Uber「组团」挖来了卡耐基梅隆大学的无人驾驶人才
（本文转载自 PingWest 品玩）为了研究无人驾驶，Uber 把卡耐基梅隆大学机器人研究院（National Robotics Engineering Center，NREC）几乎所有和无人驾驶有关专家都「拐」走了。 今年早些时候，Uber 的确和卡耐基梅隆大学宣布了无人驾驶的深度战略合作事宜——所以上面用拐这个词倒是稍微有点过分。 根据美国科技媒体 The Verge 的报道，Uber 并非一个一个人的招，而是「直接成组、成队地」把 NREC 里研究无人驾驶的人员全都招走了。毫无悬念，这当中也包括了很多高级研究人士，比如 NREC 的院长 Anthony Stentz，以及在 NREC 工作了 12 年之久的资深商业化专家（Commercialization Specialist）Jean-Sébastien Valois 等。 当然，虽然换了「东家」，这些人的工作地点倒是没换。Uber 的新研究中心就设在 NREC 的隔壁，两个机构用的是就同一个停车场……另外，Uber 还在距离研究中心一英里左右的地方租用了一个总面积 4.4 万平方米的单位，Uber 的研发总部「尖端科技中心」（Advanced Technologies Center），将在今年底前在这里落成。 为什么花这么大手笔来跟大学要人？这恐怕要从 Uber 到底是什么样的公司谈起。 专车公司？共享经济公司？这样的描述根本无法展现出 Uber 的野心。总的来说，Uber 想要用共享经济的理念改变整个交通的世界。因此，无论是出租车还是私家车，甚至上溯到汽车工业，Uber 恐怕想要统治全世界与交通有关的行业。 而作为专车服务业界最有盈利希望的公司，净利进一步提高的增长点恐怕就在于提高效率，降低成本——Uber 的解决方案和众多其他互联网科技巨头公司一样，就是无人驾驶。
技术贴：谷歌自动驾驶车的难点在哪里？
不好意思，我们又当 知乎的搬运工 了。原问题为《谷歌智能车的难点在哪里？模式识别，还是分析、控制算法？》，讨论的是谷歌的自动驾驶和无人驾驶技术。本文来源于这个问题里点赞最多用户 康费 以及 吕朝阳 的回答，比较长，非常技术流，但是干货也非常多，值得一看。 康费的回答： 1. 传感器技术 不得不承认现在无人车能出现很大程度上依赖传感器的进步。其实早在 80 年代美国就通过磁钉导航完成过很多无人驾驶的实验。他们在地下埋上磁钉，通过寻找磁钉的方式可以完成高速的巡航、并道、超车等一些列的实验。但是显然这种成本太高，只能作为实验。 到了 2007 年，传感器技术已经突飞猛进了。看看他们的传感器吧。 SICK 公司激光雷达。用于检测周围障碍物，无人车需要能够感知周围环境，又不能像人一样单纯用眼睛完成，于是这玩意可以返回周围障碍物的距离，误差毫米级。 这张图上的无人车头顶的不是灯，而是 5 个 SICK。一个 SICK 当时等价于一辆帕萨特。当然现在 Google car 的激光雷达用头上的小东西了。 这个小东西顶至少 4 个 SICK，是 360 度多线激光雷达，今天价值 3 个帕萨特。 剩下的东西没有这个壮观，就不上图了。 除了激光雷达（避障），还有有毫米波雷达（探测）、GPS（定位）、里程计（定位）、陀螺仪（定位）、视觉系统（检测、避障）、数传电台（监控）等等。就不说很多小细节的进步了，但是上述的传感器都是必须的，所以无人车的第一个难点是传感器。 2. 定位 GPS 的定位精度远达不到无人车的需求，GPS 官方定位精度「<10m」，更高精度的 GPS 基本要依靠差分完成。差分的原理很简单：设置一个固定基站，固定基站校准位置，再将信号传递给车载设备，车载设备在接收到基站信号和 GPS 信号后差分获得。但是每一个基站的有效范围也就 30km，怎么大范围应用。于是有很多技术要解决 GPS 精度不足的问题，如地图匹配。 以前 GPS 中会加入干扰，那时候民用 GPS 的精度只有 100m。这个干扰叫 SA，Select Availability，已经于 2006 年取消。SA 依然会在战时开启，那时只有美军自己的 GPS 能有效定位，而其他的 GPS 都将失效（所以我国要研发北斗）。传统 gps 的协议是 0183 格式，这种格式允许小数点后 4 位。军用级别的 gps 在此基础上又加了两位，至于多出来的几位是否真能提高精度就不知道了，得用个绝对位置教一下。 如果是「<1 米」 的精度对于车辆定位基本上够用，但是 GPS 一定要在空旷的场地上才能得到这种级别的定位精度。 除此之外，没有 GPS 呢？ 在树荫下、楼宇间、隧道内 GPS 信号无法到达，这时就需要里程计+陀螺仪，俗称惯性导航单元。这套系统的原理就是：花钱越多，有效时间越久。如果要能在没有 GPS 的情况下坚持 20 分钟，呵呵，3 个帕萨特。 原因是里程计、陀螺仪都存在累积误差。注意误差是累计的，也就是说上一时刻是 0.5m 的误差，下一时刻指定大于 0.5m。因此要尽可能约束累积误差，使其数量级很低，那么就要上光纤陀螺。因为电子级的陀螺通常达不到这个精度要求，不知道挠性陀螺行不行，但是估计挠性陀螺和光纤陀螺造价差不多。 3. 避障 车辆前方有障碍，障碍物是运动的还是静止的，车是停下来还是绕过去。我没仔细研究过这部分的内容，知道的算法是人工势场法。这部分主要的难度是从传感器识别障碍，在车辆运动的前提下，确定障碍的运动状态。也就是说你要在运动的坐标系下，计算另一个物体相对静坐标系的速度，并作出判断。 4. 识别 下面得识别交通标识，如限速牌、红绿灯。这些通过视觉系统完成，难点主要在实时性和鲁棒性。要离线处理这些交通标志是很简单的，但是在无人车上需要能在有限的时间里识别出来，并且考虑道路中可能有的光线变化、遮挡等问题。 5. 控制 你提到控制算法，除了上面的避障以外，其他外围机构的改造可能会存在一些改造上的问题。如何介入转向架、如何介入油门（以前还要考虑如何换挡）。这些工作如果有厂商帮忙还好，没有的话也会是问题，钱的问题。其实控制的难度相对较小，传统 PID 足够，加上部分买的伺服机构，没有多大难度，就是活累。 6. 规划与决策 既然是无人车，一定牵扯「 去哪」。目的地由人决定，但是路线是车子计算出来的，这部分的算法可能你不会，但是你常用，就是百度地图、腾讯地图之类的东西，它们通过一定的算法计算出路径之后车辆会跟随这条路径。当然运行过程中为了解决实际的一些问题，比如修路，也许要决策的机制。 其实对于无人车的控制说小了较控制，说大了叫决策。也可以说，决策是频率比较慢的控制。举个例子，我们对方向盘、车速的控制周期是多少呢？大约 20ms，也就是 1s 中要控制 50 次左右。那么我们对车辆路线的决策周期呢？大约 5s。可以看出，控制是响应速度较快的部分，而决策是响应速度较慢的控制。决策，说白了就是对于一些可能遇到的问题给出的解决逻辑，俗称人性化。这部分我能力有限，希望懂的人可以给些意见。 我觉得，无人车最关键点在于东西不一定复杂，但一定要可靠，所以当有人问 Sebastian Thrun（前面 Google Car 的负责人），你们的车能否在雨雪天开出去的时候。他说，那些日子我们最好不动它。至于你提到的机器学习，我认为这是趋势，可能在识别部分会有应用，但很难成为无人车的核心技术。原因：1）离线学习会导致算法有一定的局限性，你在北美弄好的系统在中国不一定能用。2）在线学习成本太高，给车带个计算机，让它在车辆运行的同时还能逆向运算？ 至于以后的突破口，我觉得是廉价可靠的传感器和相应的识别算法。这些机构到底能做到多小，多便宜又多可靠。至于提取信息以后的控制，前面说了，80 年代就有人做了，还做得不错。 吕朝阳的回答： 我从智能汽车作为一个机器人系统，涉及到的几方面技术，在理论方面的难点做一个解释和补充。 首先，智能汽车作为一个机器人系统，所涉及到的机器人技术主要有 控制（control）, 感知（perception）和路径规划（planning）三大块内容。作为一个独立的机器人系统，其自身的计算机系统以及安全性也是一个很重要的方面。关于这几块目前的研究以及工业界达到的成就，和技术难点，我正在写一篇综述给感兴趣的朋友加以介绍。下面就从者三个大方面来看看都还有哪些棘手的问题。 关于控制方面， 自动巡航系统（cruise control），自动刹车系统（auto braking），自动停车系统（auto … 继续阅读
为什么无人驾驶汽车不需要车窗？
80 多年来，汽车的基本框架都没有发生太大变化，虽然尾翼时有时无，座椅变化多端，但基本都是四个轮子、两个大灯，而且前后都要有挡风玻璃。不过，这种情况很快就会改变，因为无人驾驶汽车将会彻底颠覆汽车的既有模式，设计师很快就要在软件里「 从零开始」 设计汽车了。 车窗或许是最有可能取消的一部分。既然没有了人类驾驶员，也就不再需要透过车窗来查看路面。无人驾驶汽车配有 5 个、10 个，甚至更多摄像头来观察四面八方，而这些摄像头所需的取景窗都很小，跟手机背后的摄像头大小相仿。有的无人驾驶汽车可能还会在顶部配备激光测距仪，但这些旋转部件同样不需要车窗。 如果能够自主决定，乘客会选择「 车窗版」 无人驾驶汽车吗？第一代无人驾驶汽车几乎肯定会配备车窗，毕竟，要一次性完成如此激进的变化绝非易事。汤姆·沃尔菲 (TomWolfe) 在《The Right Stuff》一书中表示，「 水星计划」 的早期宇航员曾经坚持要求美国国家航空航天局（NASA）在太空舱里增加窗户： 「 为什么？因为飞行员的驾驶舱都有窗户和能手动打开的舱门。关键在于：他们是飞行员，不是豚鼠。事实上，他们不止想要窗户和舱门，还想要火箭的手动控制功能。这可不是玩笑！他们把这当做后备系统：如果宇航员认为火箭的推进引擎故障，便可夺过控制权——就像任何一个称职的飞行员一样。」 事实上，无人驾驶汽车也存在同样的情况。早期的乘客可不想变成那些宇航员所谓的「 午餐肉」，他们肯定希望获得一定的控制权，而且车窗是让他们安然坐在座椅上的关键元素。 谷歌早期的原型产品就是用现有车型改装的，后来才推出了自主设计的无人驾驶汽车，但即使是后者，也完全保留了一辆常规汽车应有的车窗。 但戴姆勒明白，他们有机会彻底抛弃传统模式，于是设计了充满未来感的奔驰 F 015 概念车。从外面看，很难判断这款车有没有车窗，因为玻璃上似乎也都覆盖了与金属车体相同的银漆，但实际上，坐在里面的乘客仍然可以看到前面的挡风玻璃和侧面的车窗。不过，戴姆勒似乎不认为乘客会花太多时间向外张望，该公司的很多图片都强调 4 名乘客在车内面对面谈话、工作和玩乐的情景，完全忽视了外面的世界。 如果他们果真想要看看外面，也可以通过车门上的大型触摸屏查看——这种触摸屏的尺寸似乎比车窗还大。 从戴姆勒传达的信息来看，他们似乎认为无人驾驶汽车的乘客会与早期的宇航员有相同的心理，所以向我们承诺「 汽车、乘客和外部世界之间仍将继续交换信息」。然而，有一段视频却显示，当汽车在美国西南部的沙漠中穿梭时，车内的触摸屏显示的却是法国卢浮宫的画面。显然，这不再是一辆汽车，而是一个「 让虚拟和现实世界实现完美共生的数字生活空间」。 倘若乘客在汽车行驶过程中沉浸于触摸屏和平板电脑，真正的车窗还有什么意义？除了让乘客看到外面的景色，感觉自己似乎还有机会控制汽车外，那薄薄的一层玻璃似乎已经没有多大意义。 常规的玻璃硬度不及金属，所以设计师在设计车体框架时必须对此加以考虑。倘若发生碰撞，玻璃无法提供保护，其碎片甚至可能造成二次伤害。冬天，玻璃保暖效果不好，夏天还会令车内更加闷热，需要借助空调降温。 另外，车窗的私密性也不好，任何人都可以看到车内的情况。如果乘客真的想知道自己前进的方向，可以直接通过平板电脑或触摸屏来查看摄像头拍摄的影像。这些摄像头还可以进行变焦，所以视野反而比车窗更好。 不过，怀旧的人可能还是会选择保留车窗，但无人驾驶汽车的世界将会是「 精打细算」 的世界，一切不必要的成本都会被抛弃——车窗显然是其中之一，毕竟它很容易破碎，而且由于频繁使用空调，燃油费也会因此增加。 人们会作何选择？当今世界，载有很多乘客的巴士会配有车窗，以便人们查看路线，但为小群体专门定制的车厢往往没有窗户，摇滚乐队在巡回演唱时都会乘坐这样的车辆。 无人驾驶汽车的早期乘客或许希望亲自担任「 船长」，但假以时日，相信他们也会愿意像摇滚明星一样享受车内的快乐时光。只不过，他们可能仍会保留少数的车窗，就像宇航员的舷窗一样，为的只是寻求一份「 以防万一」 的心理安慰而已。 (转载自腾讯科技）
在谷歌无人驾驶汽车眼中，人类是如何开车的？
本文是 Google 无人驾驶项目总监 Chris Urmson 发表在 Medium 的文章，由虎嗅编译。 美国境内每年有 33000 人死于交通事故，这就是为什么有许多无人驾驶汽车的热情支持者将精力专注在降低事故发生率上面。我们距离实现完全无人驾驶汽车的愿景越来越近，只需要一个按钮操作，未来的无人驾驶汽车可以将任何人从 A 点送到 B 点，与此同时，我们也在思考如何评估研发的进展，以及对道路安全的影响。 为了能够判断汽车驾驶的安全系数，我们需要弄清楚的最重要的事情之一就是典型城郊街道条件下的「 基准」 (baseline) 事故情况。简单来说就是，因为许多事故从未被计入官方统计，我们要搞清在预期情况下无人驾驶汽车被其他汽车撞到的频率。甚至是当我们的软件和感应器能够探测到可能发生事故并在对方司机之前更快采取行动的条件下，有时候我们仍旧无法克服行驶速度和车辆距离的因素，而有时候我们仅仅是在等待交通灯都会被撞到。这些都是无人驾驶汽车在一些社区行驶时的重要场景，尽管我们希望能够避免所有的事故，但一些事故是无法避免的。 汽车驾驶中最常见的交通事故，也就是通常白天在街道行使中会遇到的——小擦碰，没人受伤——并没有被很好的分析，因为这些事故并不会汇报给警察。但是美国高速公路交通安全管理局 (National Highway Traffic Safety Administration) 的数据显示，这些事故占全部车辆事故的 55%。除非你能够每天坚持一英里一英里的驾驶，否则很难了解路面上真正发生了什么情况。而我们的车队一直就在做这件事，20 多辆无人驾驶汽车和安全驾驶员团队，已经累计行驶了 170 万英里 (人工驾驶和无人驾驶都有)。无人驾驶条件下的行驶已经占到了这其中的近 100 万英里，我们现在每周的无人驾驶平均里程数维持在一万英里左右 (比一个典型的美国司机一年的行驶里程数稍微少点)，大部分路况都是城市街道。 为了让我们所有人都成为更安全的驾驶者，我们希望分享一些观察到的事故模式。其中很多都不是另人意外的情况，尤其是考虑到我们都知道司机操作失误导致 94% 的交通事故这一点。 如果你在道路上行驶足够多时间的话，事故无论如何都会发生，无论你是在普通汽车还是无人驾驶汽车当中。自从 Google 无人驾驶项目开始起的过去六年里，我们在长达 170 万英里的无人驾驶和人工驾驶中，总共出了 11 起小事故 (小擦碰，无人受伤)，在这过程中我们团队的安全驾驶员始终在方向盘后面，且没有一次是自动驾驶功能导致事故的发生。 追尾 (rear-end crashes) 是美国发生最频繁的交通事故，经常是前车司机没有任何办法避免被撞情况的发生；我们被其他车从后面撞了七次，主要是在等交通灯的时候，也有在封闭公路正常行驶的时候。我们也遇到了几次侧面擦碰 (side-swiped) 的情况，还有一次被闯红灯的车撞到。正如你可能预料到的，我们在街道路况下的每英里事故数要高于封闭公路的路况。我们在路面上的所有疯狂经历对于无人驾驶研究项目都非常有价值。我们有一个详细的评估流程，并尽力从每一次事故中获取一些东西，即使事故的发生并非由我们的过错导致。 我们不仅在了解城郊街道小事故发生率的问题，同样在判断驾驶员操作的模式，比如偏道 (lane-drifting) 和闯红灯 (red-light running) 这些导致重大事故的主要原因。这些操作习惯甚至不会在官方统计中出现，但是却给所有人制造了一个危险的局面。 目前道路驾驶中的问题 许多人并不注意路面情况。在美国任何一个白天的时刻，就有 66 万坐在方向盘后的人在查看他们的移动设备，而不是注意路面的情况。我们的安全驾驶员经常会看到其他车在车道上晃来晃去；我们还见到过一边开车一边看书的人，甚至还有吹小喇叭的情况。无人驾驶汽车在这一点上无疑要比人类更安全。前者拥有 360 度视野外加 100％ 的全时全方向探测；我们最新的传感器能够追踪其他汽车、自行车和行人，范围远至两个足球场的距离。 交道路口会是很恐怖的地段。在过去几年里，美国道路环境中 21% 的死伤事故和 50％ 的重伤事故都与交道路口有关。受伤的通常是行人和被撞车辆的司机，而不是闯红灯的肇事司机。这也是为什么我们将车辆设置为在交通灯变绿之后先保持一段驻车状态，之后再驶过路口的原因——通常这个时候有些司机会或不耐烦或不专心地加速驶入路口。 在这个案例当中，一辆自行车 (浅蓝色方块标注) 在通过道路交口的时候较晚，差一点被向左转向的一辆汽车 (进入路口的紫色方块标注) 撞到，后者并没有注意到自行车，并在交通灯变绿后启动行驶。我们的无人驾驶汽车预判到了自行车的操作 (红色路线标注)，并没有立刻行驶，而是直到自行车安全驶过路口后才启动。 转弯可能会带来麻烦。我们观察到很多司机转弯之后继续行驶在错误车道上的情况，尤其是在夜间，司机在道路中错线行驶 (overshoot or undershoot the median) 的情况很普遍。 在这张图中你可以看到，不仅是一辆，而是两辆汽车 (在绿色路线左侧的两个紫色方块，正是你在图片上看到的汽车) 正在错误的车道上向我们驶来；这个情况发生在山景城夜晚 (Mountain View) 最繁忙的一条道路上。 有时候，司机在意识到他们将会错过转弯路口的时候，会做非常愚蠢的事情。 一辆汽车 (压在绿色条状路线上的紫色方块，上面有一个叹号标注) 决定从我们左侧的车道向右转，直接穿过我们的路线。绿色的条状路线，我们称之为「 篱笆」(fence)，显示我们的汽车会减速，避免与这辆疯狂转向的汽车相撞。 有些时候，一些司机开起车来就好像我们没在那里一样。在下面一幅图中，左侧的一辆车 (穿过红色「 篱笆」 的紫色方块标注) 突然冲向我们的车道。在这个例子当中，红色「 篱笆」 显示的是我们的汽车停止并做出避让。 这些驾驶经历 (还有数不清的其他例子) 让我们更深地认识到了当下道路驾驶面临的问题挑战。我们会继续行驶数千英里，这样我们就能更好地了解问题，那些常见的导致许多日常行驶事故的操作现象——我们也会继续努力开发自动驾驶汽车，让后者为人类解决这个问题挑战。
上路 6 年发生 11 起事故，谷歌无人驾驶汽车安全吗？
（本文转载自腾讯科技）这几天，谷歌无人驾驶汽车被推到了舆论的风口。起因是有美国媒体报道，加州从去年 9 月发生了 4 起与无人驾驶相关的交通事故，而其中 3 起是谷歌改装的雷克萨斯 SUV。 这让一些批评人士又拿到了话柄。他们认为，谷歌想开发没有方向盘的汽车，这意味着一旦汽车失控，人将没办法介入，是十分危险的。 而公众也对于谷歌无人驾驶汽车起了疑心。从 2010 年上路开始测试，谷歌无人驾驶汽车已经跑过了 110 万公里，在这 6 年时间里一共发生了 11 起事故。那么问题来了，无人驾驶到底安不安全？ 谷歌无人驾驶汽车项目进展 早在 2005 年左右，Google X 实验室就开始了谷歌无人汽车计划（Google Driverless Car Project）。该计划致力于探索完全不需要司机就能行驶的全自动驾驶汽车。 2010 年，谷歌无人驾驶汽车开始在美国加利福尼亚州试行，当时的原型还只是量产汽车加装上谷歌研发的无人驾驶系统，包括一套激光测距器和计算导航系统。上路测试时由两名测试人员分别坐在主副驾上，以防止自动驾驶出现意外后随时接管方向盘。 到了 2012 年，谷歌宣布其无人汽车已经完成了将近 50 万公里的路试，而且一起意外事件都没发生。初步展现出谷歌无人汽车的可靠性，加上谷歌与美国当地政府的积极沟通，从 2012 年 3 月到 2013 年 12 月，美国先后有四个州通过了自动驾驶汽车可上路测试的法律。 随着研究的持续进展，2014 年 4 月，谷歌宣布其无人汽车已经完成了超过 110 万公里的路试，并于 5 月发布了一款从车型设计制造到系统整合都完全自主研发的无人汽车原型，这款原型车没有方向盘和踏板，可以说清晰地显示了谷歌无人汽车计划的最终指向：完全无需人工干预的全自动驾驶汽车。 然而在这长达 6 年的路试中，谷歌的无人驾驶汽车并非一帆风顺。去年 9 月，加州政府向科技公司颁发公共道路测试自动驾驶汽车许可证之后，至今在加州上路的 48 辆无人汽车中有 4 辆卷入了交通事故，其中 3 辆由谷歌改装。而 6 年以来，谷歌无人汽车一共发生了 11 起交通事故。 为何发生交通事故？ 对于这 4 起无人驾驶汽车交通事故，谷歌方面称，所有事故的责任都不在于汽车，而人为导致的，而且都是些非常小的事故。 其中的两起虽然汽车处于自动驾驶状态，但是责任方不在谷歌，另外两起事故则是在驾驶员手动控制时发生的。谷歌在一份书面声明中是这样说的： 自去年 9 月以来，我们的自动驾驶汽车在山景城总部附近行驶的时候发生几起事故，车之间有轻微碰撞，车灯被撞坏，但没有人员受伤，事故原因是人为错误和疏忽。 事实上，这套说辞也不是谷歌第一次使用了。早在 2010 年和 2011 年发生的碰撞事故中，谷歌都是这一副说辞：「 过错不在我，都是人惹的祸，别让车背这个黑锅。」 然而根据美国国家公路交通安全管理局的数据，在全美「 只造成财产损失的事故」 发生率为每 10 万公里 0.19 起。相比之下，谷歌汽车 8 个月 22.5 万公里出现 3 起事故，事故率显得有点偏高。 当然，谷歌也有自己的说法。谷歌认为，全美每年可能有 500 万起事故没有上报，所以以此来指责谷歌无人汽车的安全性是不科学的。 根据加州法律，交通事故报告属于保密信息，所以这几起事故的真实原因公众很难获知。对于谷歌的说辞我们暂时只能选择相信，但人们难免会对谷歌无人汽车的安全性有所担忧，而这种担忧则成为谷歌推进无人汽车项目的一个阻碍。 比普通汽车安全还是危险？ 除了谷歌以外，还有不少研究无人驾驶或自动驾驶技术的公司。有像特斯拉这样的科技公司，也有奔驰、宝马、奥迪这样的传统汽车制造厂商。 不过与谷歌不同的是，其他公司的研究方向是「 有限的自动驾驶」，强调机器的辅助作用，而不是由机器全盘接管驾驶，谷歌则追求「 完全的无人驾驶」。 不得不说谷歌的理念有些过于超前，因而也使人们心存疑虑：机器真的能完全代替人类驾驶吗？ 根据谷歌无人驾驶汽车技术原理，其需要事先输入路线和路况信息，在所进行的所有路测中，路线也都得提前规划好，包括这一段路的红绿灯都在哪里、车道数量、车流情况以及规定限速等等。谷歌充分利用了其地图大数据的优势，为自己的无人驾驶汽车指引方向。 然而如果在已输入的路线中，突然新增了一个红绿灯，或有临时施工，那么谷歌无人驾驶汽车得依靠车载传感器来识别，并及时停车或规避。 这对于车载传感器和算法系统是个很大的挑战，很多大城市路口情况复杂，往往有多个红绿灯，而且红绿灯和路口之间的距离并非近在咫尺。 谷歌无人汽车要正确识别数据库中没有的红绿灯等交通信息，其车载传感器的扫描范围必须非常远，可能要达到五六十米甚至上百米。而随着扫描范围的扩大，计算机所要承受的数据量呈几何级数增长，这对于内置的处理器及算法都是很大的挑战。 目前谷歌无人汽车的路测都没有「 出现地图数据库中没有的信息」 这种情况发生，所以能做到几十万公里不出事故的成绩。而当真实上路时，一旦遭遇事先没计算好的路况信息，车载系统能否应对复杂情况，我们就无从得知，这可以说是谷歌无人驾驶汽车最大的安全隐患所在。 无人驾驶汽车普及面临哪些问题？ 谷歌计划在 2017 到 2020 年推出面向消费者的无人驾驶汽车，不过除了在复杂路面的应对问题，无人驾驶汽车想要普及还面临一系列问题。（1）技术难度 由于把驾驶权完全交给机器，这就涉及到人工智能和机器学习的领域，机器如何模拟人类的道德和情感认知，并以此为标准来指导自己行为等问题。 举例来说，无人驾驶汽车在面对不可避免的事故时，是以自己车上乘客的安危为重，还是以车外行人的安危为重？ 如果一辆无人驾驶汽车载着乘客行到红绿灯前，刹车突然失灵，汽车是选择急转方向避让前方行人，还是不避让以保证车上乘客安全？ 面对意外状况，人类做出判断可能是很自然的一个过程，但对于机器来说则并非易事。在算法层面如何划分优先级，如何考虑不同的情况，其涉及的因素所需要的计算量都大大超出了现行计算机的计算能力。 而且这方面的标准和研究还处于初始阶段，并没有公认可行的人工智能道德和情感指导纲要。所以谷歌的无人汽车要真正普及，人工智能是一道绕不开的坎。（2）法律以及相关规章的完善 无人汽车领域，法律的制定进度远远落后于技术发展的速度，法律层面的制定可能需要相当长的过程。 包括事故责任方如何划定，是由汽车制造商，还是无人驾驶系统软件商，或者是车上乘客承担责任？可能还有更多细节问题，比如喝了酒的人「 开」 无人驾驶汽车，算不算「 酒驾」？ 目前无人驾驶汽车面临的最大法律问题在于能否获得生产许可。目前并无统一的测试与评估标准来证实无人驾驶汽车的安全性，谷歌自己的无人驾驶汽车出现事故后，也只能一直用同一套说辞来「 力证」 自己是安全的。 目前为止，美国仅有 4 个州通过了允许自动驾驶汽车上路的法律，也有不少州在立法上受到阻碍。总体而言，法律上仍未通过的州占了多数。尽管有专项研究，相关标准也在推进，但涉及民事伤害、个人隐私等方方面面的问题，国外也没有明确的规定。（3）社会公众的认同 相比于技术和法律，社会公众的心理认同可能是无人汽车更加需要面对的问题。大家可以想象一下，坐在一辆方向盘自己会动，或者压根就没有方向盘，而整个车自己会到处跑的场景，即使知道这是安全的，恐怕多少都有点坐立难安。 目前公众对于无人驾驶的认知多来自谷歌的宣传和媒体报道，如何增加公众对无人汽车的信任感，是谷歌迫切需要做的工作。 毕竟 6 年来，谷歌无人汽车已经发生了 11 起交通事故，而任何人都不想拿自己的性命来冒险。
GeekCar 叨逼叨.fm「VOL.6」碰瓷大哥不爱自动驾驶
在过去六年的测试当中，谷歌无人驾驶汽车一共发生过 11 起事故。而在每起事故当中，无人驾驶汽车都只扮演被害者角色。 对于这个新闻，广大网友发出了最真实的声音：「 你敢让他们来中国测试一次么？」 的确如此，就国内的路况而言，无人驾驶汽车在早晚高峰能抢着开出一公里，想着都够呛。更不要说再遇到别车的，闯红灯的，逆行的…… 我们今天的叨逼叨，聊的就是无人驾驶如果真的在中国出现了，到底会出现哪些奇葩状况。 无人驾驶汽车如果和传统汽车同时出现在道路上，只能尽量避免不规矩的人类驾驶所带来的危机。为了保证安全，它不超速、不超载、不别车、也不会在被别完之后立即停车发泄愤怒情绪。 但即使无人驾驶汽车有着这样的「 好脾气」，我们仍然呼吁：大家还是商量好了，一起换无人驾驶汽车吧，它总被人类司机欺负，肯定迟早得出事儿！ 本期人物介绍： 大尧——GeekCar 最具洞察力的运营官。北京土著外加 UK 留学背景，专业性极强又超接地气，一个能顶俩！记住：跟他聊什么都行，但就是千万别提吃饭的事儿，谁提谁 S*B！ 大白——GeekCar 最没节操的内容官。这是一只活生生的段子手，热爱科技但绝不乏味，五大三粗还常常害羞脸红。记住：千万别跟他聊天，小心你的节操被他说没了，这你找谁说理儿去！ 刘能叔叔——GeekCar 最不正经的铲屎官。虽然是个妹子，但非得给自己起个叔叔的艺名儿，而且自打公司来了三位猫爷，就变成了专注的铲屎官。记住：惹她可以，别说猫不好！别说！ Jony——GeekCar 最严肃的内容官。思维活跃但极其内敛，热爱汽车但不热衷于逗逼。记住：千万别让他碰篮球，在篮球场上，他会突然化身为相声表演艺术家，防不胜防。 GeekCar 有话说： GeekCar 叨逼叨是我们一次新的尝试，有任何意见和建议都可以直接留言告诉我们！你也可以表达你的观点你的态度，让你的声音也出现在我们的节目当中~欢迎吐槽欢迎么么哒~
自动驾驶时代的到来，会引发内饰变革吗？听听江森自控怎么说
上海车展给我印象最深的，并不是整车馆里面被「 模特」 们擦得锃亮的各种车，而是零部件馆里那些低调发光的供应商们。 在「 如何面对未来」 这一问题上，可能很多人认为，整车厂才更具有前瞻性，供应商们或许只能「 被动」 地去跟随整车厂的未来方向。但是，看了车展的零部件展馆后，我们不得不感叹，它们才是未来感十足。 比如江森自控。作为全球知名的汽车座椅和内饰的供应商，这次江森自控让我们提前感受了来自未来的座椅和内饰。和现在的汽车相比，江森自控眼中的未来汽车座舱会有什么不同呢？ ID15 概念车：为无人驾驶而生 他们带来了一款创新概念展示车「ID15」，这款概念车主要是针对未来自动驾驶的车内环境进行设计的。具体来讲，内饰和座椅将更多的围绕乘客的休息、娱乐、交流、工作等来进行革新。 ID15 最明显的特征是汽车的方向盘可以进行「 隐藏」，在处于自动驾驶模式或者车主想增大空间的时候，方向盘可以收起来。车内部充满各种曲面内饰，贴合度高，看起来更有层次感。整个车内环境给人营造出一种放松的感觉，还为用户提供更多的智能操控。 针对中国消费者的习惯，后排乘客可以用 iPad 实现对于前排座椅的前后移动，还可以用 iPad 实现自身座椅的角度控制。令我最惊喜的是对于空间的利用：对收纳空间的分割利用，以及使用柔性板材，通过不同滑轨营造出多种空间布局。 江森在这款概念车上有多达 30 余项的专利，大部分都已经可以转化为量产。江森自控的全球汽车内饰工业设计副总裁 Richard Chung（理查德·郑）向 GeekCar 详细介绍了 ID15 的其他设计亮点，例如： 可转动小桌板：位于全新概念的副仪表板上，配合可 18 度侧转的前排座椅，使驾驶者可从事各项活动，并舒适地与后排乘客进行交流 。这个 18 度的角度是经过大量调研后得出的，既能满足前排乘客间及与后排乘客之间交流，又可以最大程度的节省空间。（如果 360 度旋转，车内所需空间要更大）智能表面技术：通过采用高度集成的控制技术，让内饰和控制键融为一体，用户可以触摸内饰表面进行一些功能操控，类似于「 触摸屏」。这一点极富创造力，对于年轻人来说「 科技感」 十足。 更强大的氛围灯：横跨仪表板并流畅延伸至整个车门侧边的 LED 照明，增强了环境光的围绕感，汽车内饰体验往「 无人驾驶环境」 靠近。同时，在切换至「 自动驾驶」 模式时，可实现功能同步，提供视觉的直观提醒。 皮革塑形表面：采用皮革塑形技术，可在内饰中实现任意造型的表面，比如车内很多波纹形的内饰表面。皮革材料发泡一体成型是一项先进的技术，目前江森自控、丰田纺织等都已经在座椅、内饰中开始使用。 多轨卷帘门：驾乘者可根据需要，在副仪表板内分隔出不同的储物空间，大幅提升了功能性。这里面的亮点在于柔性滑动的分隔板以及多轨。 模压注塑混合成型（CHyM）工艺：制成轻质、天然的门板底板，通过天然纤维和塑料的结合，可带来更高的稳定性。 自动驾驶时代，会出现内饰「 品牌」 吗？ 既然上述种种都是在为自动驾驶做准备，那么问题来了。 在那个时代，当普通消费者把「 驾驶权」 交给汽车本身的时候，大家或许不再那么关心汽车的动力、操控究竟如何，这些也不会再成为大家买车时最关注的要素。但是，内饰或许会成为购买时的决定性因素，因为在那个时候，大家显然会更关心车内的乘坐环境到底如何。 它的地位或许会因为自动驾驶时代的到来，而变得更为重要。就像人们买房是为了居住，但是人们关注的是住在里面的感受。现在人们买车的目的是移动和驾驶，在未来也许就是移动和乘坐，大家关注的是如何在车里面感觉舒服。 想想这个画面：汽车内饰如同我们现在的室内装修一般，我可以选择一体化的整装，也可以选择自行配搭，可以选择北欧风，也可以买明清范儿。是不是很有趣？ 在这个局面下，或许内饰供应商在汽车产业链条上的话语权会更大。而对于像江森自控这样的供应商来说，能玩出什么「 花样」 呢？是不是能够开发出一套面向 C 端的内饰品牌，当用户买车的时候，就可以定制自己想要的风格呢？这样的设想足够让我们的脑洞开一阵了。一直以来，供应商们的产品用到车里最终面对的都是 C 端用户，但是供应商做的却是 B 端整车厂的生意。以后情况会改变吗？ 至少在现阶段，江森自控显然没有我们想的那么超前。我问他们，是否在意车主对于内饰品牌的认知？Richard 说，「 如果用户知道哪些车有我们的产品，并因此而选择这些车，我们当然很高兴。但是我们主要的产品是供应给整车厂，所以在产品所传达的体验方面，我们要配合整车厂来一起完成。而在品牌方面，我们也有向用户传达品牌的产品，比如 Recaro 运动座椅，在 C 端的知名度就很高。」 我们关心的另一个问题是，这些供应商在未来如何和整车厂协作，在自动驾驶时代，供应商是不是想更有主导权？在我看来，ID15 就有这种的趋势。 Richard 解释说，虽然他们会走在前面，但是在和整车厂的合作中，很多时候还是车厂提出设计要求，然后由他们来实现。但是，对于 ID15 这样具有前瞻性的内饰设计，江森其实也希望能够去借此影响或者说启发到整车厂。 一方面是想推动汽车科技的发展，一方面是想向整车厂展示技术，在未来的合作中保持优势。但是供应商和整车厂在这个过程中绝对不是对立的局面，我们把它们的关系理解成为「 伙伴」，或许更贴切些，他们都在推进汽车的发展。 只是，在车联网、智能化、自动驾驶这样的大潮流下，二者的关系可能会在一定程度上被重塑，但是他们确实都很重要。 江森自控的展台陈列着各种内饰和座椅产品，这些展品竟然让我有了些感慨。我们整天说整车厂如何如何，但是供应商其实也在默默的做许多许多事。当我走出江森展台，看到它们「Thinking ahead（先见先行）」 的标语时，内心豁然开朗。
研究电动无人驾驶汽车，NASA 也没闲着
此前我们曾经报道过，NASA 要和日产联合研发自动驾驶车辆 。最近，NASA 展出了一款模块化机器人车的原型（Modular Robotic Vehicle，以下简称 MRV）。这辆相当先进的电动小车，拥有电动四轮液体冷却机，远程控制功能，以及动态的驱动反馈。MRV 最终将能够协助我们探索更加广阔的新世界——但或许，对很多人来说更重要的是，它有能力能够完成一些酷毙了的漂移动作。 MRV 的四个轮子都是彼此独立化的模块，所以他们可以同时转向不同的方向。这样的设置使这辆电动车变的相当敏捷——既能像传统汽车那样转动方向，也能够旋转车轮至新的方向。同时，它配备了远程操控系统，用户在驾驶这辆高尔夫球车大小的车辆时，完全不需要自己操作。这也意味着未来宇航员在进行新的探索时，可以驾驶这辆车，并且丝毫不会妨碍到他们手头需要完成的工作。 NASA 的这段视频向我们展示了，驾驶 MRV 的司机能够很轻松的控制这辆车。他可以在长满草的中央小岛上快速向后旋转，经过水坑时完成漂移动作，并且通过重设车轮角度，将小车停在两辆普通汽车中间。虽然，NASA 的宇航员应该不太需要在火星上试着把车挤进紧张的停车位里，但 MRV 上的这项技术可以推动下一代电动汽车的发展，无论是在新的星球上，还是回归到我们的地球上来。 在汽车新能源的革命和实现无人驾驶的道路上，无论是科技公司还是传统汽车制造商，都不希望有丝毫的落后，NASA 的这项研究给予了其他制造者们更多的灵感，也让我们对于未来的汽车又多了些想象。（编译自：The Verge）
「GeekCar Weekly」春光好，汽车科技新闻约起来
春天到了，万物复苏，狗熊撒欢，又到了汽车和科技公司们纷纷忙起来的季节。 Musk 的「 周四见」 成功地把大家的吸引力从「 特斯拉中国大裁员」 与「Model S 中国库存量大」 的负面消息转开。本周四特斯拉发布了软件更新的消息，通过 6.2 版本新固件里面的 Range Assurance（续航保险）与 Trip Planner（旅程助手）功能帮助特斯拉车主「 解决续航焦虑」。这两个功能实质上可以说是特斯拉通过把特斯拉的车与其充电网络紧密联系起来，通过一系列算法结合车所在地理信息和周围天气等情况，让特斯拉的车在旅途中始终受到充电网络的「 保驾护航」，避免特斯拉缺电而「 关机」。 特斯拉始终是汽车科技新闻的「 宠儿」，甚至很多其他个人和团体为「 特斯拉」 各种操着心：一个德国设计团队 Bureau Oberhaeuser 为使特斯拉的大屏更炫酷「 殚精竭虑德」 设计了人机交互 UI；当然也有今天朋友圈刷出了 P85D 在中国的首台交付的图文，首台中国交付的 P85D 车主是王振飞（Neo）—就是那个和特斯拉关系亲密的「 充电网」 的创始人，他可算是为特斯拉在中国跑前跑后推广宣传的「 特斯拉最佳外围」 了吧。 虽然特斯拉向大家启蒙了电动车，但是现在能玩电动车的可不是只此一家了。除了传统欧美汽车厂商纷纷研发生产混动、电动车以外，拥有深厚电池技术储备的中国比亚迪也在海外拓展电动车市场和电池生产基地；甚至互联网企业诸如乐视也信誓旦旦要生产超级电动车，还有维珍航空的的老板布兰森也叫板特斯拉要生产电动车，颇有些「Musk 做了电动车又要做火箭，我做火箭的一样能做出电动车！」 的意味。（当然在中国的广大农村和三四线城市，另一种富有中国特色低速电动也在野蛮生长着，有需求有市场没有正当名分的「 低速电动」 里面涌动着一些前瞻地力量，或许他们能带给这个产业些许希望。） 特斯拉正在测试自动转向、「 召唤」 模式等功能，这些功能或许将在 7.0 版本的固件更新里面得以实现，它也正朝着「 自动驾驶」 进行努力。Tesla 方面透露已经有一辆带有自动转向的特斯拉车从旧金山开到了西雅图。说到自动驾驶，其他大佬们的动作才是「 摩拳擦掌，不甘落后」。奔驰的 F015 在三番华丽丽 roar 了一城，德尔福的无人驾驶车将会于近日横穿美国（5600 公里）测试…… 无人驾驶的时代终究会到来，当然我们面对新生事物需要很多相应配套的标准和规则建立以及大家的适应，当前阶段就先交给科技去发挥力量吧。 除了软硬件本身带来的汽车和科技的进步以外，我们更受益于基于技术产生的新的生活和商业模式革新。擅长传绯闻的专车市场让这个戏码一直不断，滴滴和快的的闪婚让大家仿佛「 月老」 附身，于是飘出了易到和 Uber 合并的消息，这种扑朔迷离的剧情我们只能静观其变了。拼车最近在 GeekCar 周围的朋友间变得特别流行（毕竟便宜方便啊），嘀嗒各种激励措施还推出了分类企业免费拼车的活动，Uber 的人民优步通过现金科技和算法价格也下调了 30%。对于这些拼车的壕公司，我只想说「 让优惠来得更猛烈些吧！」 一年之计在于春，「 电动车」、「 无人驾驶」、「 专车拼车」 等等这些我们关注的领域都「 躁动」 起来了。单身狗们估计也十分躁动，GeekCar Weekly 文毕，我该去「 约一发」 了。