到底什么样的程度的自动驾驶才能被称为无人驾驶？

  最近几年自动驾驶可是火得一塌糊涂，远的不说，奥迪A8首登SAE L3级别就惊起了一众跃跃欲试的投资商。为什么我们对这项技术这么着迷，无非是希望能摆脱双手的束缚，走向真正的无人驾驶。

  但到底什么程度的自动驾驶才能被称为无人驾驶呢？无人驾驶应该具备哪些硬性要求呢？

  虽然自动驾驶铺天盖地的宣传，到真遇到这个问题了，好像还答不上来。

  究其原因，我们能收获的准确信息或者说干货其实并不多，就连现在主流的SAE自动驾驶评级方法，其实也仅是以一张表格示人而已。

除了这张表，我们并没有见到更加详细严格的评分机制，自动驾驶评级也没有像NCAP安全评级这样的官方认证。而SAE到现在还在纠结如何将J3016 自动驾驶汽车评级标准上升到联邦或全美范围内。

可能正是出于此原因，即使奥迪A8最先实现了SAE L3级别，不少人还是持有怀疑态度，毕竟官方规定在自动驾驶模式下，时速不能超过60km/h，这条标准在SAE L3中也并不存在。可以说，奥迪A8还不是随心所欲的SAE L3级别。

注：速度受限有可能是因为激光脉冲雷达受探测法规或技术的限制。

美国DARPA无人驾驶挑战赛

想要了解无人驾驶，美国DARPA无人驾驶挑战赛可谓是一盏明灯。在这里聚集了大量的无人驾驶奇才，此前Google和Uber专利案的始作俑者莱万，就曾在此赛事上因其主导设计的Ghostrider大放异彩。

  但大家可能不知道的是，举办该赛事的重要原因之一就是美国DARPA为了推出PerceptOR无人驾驶评价项目。

  其测试环境也很复杂，不同于自动驾驶车辆针对公路（城市公路/高速公路）测试，无人驾驶车辆测试环境除此之外还包括山地、林地、草地、沟壑、斜坡等。而且测试还对车速、驾驶状况进行了明确的定义。

注：不同于一般的评价方法，PerceptOR最大的特色在于它没有给参评车型提供演练的机会，参评前操作人员是不知道测试路线和环境的。

受PerceptOR影响，以ALFUS、Sheridan、ACL为首还制定了一套相比SAE更加严格细致的评价标准。

注：在这三套标准中，ALFUS可谓是最细致、可评价性最高。事实上ALFUS标准就是出自美国国家标准技术研究所（NIST），其被广泛应用在飞机、无人机等航空装备领域。

从以上标准中，我们可以发现达成无人驾驶的一些关键点：

1、环境感知和环境交互能力强（比如能够理解交通标识和信号的意义，并做出正确行动）；

2、能够应对复杂环境，包括非铺装路面，并进行地形分析；

3、能够进行预先规划，提前做好行动决策；

  可以看到，无人驾驶状态下，汽车与周围环境与物体的交流能力要强化得多；它应该变的更聪明、反应更灵敏；它应该能够自如的完成多种环境下的驾驶，而不仅仅是城市道路。

自动驾驶到无人驾驶需要这些能力

  初步了解了自动驾驶达到无人驾驶的难点在哪里，下一步就是撸起袖子解决它了。其实通过ALFUS等评价方法我们也会发现，无人飞机上使用的一些技术能够给我们参考。

1. 以激光雷达为首的探测技术提升

   
   

   雷达就像触角，能够提升驾驶工具的感测能力，而雷达在飞机上也扮演者不可或缺的角色。

   但城市路况复杂多变，不像飞机有固定的规划路线，雷达只是用来作为辅助设备，所以针对城市驾驶，以激光雷达为首的探测技术就变的越发重要。虽然现在激光雷达在部分车型（比如奥迪A8）上使用，也帮助其实现更高的自动驾驶级别，不过它还是作为辅助技术，而且装备量是完完不够的（奥迪A8上只有一个激光雷达）。

  不过因为成本高昂，机械激光雷达很有可能会逐渐被束之高阁，而固态激光雷达则将成为新宠。比如美国Quanergy在2016年CES展上发布的S3固态激光雷达，价格竟然低至250美元。什么？这价格很高？要知道2012款Google无人驾驶汽车头顶上的那颗激光雷达可是要7万美元。

只不过固态激光雷达探测精度没前者高，而且不能旋转，只能探测前方一定角度（多数在120度以内），要想获得厂家青睐还得努力。

2. 与万物相连的“V2X”

如果说探测技术像是人多长了只眼，但最终也就是二郎神那样看门的命，想要走到更高级别，沟通交流不能少。

  那通过什么能实现沟通交流呢？我们知道飞机十分依赖网络通讯能力，因为它能保证高速移动的飞机具备未卜先知的能力，而在此基础上，汽车领域提出了V2X概念。

  啥是V2X？有的人习惯将它称为车联万物，更准备的说法是，它是一种实现车-车互联、车-基站互联、基站-基站互联的技术。万物谈不上，不过但凡属于智能设备的东西应该都有可能连接上。也就是说在V2X的加持下，所有机器好像都活了一样能够沟通交流。

  总之，有了V2X就好比打通了任通二脉，书呆子成了驸马爷，大路畅通。

3. AI在未来会担当大任

  至于AI技术，最近可谓是风头正足，AlphaGo又进化成了AlphaGo Zero，并在与其对弈中，被踩在地下反复摩擦了100次。

  当然，同固态激光雷达一样，AI技术还没到掌控全局、自学成才的作用，不过其自主深度学习能力已经打破了认知，必将有一天能够主掌大局。

  虚无的我们不说，就说现今的一些实际意义吧，我们知道现在汽车与人的交流还很困难，多事通过信号或者简单的标准语言沟通，这无疑加大了人接收理解信息的困难度，但AI技术加持下这一切就不一样了，沟通能力必然会加强不少。比如不久前丰田在CES展上发布的“Yui”系统，其情感交互能力可谓亮点十足（这套系统将被使用在Concept-i RIDE和Concept-i WALK概念车上）。

  当用户接近车辆时“Yui”会出现在车门屏幕上迎接他们，车尾则能够显示前的急转弯或突发状况等提示后车，而车头的通讯显示系统则传达车辆是否处于自动驾驶状态。

  另外，AI技术的最佳算法能力还有其它用处。我们知道V2X中有一项重要的“云平台”概念，这东西和只能手机“云”很像，是作为信息传输和存储的空间站。

  不过它和手机一样，空间都是有限的，而且从“云平台”提取或传输数据是需要强大的网络支撑，如果汽车搜集到的海量数据不做区分就上传到“云平台”，这很有可能会出现卡机的情况。

  就在上个月，微软Azure车辆网品平台负责人Doug Seven在MWC会议上讲到，即便有了5G也不能把所有数据上传，他们要用人工智能来决定哪些数据更重要，那些数据可以直接舍弃，哪些需要在方便时上传而不是实时上传。

雅斯顿小结

看来想要实现真正的无人驾驶还很有难度，一方面现阶段还没有完全针对汽车的官方评价体系，另一方面无人驾驶需要攻克的技术难点还有很多。而想要实现真正意义上的无人驾驶，以激光雷达为首的探测技术、能连接万物的V2X技术、能变的更聪明的AI技术，这三驾马车要并驾齐驱才可能实现。