无人驾驶 难在拟人

当前汽车行业声音比较高的一个共识是结构化道路、确定性窗口、网络协同以及智能网联。倡导智能网技术发展的人，都希望用网络来弥补驾驶的不足，但是，我个人认为“自动驾驶+智能网联”最好的发展途径是高铁、地铁、飞机等领域，其中最重要的环节是调度。

最糟糕的是，由于特斯拉自动驾驶技术的陆续发布，使得驾驶者在开车的时候不需要那么专注了。其实，越是信任自动驾驶，越容易造成注意力不集中，因此不能释放驾驶员认知的所有“自动”都不能称之为自动驾驶。

汽车是从马车演变而来的，作为动力工具，有时候不如马车，因为老马识途。自动驾驶过程中，驾驶员与环境周边车辆的交互认知哪里去了，驾驶员的经验和临场处置能力由谁来替代？

发生交通事故的第一杀手主要是由驾驶员造成的，所以我们要把重点放在人身上。驾驶“脑”能自主应对驾驶过程中遇到的各种各样偶发事件和不确定性，这才是人工智能。

我们比任何时候更需要研究驾驶员，分析驾驶员行为的大数据，构建驾驶员的智能代理。对此，国内存在各种不同的声音，能不能“抱团取暖”是中国在世界大创新过程当中能否占有一席之地的必要条件。

我们把周边感知分几个颜色，红颜色代表雷达，蓝色代表摄像头，黄色代表传感器。左边的太阳大，右面的太阳小说明车装偏了，要不然怎么控制得好。当然，仅这三类传感器还不够，三类不同颜色的传感器构成了一百多个传感器。现在Google做的是感知生物学，而我们做的是认知生物学。驾驶态势图是认知的，会在头脑里做好路径规划。

驾驶“脑”的关键是驾驶认知的形式化，是将感知大数据的缩水，并迁移认知系列。因此，我认为，自动驾驶替代不了智能驾驶，只能在专用道上开，不像现在我们讲的无人驾驶，是经验驾驶员的标杆驾驶。人在道路中的自主驾驶让车厂去模拟是难以承受的，机器驾驶“脑”的研发让车厂去做，也是难以承受的。

传统汽车仅仅是驾驶员的手、脚和力量的延伸，控制车辆行为的是人。在我们看来，方向盘是一个非常好的界面，是力量延伸器。

线控汽车装备了传感器之后，用驾驶“脑”替代驾驶员认知，并获得驾驶指纹的驾驶技巧，让机器彻底变成自己，这应该是人工智能时代最有意义的问题之一。不同的驾驶“脑”认知水平可以有差异，驾驶“脑”有个性，有在线学习的能力，还能够与车内驾乘人员聊天。

我们坐车的时候，因为是有管理的，知道公交车司机是有水平的，所以我们从来不关心那个驾驶员的技术怎么样，关键是到站能不能停。如果我一上车就不知道怎么办，这是行不通的，这也就是乘客不愿意坐无人飞机的主要原因，因为有太多的不确定性，让乘客一旦遇到紧急情况下不来是不行的。每一辆公共汽车都是一个“活地图”，不仅可以下载“活地图”，车辆需要什么样的底盘、什么样的动力、什么样的驾驶技巧都是可以被了解到的。

非结构化道路、不确定性边界、自主交互、数据交换这不是汽车的自主定义。人类发明了自动驾驶之后，有人驾驶和无人驾驶混合驾驶时间至少需要75年，所以我认为大数据开车并不是把全球所有的道路都压在一辆车型上。如北京1路公共汽车在长安街上都不用拐弯，又何必让它拐弯。不必把人类所有驾驶员的认知都浓缩在一个特定的驾驶“脑”上，这样我们就有管控空间了。

园区观光、厂区通勤、社区巡逻、城际高速最后一公里等不同领域定点车型的应用，如物流车、校车、市区定点接驳车、快速公交等。在这些场景下，自动驾驶汽车是否需要驾驶员的掌控，这主要取决于车辆能否处置特定场景下的意外情况，能否发出求助信息要求人工干预，或者是在迫不得已的时候做出最小损失的决策。

把无人泊车当作自动驾驶技术道路上的最后一公里来对待，这才是接地气的发展路线。汽车成为大数据的源泉、移动社会的传感器，驾驶“脑”有学习和自我学习的能力。一旦量产的自动驾驶汽车上路，占比将越来越大，驾驶“脑”会成为汽车的必配。加之随着智能网联技术的快速崛起，驾驶数据智能越来越快，L3多了，L4也就多了，因此人们对于L3、L4、L5就不会那么介意了。

关注读览天下微信， 100万篇深度好文， 等你来看……