自動駕駛車(Automated Vehicles；AV)正成為時下最時髦的關(guān)鍵詞，幾乎每周都有相關(guān)新聞發(fā)生。本月初，Waymo和Navya分別發(fā)布自家的自動駕駛計程車(robo-taxi)計劃，緊接著又發(fā)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(fā)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(wǎng)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(diào)：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(shù)產(chǎn)業(yè)一向?qū)τ诖龠M更強大、更快速且更智慧的技術(shù)不遺余力，而媒體則以拉拉隊之姿助陣。

關(guān)于一項技術(shù)是否較另一項技術(shù)更優(yōu)越，這當然存在大量的看法。但是，在發(fā)表各種評論之前，很少有人會先思考這些論點的前提，或什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？

為汽車和巴士打造的自動化套件

AutoKab 致力于安全和資料分析兩方面的技術(shù)開發(fā)，同時還與許多都市合作，聯(lián)手打造更有效率的大眾運輸系統(tǒng)。

AutoKab 的名稱來自于‘Automation Kits for Autos and Buses’(專為汽車和巴士設計的自動化套件)的縮寫。當然，它也有硬體開發(fā)的能力。該公司技術(shù)長Cristian Sandu表示，AutoKab 的自動化套件的設計可安裝在任何車輛上，包括大量的感測器，如雷達、光達、視覺系統(tǒng)和運算處理器(來自英特爾和Nvidia等供應商)等，以實現(xiàn)安全駕駛。不過，Sandu指出，要將這個套件完美地安裝到車子上得費一番功夫，包括軟體校正。但以隨插即用的念來看，這款自動化套件「可以透過CAN匯流排或FlexRay連接車體，根據(jù)車子的需求進行安裝或卸載?！笰utoKab 打造該套件并不是因為對于銷售硬體感興趣，而是由于該套件對于想要降低自動駕駛車成本的人來說至關(guān)重要。然而，Holguin 強調(diào)，AutoKab 對賣硬體沒興趣。相反地，它更看重與各大都市的合作，共同發(fā)展出能讓交通運輸業(yè)者更有率地執(zhí)行「最后一哩」服務的計劃。而AutoKab則是從城市中自動駕駛車行駛哩程取得利潤。

兩種不同途徑

對外行人來說，Waymo的自動駕駛車可能相當酷炫。至于Navya的無人駕駛接駁車呢？可能就相形見絀了。在美國，人們并不信任政府交通部門或政客對于投資都市基礎(chǔ)設施的承諾，普遍都認為這些承諾很難兌現(xiàn)。如果人們不相信市政府官方愿意花錢架設支援V2X通訊技術(shù)的交通號志，如果他們信不過任何人打造自動駕駛專用的高速公路，那么，唯一的選擇就是相信Google、Nvidia厶汲Intel/Mobileye了。這些巨擘正積極地打造夠智慧的自動駕駛技術(shù)，以便能偵測路況、察覺路上的障礙物，以及建立即時的3D地圖，而不必改變現(xiàn)有的道路基礎(chǔ)設施。

歐洲(EC)的情況正好相反，類似 CityMobil2 的EC投資計劃需要自動駕駛車成為自動道路交通系統(tǒng)(ARTS)的一部份。如同EC計劃中所解釋的：「ARTS 是基于全自動駕駛車(無駕駛座也未配置方向盤)的道路交通運輸系統(tǒng)，對于所要使用的基礎(chǔ)設施具有先驗知識。即使未配置自動駕駛功能的ARTS車輛，也會由控制中心的人類操作員持續(xù)進行遠端監(jiān)督和管理?！挂虼?，歐洲和美國技術(shù)產(chǎn)業(yè)對于自動駕駛上路的看法完全不同。在歐洲的計劃中，關(guān)鍵字包括對于自動駕駛「基礎(chǔ)設施的先驗知識」和「認證」。

既定發(fā)展路線

關(guān)于部署在自動駕駛車的AI技術(shù)，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(fā)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(jīng)在接受《EETimes》的專訪時表示，自動駕駛車面臨的最大挑戰(zhàn)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(jīng)很久了。 Koopman 說：「想讓以機器學習為基礎(chǔ)的系統(tǒng)達到傳統(tǒng)安全標準可不容易。因為訓練資料集并不符合軟體要求與設計的傳期待?！?/span>

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(jiān)管部門提供安全保證的解決方案。 Parent 強調(diào)，「自動駕駛車必須像現(xiàn)在的火車、公車和飛機一樣取得認證?！?/span>

機器人隨機夾取的問題

Parent可說是一名「久經(jīng)沙場」的機器人專家，目前的自動駕駛車讓他想起機器人產(chǎn)業(yè)長久面對的「箱中取物問題」(bin picking problems)。

去年，機器人產(chǎn)業(yè)協(xié)會在一篇報導中到了產(chǎn)業(yè)面對著兩難的問題。 「雖然技術(shù)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(shù)、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(lǐng)域?！?/span>

「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(huán)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(xiàn)?！?/span>

目前，機器人和自動駕駛產(chǎn)業(yè)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?！箵Q句話說，在發(fā)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(chǔ)設施的混亂，從而更有效率地解決都市交通問題。

以下是AutoKab「博物館」中放置的幾款自動駕駛車，它們可說是過去 20 年來自動駕駛產(chǎn)業(yè)的縮影。我們先從AutoKab今年推出的最新自動駕駛車開始。

參考原文：It's Time to Ask: What Are Robo-cars For?，by Junko Yoshida