大数据文摘授权转载自AI科技评论
作者：Keith Kirkpatrick
编译：维克多
编辑：岑峰
距离马斯克“2021年底交付全自动驾驶汽车”的预言已经过去好几个月了，情况和他在2019年、2018年给出承诺后的状态一样，鸽了。
其实，在过去十年中，各路技术专家预测完全自动驾驶实现日期，都是用“即将到来”一词，似乎每一次预测都落空了。
那么，自动驾驶现在处在什么状态？有哪些问题亟待解决？近日，communications of ACM 发文《Still Waiting for Self-Driving Cars》理清了这些问题。
以下是编译原文，请欣赏：
尽管特斯拉在2021年10月份发布了称之为AutoPilot的全自动驾驶功能，但实际上还差的远呢。相反，其实，市面上提供的自动驾驶功能，只达到了国际自动机工程学会(SAE)制定的自动驾驶分级标准的前三等级，能够组合驾驶辅助。
今天，大多数新车都有一些辅助驾驶技术加持，例如自动刹车、自动巡航等等。高级一点的，已经可以归为Level 2 的特斯拉，已经可以系统管控汽车速度，以及自动转向，只是仍然需要司机保持专注，期望避免突发事件。
本田和奥迪有的车型达到了Level 3，允许车辆完全自动控制，但需要满足低速、天气状况良好、特定路段等要求。
因此，大多数车都可以实现Level 2 、Level 3的自动驾驶。而具备Level 4系统的车辆最有可能发生在长途卡车中。原因之一是该车种的司机大量缺乏，最有动力来推动发展自动驾驶。另外，在美国等地区，州际等级别的跑长途道路有很好的路况，车辆之间有明确的“物理隔离”。
技术障碍
完全自动驾驶之所以没有实现，技术上的障碍是原因之一。具体而言，是传感器和摄像头相关的开发，正在面临挑战。自动驾驶汽车摄像头和传感器作用巨大，可以检测汽车可能遇到的各种物体，例如道路标志、交通信号灯和其他车辆或行人等等。
大多数自动驾驶系统采取自上而下的方式训练导航系统，目的是为了识别特定物体。考虑到可能遇到的各种潜在情况，以及自动驾驶系统对这些情况的“无限反应”，例如由于照明条件、眩光或阴影，道路标志可能无法得到精确地识别；动物和人在面对迎面冲撞而来的车辆时做出不尽相同的反应。因此，所有这些使得训练过程需要巨量的数据。
理想情况是，海量数据被输入到算法中，然后帮助车辆解释这些对象和动作，以便车辆可以安全地调整其速度、位置和清晰度。即使在车辆尚未行驶的道路上，或者在出现以前从未遇到过的情况下也能精确反应。
然而，在现实世界的场景中，喂了海量数据的算法仍然很难识别物体，例如在一起涉及特斯拉Model X的事故中，车辆的传感摄像头未能在明亮的天空下识别卡车的白色一面。
潜在的解决方案
许多自动驾驶汽车事故涉及所谓的（紧急情况，edge cases），例如在道路上遇到行人和动物，具有攻击性的驾驶员进行破坏性驾驶或者驾驶员故意违反交通法规等等情况。为了解决这些难题，研究人员正在研究高清地图系统，这类技术比GPS还要精确。此外，研究人员还可以发展通信技术，使得车辆与公路上的基础设施可以交互，以帮助自动驾驶汽车在这些紧急情况下保持安全。
然而，鉴于通信网络的延迟问题，基于车辆到一切通信，包括V2I（车辆到基础设施）、V2N（车辆到网络）、V2V（车辆到车辆）、V2P（车辆到行人）、V2D（车辆到设备）和V2G（车辆到电网）通信，可能无法处理瞬时决策。
奥迪、本田、丰田、沃尔沃和Aurora Innovation的自动驾驶团队采取的方法是：采用光探测和测距技术，通常称为LiDAR。Aurora表示，它已经设计了专有的传感器FirstLight Lidar，使用频率调制连续波（FMCW）LiDAR，可以看到前方四分之一英里（约400米）的地方，还可以即时测量车辆周围物体的速度。Aurora表示，这项技术的使用为自动驾驶系统创造了更多的时间来进行刹车或安全操纵，特别是对于重型卡车。
与此同时，自动驾驶初创公司Waymo正专注于提供叫车服务。该公司表示，Waymo Driver自动驾驶技术在很大程度上是按照Level 4运行的，并谨慎绘制了包括车道标记、交通标志、信号灯、路边石和人行横道等在内的地图。此外，该系统基于超过2000万英里的真实驾驶和超过200亿英里的模拟驾驶数据进行构建，使Waymo驾驶员能够准确预测其他道路驾驶员、行人或物体可能会做什么。
目前正在德国测试如何通过终端远程控制车辆。总部位于柏林的初创公司 Vay 一直在柏林测试一支遥控电动汽车车队，并计划今年在欧洲甚至美国推出出行服务。该服务允许客户订购一辆遥控汽车，并让汽车将他们带到目的地；如果车辆到达目的地，用户下车，之后数英里外的人类远程驾驶员停放车辆或将其引导至下一个客户，该公司声称其系统能满足最新的汽车安全相关的安全标准，并部署冗余的硬件组件和网络连接。
这种“远程操作”有人保持怀疑态度。虽然新的通信技术更快、更稳定，但延迟和连接性仍然是一个大问题。毕竟，驾驶员面临的紧急情况通常需要在几毫秒内做出决定，并且由于网络拥塞导致的任何延迟问题都可能使完全远程的驾驶员难以在紧急情况下做出响应。
训练 AV 系统
然而，为了让自动驾驶系统在所有驾驶场景中都能安全运行，仍然需要围绕算法开发和测试完成大量工作，以确保车辆导航系统能够理解迎面而来的司机，以及司机和行人之间的社交互动。
通常，如果行人即将过马路或正在过马路，驾驶员和行人会进行眼神交流，并会使用非语言提示来指示他们移动。同样，缺乏这种眼神交流会向驾驶员发出信号，表明行人或其他驾驶员不知道他们的存在，他应该采取规避行动以避免或减轻碰撞。
有专家表示，训练一个系统识别这些线索，是可以做到的，但需要大量的计算能力和训练时间，并需要多年时间来开发一个可靠和值得信赖的系统。与此领域相关的是感知功能支持，人类和自动化之间有很大的感知差异。我们通常能理解人类驾驶事故，而对自动驾驶事故感到困惑，所以，当我们看到一场人类驾驶事故时，我们会说，是的，我能理解这是怎么发生的。但当我们看到自动驾驶事故时，我们会说，好吧，这太荒谬了——我不知道那辆车怎么会犯这样的错误。
通常情况下，人类司机随着时间的推移积累了足够的经验，可以安全地处理其他司机做出非理性或意外决定的情况，通常是通过减速、靠边停车或简单地保持其速度和行驶方向，以便人类、动物或其他车辆可以绕开他们。
英国利兹大学应用行为建模主席 Gustav Markkula 说：当前的自动驾驶算法对人类行为没有足够复杂的隐含理解，以有效地处理交通中的交互。在道路中人类之间有那种隐含的理解，例如司机了解行人在进行什么，行人和司机进行交互以确保自身安全。
监管方面的挑战
实现完全自动驾驶汽车商业化的最大障碍可能是道德和责任问题，包括如果自动驾驶汽车杀了人或伤了人，或破坏了财产，哪一方应承担过错？多年来，美国政府拒绝对特斯拉的自动驾驶仪和通用汽车的超级巡航等驾驶辅助系统进行监管。
趋势正在改变，2021年6月，美国政府表示，所有汽车制造商必须报告涉及驾驶辅助系统的碰撞事故。此外，美国国家公路运输安全局(NHTSA)在2021年8月对使用自动驾驶仪的特斯拉汽车追尾紧急车辆展开了调查，这些车祸已经造成17人受伤，1人死亡。
NHTSA 五年前的指导阐明了该机构有权在自动驾驶系统显示“可预测的滥用”证据时进行干预，这通常在 YouTube 的视频中说明尽管特斯拉手册中有警告，但驾驶员在驾驶座上睡觉、玩游戏或从事其他会转移驾驶员注意力的活动。
最终，达到Level 5级自动驾驶系统可能需要十年或更长时间才能实现。技术问题、监管问题和持续的芯片短缺是开发该系统的障碍。完全自动驾驶很可能会首先部署在商用车上，包括自动驾驶卡车、叫车服务和班车。除了拥有购买这些车辆所需的资金外，商业实施更有可能将运营限制在特定的已知道路上，以及为自动驾驶车辆建立和执行公司特定的安全操作参数，例如使用摄像头来确保司机积极关注道路。
原文链接：
https://cacm.acm.org/news/259392-still-waiting-for-self-driving-cars/fulltext
点「在看」的人都变好看了哦！
