作者：魏文
[多类型传感器融合的解决方案将会进一步提升自动驾驶感知系统的可靠性。张林称，多传感器融合的感知方案是通过取长补短，互为冗余，来提升感知的精确程度。]
蔚来车主林文钦日前驾驶ES8汽车启用NOP领航辅助系统时发生事故并不幸逝世，这将自动驾驶技术推到风口浪尖。第一财经记者发现，受此事影响，造车新势力企业理想汽车和小鹏汽车纷纷在官方网站上修改了驾驶辅助系统的名称，“高级”、“自动”等字眼均被删除。
“现在，很多‘自动驾驶辅助’系统，本质上就是L2级驾驶辅助，并不能和自动驾驶画上等号。”某自主车企自动驾驶工程师张克向记者表示。
感知不准，自动驾驶无法自动
按照美国汽车工程师学会（SAE）的分级，目前特斯拉的Autopilot并不能算作自动驾驶系统。由于11起和Autopilot相关的事故，美国国家公路交通安全管理局（NHTSA）于当地时间8月16日表示，已对特斯拉公司的驾驶辅助系统展开正式的安全调查。
“现在市面上的辅助系统，驾驶主体依旧是驾驶者而非车辆本身，这便决定了这些系统不能被称为自动驾驶系统。并且在技术上，我们和真正可靠的自动驾驶系统依旧有着不小的距离。”据张克介绍，自动驾驶系统主要由感知、认知以及控制三大模块组成。当前主流的驾驶辅助系统主要使用摄像头和毫米波雷达来进行感知，但摄像头识别精确度较低，难以区分和天空颜色较为接近的物体；毫米波雷达的识别精度更高，但对于静止物体敏感度较低，并且无法准确识别塑料、布料等材质的物体。
蔚来方面明确表示，目前版本下的蔚来NIO Pilot还没办法识别塑料雪糕筒，以及停驻在前方的障碍物。
据记者梳理，小鹏、特斯拉等车企，目前的驾驶辅助系统亦有类似的问题。也正因如此，上述车企在用户手册中，都会将相关场景单独进行罗列。
自动驾驶行业专家张林向记者表示，能够生成三维的位置信息，快速确定物体的位置、大小、材质，同时还能获得数据形成精确数字模型的激光雷达，将成为自动驾驶系统感知元件的有效补充。但当前激光雷达的成本依旧较高，需要后期通过规模化来降低激光雷达的使用成本。
多类型传感器融合的解决方案将会进一步提升自动驾驶感知系统的可靠性。张林称，多传感器融合的感知方案是通过取长补短，互为冗余，来提升感知的精确程度。
人工智能和算法还需要突破性发展
感知元件之外，自动驾驶系统算法亦极为关键。多传感器融合的解决方案能够有效提升识别精度，要准确识别还依赖于决策的执行度。而如何去做出决策，取决于机器更相信哪种检测设备的反馈结果，这就需要算法策略的介入。
“算法需要大量的路测以及场景实验进行不断测试和优化，库里的场景越多，机器算法的决策就会越准确，但遇到边界情况，库里没有相对应的场景，算法可能会陷入‘手足无措’或者做出错误判断。早前Waymo的一辆自动驾驶车遇到了一个库里没有的场景，车辆自动停下来十几分钟，等到工作人员赶到时，车似乎突然‘想通’了，自己又开走了。”张林认为算法可能要比感知元件更加重要。
上海交大智能汽车研究所研究员刘君表示，把所有场景都录入自动驾驶系统几乎不可能，人工智能需要有举一反三的能力，这需要算法有迁移学习的能力，或者说机器要具备思考的能力，这需要算法、数字领域有突破性的发展。
为了解决算法、场景录入等问题，特斯拉开发了多任务学习HydraNets神经网络架构、“仿真场景技术”等新技术。特斯拉人工智能部门总监Andrej Karpathy表示，特斯拉希望用摄像头来模拟光线进入视网膜的过程，通过打造一个类似动物视觉皮层的神经网络连接，模拟大脑信息输入和输出的过程。而仿真场景技术可以模拟现实中不太常见的“边缘场景”，用于自动驾驶培训。特斯拉工程师可以提供不同的环境以及其他参数（障碍物、碰撞、舒适度等），提升算法的训练效率。
短期来看，自动驾驶更适合出现在相对固定、简单的场景中，商用物流、封闭/半封闭园区、矿山/港口等相对封闭的B端商用领域已经开始实现自动驾驶。2019年上汽集团便在洋山港物流园、洋山一期码头内实现5G+自动驾驶重卡商业化落地。
对于C端的普通用户，当前自动驾驶功能更多出现在停车场等相对更加简单的场景之中。威马汽车创始人沈晖表示：“我们L4级别无人驾驶功能，最终选择了高频停车场景的原因，就在于相对封闭的环境、相对低速的状态，安全性更高。”
某自主品牌研究院负责人陈奕也告诉记者：“目前在有限场景下的无人驾驶已经算比较成熟，比如现在很多车企都推出的AVP自动泊车；但是要在更大的场景中实现自动驾驶，一方面需要感知元件、算法的进一步完善，另一方面，由于驾驶主体发生改变，还需要增加约束条件、划分清晰的权责。”
（应受访者要求，张克、张林、刘君、陈奕均为化名）
