完全自动驾驶车辆何时才能成为现实

尽管没有具体答案，但鉴于近年来的大量创新，自动驾驶仍处于一个令人兴奋的时代。其中许多发明来自波士顿，包括 Analog Garage 致力于技术工作的工程师。在 Analog Garage，我与多位专家讨论了自动驾驶的未来，参与讨论的包括 Aptiv 自动移动性部门 nuTonomy 自动驾驶系统副总裁 Eryk Nice、美国交通部沃尔普中心的 Anita Kim 和创业投资基金 F-Prime Capital 的 Sanjay Aggarwal。

如果我们深入研究自动驾驶，就会发现许多基础传感器技术已应用到当今汽车中。摄像头无处不在，雷达技术开始在自动紧急制动等应用领域广泛部署。遗憾的是，从我们的目标到能够真正实现自动驾驶车辆的更高级别自动化，该传感器技术仍有很长的路要走。

　　当今汽车尚未部署激光雷达系统，但该特定检测技术获得了行业的巨大投资。需要率先想办法在不超出大小、重量、功率和成本预算的条件下实施激光雷达。此外，行业要想从警告成功转向驱动系统，从性能的角度来看，仍有许多工作必须完成，这样才能确保更低的错误判断率。如今，这些感知系统是为了警告用户其车辆的操作范围内存在需要注意的对象，但这些传感器的性能通常不足以构成基本输入来驱动车辆或更改汽车的操作。

　　目前，在美国，每行驶 1 亿英里，就会发生一起与车辆相关的死亡案例。

　　自动驾驶车辆无论是模拟还是在路上，都尚未接近该数字。若要达到最低安全阈值，自动驾驶汽车必须继续在恶劣的天气和道路条件中进行测试。例如，波士顿的驾驶条件与拉斯维加斯不同，甚至更具挑战性。如果自动驾驶汽车可以安全地在波士顿的交通中行驶，解译许多当地人都感到困惑的道路标志，并避免春季必然存在的路面坑洞，这对于展示该技术的成熟将大有帮助。

　　此外，当今汽车在操作时已实现一定程度的半自动化，但这些系统的性能存在广泛差异，对消费者而言，这可能会引发信任的问题。如果我们坐上一辆汽车，它以一种方式操作和驱动，然后我们坐上另一辆汽车，这辆车以不同的方式操作，那么消费者将如何应对这种体验？如果我们可以统一来自不同制造商的不同车辆中的安全系统，那么技术就可以更加一致、更加广泛地交付到市场。但现如今，汽车制造商在开发和部署安全系统时，明显缺乏一致性，行业必须解决这个问题。

数据堂自有数据集的“智能驾驶数据解决方案”中掌握着驾乘人群的行为数据，不仅包含驾驶员行为标注数据 50 种动态手势识别数据，103282 张驾驶员行为标注数据等，还包 1300 万组人机对话交互文本数据，245 小时车载环境普通话手机采集语音数据。不管是街景场景数据，驾驶员行为数据，还是车载语音数据，数据堂基于 Human-in-the-loop 智能辅助标注技术”和丰富的 AI 数据项目实施经验及完善的项目管理流程，支持智能驾驶场景下驾驶舱内、舱外的图像、语音数据采集任务，辅助智能驾驶技术在复杂多样的环境下更好的感知实际道路、车辆位置和障碍物信息等，实时感知驾驶风险，实现智能行车、自动泊车等预定目标。对于智能驾驶而言将是其他企业难以企及的优势。

　　车辆工业设计是另一个可以促进和增强消费者信任的关键机会。自动驾驶出租车将成为自动驾驶车辆的首个实施方案。在这些应用中，传感器将位于突出的位置，以便向乘客展示系统能够“看到”车辆周围的情况。这将有助于向公众强调，核心传感器和计算框架能够应对自动操作车辆的挑战。反过来，随着技术日趋成熟、客户需要（和信赖）更高级的自动驾驶功能，这将回馈大众市场汽车应用。在这些应用中，传感器位于“引擎盖下面”，用户必须相信它们在各种情况下都能正常操作。