目前，有64家公司擁有在加州公共道路上測試配備安全駕駛員的自動駕駛汽車有效許可證，相對于2018年的48家公司有所增加。但是這真的意味著自動駕駛離我們近了嗎？加州機動車輛管理局這份報告又有多少含金量呢？

又到了發(fā)布自動駕駛汽車成績單的季節(jié)。

周三（2月26日），加州機動車輛管理局（California Department of Motor Vehicles）發(fā)布了加州自動駕駛年度報告，詳細列出了那些獲準在加州測試的自動駕駛汽車公司去年的駕駛情況，以及各公司安全操作員多長時間需要接管一次汽車。

這一“脫離報告”提供了一個難得的機會，讓我們得以一窺那些在公共街道測試的自動駕駛公司的工作方式。

可惜的是，看完這些報告幾乎也沒法來衡量我們離自動駕駛時代還有多遠。

首先，各公司使用了不同的術語來解釋各種各樣的脫離。另外，這一報告也只覆蓋了加州的測試情況，而多數(shù)大玩家都同時在其他地方進行了測試，比如Waymo在鳳凰城的測試、Argo在匹茲堡和邁阿密的測試以及安波福在拉斯維加斯的測試。

更重要是，脫離不是衡量自動駕駛進步的好方式。它也不適合公司之間的對比，因為不同公司的測試地點也不一樣。比如，Cruise在路況復雜的舊金山，Waymo則在靜謐的郊區(qū)。不同公司遵循的協(xié)議也不同，有些公司要求安全司機在校園周邊或附近有急救車輛時接管車輛，這樣以來，車輛在本可以正常行駛的地方也會產(chǎn)生系統(tǒng)脫離。

降低脫離率的最好方法就是在一些路況簡單、經(jīng)過充分調研的地方累積里程，但這卻是改進自動駕駛系統(tǒng)的最糟糕方法。Waymo周三（2月26日）表示，加州的報告沒有“提供有關其自動駕駛項目的洞見”，“也沒有將其在自動駕駛領域的表現(xiàn)與其他公司區(qū)分開來”。

那么，這些公司自身是如何跟蹤它們的技術進展呢？

有些衡量方式很簡單。如果公司的視覺系統(tǒng)現(xiàn)在只能檢測到98%的行人，那么它的機器學習算法可能需要學習更多的案例，有望超過99.99%。

Refraction AI CEO馬特·約翰遜-羅伯森（Matt Johnson-Roberson）表示，該公司每個月至少會檢查一次這些統(tǒng)計數(shù)據(jù)，包括計算機系統(tǒng)崩潰的頻率，以及這些車輛遵循軟件指令的可靠性。在密西根州的安阿伯（Ann Arbor），這家公司正在制造一種小型自動駕駛汽車，它可以沿著自行車道為人們配送食物。

雖然這家初創(chuàng)公司和競爭對手們都有自己衡量進展的獨特方法，但是，相比公司測試的總里程，大多數(shù)公司似乎更關注其中能夠真正做到安全駕駛的里程。

第一步：想一想自己駕駛汽車必須要做到什么。那種可以在任何時間去各種地方的自動駕駛汽車似乎還需要幾十年的時間;大多數(shù)開發(fā)商瞄準的是受地理位置、道路類型和駕駛條件限制的細分市場。

Cruise的自動駕駛汽車則不得不應付整個舊金山的交通，這實際上意味著其自動駕駛汽車必須掌握人類司機的所有駕駛技能，它要成功應對無防護的左轉、四向停車、環(huán)狀交叉路口、瘋狂陡峭的街道。Optimus Ride和Voyage的目標相對較低，主要是在退休社區(qū)和其他性能要求不高的限制區(qū)域。

人們可以把自動駕駛所需的性能列出制表，就像教學大綱一樣，然后去訓練汽車。一些新開始測試的公司從基礎開始，比如編寫代碼教會汽車識別并保持車道。

然后，再加上車道變換，在高速公路上并道，或者減速讓其他人并入車道。每當需要改變汽車的控制軟件時，可以首先在計算機模擬中試一試，看看它是如何工作的，并找出漏洞。

然后，把它應用到一輛車里，在可控條件下在專用車道上進行測試。一旦得到證實就可以進入公共道路測試。Waymo在真實世界中行駛了2000萬英里，在虛擬世界中行駛了100多億英里。

隨著每項功能的改進，“你可以開始把它們從清單上劃掉，”自動駕駛卡車公司Kodiak Robotics的唐·伯內特（Don Burnette）說，“你還有多少功能需要實現(xiàn)？”已經(jīng)實現(xiàn)了哪些功能？這對一家公司來說是一個非常好的進步指標。

與此同時，公司還可以進一步強化已經(jīng)實現(xiàn)的功能。如果你在研究變道，你會先從周邊沒有其他車輛的場景開始，專注于類似人類司機的駕駛軌跡和速度。（同樣，這項工作首先在模擬環(huán)境中進行，然后在現(xiàn)實世界中進行。）

然后可以在場景中添加一些車，然后再添加更多的車，這時候系統(tǒng)必須決定什么時候的車間距離是安全的。最終做到像一個人類司機默許另一輛司機匯入車道一樣。

一旦你把所有的細微功能都劃掉，你就擁有了一個“功能完備”的系統(tǒng)。但是，大都市那樣的交通環(huán)境需要幾乎無窮無盡的功能，這些障礙的高度也有助于解釋為什么如此多的自動駕駛公司正尋求更有限的商業(yè)模式，比如在高速上行駛的卡車和固定路線的班車。

一向自信的特斯拉CEO埃隆·馬斯克（Elon Musk）是少有的聲稱已經(jīng)取得勝利的人?！拔艺J為我們的全自動駕駛汽車今年將實現(xiàn)‘功能完備’?！瘪R斯克在2019年初表示，“這意味著今年，汽車將能夠在停車場找到你，接上你，帶你一路到達目的地，無需任何人工干預。”但是，他后來在電話會議中解釋稱，“功能齊全意味著它有機會在不施加干預的情況下從家里帶你去上班。”

盡管如此，“功能完備”和“完成任務”之間仍然有很大差距。以特斯拉去年9月發(fā)布的智能召喚（Smart Summon）為例，它可以自動驅動車輛從停車位開到車主所在的位置。目前證據(jù)表明，大多數(shù)情況下它是有效的，但有的時候也會分不清瀝青、草或者冰，有時候還會卡在車庫門上。

因此，一旦向計算機代碼庫添加了功能，就必須確保它在盡可能多的情況下都能工作。早年領導過Waymo的克里斯·厄姆森（Chris Urmson）表示，這就體現(xiàn)了模擬的重要性。厄姆森現(xiàn)在是Aurora的CEO，該公司正在為包括卡車運輸在內的多種應用開發(fā)自動駕駛技術。

去年，當厄姆森的團隊研究無防護彎道時，他們首先派出人類駕駛員進行實況調查。他們對生活中多樣性進行采樣很感興趣，比如人類司機在不同十字路口的速度多快或多慢，一輛卡車對一輛轎車前方視線的影響有多嚴重等。

他們將調查結果加載到模擬軟件中，然后通過“模糊化”細節(jié)進行變化，對其他參與者的位置、速度等進行細微的改變。厄姆森表示，他們在實際交通場景中進行左轉之前，Aurora已經(jīng)進行了超過200萬次模擬實驗，不斷打磨系統(tǒng)。

然后他們把自動駕駛汽車開到街上，在現(xiàn)實世界中驗證計算機學到的知識。在此過程中，Aurora安全操作員注意到了一些不尋常的情況和時刻，車輛行為這時候與他們期望的不一樣，這通常會導致自動駕駛系統(tǒng)脫離。

但是，公司的工程師們并沒有把重點放在手動控制車輛的次數(shù)上，而是將這些時刻作為素材，進行更多的模擬，更多的模糊測試（Fuzzing）以及更多的調整，提高車輛的性能。

未來某一時刻，厄姆森和他的團隊會宣布，他們的系統(tǒng)已經(jīng)在足夠多的場景中驗證了自己的技能，能在沒有人類安全員的情況下駛入真實世界。不同公司會在不同的時間點宣布，因為沒有人能在這個備受爭議的問題上達成一致。到什么程度才足夠安全？監(jiān)管機構也無法斷定。

聯(lián)邦運輸部僅對安全系統(tǒng)的開發(fā)提供了模糊的指導方針。美國許多州對自動駕駛軟件的開發(fā)者表示歡迎，但也沒有強加任何技術要求。

在這一點上，加州尤為突出：已經(jīng)有超過60家公司在該州獲批測試自動駕駛技術，但只有5家公司獲得了加州公共事業(yè)委員會（California Public Utilities Commission，CPUC）的許可，可以在該州進行客運。

南卡羅萊納大學法學院（University of South Carolina School of Law）研究自動駕駛車輛政策的教授布萊恩特·沃克·史密斯（Bryant Walker Smith）表示，不要指望這種寬松的安排會改變。這些自動駕駛汽車在復雜的環(huán)境中運行復雜的軟件，監(jiān)管機構和公眾都沒有足夠的專業(yè)知識、資源或時間來完全理解這一切是如何運作的。

沒有一家公司可能會為了提供數(shù)據(jù)證明自己的車能做到人類司機一樣（或更強）而去駕駛那么長的里程。史密斯表示，這意味著每個人都必須在信念上邁出一大步，或者至少邁出一小步?！斑@取決于開發(fā)和部署自動駕駛的公司是否值得大家信任?！?/p>

Refraction AI的自動駕駛汽車不太可能致人重傷，因為這些車的移動速度在10到12英里/時之間。因此，該團隊可以繞過安全因素，考慮另一個指標：單次運輸成本。

最近，這家公司的工程師們花了大約一個月的時間來研究四向停車。約翰遜-羅伯森表示，他們讓自動駕駛汽車達到了“沒有敗績”的程度，但這其實是因為它過于保守，等七八分鐘才做出行動。所以他們決定完全避免這個問題，換一條路線，或者讓一個人遠程遙控它。（遠程操作是自動駕駛系統(tǒng)工作的重要工具，但沒有得到充分的重視。）

這是可行的，因為Refraction AI的未來并不在于一定要掌握棘手的四向停車技術。該公司唯一重要的衡量標準是，它能否讓密西根大學（University of Michigan）的學生吃上熱的漢堡和薯條。

責任編輯：ct