过去十年，技术和汽车专家预测全自动驾驶汽车「即将」到来，它们无需任何主动监控或人类驾驶员的输入即可在公共道路上行驶。伊隆·马斯克曾预测特斯拉能够于2021年底交付全自动驾驶汽车，不过他在2017年、2019年和2020年也做过类似的预测。遗憾的是，每次预测都未能成真，主要是因为现实世界人们的安全担忧，尤其是自动驾驶汽车如何在恶劣条件或情况下运行。
近日发表在Communications of the ACM上的一篇文章《Still Waiting for Self-Driving Cars》中，作者对当前各类自动驾驶汽车的发展现状、自动驾驶面临的技术难题、各家汽车制造商采用的自动驾驶方案以及在道德和监管层面需要做出的改变等诸多方面进行了综述性分析。
自动驾驶汽车的现状
尽管 2021 年10月特斯拉发布了AutoPilot全自动驾驶（FSD）功能，但应承认，全自动驾驶汽车仍未出现。相反，大多数汽车制造商提供的系统具备了国际汽车工程学会（SAE）定义的六个自主级别中的前三个，这六个自主级别范围从Level 0（无驾驶自动化）到Level 5（所有条件下的全自动驾驶功能）。
现在，大多数新车具备一些Level 1驾驶辅助技术，包括自动刹车、车道保持辅助和自适应续航控制。更加高级的系统，如特斯拉的 Autopilot 或者通用的Super Cruise，属于Level 2级别，表明汽车可以自动控制速度和转向，但需要驾驶员保持专注并在发生紧急情况时接管车辆。本田和奥迪等其他制造商正专注于研发允许汽车完全控制的Level 3自动驾驶系统，但仅限于非常特定的情况，比如低速行驶、天气良好或者在事先批准的道路上。
特斯拉Autopilot系统。图源：tesla
中佛罗里达大学 Pegasus 教授和 Provost 杰出研究教授 Peter Hancock表示，很多汽车制造商都想要尽可能地超越Level 2和Level 3。但是，最有可能具备Level 4功能的是自动驾驶长途卡车。Hancock认为，由于全球卡车司机短缺，可能会更有力地推动自动驾驶卡车的开发，至少在美国州际公路上是这样。这些公路按照特定的设计标准建造，通常交通状况良好，并且在相向交通之间设有物理障碍。
事实上，自动驾驶技术初创公司Aurora Innovation宣布它正在建立一个Level 4自动驾驶系统，并计划在2023年推出自动驾驶卡车业务，2024年推出自动驾驶叫车业务。该公司向Communication表示，它已经与联邦快递、优步、丰田以及沃尔沃和PACCAR等卡车OEM合作开发合作伙伴生态系统（partnership ecosystem），专注于将自动驾驶技术推向市场。
自动驾驶面临的技术难题
种种迹象表明，自动驾驶的广泛应用距离成为现实仍需等待数年时间，这主要是由于开发精确传感器和摄像头以及改进处理传感器捕获数据的算法时面临着挑战。自动驾驶汽车的车载摄像头和传感器可以检测到物理世界和车辆可能遇到的各种物体，比如道路标志、交通信号灯、其他车辆或行人、特定的车道标记、坑洼、碎片、爆裂的卡车轮胎、水坑等。
大多数系统采用自下而上的方法来训练汽车导航系统，包括接受识别上文特定物体或条件的训练。然而，考虑到可能遇到的各种潜在物体以及物体移动或对刺激物（stimuli）做出响应的近乎无限的方式，比如由于照明条件、眩光或阴影，道路标志可能无法得到精确地识别；动物和人在面对迎面冲撞而来的车辆时做出不尽相同的反向。所有这些使得训练过程需要巨量的数据。
数据被馈入到AI训练算法中，这些算法在设计时旨在帮助车辆解释遇到的物体和行动，以安全地调整自身车速和位置，即使是在车辆未曾行驶过的道路上或者从未遇到过的物体。但是，现在使用的算法仍然难以识别现实场景中物体。比如，在涉及特斯拉Model X的一场事故中，车载感应摄像头未能在明亮的天空中识别出卡车的白色侧面。
不同车企采用不用的解决方案
许多自动驾驶汽车事故涉及所谓的「紧急情况，edge cases」，例如在道路上遭遇行人和动物，具有攻击性的驾驶员进行破坏性驾驶或者驾驶员故意违反交通法规等紧急情况。为了解决这些难题，研究人员正在研究高清 (high-definition，HD) 地图系统，这类技术比GPS还要精确。此外，研究人员还可以发展通信技术，使得车辆与公路上的基础设施可以交互，以帮助自动驾驶汽车在这些紧急情况下保持安全。
然而，通信网络具有延迟性。奥迪、本田、丰田、沃尔沃和 Aurora Innovation 的自动驾驶开发团队采用的方法是结合光检测和测距技术，通常称为激光雷达（LiDAR）。Aurora 公司表示，他们已经设计了一款专有传感器 FirstLight Lidar，它采用 FMCW（Frequency Modulated Continuous Wave）激光雷达，可以看到前方四分之一英里（约 400 米）处的情况，还可以即时测量车辆周围物体的速度。这项技术的使用为自动驾驶系统提供了更多的时间来进行刹车或安全操作，尤其是重型自动驾驶卡车。
与此同时，自动驾驶初创公司Waymo正专注于提供叫车服务。该公司表示，Waymo Driver自动驾驶技术在很大程度上是按照L4自动驾驶准则运行的，并细化了包括车道标记、交通标志、信号灯、路边石和人行横道等在内的地图。此外，该系统基于超过2000万英里的真实驾驶和超过200亿英里的模拟驾驶数据进行构建，使Waymo驾驶员能够准确预测其他道路驾驶员、行人或物体可能会做什么。
目前正在德国测试的一种潜在中间解决方案是利用远程驾驶员来控制车辆。总部位于柏林的初创公司 Vay 一直在柏林测试一支遥控电动汽车车队，并计划今年在欧洲甚至美国推出出行服务。该服务允许客户订购一辆遥控汽车，并让汽车将用户带到想要到达的目的地；如果车辆到达目的地，用户下车，之后数英里外的人类远程驾驶员停放车辆或将其引导至下一个客户，该公司声称其系统旨在满足最新的汽车安全和网络安全标准，并部署冗余的硬件组件和蜂窝网络连接。
行业观察人士对这种远程操作车辆是否安全持怀疑态度。「延迟和连通性是一个大问题，尽管可能通过一些新技术或更先进的通信技术得到改善。」技术和管理咨询公司 kVA by UL 负责自动驾驶和功能安全的全球工程经理 Gokul Krithivasan说。该公司主要从事关于自动驾驶汽车方面的安全和培训，以及相关安全标准的制定。
虽然Krithivasan没有特别评论Vay的模型或方法，但他表示，司机面临的紧急情况通常是需要在几毫秒内做出决定，而网络冗余导致的任何延迟问题可能会让完全远程的司机难以在紧急情况下做出响应。「在SAE L4自动驾驶应用的典型实现中，远程操作人员不需要连续控制车辆，而是需要执行或触发自动控制逻辑中已经配置的适当的最小风险操作，」Krithivasan解释道。
训练一个可以理解人类行为的系统
然而，为了让自动驾驶系统在所有驾驶场景中都能安全运行，仍然需要围绕算法开发和测试进行，以确保车辆导航系统能够处理道路中不同对象的交互情况，例如行人和司机的交互、司机和司机的交互。通常，如果行人即将过马路或正在过马路，驾驶员和行人会进行眼神交流，并使用非语言提示来指示对方移动的方向和速度。同样，假如缺乏这种眼神交流，自动驾驶系统也应该会向驾驶员发出信号，表明行人或其他驾驶员没有注意自己的驾驶，他/她应该采取规避措施以避免或减轻碰撞。
Hancock表示，我们可以训练一个系统来识别这些线索，但这需要大量的计算量和训练时间，可能花费数年时间才能开发出一个可靠和值得信赖的系统。与此主题相关的一个大领域是感知功能支持，人类和自动化之间存在很大的感知差异。我们通常能理解人类驾驶事故，而对自动驾驶事故感到困惑，所以，当我们看到一场人类驾驶事故时，我们会说，是的，我能理解这是怎么发生的。但当我们看到自动驾驶事故时，我们会说，好吧，这太荒谬了——我不知道那辆车怎么会犯这样的错误。
通常，人类驾驶员会积累足够的经验，可以安全地处理其他驾驶员做出的不合理或意外出现的情况，通常是通过减速、靠边或简单地保持其行驶速度和方向，以便人类、动物或其他车辆可以在自己周围行动。
英国利兹大学应用行为建模主席 Gustav Markkula 说：当前的自动驾驶算法对人类行为没有足够复杂的隐含理解，以有效地处理交通中的交互。在道路中人类之间有那种隐含的理解，例如司机了解行人在进行什么，行人和司机进行交互以确保自身安全。
监管方面面临的挑战
全自动驾驶汽车商业化的最大障碍可能是道德和责任问题，例如如果自动驾驶汽车造成人员伤亡或财产损失，由哪一方承担过错。多年来，美国政府拒绝监管特斯拉的 Autopilot 和通用汽车的 SuperCruise 等辅助驾驶系统。
不过这种趋势正在改变，2021年6月，美国政府表示，所有汽车制造商必须报告涉及驾驶员辅助系统的撞车事故。此外，美国国家公路交通安全管理局(NHTSA)于2021年8月启动了一项调查，调查涉及特斯拉Autopilot导致的紧急车辆追尾事故。此外，2021年10月，美国政府任命杜克大学研究自动驾驶系统的工程学教授Missy Cummings为NHTSA的高级安全顾问。Cummings一直对特斯拉和联邦政府对Autopilot等驾驶辅助系统的处理持批评态度。
尽管Cummings的任命不太可能促进政府立即制定相关规则，但 NHTSA长达五年的指南明确规定，如果自动驾驶系统显示出可预见的违反驾驶安全证据，该机构有权进行干预，这种情况经常出现在You-Tube视频中，视频中司机在驾驶座位上睡觉、玩游戏或从事其他会转移司机注意力的活动，尽管特斯拉的说明书中有警告。
完全自主的 L5 驾驶系统可能需要十年或更长时间，至少在部署到私人用户和运营车辆方面。技术问题、监管问题和持续的芯片短缺都成为阻碍完全自主系统发展的障碍。完全自动驾驶可能会首先部署在商用车辆上，包括自动驾驶卡车、叫车服务和班车。除了拥有购买这些车辆所需的资金外，商业实施更有可能将操作限制在特定的已知道路上，以及为自动驾驶车辆建立和执行公司特定的安全操作参数。
原文链接：https://cacm.acm.org/news/259392-still-waiting-for-self-driving-cars/fulltext
Chinese 
English