“無人駕駛”汽車的真實面貌

很快，電子司機將安全地帶我們去任何想去的地方，只要我們不需要在車流中左轉彎。路面變化也是一個問題。雪和冰也是如此。避開交通警察、交通協管員和急救車輛至關重要。在行人可能跑到汽車前方的城市環境中，我們或許應該步行或乘坐地鐵。

對於人類駕駛員來說，所有這些簡單、日常的遭遇都給計算機帶來了巨大的問題，這些問題需要時間和金錢和努力才能解決。然而，許多公眾越來越相信，完全自動化的車輛指日可待。

是什麼造成了這種脫節？部分問題在於術語。大眾媒體不加區分地將“自主”、“無人駕駛”和“自動駕駛”等描述詞應用於彼此截然不同的技術，模糊了重要的區別。汽車行業也沒有幫助澄清事實。為汽車製造商、裝置供應商和技術公司工作的營銷人員精心編寫宣傳材料，以支援對其產品自動化駕駛程度的各種解讀。報道該領域的記者有動力採用最樂觀的預測——它們只是更令人興奮。這種反饋迴圈的結果是越來越不切實際的期望螺旋上升。

支援科學新聞報道

如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您將幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。

這種混亂是不幸的，因為自動駕駛即將到來，它可以拯救生命、減少汙染和節約燃料。但它不會以你被告知的方式發生。

定義自動駕駛

駕駛比大多數人意識到的要複雜得多。它涉及廣泛的技能和動作，其中一些比另一些更容易自動化。在開闊的道路上保持速度很簡單，這就是傳統的巡航控制系統幾十年來一直在自動完成這項工作的原因。隨著技術的進步，工程師們已經能夠自動化更多的駕駛子任務。廣泛使用的自適應巡航控制系統現在可以保持適當的速度和與前方車輛的間距。車道保持系統，例如梅賽德斯-賓士和英菲尼迪新車型中的車道保持系統，使用攝像頭、感測器和轉向控制來保持車輛在車道中心行駛。現在的汽車非常智慧。然而，從這些系統到完全自動駕駛是一個巨大的飛躍。

點選或輕觸放大

SAE International（前身為汽車工程師學會）定義的五級分類法有助於澄清我們對自動駕駛的思考。這種自動化程度不斷提高的階梯上的前三級（不包括零級，即無自動化）由依賴人類進行緊急備份的技術佔據。自適應巡航控制、車道保持系統等屬於一級。二級系統結合了一級技術的功能——例如車道保持和自適應巡航控制系統的橫向和縱向控制——以自動化更復雜的駕駛任務。這是當今商業上可用的車輛自動化達到的最高水平。三級系統將允許駕駛員在特定場景中開啟自動駕駛儀，例如高速公路交通擁堵。

接下來的兩個級別截然不同，因為它們完全在沒有人為輔助的情況下執行。四級（高度自動化）系統將處理所有駕駛子任務，但它們僅在嚴格定義的場景中執行——例如，在封閉的停車場中，或在高速公路上的專用車道中。在階梯的頂端是五級——完全自動駕駛汽車。據推測，這就是許多人聽到日產執行長卡洛斯·戈恩自信地宣稱自動駕駛汽車將於 2020 年上路時想到的。

事實是，沒有人期望五級自動化系統在那時上市。在所有可能性中，它們還很遙遠。三級系統可能同樣遙遠。但是四級呢？期待在未來十年內看到它。要理解這種令人困惑的局面，我們必須談談軟體。

軟體噩夢

儘管普遍認為如此，但人類駕駛員在避免嚴重碰撞方面非常出色。根據 2011 年美國交通安全總統計資料，致命碰撞大約每 330 萬小時駕駛發生一次；導致受傷的碰撞大約每 64,000 小時駕駛發生一次。這些數字為自動駕駛系統設定了一個重要的安全目標，即至少不應低於人類駕駛員的安全水平。達到這種可靠性水平將需要比自動化愛好者願意承認的更多的開發。

想想你的筆記型電腦多久會宕機一次。如果該軟體負責駕駛汽車，“藍色畫面宕機”將不僅僅是一個比喻。軟體響應延遲哪怕只有十分之一秒，都可能在交通中造成危險。因此，自動駕駛軟體的設計和開發必須達到與目前消費類裝置中發現的任何軟體截然不同的標準。

實現這些標準將非常困難，並且需要在軟體工程和訊號處理方面取得基本突破。工程師需要新的方法來設計軟體，即使在複雜且快速變化的情況下，也可以證明該軟體是正確且安全的。在編寫程式碼之前，用於分析程式碼的每種可能故障模式的形式化方法已經存在——可以將它們視為計算機程式的數學證明——但僅適用於非常簡單的應用程式。科學家們才剛剛開始考慮如何擴充套件這些型別的測試，以驗證控制完全自動駕駛汽車所需的極其複雜的程式碼。

一旦編寫了程式碼，軟體工程師將需要新的方法來除錯和驗證它。現有方法對於這項工作來說過於繁瑣且成本高昂。為了說明這一點，請考慮新型商用或軍用飛機一半的成本用於軟體驗證和確認。飛機上的軟體實際上比自動駕駛汽車所需的軟體更簡單。工程師可以設計飛機自動駕駛儀系統，因為他們知道它很少（如果有的話）需要處理附近一架或兩架以上的飛機。它不需要以令人難以置信的精度知道這些飛機的速度和位置，因為它們彼此之間距離足夠遠，有時間採取行動。必須在數十秒的數量級上做出決策。自動駕駛汽車將不得不跟蹤數十輛其他車輛和障礙物，並在幾分之一秒內做出決策。所需的程式碼將比駕駛飛機所需的程式碼複雜幾個數量級。

一旦程式碼得到驗證，製造商將需要方法來“證明”完整自動駕駛系統的安全性，以使公司風險管理人員、保險公司、安全倡導者、監管機構以及當然還有潛在客戶滿意。今天使用的那種形式化的“驗收測試”對於此目的來說完全不切實際。測試人員必須在一輛車上行駛數億甚至數十億英里，以確保他們以統計上顯著的方式使其經受數千名客戶經常使用時會遇到的危險場景。人們已經開始思考解決這個問題的方法——德國政府和工業界已經啟動了一個耗資數百萬美元的專案，目標就是這個——但這些努力才剛剛開始。

控制車輛的程式碼（可以說是大腦）並不是唯一必須接受審查的東西。為大腦提供資料以做出決策的感測器也必須接受同等程度的審查。工程師必須開發新的感測器訊號處理和資料融合演算法，這些演算法能夠區分車輛路徑中的良性和危險物體，幾乎沒有誤報（未識別出的危險物體）和極低的誤報（被錯誤分類的良性物體，導致車輛做出不適當的反應，例如急轉彎或急剎車）。

工程師不能像商用飛機系統那樣採用蠻力冗餘來實現這些目標，因為自動駕駛汽車是一種消費品：它必須是普通大眾能夠負擔得起的。轉向人工智慧也不是一個明顯的解決方案。有些人建議，機器學習系統可以讓自動駕駛系統研究數百萬小時的駕駛資料，然後在整個生命週期中學習。但機器學習帶來了自身的問題，因為它是非確定性的。兩輛相同的汽車可能會駛下裝配線，但在經歷了一年的不同交通狀況後，它們的自動化系統的行為將大相徑庭。

四級未來

我過去常告訴人們，五級完全自動駕駛系統在 2040 年之後才有可能實現。在某個時候，人們開始引用我的話說，五級將在 2040 年到來。現在我說，能夠在任何情況下駕駛的完全自動駕駛汽車要到 2075 年才會出現。會比那更早發生嗎？當然可以。但不會早多少。

三級自動化的前景也籠罩著陰影，因為在緊急情況下，重新吸引一個在觀看風景或更糟的是睡著了的駕駛員的注意力，這是一個非常現實的問題。我曾聽取一些汽車製造商的代表說，這是一個如此困難的問題，以至於他們根本不會嘗試三級。除了在走走停停的交通擁堵中接管的交通擁堵輔助系統之外，在交通擁堵輔助系統中，速度非常慢，最壞情況下的碰撞也只是輕微的刮擦事故，三級自動化可能永遠不會發生。

然而，我們很快就會看到高度自動化的汽車，可能在未來十年內。幾乎所有大型汽車製造商和許多資訊科技公司都在投入大量資源用於四級自動化：完全自動駕駛，僅限於特定環境，不依賴於易犯錯的人類進行備份。當您限制自動駕駛汽車系統必須執行的情況時，您會大大提高其可行性。（自動人行道已經在大型機場執行多年——但它們在完全隔離的軌道上。）

在所有可能性中，未來 10 年將帶來自動代客泊車系統，這將允許駕駛員將汽車停在配備適當設施的車庫入口處，該車庫將行人和非自動駕駛汽車排除在外。車載自動化系統將與遍佈整個車庫的感測器通訊，以找出哪些停車位可用並導航到這些停車位。由於無需開啟車門，停車位可以比現在更窄，因此在空間昂貴的地區，更多的汽車將能夠停放在車庫中。

在城市步行區、商業園區、大學校園和其他可以排除高速車輛的地方，低速客運班車將在沒有駕駛員的情況下執行。在這些環境中，有限功能的感測器應該足以檢測行人和騎腳踏車的人，如果感測器檢測到誤報並進行不必要的制動，它不會傷害任何人（儘管它會惹惱車內的人）。歐盟委員會的 CityMobil2 專案已經演示了此類技術多年，其最終演示計劃於今年夏天進行。

隔離的公交專用道和卡車專用道將很快使商用車輛能夠在更高自動化水平上執行。將這些車輛與其他使用者物理隔離將大大簡化威脅檢測和響應系統。最終，無人駕駛卡車和公共汽車將能夠跟隨人類駕駛的領頭車輛以節省燃料的佇列形式行駛。包括加州大學伯克利分校的加州先進交通技術合作夥伴 (PATH) 專案、日本的能源 ITS 專案以及歐洲的 KONVOI 和 SARTRE 專案在內的全球研究人員已經測試了公共汽車和卡車佇列系統的原型。

然而，未來十年內四級自動化最廣泛的實施可能將是用於個人乘用車的自動高速公路系統。這些系統將允許汽車在指定的高速公路路段的某些條件下自行駕駛。車輛將具有冗餘元件和子系統，以便在出現問題時，它們可以在沒有人工指導的情況下“跛行回家”。它們可能會被限制在天氣晴朗、已經詳細繪製地圖的高速公路路段上，包括標誌和車道標記。這些路段甚至可能設有“安全港”位置，供車輛在出現問題時前往。大多數主要汽車製造商都在努力開發這些系統，明年沃爾沃汽車計劃在瑞典哥德堡對 100 輛原型車進行此類功能的公開實地測試。

這些場景聽起來可能沒有擁有您自己的私人電子司機那麼具有未來感，但它們的好處是可能實現——甚至不可避免——而且很快就會實現。