无人车上路要跨过这些坎

本篇文章1172字，读完约3分钟

近年来，智能汽车已经成为全球汽车产业发展的战略方向。一系列智能技术的应用促进了自主驾驶技术的成熟。然而，在无人驾驶自动车辆真正上路之前，还有很长的路要走。自主驾驶的发展需要解决哪些问题？几天前在北京？在华夏幸福创新中心举办的全国博士后学术交流会上，与会专家分享了他们的想法。

中国人工智能学会会长、中国工程院院士李德意表示，目前自主驾驶的主流技术路线要求根据路况数据生成与不同环境相对应的驾驶模式。从理论上讲，这种自动驾驶模式必须输入无限的数据，才能形成无限的驾驶模式供计算机选择，但这很难实现。

李德意认为，自动驾驶汽车必须具备主动学习的能力，才能走出特定的场景，走向开阔的道路。“人们之所以在接受培训后获得驾照，是因为我们预先假定司机有不断学习的能力，能够越来越好地驾驶。将来，自动驾驶汽车应该是能够独立学习的轮式机器人。他们可以像人一样学习，不需要司机的帮助，否则他们就不能被称为自动驾驶。”李德意说。

标准争议也是自动驾驶面临的挑战之一。与会专家表示，虽然美国汽车工程学会(American Society of Motor Vehicle Engineering)提出的自动驾驶从l0到l5的分类标准已逐渐被业界认可，但该分类存在定义模糊、不同级别之间的界限有待澄清等问题。

自主驾驶的安全性是最受关注的，但通过路试很难验证自主驾驶的安全性。时宇科技CEO吴甘沙表示，从统计的角度来看，需要110亿公里的道路测试数据来证明自动驾驶系统可以将人们的驾驶安全性能提高20%，而仅仅通过数百辆测试车是不可能获得这些数据的。

自主驾驶的发展也有技术上的困难。实际上，智能程度较低的辅助驾驶技术已经得到应用，但高级自动驾驶是面向机器的，应该具有所有自动驾驶功能。目前，行业内有两种不同的研发路径来推广高水平的自主驾驶技术。首先是“一步走”路线，即从一开始就开发一款完全自动驾驶的汽车；另一种是“循序渐进”的路线，即一些自动驾驶功能逐渐加入到传统汽车中，最终过渡到全自动驾驶阶段。专家表示，前者将面临技术不成熟、成本高的问题，而后者容易受现实束缚，难以取得突破性进展。

吴甘沙认为，折衷路线可能有助于解决自动驾驶问题，即将“全自动驾驶”技术应用于高频、按需、大批量生产的场景，同时提高技术成熟度和经济性，积累更复杂的场景数据，提高“全自动驾驶”技术的通用性。他认为，自动停车服务、物流车辆和快速公交系统的场景满足了高频率、按需和大批量生产的要求，有助于推动全自动驾驶技术的落地和数据积累。

人工智能被认为是推动自动驾驶的重要驱动力之一。华夏幸福产业研究院院长顾强表示，人工智能将在未来加速包括自主驾驶在内的许多领域的突破。人工智能不仅将推动无人驾驶时代的到来，还将深刻影响汽车产业链的各个环节。

《人民日报》(2018年11月2日，第18版)

来源：搜狐微门户