L4自动驾驶因何难落地

黄耀鹏

最近，驭势科技CEO吴甘沙在某论坛上炮轰L4自动驾驶的商用化项目。他认为，至少在几年内，开放道路上的L4级白动驾驶商用化，是不可能实现的。所有以L4为“哏”的商业活动，基本都是忽悠。

凤凰城是避重就轻的选择

不管从哪个角度衡量，目前自动驾驶的行业领先者仍是谷歌旗下的Wavmo。今年早些时候，该公司宣布年内将开始运营无人驾驶出租车（车上也不配备技术人员），地点将在亚利桑那州凤凰城，届时可以透过谷歌的APP叫车。Wavmo的CEO克拉夫西克表示，接人等技术问题已经解决。他承认凤凰城天气不错，但否认因这里缺乏挑战性而被选择。

但是，凤凰城全年大部分时间处于晴朗，干旱少雨，也没有自动驾驶最害怕的暴雪天气。这里街道整齐、居民很少。虽然Waymo否认有“电子围栏”，出租车主要运营于这样的地方，无疑削弱了全球第一个无人驾驶商用化项目的说服力。

吴甘沙抓住这一点。他放出图片来比较凤凰城和北京、重庆等人口大市。前者人少车少，一马平川，而中国大城市永远熙熙攘攘，路况极为复杂。他举出北京的五道口和重庆的黄角树立交桥，有100多个出口入口。

更为关键的是，很多交通参与者都不遵守交通规则，这一点让外国驾驶员视为畏途，而白动驾驶则可能无所适从。

优步自动驾驶车队在凤凰城路试的时候，就发现一个问题。如果将自动驾驶系统的识别标准调至“敏感”级别，乘客体验就相当糟糕。车不是开得速度偏低，就是一惊一乍，恶化了整条道路的交通状况。优步测试员调降了系统敏感度，结果在凤凰城附近的坦帕市出了事，车上安装的多种传感器都识别出行人，但系统选择将其忽略，导致一名行人罹难。

在吴甘沙看来，简单路况都错漏不断，复杂路况就可想而知了。没有到中国路试过的L4技术，都不具备商业价值。为什么中国成为“L4试金石”？不单纯因为中国的交通状况复杂，比中国交通参与者更加大胆、甚至无法无天的“马路天使”广泛存在于发展中国家。大城市街头交通的混乱程度固然跟人口和交通基础设施、治理情况有关，更跟经济发展水平、人群平均受教育程度正相关。

中国是全球最大的汽车市场，至尊地位将保持很多年，自然也是最具商业价值的大市场。它的交通使用情况千差万别，可以提供世界上几乎所有能想象到的交通测试环境。从比发达国家更先进、更新的硬件基础，到边远地区年久失修、缺乏维护的交通设施，应有尽有。不到中国测试就无法说服消费者。

恐怖的路試标准

目前任何一个公司的实测数据都是很不完备的。Wavmo实测里程多达600万英里，是目前最多的，但远远不够。美国的人类驾驶员每16.5万英里才出一次普通事故，9000万英里才出一次致命事故，所以白动驾驶要证明比人类熟练驾驶员更强大，必须要有高出一个数量级一即10亿英里无致命事故的数据，才能证明测试具备足够的置信度。但单独的公司很难拿到如此之多的数据，即便资金充裕的谷歌也无法胜任。

而且有迹象表明，Wavmo的测试技术水准提升陷入了某种瓶颈。2016-2017一年内，备用驾驶员每5000英里的干预次数只下降了10%。

而且，正如吴甘沙所言，这不单是里程的问题。Wavmo的测试缺乏“激励”。100英里的平稳驾驶，也不如1英里的极端路况（拥挤、抢道），对系统的训练有效。

因此，Wavmo的实测里程含金量，还要再打个折扣。

如果拿不出更好的办法，L4自动驾驶商用化，更像是登月工程一—人类有能力组织实施，但代价太过高昂又缺乏直接汇报。比登月更糟糕的是，白动驾驶项目无法指望政府组织国家力量参与（不只是投资问题）。而各个创业公司的投资既分散又弱小，还要加上“吹水”和各种不靠谱。

有激进的说法认为，目前有多少声称“L4商业化项目”，就有多少骗子。

聊胜于无的解决办法

L4落地有两个前提：一个是开放道路，一个是商业化。前者意味着不能预设路况参数，后者则意味着可靠性和经济性达到推广标准。

如果都采用实打实的路测数据，单独公司很可能永远无法达到“比人类安全10倍”的要求。

解决方法也是有的，Wavmo建立了虚拟城市，和封闭路况相结合，形成“半实物仿真。虚拟城市中可以设置复杂路况，模拟充分复杂的环境。如果算力充足，可以一天就能在模拟器里面跑100万英里。问题在于，虚拟训练的里程，与实际路试的“折合”关系如何？谁都无法给出确切答案。也就是无法证实虚拟测试的有效性。

还有吴甘沙鼓吹的“影子驾驶”。这个提法不新鲜，特斯拉就声称采用这种办法。简单而言，就是在有人驾驶的工况下，控制器同时运行一套白动驾驶算法，只进行虚拟决策，但不参与实际控制。数据则自动上传主机厂商的云端服务器。让所有卖出去的产品免费充当测试车，如果未获得充分授权，此举有侵犯客户的隐私权、知情权和物权的嫌疑。

虚拟测试和影子测试无法取代实测。

技术与愿望的距离

根据Wavmo的自动驾驶报告，无人车需要解决以下几个问题：

我在哪？

我周围有什么？

接下来要发生什么？

我该怎么办？

前两个问题目前得到切实解决。位置依靠卫星定位模块和高精度地图匹配获知，而周围环境，则可以通过多传感器识别。事实上，各个公司的传感器均置于冗余状态。

而第三个问题则代表考验来了。预测下一秒、未来10秒、未来60秒将要发生什么，需要AI比现在更有效。人类阅读路况的能力，AI尚未取代。而工程师们可调整AI的参数，但其决策过程是黑箱，这加重了公众的疑虑。他们担心将自己的生命交给无法预测、不可观察的AI来控制。

第四个问题则耗费了自动驾驶工程师们大部分的精力。与预测紧密相关的是决策执行能力。一个是近景规划，决定下一个驾驶动作;另一个是远景规划，根据路况情报和需求，规划更有效率的路线。而现在的手机软件似乎能做规划，但经常让使用者感到失望，原因是未能预估路况的变化速度和算法太过理想化。

Wavmo吹嘘称，Waymo的测试车，不但让自身处于安全状态，还能保留空间给周围的交通参与者。并借助路测经验对驾驶模式进行改进，使得行驶过程更加顺畅，令车内乘客更加舒适，让其他道路用户可以预测无人车的动向。

但对于至关重要的舒适与辨识锐度的矛盾，Wavmo并没有工程化的解决方案。

目前声称“L4自动驾驶”的，都在封闭区域。而将电子围栏扩张到城市的某个特定区域，5年内可以做到。Wavmo目前的技术手段已经做到，只不过未能说服“中国路况特殊化”的持论者们。而大规模的商用化，悲观者可能认为在2030年以后的某个时段。这和创业公司鼓噪的声音构成冲突。

不过，几年内L4级自动驾驶无法落地，是有共识的。急不可耐地试图该项目中攫取商业价值的公司，很可能无法兑现承诺。