　　2017 年 4 月 20 日，已經(jīng)離開 Google 并且創(chuàng)立了 Aurora Innovation 的 Google 自動駕駛項目前 CTO 克里斯·烏莫森(Chris Urmson)受其母?？▋?nèi)基梅隆大學機器人研究所下屬的旭古一田機器人學紀念講座(Teruko Yata Memorial Lectures in Robotics)的邀請，回 CMU 做了一場名為「對自動駕駛汽車的基本觀點」(Perspectives on Self-Driving Cars)的講座。

　　在該場講座中，Urmson 對自動駕駛汽車發(fā)表了 4 個基本觀點(講座的完整視頻可以登入 YouTube 觀看，網(wǎng)址為：https://youtu.be/BtgBySRrN0Q)：

　　實現(xiàn)大數(shù)據(jù)的完備性比想象中要困難的多;

　　理解人類意圖是無人駕駛汽車的根本挑戰(zhàn);

　　從 SAE Level 2 逐步升級到 SAE Level 4 + 的技術(shù)路線是行不通的;

　　「電車難題」是一個有趣的倫理學思想實驗，但只是存在于大腦中而極小概率會會發(fā)生于現(xiàn)實中。

　　上述觀點得到了行業(yè)其他專家在不同場合獨立發(fā)表的觀點的交叉驗證，因此整體較為可信。

　　引子：第 37 張測試許可證

　　2017 年 7 月 28 日，由三位自動駕駛領(lǐng)域明星公司技術(shù)負責人共同創(chuàng)辦的初創(chuàng)公司 Aurora Innovation 拿到了加州機動車管理局(Department of Motor Vehicles，California)頒發(fā)的第 37 張自動駕駛汽車道路測試許可證(如圖 1 所示)，距離公司成立僅 9 個月時間。

　　圖 1 擁有自動駕駛加州路測許可證的公司名單

　　作為眾多自動駕駛領(lǐng)域的諸多初創(chuàng)公司之一， Aurora Innovation 無疑是最特別的那個，因為三位公司創(chuàng)始人的學術(shù)背景與工作背景使其有了極高的起點，如表 1 所示。不可否認的是，整個自動駕駛汽車產(chǎn)業(yè)目前之所以能夠獲得前所未有的社會關(guān)注度和資本市場熱捧，離不開 Google、Tesla 與 Uber 這三家明星公司的大力探索和率先垂范。

　　而現(xiàn)在，這三家企業(yè)自動駕駛項目的技術(shù)負責人克里斯·烏莫森(Chris Urmson)、斯特林·安德森(Sterling Anderson)以及德魯·巴格奈爾(Drew Bagnell)齊聚于 Aurora Innovation，它的技術(shù)水平可見一斑。

　　表 1 Aurora Innovation 三位創(chuàng)始人的學術(shù)背景與工作背景

　　圖 2 Aurora Innovation 三位創(chuàng)始人(從左至右依次為：Chris Urmson，Sterling Anderson 和 Drew Bagnell)

　　如表 1 與圖 2 所示，Urmson 與 Bagnell 畢業(yè)于卡內(nèi)基梅隆大學，且后者目前仍然擔任 CMU 的副教授，而 Anderson 畢業(yè)于麻省理工學院，CMU 和 MIT 同屬全球著名的計算機四大牛校。三人都擁有機器人學博士學位，而自動駕駛汽車本質(zhì)上可歸為輪式機器人的一種。

　　日前，Aurora 在受訪時向 Fortune 雜志證實，該公司已經(jīng)開始在封閉測試區(qū)上測試自動駕駛汽車，目前正為加州的公共道路測試做準備。Aurora 并沒有公布加州路測何時開始，測試車輛有多少臺，以及這些車輛的型號。但在 4 月的采訪中，Aurora 表示正在基于 2017 款奧迪 Q7 搭建前前數(shù)據(jù)采集平臺(pre pre alpha data-gathering platform)。目前，Aurora 在加州帕洛阿爾托市和賓州匹茲堡市設(shè)有辦公室。[page]

　　Aurora Innovation 的戰(zhàn)略定位

　　Urmson 和 Anderson 對 Fortune 雜志表示，Aurora 將開發(fā)一個可以應用于不同公司的不同車型上的自動駕駛系統(tǒng)，即為自動駕駛汽車開發(fā)「全方位解決方案」(full-stack solution)。在此過程中，Aurora 將與一家或幾家汽車制造商或一級供應商合作，以設(shè)計、開發(fā)及調(diào)試大規(guī)模部署全自動駕駛汽車(即 SAE Level 4 +)所需的傳感器、軟件和數(shù)據(jù)服務及其正確的組合方式。

　　Aurora 的重點將放在軟件而不是硬件上，即致力于為自動駕駛汽車創(chuàng)建底層技術(shù)(underlying technology)并基于此幫助汽車制造商和其它公司搭建自動駕駛系統(tǒng)和服務，而不是從零開始設(shè)計與制造汽車或者大批量生產(chǎn)攝像頭、毫米波雷達或激光雷達之類的自動駕駛汽車所需的傳感器。Aurora 這么做的最終目的是想讓客戶的自動駕駛汽車盡快上路測試。

　　對此，Urmson 解釋道，「Aurora 的最終產(chǎn)品可能會需要一套標準的傳感器組合以及車載計算單元的硬件載體來發(fā)揮效用，但不會針對某款具體車型做專門的匹配優(yōu)化，汽車廠商可以根據(jù)自己的需求將 Aurora 的產(chǎn)品融入自己的車型中。目前，各大公司在自動駕駛軟件方面都在做著相同的工作——準確地感知汽車周圍的環(huán)境，并根據(jù)這些被收集的信息決定下一步做什么——或許應該有幾家供應商來為所有企業(yè)提供共性技術(shù)?！?/p>

　　此外，Aurora 不涉足硬件制造與創(chuàng)始人對對傳統(tǒng)車企的看法有關(guān)。與科技行業(yè)的某些認為主要汽車制造商速度過慢的人不同，Urmson 非常尊重傳統(tǒng)汽車企業(yè)及其大規(guī)模生產(chǎn)優(yōu)質(zhì)復雜產(chǎn)品的能力：「人們都在談論硅谷，談論復雜事物和創(chuàng)新事物，然而這些傳統(tǒng)汽車企業(yè)每兩分鐘就能生產(chǎn)出一輛高度復雜的汽車，而且能用上 15 年而不出大的故障?！?/p>

　　筆者認為，Aurora 的價值在于，三位創(chuàng)始人對于全自動駕駛汽車所需的傳感器和軟件如何設(shè)計與測試、自動駕駛系統(tǒng)需要配置多少算力有著深刻的理解以及極其稀有的一線研發(fā)經(jīng)驗與領(lǐng)導經(jīng)驗，可以向行業(yè)的其它公司提供極有價值的指導意見。

　　Chris Urmson 對自動駕駛的 4 個觀點

　　圖 3 Chris Urmson CMU 講座海報

　　1. 實現(xiàn)大數(shù)據(jù)的完備性比想象中要困難的多

　　就目前而言，人工智能領(lǐng)域的基本理念是通過數(shù)據(jù)驅(qū)動(Data-Driven)方法來解決所遇到的問題。而要精準有效地解決問題，就要盡可能地保證所收集到的大數(shù)據(jù)的完備性(Completeness)。

　　在講座中，Urmson 引用官方統(tǒng)計數(shù)據(jù)，即 2015 年僅在美國，在警局有案件記錄的交通事故共有 630 萬起，共造成 3.5 萬人喪生以及 244 萬人受傷。但 Urmson 估計，「實際發(fā)生的交通事故數(shù)量是記錄在案的 2 ~ 10 倍」。其所隱含的含義便是——僅僅解決這些案件中所體現(xiàn)的自動駕駛決策問題，還遠遠達不到大數(shù)據(jù)的完備性!

圖 4 自動駕駛汽車測試驗證過程中的暗物質(zhì)問題

　　目前，我們只知道標準場景(即封閉測試園區(qū)中提供的場景)以及被報道過的事故場景(即有記錄的事故)，即圖 4 中的黃色區(qū)域。對于從不會產(chǎn)生事故的操作到引發(fā)事故的操作的轉(zhuǎn)變概率，以及臨界場景(如圖 4 中的黃色邊界線所示)的類型和發(fā)生頻率，我們目前幾乎一無所知。

　　由此，為了測試并驗證自動駕駛汽車的安全性，需要獲取足夠數(shù)量的有效的臨界場景及其特性，與此同時，還需獲取刻畫自動駕駛系統(tǒng)以安全的操作方式應對臨界場景的能力的有效模型。

　　可以想象這是多么繁重且曠日持久的工作量!

　　2. 理解人類意圖是無人駕駛汽車的根本挑戰(zhàn)

　　Urmson 在講座中提到：「自動駕駛汽車的決策在很大程度上取決于理解和匹配道路上其他人類駕駛員的預期，而理解人類意圖是自動駕駛汽車的根本挑戰(zhàn)?！箤τ?Urmson 而言，這一難題是目前整個自動駕駛所遇到的大部分問題的核心。

　　在講座中， Urmson 為了闡釋這一觀點，在講座中列舉了 3 個由于自動駕駛測試車輛對人類意圖理解不準確而最終引發(fā)交通事故的案例。

　　圖 5 自動駕駛汽車在識別人類意圖方面表現(xiàn)的不理想

　　如圖 5 所示，一輛無人駕駛汽車無法對在人類駕駛員看來是一目了然的事情作出準確判斷：正在路邊交談的兩個人(左圖)并不打算過馬路，但如果一個人轉(zhuǎn)身離開，并朝著馬路方向走去，說明他們要過馬路了(右圖)。

　　準確識別并理解這種隱含在人們行為的意圖，目前對自動駕駛汽車而言尚顯困難。

　　圖 6 講座現(xiàn)場座無虛席

　　3. 從 SAE Level 2 逐步升級到 SAE Level 4 + 的技術(shù)路線是行不通的。

　　圖 7 自動駕駛領(lǐng)域的路線之爭：Tesla VS Google

　　自動駕駛領(lǐng)域存在所謂的路線之爭，即：

　　以 Tesla 為代表的汽車制造商，選擇從 SAE Level 2 逐步升級，直到代表無人駕駛水平的 SAE Level 4 +;

　　以 Google 為代表 IT 企業(yè)，選擇直接研制 SAE Level 4 + 的無人駕駛汽車。

　　其中，SAE Level 4 + 代表 SAE Level 4 與 SAE Level 5 兩個自動駕駛級別。

　　在講座中，Urmson 明確表態(tài)，支持老東家 Google。他認為高級駕駛員輔助技術(shù)(即 ADAS)與無人駕駛技術(shù)是兩種截然不同的技術(shù)，逐步增加自動駕駛水平的做法會使工程師在設(shè)計中選擇那些將會限制自動駕駛汽車升級到 SAE Level 4 + 的技術(shù)。

　　無獨有偶，CMU 電子工程系教授菲利普·庫普曼(Philip Koopman)在其論文《Philip Koopman CMU-Challenges in Autonomous Vehicle Testing and Validation》(SAE Paper 2016-01-0128)中提到，由于 ADAS 遵循的是「駕駛員在環(huán)」(Driver in the Loop)模式，自動駕駛汽車在行車過程中出現(xiàn)任何問題，最后都可以求助人類駕駛員來「擦屁股」;相反，無人駕駛汽車為「駕駛員非在環(huán)」(Driver out of the Loop)，在遇到突發(fā)問題時，一切都要靠自身來解決，并不會有人類駕駛員來幫忙。

　　由此，在設(shè)計 SAE Level 3 及以下的自動駕駛汽車的軟件系統(tǒng)時，需要提前考慮到并提前做好應對方案的場景數(shù)量相比于 SAE Level 4 及以上將呈現(xiàn)好幾個數(shù)量級地減少。在設(shè)計硬件時前者也不需要將設(shè)計指標(可以理解為「安全系數(shù)」)往最嚴苛的方向調(diào)整，因為只要硬件出問題了，人類駕駛員會發(fā)現(xiàn)，并采取安全措施，而后者則正好相反。

　　綜上所述，在 SAE Level 3 與 SAE Level 4 之間有著大而深的鴻溝，兩者之間相隔著好幾個數(shù)量級的設(shè)計難度以及測試與驗證方面的工作量，非技術(shù)高超且堅韌不拔者難以逾越。

　　4.「電車難題」是一個有趣的倫理學思想實驗，但只是存在于大腦中而極小概率會發(fā)生于現(xiàn)實中