無人駕駛出租車能否百分之百安全？

趙佳明

近期英國政府提出，在2025年，批準無人駕駛汽車在整個英國投入商業運營。在美國的菲尼克斯，威馬公司也開始將無人駕駛出租車投入商業運營。可能有的小伙伴有些擔憂：“前一陣，特斯拉的無人駕駛汽車剛剛發生重大事故。現在，有的人這么急著把無人駕駛汽車投入商業運營，是不是有些冒險啊？”

無人駕駛汽車的傳感器就相當于你的眼睛。通過這雙“眼睛”，車輛可以了解自己在道路上的位置、觀察周圍的物體。根據使用技術的不同，傳感器也分為好幾種類型，現在使用在無人駕駛汽車中的主要是數碼相機和雷達。數碼相機最接近你的眼睛，可以實時拍攝車身周圍的情況。為了擺脫視角的限制，數碼相機通常安裝在車身外側，這樣就沒有視覺盲區。

不過，有些時候啊，比如雨雪天氣，或者是在夜間行駛，數碼相機就不那么好用了。特斯拉的無人駕駛汽車就是采用了以數碼相機主導的“純視覺感知”方案。比如在特斯拉Model 3中，全車共配置了9個數碼相機攝像頭。在純視覺感知方案中，利用數碼相機攝像頭拍攝周圍環境的畫面，再通過機器學習算法進行建模預測。因此，需要大量的數據信息，才能確保無人駕駛的安全。這讓一些研發無人駕駛汽車的公司望而卻步。于是它們轉投了激光雷達的“懷抱”。

這就是“多傳感融合”方案。在多傳感融合方案中，主要依靠激光雷達實現3D點云掃描，再結合其他輔助傳感器獲得信息，實現對周邊環境的感知。2021年，激光雷達開始應用在無人駕駛汽車中，到了今年，一些配備了激光雷達的無人駕駛汽車開始交付使用。比如，蔚來ET7采用了1550nm波長光源的圖通達獵鷹激光雷達；法雷奧公司的SCALA激光雷達廣泛應用于本田、奔馳、奧迪等知名車企的產品中。

根據激光雷達的掃描方式不同，分為半固態式激光雷達和固態式激光雷達。現在主要使用的還是半固態式激光雷達，這種激光雷達成本低、體積小，目前階段在無人駕駛汽車中，主流的就是半固態式激光雷達了。

但從長遠考慮，固態激光雷達更適合無人駕駛汽車，更有發展潛力，不過技術仍不成熟，還處于研發階段。

第一家OPA（相控陣）固態激光雷達公司是Quanegy，這是一家成立于2012年的初創公司，現在估值已經達到20億美元。OPA技術的發明者、前麻省理工學院教授邁克爾·瓦特也創立了一家科技公司研發OPA激光雷達。

采用多傳感融合方案的無人駕駛汽車，綜合運營雷達、數碼相機、激光測距儀等傳感器，感知周邊環境，從而完成無人駕駛。與單一使用一種傳感器相比，更安全、更可靠。

說完無人駕駛汽車的眼睛，下面說說指揮眼睛的無人駕駛汽車的大腦。數據處理芯片就是無人駕駛汽車的大腦。傳感器接收的信息都由這些高性能的芯片來處理，并做出判斷。

芯片利用了現在最熱門的人工智能技術，比如深度學習、機器視覺、機器學習等，能從各種信息中識別出像交通標志、行人、其他車輛、障礙物、道路線、交通信號這樣的有用信息，還能判斷行人、車輛的速度和方向。然后，芯片再根據這些信息，做出判斷——是該直行，還是該轉彎，還是要停車避讓。目前，在無人駕駛領域，最大的芯片供應商是英偉達。

英偉達已經開發出了基于GPU的Drive CX數字座艙系統和Drive X自動駕駛平臺兩大系統。其中，Drive CX可以實現自然語言處理、3D導航和信息娛樂、全數字儀表、環繞視覺，以及對接安卓系統。

從某種程度上說，英偉達的GPU芯片已經可以實現數字座艙，以及駕駛輔助系統功能。因為GPU芯片不是專為無人駕駛汽車開發的，所以特斯拉決定另辟蹊徑。根據特斯拉自己的測試，在成本大致一致的前提下，英偉達GPU提供的視覺識別軟件效率是每秒200幀，而特斯拉的Hardware 3芯片效率可達每秒2000幀。正是有了Hardwar3，特斯拉才讓無人駕駛技術真正可以走進普通消費者的家中。

2017年，Zenuity公司成立，致力于開發無人駕駛軟件，讓無人駕駛更安全。這家公司通過HPC（高性能計算集群）和機器訓練讓安全的自動駕駛不再遙遠。要讓無人駕駛汽車上路行駛需要豐富完善的系統和技術，Zenuity就一直在努力，為無人駕駛汽車提供完整的軟件堆棧，包括計算機視覺、傳感器融合、決策制定和車輛控制的算法，以及在云中運行的應用程序。做出了判斷，就得趕快行動。芯片這時會把操控汽車的命令發送給執行器。執行器就像你身體各處的神經，神經控制著你呼吸、跑跳，而執行器控制著汽車的方向盤、油門、剎車，以及車燈等各個工作部分。

特斯拉的Hardware 3芯片

盡管今年科學家和科技公司做了很多努力，改進無人駕駛技術、研發新的設備，提升無人駕駛汽車的安全性。

但坦率來說，無人駕駛仍無法保證百分之百的安全，就像人開車也可能會發生事故，機器當然也會了。為了減少因為機器的“呆板”而引發的安全事故，工程師也已經想出了好多辦法來解決這些問題。比如：把雷達裝在車頂，可以看到更大的范圍；使用預判軟件，提早幾秒鐘判斷可能發生的撞擊；運用機器學習技術，提供大量的案例，教會無人駕駛如何處理各種極端情況。

（本文經授權轉載自“SF中文”公眾號，有刪節）