天天向上091211和很多新产品也一样，大家对自动驾驶的态度也是两极化，分为过于信任和太不信任。有些人过于信任自动驾驶，打开自动驾驶自己就敢玩手机或者睡觉，这已经出了几次人命事故。有些人又太不信任自动驾驶，觉得都是商家的噱头，买了新车连自动泊车入位功能也不太敢尝试。

　　这就要从自动驾驶的“天梯”说起了。对新兴技术或者对汽车感兴趣的朋友，一定都看过这么一条新闻，说特斯拉的Autopilot已经具备Level 2，也有称为L2级的自动驾驶能力。如果不了解自动驾驶的天梯，可能很难完全读明白这条新闻。

　　美国汽车工程学会（SAE）给自动驾驶按水平不同分了六个等级，等级越高自动驾驶的水平越高，最低是Level 0，表示完全没有自动驾驶的能力，最高是Level 5，表示有完全的自动驾驶能力，司机可以坐在驾驶位上安心看书，或者干脆就不再需要驾驶位了。

　　现在市场上售卖的无人驾驶功能都到了Level 几的水平了呢？前些年业界一度很乐观，关注点已经发散到取消驾驶座以后，应该改成麻将桌还是火锅台了。

　　但现实很骨感——经过一段时间的实践以后，特别是无人驾驶出现了几次翻车（是字面意义上的“翻车”）以后，大家的头脑逐渐冷静了下来，目前各个无人驾驶的巨头也基本达成了一个共识，认为Level 5实现难度非常高，要真正达到还需要很长的时间，可以肯定最近几年是不可能用无人驾驶代替考驾照了。

　　当然了，事情也并非两个极端，虽然无人驾驶距离能够让司机下岗还有很长的路要走，但当前也并非只是噱头毫无进展。研发能够适应各种复杂路况的无人驾驶当然很难，但也做数学难题一样，可以先加一点背景限制条件来简化问题。

　　现在一些具体的应用场景中，无人驾驶确实已经能够达到让司机“放开双手”的水平，譬如现在已经推出了能够在厂区、园区内行驶的无人驾驶公交车，以及能够在特定路段行驶的无人驾驶出租车等等。

　　按照SAE对无人驾驶的分级，目前市面的各类无人驾驶，包括名气很大的特斯拉的Autopilot，基本还处于Level 2和Level 3的水平，也就是部分自动驾驶和有条件自动驾驶，读起来很拗口，用大白话来说就是能够帮助司机，但不能够替代司机的意思。

　　我国三部委颁布的《智能网联汽车道路测试管理规范（试行）》也作出要求，测试驾驶人应始终处于测试车辆的驾驶座位上、始终监控车辆运行状态及周围环境，随时准备接管车辆。

　　前面提到的这些已经上路的无人驾驶公交和无人驾驶出租车，在实际运行中通常都还要配备一到两名安全员，可能和大家想象中“驾驶座上没有人，只有方向盘在空转”的场景略有出入。

　　有些智能驾驶系统还担心司机过于迷信“无人驾驶”而分心走神，还专门设置了一系列检查司机有没有专心开车的机制，包括检测司机的双手是不是放在方向盘上，以及检测司机的眼睛究竟是盯着行车前方还是在看其他地方。

　　无人驾驶当前可以说是冰火两重天，每每新产品让人眼前一亮，感觉成功就在眼前，而新事故又让人忧心忡忡，甚至怀疑这条路到底能不能走通。总的来说，无人驾驶作为人工智能技术的典型代表，同样也和很多已经尝试落地的人工智能产品一样，是希望与挑战并存。

　　我还清楚记得第一次搭乘无人驾驶汽车，虽然分别列坐驾驶座和副驾驶的两位彪形大汉破坏了一点科幻感，但是看着无人操控的方向盘自己旋转，遇到红灯自己刹车，突然出现了行人车辆还懂得自己避让，我仍然像体验了一场大型魔术一样，产生了难以形容的震撼，迫不及待想掀开魔术幕布一窥背后的奥秘。

　　无人驾驶是个非常前沿的研究方向，新闻不少，但系统性介绍这门技术的书并不多，而且寥寥数本当中，大部分还都是科普性质的，缺乏理论知识层面的介绍，难以深入了解背后原理。有这方面需要的同学，我推荐《智能驾驶技术：路径规划与导航控制》。

　　这是一本硬核的书，读完这本书，你会对无人驾驶的完整流程能够有一个清晰的了解。以下内容是我读完《智能驾驶技术：路径规划与导航控制》以后，自己的理解归纳：

　　地图一这项好理解，无人驾驶也好，有人驾驶也好，最终都是把车子从起始地开到目的地，关键就是要“认路”。过程我们都很熟悉了，需要借助地图导航。无人驾驶也同样需要地图导航，但是，无人驾驶使用的地图和我们普通的导航地图不太一样，是高精度地图。

　　有什么不同呢，回想一下，我们的导航地图主要是标识了各种地点，也就是地理信息，但是对于行车相关的信息，譬如交通灯、交叉路、车道规则和道路水平等等，大多是缺乏的。

　　高精度地图一方面对准确性要求更高，通常需要结合GPS、遥感影像等等测量仪器的结果绘制。另一方面是补充了这些行车信息，甚至对于特殊的车道还做了细致的划分，譬如路口转弯、匝道、小路，都作了分别的标识。

　　高精度地图需要包含这么多信息，制作成本当然很高，但无人驾驶有了高精度地图，认路就容易的多了，实时计算要求也一下下降很多。

　　无人驾驶的第二件宝物就是传感器。传感器应该无人驾驶在外形上的标志，现在无人驾驶的车辆，一般都会戴一顶高高的“帽子”，这顶“帽子”就是一种传感器。人类开车需要眼观六路耳听八方，无人驾驶想开车同样也需要耳目，传感器就是无人驾驶的耳目。

　　有人可能会不太理解，为什么有了高精度雷达还需要传感器呢？在真实环境中开车和游戏里不一样，是不能够“背板”的，行车路上会出现各种意想不到的障碍物需要实时观察，这里的障碍物不仅指狭义的路障，还包括前方出现的行人，和后方突然加速的车辆等等。

　　哪怕是最简单的红绿灯，我知道这里有红绿灯，那现在究竟是红灯还是绿灯，我该继续行车还是赶紧刹车呢，这都需要通过传感器观察情况。新手司机上路应该都有一个感觉，就是忙乱，要观察的东西太多，人尤如此，更遑论无人驾驶。

　　为了准确捕捉各种环境信息，无人驾驶使用了多种的传感器来捕捉各类环境信息，包括高清摄像头、红外传感器、激光雷达、毫米波雷达等等，能够捕捉的光信号不仅限于可见光，而且具备360度环视视觉。应该说，在环境信息捕捉方面，无人驾驶所具备的能力已经超过了人类。

　　准确来说，车辆驾驶系统分为软件和硬件两个部分，无人驾驶的车辆首先需要对车辆进行硬件改造，这应该很好理解，你必须得让无人驾驶系统能够控制油门、刹车和方向盘，然后才能谈无人驾驶对吧。这是硬件层面的车辆驾驶系统，在软件层面，就是无人驾驶的“大脑”了。

　　大脑是关键，前面的地图、耳目再厉害，也得需要有个厉害的大脑才能真正用起来。具体来说就是各种各样的算法，这一部分涉及到很多具体的专业知识，可以细读《智能驾驶技术：路径规划与导航控制》，这里只提一提其中有两个的问题我觉得十分有趣。

　　第一个问题就是如何训练。无人驾驶依赖人工智能技术，会从各种机器学习、深度学习、深度强化学习的模型中挑选。要使用这些模型，都有一个必经环节，那就是训练，而训练是需要试错的。

　　读过我写的那本《机器学习算法的数学解析与Python实现》的同学都知道，训练的过程就是不断减少错误的过程，这在别的地方没有问题，但是在无人驾驶这里问题就复杂了，应该没谁希望哪天街上会突然出现一辆发了疯一样的无人驾驶汽车，就算你告诉我模型训练都有这么个过程也不行。

　　那这个问题是怎么解决的呢？用仿真环境，无人驾驶是在仿真环境中不断学习进化，等训练成了真正意义上的“老司机”才能真正开车上路。

　　第二个问题叫乘坐体验，这是个很有意思的问题。我们都知道，开车不仅仅要考虑开车，还要考虑乘车。有一种车技烂，不是把车开到河里去，而是开车能把自己给开晕车了，不过，这个问题归为驾驶问题当然可以，不归为驾驶问题当然也可以。

　　无人驾驶是把这个问题纳入了考虑，首先就需要考虑另一个问题：如何形式化的问题。乘坐体验是一种感受，非常主观，但要使用数学工具解决这个问题，首先就必须要将问题形式化。这个问题简单来说，就是我们人的主观体验，真的可以用莫得感情的数学公式来表达吗？

　　无人驾驶的研究者回答是：可以的。譬如说刹车，遇到突发情况当然要刹车，但如果刹车太硬太急，乘客又会很容易觉得恶心。这是一对矛盾，而这对矛盾完全可以用数学公式来描述，再进而找到最优解。

　　具体的内容还有很多，相关数学公式和介绍可以阅读《智能驾驶技术：路径规划与导航控制》的“基于车辆约束的最优轨迹”。