无人驾驶汽车能够代替人类驾驶员吗？

你是需要一辆可以任何时间任何地点可以载你的智能汽车，还是一辆在暴风雨来袭时无法正常运作的汽车，亦或是一辆无法在晚间行驶的汽车？

对于众多想要在无人驾驶汽车领域崭露头角的世界500强企业和初创公司，没有什么比开发出全天候无人驾驶汽车更大的挑战了。

数十亿美元用于研究的投资发展至今已经仅仅是开始。我们拥有许多可以在“大部分时间”好好行驶的智能汽车，但没有一辆可以在所有时间都做到良好行驶。

许多公司吹嘘的其智能汽车在好天气能安全行驶这一点确实十分诱人，但却也很难回避一些真实存在的数据：例如，在美国超过20%的事故是由恶劣天气造成的。

将目光放长远一些，如果一家公司想获得亚洲各地数十亿客户的支持，那它必须制造出即使在最严重的季风风暴下，也能安全携带乘客行驶的智能汽车。

其实智能汽车面临的不仅仅是下雨，还有下雪、结冰、冰雹、雾、烟、尘土，大风、强光和炎热都可能对行驶条件造成严重破坏。

时至今日，依旧是人类做的更好

我们人类大多时候可以在这些条件下安全驾驶，这是由于即使在暴风雨中，我们也可以很好地感知和理解周围的世界。

时至今日，在极端天气条件下驾驶车辆，人类做的依旧比人工智能好。（图片来源：Flickr/Terence Lim）

我们可以做很多惊人的事，像是推断出雪堆顶部微小的红色或许是停车标志牌，并且迅速采取相应对策。我们可以从一滩水中辨认出另一辆车的倒影，减速行驶，而不是停车，因为我们清楚我们看见的是倒影，而不是真实的汽车，但同时我们又会减慢行驶速度因为我们正驶过一滩积水。

无人驾驶汽车两个主要方法主要基于光谱的两端。一种方法是“蛮力”方式，谷歌等公司使用的就是这种方式，其主要依靠已有的强大街道网络实现侦查，并且还需要一批人在这些地图上标注上所有对沿着这些街道行驶有用的实际信息。

另一种方式装载可以感知数千公里以内的驾驶信息的车载 雷达，激光和摄像头，以及汽车控制界面，并让其通过运算学习法学会“如何驾驶”。

近期再次兴起的深度学习——依靠大量数据训练的多层神经网络——在这些学习算法中起到了核心作用。

这些方法，包括这两种方法的组合，已经把我们带到了这样一个时代，汽车可以通过一系列通常较昂贵的安装在汽车和房顶的传感器自主行驶，每数个小时才会发一次错误，也才需要人为干预。

至少是在好的天气下它们都能较长时间的安全驾驶。但在夜晚，或者是大雨、下雪或是雾霾的情况下，这些系统大多数是无用的。

“失明”的无人驾驶汽车

部分责任归因于传感器本身。许多激光器不能在大雨中看清四周，而照相机在低光照的夜晚不能很好工作。基于这些条件，汽车就完全变成了瞎子。

但这也不是唯一的原因。下次当你坐在一辆夜晚行驶在热带暴风雨或是暴风雪中的汽车时，观察一下人类驾驶员到底又能看清什么。

更可能的是，驾驶员们不能看清车前几十米以上的距离。由于雨刮器的来回扫动，加上车前空中落下的雨或是雪，能见度将大幅降低。

迎面而来的车灯会定期使驾驶员失明，并且车道标线将会几乎不可区分。远处的物体例如行人将会消失在雨中和夜色中。

智能汽车使用屋顶上安装的激光器来计算车辆周围120米内各个方向的单一物体与其的具体距离，并且其位置信息能精确到厘米精度，而人类驾驶员仅仅依靠自己的眼睛和直觉来判断。

我们的视觉智能保证我们在这些环境驾驶，即使我们几乎看不到，也不会偏离车道，撞上汽车或者行人。人类驾驶员可以在使当下任何智能汽车陷入停顿的艰巨情况下驾驶，这使那些研究无人驾驶汽车公司和研究人员既感到头疼又感到潜力无限。

概念验证已经证明我们是可以让无人驾驶汽车做到这一点的，但还没有认识到怎样才可以实现这一目标。

第一家找到具体方法并将其用于制造无人驾驶汽车的公司会在这个万亿美元的竞赛中夺冠，并且确保智能汽车可以随时为我们所用，尤其当我们真正需要它们的时候。

原文来自 科学美国人

翻译：曾梓浩 审校：海带丝

注：所有文章均由中国数字科技馆合作单位或个人授权发布，转载请注明出处