自动驾驶汽车的发展与“相邻可能”

来源 |  侯哥工作感悟

自动驾驶还要多久才能真正实现？在前一篇文章《自动驾驶还要多久才能真正实现？》中，提出了一个观点：自动驾驶技术的发展既不能也不应该只依靠汽车行业自身。这里再深入的解释一下~

（图片来源：网络）

一般而言，自动驾驶控制系统通常分为三个主要部分：环境感知（environmental perception）、决策规划（ decision planning）、和控制（control）部分。

在SAE J3061中定义了一个词：动态驾驶任务（DYNAMIC DRIVING TASK，DDT），指的是在道路交通中操作车辆所需的所有实时操作和战术功能，但不包括诸如行程安排和目的地和航路点选择等战略功能。

一个完整的DDT包括但不限于以下子任务：

1. 通过转向控制车辆的横向运动  (操作)。
2. 通过加速和减速实现纵向车辆运动控制  (操作)。
3. 通过物体和事件检测、识别、分类和反应  (操作和战术)  来监控驾驶环境，统称为Object and event detection and response (OEDR)。
4. 对象和事件响应执行  (操作和战术)。
5. 策略规划  (战术)。
6. 通过灯光，喇叭，信号，手势等  (战术)  加强车辆的显著性。

上面的描述可以使用下图 ↓ 来表示。也就是在自动驾驶系统中，所有的战略任务（包括目的地设置、途经点计划、路径和时间选择等）是由车辆的操作者来完成的，而行驶过程中的所有战术功能（OEDR、横向和纵向控制等）都是DDT的任务范畴，由自动驾驶系统来完成。

（有图有真相 之“如果你懂，你就看得懂”）

从另一维度，下图 ↓ 说明了如何使用不同级别的自动驾驶功能的不同组合来完成一次行程。在这个图里我们可以看出，一个从起点（Origin）到目的地（Destination）的驾驶任务的完成方式既可以使用Level 0的方式（驾驶员独立完成）也可以使用Level 4（完全自动驾驶）的方式完成，还可以采用Level 0~4的不同组合来完成。

（有图有真相 之“管TA懂不懂，看了就说懂”）

这种组合方式与我们目前的现状和认知高度吻合：在某些特定场景下，我们可以启用不同Level的自动驾驶功能。而且，某个具体的自动驾驶功能仍然只能适用于某种具体的驾驶场景，也就是ODD（Operational design domain，设计运行域）。

自动驾驶系统只有在ODD中才能发挥作用，这是因为自动驾驶系统本身有着诸多的局限性。如果我们深入自动驾驶系统的内部，就可以明白自动驾驶系统的局限性由多种因素决定。

（有图有真相 之“还好还好，L4级英语也够用了”）

在上图 ↑ 所展示的自动驾驶系统架构的示意图中，自动驾驶系统主要完成了如下几种任务：

• 通过各种传感器（摄像头、激光雷达、GPS、惯导等）进行环境感知：知道车辆在哪里和行进方向、路上有啥障碍物、周边环境信息、车辆的行驶信息等等
• 根据感知的结果，并结合地图信息进行规划决策，包括路径规划、车辆行为规划，并转化为运动规划（横向和纵向）。
• 根据感知和规划的结果，对车辆的相关系统进行控制：刹车、油门、转向、灯光……

通过这些步骤就完成了整个自动驾驶的控制过程。然而，说起来简单，实际实现的过程中却是困难重重。

（图片来源：网络）

对于感知而言，需要各种不同的传感设备来适应不同的气候和环境，而且每种传感设备都有自己的局限性，无论是摄像头还是毫米波雷达、激光雷达等都不能保证在所有情况下的100%可靠。即使传感设备足够可靠，还要完成诸多传感设备间的信息融合，这需要极其复杂的算法和海量数据的训练与标定。在规划决策中，由于多个传感设备的信息可能有冲突，需要根据不同场景和功能的需求进行感知信息权重的调整。同时，还需要根据车辆当前的车身姿态、车辆的能力（加减速、转向等）、速度、路面情况、轨迹规划结果等决定如何控制车辆的横向和纵向运动。控制阶段的任务相对简单，只要发出命令给动力和底盘系统即可，再实时的获取反馈，调整控制的命令。这需要车辆本身的动力学参数非常准确，但车辆的这些参数会因为气候、车辆各方面的性能衰减、路面情况等随时变化。

（图片来源：网络）

当前，在自动驾驶系统的开发过程中，感知的难度依然是最大的。无论是纯视觉的方案还是多种感知设备融合的方案，神经网络的训练、具体的算法、传感器本身的精度、能力和可靠性等都存在着诸多亟待提升的点。

下图展示了自动驾驶系统的构成中每个环节所涉及到的供应商。从中可以看出，自动驾驶的实现，需要众多的技术协同发展，更需要数不胜数的参与者共同努力。这些技术至少包括：图像识别与处理、数据融合、云计算、仿真测试、芯片与微电子、软件、人工智能、并行计算、网络通信、安全、运营监管……

（有图有真相 之“花花绿绿真好看”）

上述这些技术没有一个是只应用于汽车行业的，而都是被广泛用于社会的各个领域。

美国理论生物学家和复杂系统研究者斯图亚特·考夫曼在2002年创造了一个新的词组Adjacent Possible，翻译成中文叫“相邻可能”，指在地球生命产生前的那一瞬间状态。所有构成原始生命的基本元素（其中甚至包括闪电）已经齐备，最终催生出生命的最原始形态。比如形成细胞边界的蛋白质，多糖等，所有这些元素，便是“相邻可能”。在“相邻可能”齐备的情况下，就可能产生变化。

（图片来源：网络）

“相邻可能”告诉了我们以下几点：

1. 每一种事物都不是单独存在的。事物是不可能无连接，“无中生有”的，即我们不会在与某一个网络无连接的地方凭空生成一个点。老子说过“道生一，一生二，二生三，三生万物”也说明了这个道理。
2. “相邻可能”的齐备是需要时间的，而碰撞后创造的可能性是瞬间的。历史上多次的技术大爆发就是在相邻可能齐备的情况下瞬时创造了更多的技术，引发了更宏大的连锁反应。我们在技术积累，财富积累的初期一定要耐得住寂寞。
3. 复杂多样化的相邻元素更有助于创造。 追求多元化，赋予自己更多的可能性，如果你不知道该做什么，就先把眼前的事情做好，然后给自己尝试更多事物的机会，静待相邻可能的发生吧。
   
   

如果自动驾驶是汽车发展的终极形态，那么这个终极形态的实现一定需要坚实的基础。这个基础就是整个社会在自动驾驶相关领域的充分的、长期的投入与积累。自动驾驶每提升一个层级，需要的投入都将是几何级数级别的增长!

（有图有真相 之“言简意赅！”）

写了这么多，只是希望大家（包括OEM、供应商和用户）能够对自动驾驶多一些耐心，少一些浮躁。那种企图通过几年的努力就实现高等级自动驾驶的想法是不切合实际的，当前还是应该沉下心来把低等级的驾驶辅助功能做好。因为低等级驾驶辅助功能可以迅速的铺开，相关的厂商可以迅速的获得正向的现金流，保证企业能够活下来。把宝都压在高等级自动驾驶上的做法虽然不能说不正确，但是你可能熬不到赚钱的那一天。即使你家里有矿，也要看这个矿能持续多久，否则可能矿都枯竭了，你的理想还没有实现。

（图片来源：网络）

最后，再次使用上篇文章的结束语：衷心的祝福那些把宝都压在自动驾驶上的企业，希望你们都能够有足够的资源和耐心熬过漫漫长夜，见到黎明的曙光！

（图片来源：网络）