉的结果，比如牺牲多数人而只挽救了少数人。在隧道难题上，任意剥夺个人的道德偏好，生硬地把一个决定编到汽车程序里，这冒的是将人们与自身道德认同间离开来的风险，你能生生忍受与你价值观南辕北辙的事态徐徐展开却束手无策的感觉吗？我不能，尤其是这一切并非地震海啸台风这样的不可抗力，这一切都来于一个非生物为你做的选择。 一种求解方法已经存在 在医疗领域，当必须做出道义选择时，惯例是护士和医生必须将合理的治疗方案告知患者，让患者依据个人情况做出明智的决定，这一程序称为「 知情同意」，它背后的理念是个人拥有对自己身体的决定权。无论是在伦理层面还是法律层面，知情同意在医疗保健领域都可谓非常重要，如果一位医学专家未能取得知情同意，他甚至会面临职业疏忽的指控。知情同意也并不总是医疗行业的执业标准。医师们也常常善意欺骗患者，为他们做出重要的医疗决定。 知情同意的引入并不意味着把事情简单化。事实上，它反而将医疗服务复杂化了。知情同意给那些面临着艰难决定的病人背上了沉重的负担；同时它也将医疗保健专业人士暴露到了新的职业疏忽风险当中。它引入的卷轶浩繁的文书工作和与病人耗时的谈话实际上增加了医疗服务的成本。而且，还需要专业医护人员将复杂的概念解释给对医嘱一无所知的病人。 你也可以争辩说知情同意只是将责任推给了用户。批评者认为，知情同意不公地强迫个人做出他们疲于应对的困难决定。然而，尽管知情同意带来了这么多复杂的挑战，我们还是很难想象人们会接受别一种医疗制度，即医生护士不征求患者的同意径直做出重要决定。 那么，我们又为什么要接受设计师和工程师代表我们做出一系列道德决策呢，像隧道困境这样的？解决这一道德问题的方法便是采用在医疗领域的成熟惯例：知情同意的稳健标准。当然，在实践中要做到这一点的一种方法（当然很可能还有其他方法）就是在无人驾驶汽车里设置合理的道德情境选择。 是时候重新思考机器人责任？ 不管机器人专家采纳何种设计，出了事律师们还是会起诉人类这点毋庸置疑。如果我们在责任归属上拒不灵活变通，引入道德设置选项只会让用户和制造商们陷入各种各样复杂的道德诉讼。可喜的是，有越来越多的人秉承这样一种信念，即要是想规范无人驾驶汽车和其他人工智能，深刻的司法改革就必不可少。 对于初出茅庐者而言，在涉及到深刻的道德选择时汽车制造商如未能获得用户的知情同意，那么这就属于产品缺陷。正如医生在继续进行医学治疗前，如未能征求患者的知情同意就应该承担责任，所以当汽车制造商在无人驾驶汽车及其他技术的设计中如未能合理考虑用户明确的道德喜好，那么我们也可以考虑追究他们的责任。这种方法会大大地增加设计的复杂性。不过还是那句话，也没人说工程机器人就应该是简单的。 我们必须接受复杂性 如果我们在工程学上能够全情拥抱知情同意这一做法，也许结果会好些。如果我们设计出一辆车，前面有人挡住路了也只允许用户选择直行，那么这也太可笑了；同时，如果这辆车允许车主牺牲自己以挽救一个孩子，只要这符合他的道德信念，那么这就完全合理。 机器人，以及他们提出的道德问题，是非常复杂的。但如果我们要转变自己对于设计和工程伦理的思维方式，并对蒸蒸日上的机器人产业做出恰当的应对，那么这个问题就值得我们深入思考。这种思维转变需要我们去拥抱道德和法律的复杂性。不幸的是，赋混乱以秩序并不能给我们一个简单的世界，我们仍不免费思量。 编译自：Wired