自動駕駛，并不是一夜之間闖入我們視野的，早在半個多世紀前，科學家就在研究車輛的自我控制能力了，如今，以沃爾沃汽車為代表意識先進，技術領先的汽車企業，已經提出明確清晰的自動駕駛產品規劃時間表，自動駕駛汽車，不再是一個遙不可及的夢想，而是一種觸手可及、真實卓越的駕乘享受。

　　目前很多自主品牌都在潛心研發無人駕駛技術，長安并不是唯一的一家，包括吉利、長城、北汽、比亞迪等一干廠商都宣稱自己已經在自動駕駛領域有所建樹。吉利汽車董事長李書福宣稱沃爾沃（畢竟是兒子，也算吉利了）2020年實現無人駕駛的量產上市；長城也說自家品牌無人駕駛車型會在2020年上路；北汽更狠，說是在今年就會推出搭載無人駕駛技術的產品

　　當前的無人駕駛，不是二級還是三級，不管是無人駕駛還是自動駕駛，自主品牌基本上還都停留在技術層面，能夠做到讓消費者自行體驗（不監護的情況下）的并不多。

　　其次，無人駕駛的意義到底在哪？是給商家創造無限商機，還是給消費者以安全愜意的駕乘體驗？目前來看也停留在前者，對于消費者的需求強度來說，在社會基礎設施建設、法制建設等等均未完善之前，或許也只是一個雞肋。

　　自動駕駛車（Automated Vehicles;AV）正成為時下最時髦的關鍵詞，幾乎每周都有相關新聞發生。本月初，Waymo和Navya分別發布自家的自動駕駛計程車（robo-taxi）計劃，緊接著又發生了自動駕駛巴士試營運的意外事故。

　　Navya的無人駕駛接駁車才剛在美國賭城拉斯維加斯（Las Vegas）展開試營運服務的第一天，就發生了與貨車輕微擦撞的一場“小車禍”。

　　媒體以及大眾（包括工程師社群）都在鼓噪自動駕駛將會跟司機搶飯碗的簡單看法。許多工程師推崇人工智慧（AI）帶來的超強運算能力，以及云端運算強化連網世界的潛力。

　　普遍的看法對于宣傳自動駕駛都成了一些一成不變的陳腔濫調：高度自動化駕駛將會讓行車更安全，而且也有助于提升我們（乘客）的生活或工作效率。同時，自動駕駛帶來共乘共享的機制還能讓車輛減少，都市的塞車和污染問題就能因此迎刃而解。

　　事實上，對于這些烏托邦的看法并未存在多少佐證或資料分析支持。技術產業一向對于促進更強大、更快速且更智慧的技術不遺余力，而媒體則以拉拉隊之姿助陣。

　　關于一項技術是否較另一項技術更優越，這當然存在大量的看法。但是，在發表各種評論之前，很少有人會先思考這些論點的前提，或甚至問問早就該問的問題：為什么需要自動駕駛車？它到底有什么用處？

　　自動駕駛的研發已歷 20 年

　　Carlos Holguin 和 Michel Parent 分別是 AutoKab的 CEO 和主席。這家新創公司致力于“為商業車隊研發有安全保證的自動化技術”，這家公司的辦公室設在法國計算機科學與自動化研究所（INRIA）園區，而這塊區域原來是北約軍隊的中央指揮部。

　　雖然成立才兩年，但 AutoKab 的創始人團隊卻都是交通運輸行業的行家，他們在公共交通規劃、道路車輛自動化和運營方面有超過 20 年的經驗。

　　AutoKab 的研發中心看起來就像個車庫，這里有各種老式自動駕駛穿梭車、高爾夫車和乘用車，它們都是過去 20 年中誕生試驗品，這里簡直成了自動駕駛汽車歷史博物館。

　　據了解，Michel Parent 的職業生涯與汽車緊密相連，其中一半貢獻給了斯坦福、MIT 和 INRIA 的相關研究所，另一半則花在了機器人產業上，他為交通的“自動化”貢獻了不少想法。

　　Parent 表示：“20 年前，我一直想設計個能像人一樣開車的機器人。后來我問了自己一個問題，研發這樣的機器人有什么樂趣？”不過，他認為最該捫心自問的是“我們在試圖解決什么問題？”

　　對城市來說，要解決的就是“城市病”，即交通擁堵、空間逼仄、出行不便和能源浪費。“我們需要能互聯和共享且速度更快的公共交通電動車”，Parent 說道。Holguin 則總結稱：“最后一公里的問題是我們最迫切要解決的。”

　　“如果自動駕駛汽車不能像公交和出租車一樣采用分享模式，它們就不能解決交通擁堵問題。在某種情況下，它們甚至會加劇擁堵。”在他看來，AutoKab 的目標就是解決“一車一人”的交通資源浪費問題。

　　AutoKab 的關鍵員工來自兩個不同的世界：“科技”和“交通”。Holguin 表示：“我們在利用技術填補自動駕駛汽車商業運營中遺失的環節。”準確來說，它們是在為公共交通運營者研發一款“自動化服務”產品。

　　面向汽車和巴士的自動化套件

　　AutoKab 擅長安全和數據分析兩方面技術的開發，同時這家公司還與各城市合作，力圖實現更加高效的公共交通。

　　其實 AutoKab 的名字來自“Automation Kits for Autos and Buses”（即面向汽車和巴士的自動化套件）的縮寫。當然，它也有硬件開發的能力。公司 CTO Cristian Sandu表示，AutoKab 的自動化套件能安裝在任何車輛上，它包括大量傳感器，如雷達、激光雷達、視覺系統和處理器（供應商包括英特爾和英偉達等）等。

　　不過，Sandu 指出，想把這個套件完美安裝到一輛車上，還是得費一番功夫（根據車輛不同，通過 CAN 總線或 FlexRay 連接），其中就包括軟件校準。當然，它并非安裝上就要用一輩子，用戶也可以選擇卸載自動化套件。AutoKab 押注該套件不是因為它對售賣硬件感興趣，而是因為這個套件對降低自動駕駛汽車成本相當關鍵。

　　Holguin 還強調，AutoKab 對賣硬件沒興趣。相反，它更看重與各大城市合作，制定計劃以更高效的解決最后一公里的服務。至于盈利模式，則是從自動駕駛汽車每英里的行駛利潤中分成。

　　“成本太高了”

　　AutoKab 參與了多個歐洲項目，其中就包括 CityMobil2。Holguin 指出，在2014 年 10 月至 2015 年 4 月為期 7 個月的自動駕駛測試中，它實現了零事故的好成績，運送乘客超過 6 萬人。

　　此外，當地居民對自動駕駛汽車的評價也相當高。不過，他們并不知道這只是個測試。更重要的是，媒體、公眾對測試中的數據搜集問題并不關心。

　　參與歐盟的項目時，AutoKab 積累了不少經驗。“我們了解了這些數據背后到底藏著什么。”Sandu 說道。首先，即使是低速的自動駕駛汽車，運營起來成本也非常高。此外，這些用于分享的車輛經常無人問津。如果自動駕駛汽車和公共交通間無法相互協調，想提升服務簡直是天方夜譚。

　　Sandu 還指出，自動駕駛汽車的載客數需要根據不同城市的實際情況來決定。

　　在 CityMobil2 項目的展示階段，來自合作伙伴 Robosoft 和 Easy Mile 的兩個測試車隊分別在 7 個城市進行了階段性測試，但這些車輛并不一定適合測試城市的情況。

　　“我們用這些車做測試是因為手邊只有它們。”Christian 說道。如果真要部署自動駕駛汽車，就需要作進一步的分析。

　　其次，城市也要有個適應期。Holguin 表示：“它們需要在類似 V2X 交通燈等基礎設施上進行投資。”自動駕駛汽車不是所有城市的萬能藥，城市交通問題需要更全面的考慮，其中就包括自動駕駛汽車專用的上下車區域。

　　兩種不同方式

　　對外行人來說，Waymo 的自動駕駛汽車可是相當炫酷。至于 Navya 的自動駕駛穿梭巴士，炫酷程度就遜色許多。

　　拉斯維加斯的 Navya穿梭車

　　在美國，人們對于交通部門或政客們改進城市基礎設施的承諾不屑一顧，因為這些承諾很難兌現。

　　既然美國人對城市政府部門懷有嚴重的不信任感，那么 V2X 交通燈、自動駕駛汽車專線等新設施都要靠谷歌、英偉達和英特爾/Mobileye 來搭建。不過，這些科技巨頭們好像也不愿當冤大頭，它們的目標是在不改變現有基礎設施的情況下讓車輛實現自動駕駛。

　　在歐洲情況則正相反，類似 CityMobil2 這樣歐盟投資的項目就需要自動駕駛汽車成為自動道路交通系統（ARTS）的一部分。

　　歐盟給 ARTS 下了定義，即“ARTS 是基于全自動駕駛汽車（沒有方向盤）的道路交通系統，對于它們要使用的基礎設施有先驗知識。即使是沒有全自動駕駛功能的 ARTS 車輛，也會由控制中心的人類操作員進行實時遠程監督和管理。”

　　因此，歐洲和美國在自動駕駛上采用了完全不同的態度，歐洲方面，“對基礎設施的先驗知識”和“認證需求”是自動駕駛汽車的關鍵詞。

? ? ?既定發展路線

　　關于部署在自動駕駛車的AI技術，Sandu 直言：“我們對于深度學習的興趣不大。我們有自己的既定發展途徑，能讓政府交通部門更輕松地認證自動駕駛車。”

　　美國卡耐基梅隆大學（Carnegie Mellon University）教授 Philip Koopman 曾經在接受《EETimes》的專訪時表示，自動駕駛車面臨的最大挑戰在于克服潛藏于機器學習中的基本測試問題——這個問題困擾科學/工程界已經很久了。Koopman 說：“想讓以機器學習為基礎的系統達到傳統安全標準可不容易。因為訓練資料集并不符合軟件要求與設計的傳期待。”

　　AutoKab認為，商用的自動駕駛車要想通過認證，汽車制造商必須打造出能為市政府監管部門提供安全保證的解決方案。Parent 強調，“自動駕駛車必須像現在的火車、公車和飛機一樣取得認證。”

　　機器人隨機夾取的問題

　　Parent可說是一名“久經沙場”的機器人專家，目前的自動駕駛車讓他想起機器人產業長久面對的“箱中取物問題”（bin picking problems）。

　　去年，機器人產業協會在一篇報導中到了產業面對著兩難的問題。“雖然技術不斷進步，但機器人箱中取物的能力依然有限，我們還是沒能達到最后的神圣目標——讓機器人擁有隨機取放的能力。不過，我們依然有所嶄獲，在先進的視覺技術、軟體和取放方案的輔助下，機器人正前進至一個從未達到的領域。”

　　“那么，為什么讓機器人學會隨機取放如此困難？答案就在于準確度。雖然機器人重復能力超強，但在一片混亂中隨機取放依然需要很高的精準度。機器人必須在環境開放的可用空間定位一個不斷更換位置和方向的元件。這就意味著機器人必須均衡各種靈敏度、機器視覺、軟體和運算能力，以便即時處理所有的資料并得出最佳的取放方案。這樣的要求雖然很高，但絕非無法實現。”

　　目前，機器人和自動駕駛產業解決這一問題主要都靠提升運算能力。但是，Parent解釋，“解決這個相同問題的方法是整齊地依序在托盤上擺放元件，讓機器人更迅速地取放元件。”換句話說，在發布R2D2機器人之前，得先解決掉混亂的情況。

　　Parent 認為，將類似的思維應用在自動駕駛計程車和自動駕駛接駁車上，就能減少基礎設施的混亂，從而更有效率地解決都市交通問題。

　　以下為 AutoKab 博物館中的幾款自動駕駛汽車，它們是過去 20 年來自動駕駛行業的縮影。

　　Cycab

　　這輛高爾夫球車造型的小車誕生于 1995 年，它由 INRIA-IMARA/RITS 團隊研發，1996 年正式進場量產，并在多個城市承擔了自動駕駛交通服務的開發和測試工作，2011 年它還在意大利服役呢。

　　雅馬哈自動駕駛導引車

　　雅馬哈自動駕駛導引車由 INRIA 和雅馬哈聯合開發，2000 年正式面世，隨后在 AutoCab 總部所在地和挪威、意大利等國進行尋回展示。

　　拉羅謝爾的自動駕駛汽車

　　這些車也是用在技術開發和交通服務展示上，先是在法國拉羅謝爾港上路，隨后部署到了法國昂蒂布和意大利卡拉布里亞。

　　別說如果無人駕駛實現了會如何如何，存在于想象當中的那種完美的無人駕駛場景究竟何時才能夠實現？2020年？還是2030年？亦或是2050年？這并不是一個扯淡的問題，就如同什么定時沖水馬桶、定時開窗簾這種所謂的“智能家裝”，真的有需要嗎？