无人驾驶汽车
制造比空气还重的飞行机器是不可能成功的。
——开尔文(Kelvin)勋爵,皇家学会会长,1895年在撰写本文的时候,全球每年有超过100万人死于和汽车有关的交通事故,仅中国和印度就占了其中的四分之一;每年还有5000万人在跟汽车有关的交通事故中受伤。这些数字触目惊心,想象一下,如果出现一种每年可以夺取100万人性命的新型流感病毒,那一定会引起全球性恐慌。然而,我们却习惯了公路上的危险——我们似乎已经接受这就是现代社会的现状。不过,人工智能能够带来大幅降低交通事故的前景:在发展智能中期内出现无人驾驶汽车,已经成为可能。最终,它能够拯救无数人的生命。
当然,无人驾驶汽车还有许多其他好处。利用计算机程序来控制汽车驾驶,显然更高效,能够更好地利用稀缺和昂贵的燃料或动力资源,从而产生更环保、运行成本更低的汽车。计算机程序在利用电子地图和导航方面也更具备优势,例如,可以为拥挤的交通道路带来更好的通行能力。如果汽车变得安全,它们就不再需要如此昂贵和沉重的保护底盘,这将再次降低汽车的价格和油耗。甚至有一种观点认为,无人驾驶汽车会减少私家车的拥有量,因为无人驾驶的出租车又便宜又方便,那么,拥有自己的私家车在经济上就没多大意义了。
由于上述以及更多原因,无人驾驶汽车显然是一个非常有前景的研发领域,因此,这一领域有着悠久的研发历史,也不足为奇。汽车在20世纪20至30年代成为大众市场的产品,由它引发的伤亡规模——主要是驾驶员人为操作失误——立刻引发了人们对汽车自动驾驶可能性的讨论。虽然自20世纪40年代以来,人们在自动驾驶领域就不断地尝试,但直到70年代微处理器技术出现以后,它们才真正变得可行。不过,无人驾驶汽车面临的挑战也是艰巨的,最根本的问题就是感知。如果你能够找到一种方法,让一辆汽车能够随时准确地知道它自己在哪里,周围环境是怎么样,那么恭喜你,你已经找到解决无人驾驶问题的方法了。而要解决感知问题,我们需要采用现代机器学习技术:没有它们,无人驾驶汽车无法实现。
由欧洲泛政府研究组织欧洲研究协调局(EUREKA)出资赞助的普罗米修斯工程 ,是无人驾驶汽车技术的先驱。普罗米修斯工程从1987年延续到1995年,并在1995年进行了一次示范表演。一辆汽车在无人驾驶的情况下从德国慕尼黑开到丹麦的欧登塞,然后返回。虽然平均5.5英里就需要进行一次人工干预,但是在没有人工干预的情况下,最长的一次无人驾驶距离约为100英里。这是一个了不起的壮举,鉴于当时的计算机有限的计算力,这个成就更加令人惊叹。虽然普罗米修斯工程只是为了证实无人驾驶的概念是可以成为现实的,它仍然引导了不少现代商用汽车创新的风向,比如智能巡航控制系统。最重要的是,普罗米修斯工程昭示了这项技术可以商业化。
2004年,美国国防高级研究计划局(DARPA)组织了一场无人驾驶汽车顶级挑战赛 ,邀请研究人员组队参加挑战赛,让无人驾驶的车辆穿越150英里的美国乡村。共有106支来自大学研究院和汽车公司的参赛队,每个参赛队都渴望能赢取第一名的100万美金DARPA大奖。最后,有15支参赛队伍进入决赛,但在这一届比赛中,没有一支队伍完成超过8英里的赛程,有的车辆甚至都没能驶离出发区。跑得最远的是来自卡内基-梅隆大学的无人驾驶汽车,虽然它仅仅前行了7.5英里就偏离了航道,卡在堤坝上。
我对这件事情的记忆是这样的:大多数人工智能研究人员都把2004年的挑战赛作为证据,证明无人驾驶汽车技术离实际应用还有一段距离。听说计划局立即宣布在2005年的竞赛中奖金翻一番,达到200万美元,让我有点吃惊。
2005年的比赛吸引了更多的参赛者,总共有195支队伍参赛,最终闯入决赛的有23支。决赛在2005年10月8日举行,挑战目标是让无人驾驶车辆穿越132英里的内华达沙漠。这次,有5支参赛队伍完成了挑战。最终的冠军被斯坦福大学研究团队摘得,获得了200万美元的奖金。斯坦福大学获胜的汽车名叫STANLEY ,由塞巴斯蒂安·特隆(Sebastian Thrun)带领的团队打造。它是由一辆大众途锐汽车改造的,用了不到7个小时就完成了比赛,平均时速20英里。STANLEY配备了7台车载电脑,它们需要解读GPS、激光测距仪、雷达和视频传输中的数据。
2005年的无人驾驶汽车挑战赛是人类历史上最伟大的科技成就之一。从那一天开始,无人驾驶汽车成了已经解决的问题,就像一个多世纪以前,比空气更重的飞机成为已经解决的问题那样。莱特兄弟的第一次飞行只持续了12秒,在这段时间里,飞行器离地面只有120英尺。但那12秒的飞行历程证明了,比空气更重的飞机已经成为现实——2005年的挑战赛以后,无人驾驶汽车也如此。
紧随其后的是一系列挑战赛,其中最重要的可能是2007年的无人驾驶汽车城市挑战赛 。2005年的比赛是在乡村道路上进行的,而2007年则是在城市环境中。无人驾驶汽车必须完成整个赛程,同时遵守加利福尼亚州道路交通法规,并应对停车、十字路口通行和交通拥堵等日常情况。有36支队伍参加了全国预选赛,其中11支队伍闯入决赛。2007年11月3日,在南加州一个废弃机场,决赛开始了。6支队伍成功完成了挑战,获胜者来自卡内基-梅隆大学,在4小时内跑完全程,平均车速每小时14英里。
从那以后,无人驾驶汽车技术领域获得了大量投资,既有老牌汽车公司不顾一切地拒绝被时代车轮甩掉,也有新公司发现有机会来抢夺传统汽车制造商的蛋糕。
2014年,美国自动化工程师协会提供了一个实用的分级方案,为自动驾驶分级制定了标准[90] :
Level 0:人工驾驶。汽车没有自动控制功能,驾驶员始终自主控制车辆(尽管车辆会提供警告和其他数据用来辅助驾驶员驾驶)。如今公路上的绝大部分汽车都是L0级。
Level 1:辅助驾驶。汽车提供了一定程度的控制,通常是在常规驾驶方面,但驾驶员仍须在驾驶过程中保持全神贯注。自适应巡航控制系统是辅助驾驶的一个例子,它可以使用刹车和油门来控制车速。
Level 2:部分自动化。在这个等级,汽车可以参与转向和速度的自主控制,但驾驶员同样需要持续监控驾驶环境,并准备好在必要的时候进行干预。
Level 3:有条件自动驾驶。在这个等级,驾驶员已经不再需要持续监控驾驶环境,尽管汽车可能会要求用户在遇到无法应对的情况下进行控制。
Level 4:高度自动化驾驶。在这个等级,汽车能够自动完成正常驾驶操作,不过驾驶员仍然可以干预驾驶行为。
Level 5:全自动驾驶。你只需要坐上一辆车,说出你的目的地,然后剩下的所有事情都交给汽车自动处理。这种汽车甚至连方向盘都没有。
在撰写本书时,最先进的商用无人驾驶汽车系统可能是特斯拉的自动驾驶系统,最初出现在特斯拉S型车上。2012年发布的特斯拉S型是高规格电动车系列中的旗舰车型,在发布之时,它或许是全世界技术最先进的市售电动车。从2014年9月起,所有特斯拉S型车都配备了摄像头、雷达和声程传感器。2015年10月,特斯拉发布了新款车用软件,启用了这些高科技套件,完成“自动驾驶”功能——当然,是一种有限的自动驾驶能力。
媒体立刻开始盛赞自动驾驶仪实现了第一款无人驾驶汽车,尽管特斯拉不厌其烦地指出了这项技术的局限性。特斯拉特别强调,当自动驾驶仪接通时,驾驶员应始终把手放在方向盘上。就上述自动驾驶分级而言,特斯拉的自动驾驶仪似乎处于L2级。
无论这项技术有多先进,很明显,涉及自动驾驶仪的严重事故还是会发生,而第一例特斯拉自动驾驶仪导致人员死亡的事故很快成为全世界的头条新闻。2015年5月,佛罗里达州的一位特斯拉车主在路上与一辆18轮卡车相撞,不幸身亡。有报道称,汽车的传感器被白色卡车在明亮的天空下的景象给迷惑了,结果汽车的人工智能系统未能识别出路上还有另一辆车存在,直接高速撞上卡车,司机当场死亡。
其他的事件也凸显了目前无人驾驶技术的一个关键问题。
在L0级人工驾驶模式下,对驾驶员的期望是非常清晰的:驾驶员必须掌控车的一切。而在L5级的全自动驾驶模式下,同样很清晰:驾驶员什么也不用做。但是,在这两个极端之间,对驾驶员的期望就相对比较模糊了。佛罗里达州的事故和其他类似事故表明,驾驶员似乎对自动驾驶技术期望过高:把它当成L4或者L5级的自动化驾驶系统,事实上它的功能远远没有达到这个等级。驾驶员期望的功能和自动驾驶仪实际能够实现的功能之间如此不匹配,至少在一定程度上是媒体过于兴奋地鼓吹所造成的,它们似乎不太能理解和传达技术等级能力的微妙之处(特斯拉给这个系统命名为“自动驾驶仪”也得负点儿责任)。
2018年3月,另一起涉及无人驾驶汽车的事故引发了人们对这项技术的进一步质疑。2018年3月18日,在亚利桑那州的坦佩市,优步公司的一辆无人驾驶汽车在无人驾驶模式下撞死了49岁的行人伊莱恩·赫茨伯格(Elaine Herzberg)。与这类事故的典型情况一样,引发事故的原因是复杂的。这辆车当时的速度已经超过了自动紧急制动系统能够处理的速度,所以当汽车意识到需要紧急制动的时候,已经来不及了。虽然汽车传感器意识到前方有“障碍物”(受害者伊莱恩·赫茨伯格),需要紧急制动,但软件似乎规避了这个行为(在程序员看来,这似乎在说明软件系统有缺陷,至少是存在优先级处理不当的问题)。而且,最重要的是,车上的“人类驾驶员”应该干预这样的事情,可她似乎一直在用智能手机看电视,对外界环境关注甚少。很可能她盲目信任了汽车的无人驾驶能力。伊莱恩·赫茨伯格不幸遇难的悲剧是完全可以避免的:这个问题是人为的,而不是技术上的。
令人沮丧的是,在看到实用的、大众化的无人驾驶汽车之前,还会有更多这类悲剧发生。我们需要尽己所能合理地预测和避免这类悲剧,但无论如何,它们总是会发生的。当它们发生以后,我们需要从中吸取教训。就像飞机的飞行控制器发展史告诉我们的,从长远来看,总会出现更加安全的交通工具。
目前围绕无人驾驶汽车的一系列活动表明,这项技术已经日趋成熟,但是离它进入我们的现实生活还有多久呢?我们什么时候可以跳上一辆无人驾驶汽车,只需要说出自己的目的地,就可以轻松抵达呢?在这方面做得最公正和权威的是美国加利福尼亚州的无人驾驶监管机构。无人驾驶汽车公司必须向该机构提供详细的相关信息,才能获取在加州公共道路进行无人驾驶汽车测试的许可证,其中最重要的信息是自动驾驶汽车脱离报告。脱离报告的内容说明公司相关车辆在无人驾驶情况下行驶的英里数,以及在测试期间发生过多少次脱离接触。脱离接触是指人类驾驶员不得不干预汽车行驶,接管汽车控制权的情况——这是伊莱恩·赫茨伯格的悲剧中驾驶员应该做的事情。脱离接触并不意味着如果没有人工干涉就一定会出现事故(更别提死亡事故了),但它仍然是衡量自动驾驶技术性能的标准。自动驾驶时,每千英里中出现脱离接触的次数越少越好。
2017年,有20多家公司向加利福尼亚州提交了自动驾驶汽车脱离报告。从行驶里程数和每千英里最低脱离次数来看,一家名为Waymo的公司遥遥领先,该公司的自动驾驶汽车平均每行驶5000英里才报告1次脱离。表现最差的是汽车巨头梅赛德斯-奔驰,每千英里不少于774次脱离。Waymo是谷歌旗下的无人驾驶汽车公司,最初,它是谷歌内部的一个项目,运营负责人是塞巴斯蒂安·特隆,他曾经率领团队赢得2005年美国国防高级研究计划局组织的无人驾驶汽车挑战赛。2016年,Waymo成为谷歌的子公司,2018年,Waymo的报告说,该公司旗下无人驾驶汽车已经达到平均行驶超过11 000英里才报告1次脱离的水准。
那么,这些数据告诉我们什么呢?尤其是,无人驾驶汽车还要多久才能进入我们的日常生活?
好吧,从宝马、梅赛德斯-奔驰和大众等传统汽车巨头相对较差的表现中,我们可以得出的第一个结论是:汽车行业经验的积累并不是无人驾驶汽车技术取得成功的关键条件。仔细想想这并不奇怪:无人驾驶汽车的关键不是内燃机,而是软件——人工智能软件。因此,美国汽车巨头通用公司在2016年收购了无人驾驶汽车公司Cruise Automation,金额保密(但显然数额巨大),而福特公司给自动驾驶初创公司Argo AI投资10亿美元。两家公司都公开了推出无人驾驶汽车的雄心勃勃的声明:福特公司预测将在2021年前投入运营一款“完全自动驾驶”的商用汽车[91] 。
当然,我们并不知道汽车公司各自采用的在何时需要进行脱离接触的确切标准,也许梅赛德斯-奔驰只是过于谨慎而已,但看上去我们不得不承认一个结论:至少在撰写本书的时候,Waymo公司遥遥领先。
我们将脱离接触和人类驾驶员安全行驶做个有趣的对比。
对于后者,虽然没有明确的统计数据,不过在美国,人类驾驶员出现严重事故的平均驾驶里程约为10万英里,甚至100万英里。这就表明,即使是市场领导者Waymo,也必须将其技术提高两个数量级,才能达到与人类驾驶员相当的道路安全驾驶水准。当然,并不是Waymo报告的所有脱离都会导致事故,因此这种比较也不够科学,但至少可以说明,无人驾驶汽车公司现在仍然面临艰巨的挑战。
有趣的是,与无人驾驶汽车技术工程师交谈会发现,他们认为这项技术的关键难点在于如何应对突发事件。我们可以训练汽车应对大多数可能出现的危险,但当汽车遇见一种与训练中任何事件都不同的情况,会发生什么呢?虽然大多数驾驶场景都是常规和可预期的,但难免会出现完全无法预计的突发状况。在这样的情况下,人类驾驶员可以凭借丰富的经验进行处理,利用经验思考处理方案,如果实在来不及思考,也会凭借直觉处理。而无人驾驶汽车没有直觉这种奢侈的东西——在可以预见的未来,它们也不会拥有。
另一个艰难的挑战是如何从我们的道路现状(道路上所有车辆都是由人类驾驶),到一个混合过渡(即道路上的车辆部分由人类驾驶,部分自动驾驶),最终过渡到完全无人驾驶。一方面,无人驾驶汽车在驾驶时的行为与人类不同,这会让与之共用道路的人类驾驶员感到困惑和不安。另一方面,人类驾驶员的行为是不可预测的,他们不一定会严格遵守交通法规,这就使人工智能很难理解他们的行为,并与之安全地互动。
鉴于我对无人驾驶汽车技术进步的乐观评价,以上的问题听起来可能让人十分悲观。所以,让我尽可能解释一下我认为未来几十年内,事情会怎样发展。
首先,我的的确确相信无人驾驶汽车技术在某种形式上很快就会在日常生活中应用——当然,是在未来10年内。然而,这并不意味着L5级的自动驾驶可以很快实现。相反,我认为,我们将开始看到无人驾驶技术在特定的“安全”领域开始推广,并逐渐走向更广阔的世界。
那么,这些技术将率先在哪些领域开始推广呢?我认为采矿业是一个很好的例子,也许从澳大利亚西部或加拿大阿尔伯塔省的大型露天矿开始:那里地广人稀,行人和喜欢骑自行车蛇行或做出其他危险动作的人也少得多。事实上,采矿业已经大规模使用自主汽车驾驶技术。例如,横跨英国和澳大利亚的跨国矿业集团力拓集团于2018年宣称,在西澳大利亚皮尔巴拉地区,他们的大型自动卡车车队已经运送超过10亿吨矿石和矿产[92] 。从公开的信息看,这些自动卡车离L5级别的全自动驾驶还差得远——更偏向“自动化”而不是“自主驾驶”。不过这是个很好的例子,说明无人驾驶汽车在有限的环境中能够发挥巨大作用。
同样,无人驾驶车辆似乎非常适用于工厂、港口或者军事设施区域。我相信在未来几年内,无人驾驶技术将在这些领域得到大规模应用。
除了这些特殊领域的应用,对于日常使用的无人驾驶技术,还有几种可能的情况,其中有一部分已经成为现实。或许在一些受限制的城市环境,抑或特定的路线上可以看到低速行驶的“微型出租车”。事实上,在撰写本文的时候,已经有几家公司在试用类似服务了,尽管使用范围受到严格限制(而且,至少目前,微型出租车车厢里面有人类“安全驾驶员”保驾护航,用以处理紧急情况)。在伦敦这样的城市里,这类低速行驶的车辆完全不是问题,因为众所周知,伦敦的交通状况总是很糟糕,行车速度一直都很缓慢。
另外一种可能性是在城市和主要高速公路上设置无人驾驶汽车专用车道。大多数城市已经设置有机动车道和自行车专用道,那为什么不设置无人驾驶汽车专用道呢?这样的车道可以通过传感器和其他技术来辅助自动驾驶车辆,无人驾驶汽车专用道的存在也会向与之共用道路的人类驾驶员发出一个明确的信号:小心机器人司机!
至于L5级别的全自动驾驶,恐怕离我们还有一段距离。但它终究会出现,我最乐观的预测是,从撰写本书之时往后20年,或许L5级别的全自动驾驶才能普及。我敢打赌,我的孙辈将觉得他们的祖父竟然要亲自开车上路,真是既可怕,又充满了乐趣。
本书评论