从网红送餐无人车造假，看无人驾驶汽车自动驾驶为何难实现？
摘要：自适应巡航控制系统被认为属于1级自动驾驶：该系统可控制加速和制动，从而使汽车在公路上与前方车辆保持一定距离，但人类驾驶员仍然需要负责驾驶中的所有其他方面。狭义上来说，自动驾驶汽车需要解决方向盘（转向）、油门/刹车（制动）两个问题，能够实现纵向和横向的同时控制，这也就基本达到了L3级自动驾驶（Level 3与Level 2最根本的区别在于L3实现了纵向和横向的控制）。
近日，穿行在加州伯克利大学中的网红送餐无人小车-Kiwibot在经历被绑架、自燃和被学生点蜡烛悼念后又摊上事了。
根据人们的调查，这种看起来非常科幻的外卖机器人，实际上并没有我们想象的那么高度自动化——它们都是由真人进行远程操控的。不过这些操作员远在南美的哥伦比亚，他们每人最多可以控制三台机器人，这些员工每小时的工资仅 2 美元。
自AlphaGo一战成名以来，AI开始成为最热词汇，也成为媒体、资本和技术创新的宠儿。在人工智能技术快速发展的今天，各类 AI 创业公司正如雨后春笋般涌现，于是热潮之下，鱼龙混杂难免，泡沫也就难免。
今年以来，也有不少打着AI幌子融资发展的公司被扒皮，前不久，使用印度码农冒充 AI 的创业公司 Engineer.ai就被《华尔街日报》曝光。
但另一方面，也开始有越来越多人意识到了技术落地的阶段性，对于“人工智能”这样满怀未来感的新技术，之前更多人可能有“科幻”的臆想，总觉得可以一步到位。
比如自动驾驶，就是可以一辆全智能的汽车，想去哪儿去哪儿，全知全能，完全自动驾驶。
然而实际上，即便是自动驾驶落地，也会经历一个“限定”到“非限定”的落地过程。
为了更好地区分不同层级的自动驾驶技术，国际汽车工程师学会（SAEInternational）于2014年发布了自动驾驶的六级分类体系，美国国家公路交通安全管理局（NHTSA）原本有自己的一套分类体系，但在2016年9月转为使用SAE的分类标准。今天绝大多数主流自动驾驶研究者已将SAE标准当作通行的分类原则。
SAE 标准将自动驾驶技术分为 0 级、1 级、2 级、3 级、4 级、5 级，共六个级别。具体的级别划分和描述如下页图表所示：
再来一张各大车企自动驾驶技术的分级图，大家可以大致了解一下目前已经量产的自动驾驶技术哪家强。
SAE Level 0：
No Automation（无自动化）
Level 0是自动驾驶人类驾驶员负责动态驾驶任务的所有环节。动态驾驶任务是指控制车辆所采取的行为，可能有些系统会为司机提供帮助，如自动紧急制动系统，甚至在特定情况下进行干预。但是，由于这些系统没有持续参与完成动态驾驶任务，因此它们还不能称为自动化系统。
现在路上我们已经很少能看到 Level 0的汽车了，因为 Level 0意味着连ABS防抱死这种最基本的安全配置都没有，要么早已报废，要么法规都禁止其上路了。极端一点，你可以认为Level 0的车就是四个轮子加一个沙发。
SAE Level 1：
Driver Assistance（驾驶员辅助）
生活中常见的车基本都属于Level 1。Level 1 称为驾驶员辅助系统，所有在驾驶员行驶过程中，能持续提供转向或加速和制动控制，但只在限制条件和特定情况下提供，都属于Level 1。
自适应巡航控制系统被认为属于1级自动驾驶：该系统可控制加速和制动，从而使汽车在公路上与前方车辆保持一定距离，但人类驾驶员仍然需要负责驾驶中的所有其他方面。
生活中1级是我们最常见的，比如最基本的ABS，以及在ABS基础上升级而来的ESP，还有高速路段常用的定速巡航、ACC自适应巡航功能及LKA车道保持辅助，或多或少都是属于SAE 规定的Level 1。
SAE Level 2：
Partial Automation（部分自动化）
Level 2既提供转向，也提供加速和制动控制，同样是在限制条件下提供。由于人类驾驶员需要定时干预，该级别的自动驾驶程度仍然不高。Level 2和 Level 1最明显的区别是系统能否同时在车辆横向和纵向上进行控制。
SAE Level 3：
Conditional Automation（有条件自动驾驶）
Level 3自动驾驶是真正开始进入实际自动驾驶的级别。该级别的自动驾驶是“有条件的自动驾驶”，这意味着只有在一定条件下自动驾驶系统才能运行。但一旦开始运行，汽车就完全自动驾驶。目前，奥迪A8L就属于 Level 3自动驾驶。
Level 3与Level 2自动驾驶的差异在于自动驾驶的程度：系统运行时，人类驾驶员通常无需进行干预，但仍需在一定程度上保持警惕，以在系统提示需要人类接管时介入，这对于自动驾驶技术来说是一个很大的跨越。
SAE Level 4：
High Automation（高度自动驾驶）
Level 4自动驾驶属于高度自动驾驶。一般来说，我们使用Level 4自动驾驶来描述完全自动驾驶的系统。除了某些特殊情况，一般无需人类干预。依靠特殊地图工作的自动驾驶汽车属于Level 4自动驾驶：只要是有地图的地方，这类汽车都能实现完全自动驾驶，而无需人类干预，但并非在任何地方都能自动驾驶。
SAE Level 5：
Full Automation（完全自动驾驶）
Level 5自动驾驶属于完全自动驾驶，只要是人类能够驾驶的地方，该类型汽车都能驾驶。只要有可通行的道路，这种车能去任何地方，任何时候都无需人类驾驶员干预。
自动驾驶可以说是人工智能应用最大、最典型的场景，然而为何自动驾驶汽车的发展却一波三折，自动驾驶攻破的难点在哪？
首先是感知层的挑战
感知层，其实是要解决汽车“我在哪里”的问题。目前，一般采用摄像头、毫米波雷达、激光雷达、GPS、IMU（惯性测量单元）等来实现。摄像头是当前应用人工智能算法的核心零部件，摄像头主要有四大任务：图像分类、目标的定位、目标的检测和语义分割。
目前所采用的主流方法是深度学习神经网络来完成上述任务，理论上没有问题，但在实际应用中问题比较大。一方面，当汽车需要去识别更多的车辆、行人、自行车以及道路标志等目标的时候，无论是人工智能的训练深度还是推断能力都有所欠缺。例如，神经网络需要大量的数据标注，1500万张图片需要5万多名工程师耗费2年时间才能完成，但这才标注了20多种类型，而道路环境需求却远超这个数据。这还不包括激光雷达、毫米波雷达等传感器所需要标注的数据，况且除了数据标注工作外，还要加上安全性和准确性等方面的要求。
此外，实际驾驶场景中还有恶意样本的欺骗性。原来是熊猫的样本图片中加入百分之一的“噪声”，系统就将其识别成了金丝猴。而这样的“噪声”干扰在现实中太多了，神经网络在对抗恶意样本的时候能力会变得非常脆弱。
然后是决策层的挑战
决策，在狭义上其实是指自动驾驶的“大脑”根据汽车“看到”的环境信息，给出汽车的驾驶策略。目前，在园区等简单的封闭场景下，自动驾驶系统决策比较“完美”，但在城市工况下却不尽然。
检验自动驾驶汽车决策是否完美最直接的方式就是，“让一辆自动驾驶汽车从清华大学校门口跑到五道口，如果不出问题，那就算过关了，这是最好的测试场景。”
不过，自动驾驶汽车在现实中很难通过十字路口，这就需要更加先进的人工智能决策和控制系统。李升波称，现今在“干净”的场景下做决策没问题，但是像中国道路状况的复杂性就太高了，行人的随机性太强，还有碰瓷的问题又该如何解决呢。
另外一类是跟驾驶员相关，98%的驾驶员在驾车时其驾驶行为集中在4种模式：急行、超车、跟车、换道。但从研究的角度来说，驾驶行为有几百种，虽然前面4种驾驶模式覆盖了所有驾驶行为的98%，但剩下的2%却同样跟安全密切相关。人在驾驶时是不断改进的，但当前决策模块却达不到这样的水平。可以看出，人工智能还需要不断进化才能应用在汽车领域。
最后是执行层的挑战
排在感知、决策之后，就是执行的问题，也就是汽车的运动问题。狭义上来说，自动驾驶汽车需要解决方向盘（转向）、油门/刹车（制动）两个问题，能够实现纵向和横向的同时控制，这也就基本达到了L3级自动驾驶（Level 3与Level 2最根本的区别在于L3实现了纵向和横向的控制）。
一方面是，传感器有“噪声”、执行器有误差、变速车轮非线形。在普通的路况较好的道路上运动控制是没有问题的，但是在极限状态下还达不到。
近年来工业界对学界的大幅资金投入，无人车的研究项目对于理解移动机器人在动态和不确定性环境中的感知，决策，与控制问题起到了显著的推动作用。不管短时间内可靠的可以大范围商业化的无人车能否被研发出来，可以预见相关的理论成果很快可以推广到相对简单和安全的环境中，如需要在人群中运动的无人机，速度比较低的服务/运输机器人等。由此可见自动驾驶的前景还是可以期待的。
更多阅读：以后谁还敢乱停车？违章停车将纳入个人征信
室内定位导航技术已成风口，下一个千亿行业正在崛起
谈一谈 智慧停车的智慧之处
停车行业的国民级产品还要等多久？
智慧停车的兴起为何就能破解城市堵车难题
旅游景区安全事故频发，景区如何做好安全管理！
马化腾与王健林一起逛街的首家智慧广场究竟长什么样？
五一假期旅游大数据出炉，智慧旅游已是大势所趋！
四个方法，让景区轻松玩转新媒体营销！
已经倒下的(锤子、美图)和即将挣扎的(小米、O/v)究竟错在哪儿?
