既然駕駛要靠機(jī)器，就要求機(jī)器能像人一樣識(shí)別周圍環(huán)境。識(shí)別和辨認(rèn)，這就很難了。首先編程的水平要非常高，因?yàn)槟阋惨盟惴ㄈ?shí)現(xiàn)已有的數(shù)學(xué)理論的功能。

世界是千變?nèi)f化的，很難用一個(gè)算法去識(shí)別，比如說識(shí)別一把椅子。人看一眼知道是沙發(fā)，但是不是上面一個(gè)半圓下面是平的就是沙發(fā)呢？不一定。你用算法去表達(dá)識(shí)別是非常困難的。如果用真正寫算法的方式，相當(dāng)于要去做窮舉，可能要在算法里面寫一千個(gè)沙發(fā)的特征，你才知道什么是沙發(fā)，否則的話你就是出錯(cuò)。

好在用上深度學(xué)習(xí)，再加上 GPU 所擅長的并行運(yùn)算，自動(dòng)駕駛想實(shí)現(xiàn)的第一步識(shí)別算是基本能辦妥了。

光認(rèn)識(shí)你前面這是車還不行，還得知道這車可不可能影響你，之后才能選出自己開車行進(jìn)的路線。預(yù)測(cè)對(duì)于目前的技術(shù)來說，還是太難了。

大部分人對(duì)于 AI 抱有高估的幻想主要因?yàn)樽罱@一年 Google 的 AlphaGo 被捧得太厲害了，人類覺得自己能夠完勝的圍棋都被攻破了。然而圍棋的規(guī)則還是簡單的，無人車在路面上要遇到的問題，比 AlphaGO 玩圍棋還要難。

這就是無人車對(duì)路線的感知和規(guī)劃。在全面了解環(huán)境信息的時(shí)候，我們?cè)趺礃尤プ鲱A(yù)測(cè)？所謂的預(yù)測(cè)就是中期、短期和長期的預(yù)測(cè)，這種預(yù)測(cè)主要是為了對(duì)駕駛的策略做一個(gè)輔助和判斷。當(dāng)人開車的時(shí)候人眼就夠了，當(dāng)你坐在車?yán)锏臅r(shí)候你就知道你在什么位置。但是對(duì)于車來講是不行的，所以車需要一個(gè)高精度地圖，還需要用地圖和當(dāng)前環(huán)境做出結(jié)合，才能規(guī)劃出行進(jìn)路線，而且，行進(jìn)路線還要隨時(shí)根據(jù)道路狀況的變化進(jìn)行調(diào)整。

人類司機(jī)開車時(shí)候都需要全神貫注集中精力，就足以看到駕駛這件事兒是個(gè)運(yùn)算門檻多高的事情。而要想讓無人車實(shí)現(xiàn)這些功能，可以說對(duì)于運(yùn)算力和算法的要求都是相當(dāng)高的。

感覺還不夠難？我來舉個(gè)例子。

比如你開車過十字路口，需要多少個(gè)判斷？看下現(xiàn)在是紅燈還是綠燈，要是綠燈了就開車走，看下周圍別有行人和別的車，慢點(diǎn)開就過去了。

這要是無人車呢？攝像頭拍下紅綠燈，車載計(jì)算機(jī)視覺識(shí)別紅綠燈，車身傳感器繪制周圍環(huán)境，電腦對(duì)周圍環(huán)境進(jìn)行識(shí)別，識(shí)別出障礙物（路人和行進(jìn)的車）馬路邊緣，并且在高精度地圖和 GPS 的輔助下定位自己的車輛位置，規(guī)劃出行進(jìn)路線。開車走，時(shí)刻刷新周圍環(huán)境，根據(jù)障礙調(diào)整行進(jìn)策略規(guī)劃行進(jìn)路線。開車過路口。

你再想想中國這路況？還是好好琢磨琢磨考駕照，弄輛車并且遵守交通規(guī)則的開車吧，要是任何人都有足夠規(guī)范的駕駛行為，對(duì)于無人車的發(fā)展到是個(gè)好事兒了，因?yàn)榻档土私煌ㄏ到y(tǒng)的復(fù)雜程度，降低了無人車的運(yùn)算壓力。畢竟目前各家廠商的無人車，都是根據(jù)人類駕駛習(xí)慣所打造的交通系統(tǒng)來構(gòu)建的。

交通系統(tǒng)的革命向來就是緩慢的，無人車也不可能上來就說要交通系統(tǒng)為之改變，那樣就成火車和地鐵了。如果你對(duì)無人駕駛還抱有希望，建議你無論作為司機(jī)還是行人，都從自己開始，遵守交通規(guī)則，給新技術(shù)的實(shí)現(xiàn)降低點(diǎn)兒技術(shù)難度。

友情鏈接：http://www.51carfi.com/