下载掌阅APP，畅读海量书库
立即打开
微课视频11
在技术层面，自动驾驶研发所面临的挑战仍是非常巨大的，还有很多现实的问题亟待解决。例如：
（1）关键部件的冗余度问题。车辆的安全设计要求远高于对自动驾驶功能的实现，冗余设计是传统车辆安全保障的重要手段，而目前量产的很多自动驾驶控制模块缺乏周全的冗余设计。为了满足安全性的要求，车辆需要两个同等功能的模块共同作用于系统，甚至包括执行装置的电源都需要进行冗余备份。对原本已十分复杂的自动驾驶系统进行冗余设计不但增加成本，而且其内部结构的设计将会成为更加难以逾越的障碍。
（2）车端芯片的算力问题。自动驾驶系统离不开大量的人工智能计算，车端（车载）计算平台是人工智能计算的载体，为上层软件提供算力支撑和运行环境。虽然集成电路技术的发展在不断提升算力平台的性能，但车端平台的算力不足已经成为自动驾驶技术发展的瓶颈之一。受制于算力上限，很多复杂的算法不能运行，推理逻辑的计算精度无法提高。自动驾驶算法如果无法在车端获得足够的算力支撑，会导致车辆自动行驶的安全性受到挑战。自动驾驶等级每增加一级，对算力的需求就会有数量级上的提升。当前车端计算的POPS（peta operations per second，计算机处理速度单位，表示每秒1千万亿次操作）时代已经到来，例如蔚来汽车最新的新能源轿车ET7就搭载了4颗英伟达的Orin芯片，算力可以达到1016 TOPS（tera operations per second，表示每秒1万亿次操作）。然而，如此强大的算力也无法支撑L4级的自动驾驶技术完全落地。
（3）“软件定义汽车”的架构调整问题。在软件定义汽车的驱动下，智能汽车的电子电气架构（electronic electrical architecture，EEA）正在加速从分布式ECU（electronic control unit，电子控制器）向集中式ECU演进，终极形态就是车载中央计算机。从分布式ECU架构到集中式ECU域架构演进，算力开始集中，后者按照功能不同聚类，形成了“面向服务架构（service-oriented architecture，SOA）”，实现了软件与硬件的解耦。通过高速以太网替换传统的CAN（controller area network，控制器局域网）总线作为车内骨干网进行互联。该架构可以提供开放式软件平台，底层资源实现池化并提供给上层共享，配合云端计算形成更大的协同式计算网络。车端的算力平台是自动驾驶实现的载体，因此电子电气构架核心的演进，需要用到开放的、资源充足的车载硬件，令车端软件的开发更便捷、更高效、更敏捷，目前能够完全符合要求的架构系统尚待完善和实现。
（4）传感器成熟度的问题。目前毫米波雷达传感器、超声波传感器和高清视觉传感器已实现量产，其质量已经基本满足使用要求。但高线束的激光雷达及通信单元等设备仍然没有经历过大规模的量产实践，性能仍然不够稳定；在一些器件指标上，包括激光的线束数量及测量精度等相对毫米波雷达和视觉传感器等还有较大的发展空间；当前激光雷达的成本仍然过高，离普及还有较长的路要走。
对于自动驾驶技术的研发，还有许多涉及支撑和协同的问题，例如：
（1）软件研发的迭代升级。自动驾驶研发的软件编程方法正在从“面向过程”到“面向对象”演进，以TensorFlow/PyTorch为开发框架的深度学习主要采用了“可微分编程”的方法。敏捷开发等加速软件功能迭代升级的云原生技术也在快速普及。特斯拉的影子模式——采集数据＋Dojo（特斯拉自研的超级计算机）云端训练、滴滴的“桔视”、魔门塔（Momenta）的“飞轮”等都是在自动驾驶的研发流程中尽可能地将流程自动化，形成闭环，加快软件以及算法的迭代速度。软件研发的迭代升级仍在进行中，还有很多值得改善之处。
（2）高精度地图的“鲜度”。对于自动驾驶系统所需的高精度地图，地图绘制最大的挑战在于如何应对数据的更新——在地图中融入时间维度。高精度地图绘制必须收集最新的数据，而且必须保证数据的实效性和可靠性，这就是地图的“鲜度”。传统图商专业团队采集数据的方法无法满足地图“鲜度”的更新频率，因此行业普遍认为“众包”将会成为高精度地图绘制的终极模式，但如何将其商业化是一个待解决的问题。
（3）罕见场景的长尾挑战。对自动驾驶测试来讲，最大的挑战在于很难收集到所有罕见场景。在通常情况下，常见场景的收集处理只需占用整个自动驾驶研发团队20%的精力，但罕见场景的收集处理可能需要花费团队80%的精力。驾驶行为的罕见场景（例如汽车不慎没入较深的积水中）一般需要经过长时间的积累才能获得，样本数量也不会太多。但是对于可能有上亿参数的自动驾驶深度神经网络模型，如果罕见场景的样本数量太少，就难以保证模型能够学会这些场景。
（4）单车智能与车路协同。目前业界自动驾驶基本上都以单车智能开发为主，但国内也有一些政府引导的车路协同实验园区在做相关的工作。业界一个普遍的看法是：在道路和交通状况复杂的区域，仅依靠单车智能实现自动驾驶相对困难。但如果配合道路基建、5G技术以及政府的统筹规划进行车路协同则是解决这一问题的合适方法。车路协同以及智能网联汽车的发展，是万亿元级的大产业，必然面临深层次的产业问题。产业最佳商业化的模式是什么？如何做大蛋糕并分好蛋糕？如何在短时间内协调公共部门和商业实体之间的分工协作？这些还有待于深入探索。
（5）自动驾驶的算法突破。目前大部分的自动驾驶深度学习算法基于监督学习，监督学习非常依赖于数据样本，由于数据样本的错误会污染深度学习模型，从而给系统造成损害，所以在自动驾驶的研发过程中，需要依赖大量的人工来做标注。虽然现在很多标准平台在人工智能的辅助下可以进行半自动的辅助标注，但最终还是需要人工进行最后的把关。使用大量人工会带来巨大的经济成本和时间成本。而业界目前在积极探索，希望突破现有算法的瓶颈，例如采用无监督学习或强化学习的方法，又如发展类脑计算和类脑芯片计算，借鉴人脑信息处理方式打破冯·诺依曼计算机架构的束缚等。
此外，在自动驾驶研发方面，还有很多诸如仿真难题等挑战需要面对，而这些仅仅是技术层面上所面临的问题，自动驾驶技术如果要全面落地，还有许多非技术层面上的问题需要解决。
微课视频12
除了技术层面，自动驾驶还会有许多涉及社会、伦理、法律等层面的问题需要解决，这些都是非技术层面的挑战。车辆作为一个社会性的交通工具，行驶在一个开放的复杂环境之中，在给生活带来便利的同时，也会对生活造成一定的影响，例如交通事故、环境污染，甚至车辆的停放及废弃等。如图1.11所示，相对传统的车辆驾驶，自动驾驶是一个新生事物，所产生的非技术问题已经开始引起社会的广泛关注和重视。
图1.11 自动驾驶在非技术层面中所面临的挑战
自动驾驶面临的非技术问题有很多，本节围绕一些主要的问题进行介绍。
（1）交通事故责任问题。车辆驾驶中发生交通事故，会按照交通法规对事故责任方进行问责，一般处理过程为先查明事故原因，然后根据原因确定责任主体，最后对责任主体进行处罚。传统车辆驾驶的事故中一般以驾驶员为责任主体，只要车辆出厂合格且受伤害对象未严重违法，车辆驾驶员都要担负全部（或部分）责任。对此，社会上已建立了以保险公司担负第三方责任的理赔机制，该机制为驾驶员分担部分财产赔偿的风险。然而，自动驾驶中由车辆部分（或完全）替代驾驶员操控车辆，驾驶员逐步过渡为车辆行驶的监督者，甚至仅作为乘客，因此交通事故的责任主体也将从驾驶员逐步过渡到车辆本身。作为物产，车辆本身是无法担负事故赔偿或承受处罚的，那么如何追责？如何理赔？由此对应的处罚方式和保险模式也必然将发生相应改变，目前该方面的法规和操作办法仍需探索和完善。
（2）自动驾驶车辆的物权问题。传统车辆的物权归属较为清晰，当消费者完成车辆购置后，车辆物权发生转移，车主拥有车辆完全的财产处置权和使用权，包括车辆所涉的软硬件。生产商对车辆质量提供保障，服务商提供维修保障，保险公司提供财产服务，车主（驾驶员）拥有车辆的财产权和使用权，几方各司其职、各担其责。然而，自动驾驶的介入减少甚至取消了属于车主的部分权利，这些权利将重新转回给生产商及服务商，并以长期服务的形式提供给车主。例如车主将不再拥有车辆行驶相关的绝对支配权，包括行驶数据信息的分享、行驶轨迹的设定等，即生产商及服务商分享了车辆使用的控制权，参与了车辆使用的过程。使用权的共享导致了车辆的物权归属由完全私人产权向半公共产权的过渡倾向。
（3）自动驾驶中人工智能的伦理问题。随着人工智能的发展，人工智能的伦理逐步成为一个重要的社会讨论命题。阿西莫夫在20世纪中期的科幻作品中曾提出过“机器人三定律”，在当时已经引发了人们对智能机器人的伦理思考，而人工智能在自动驾驶中的应用也存在车辆伤害人类与自我伤害之间的伦理矛盾，尤其是在有可能违背车主本身意愿的情况下发生的伤害。
（4）因信息不全所引发的决策问题。在传统车辆驾驶中，驾驶员经常会面对一些未知情况而被迫做出决策，例如野外探险、天气突变、道路坍塌时是否需要规避当前路线。而自动驾驶过程中，很多突发状况或者未知信息仍然会大量存在，不同于驾驶员可以完全自负责任，自动驾驶所提供的即时决策在事后是否会被判定为冒险？是否违背了车主当时原本的意愿？以及这种行为所造成的后果应如何承担？这些问题也是无法回避的。
（5）社会群体接受问题。自动驾驶技术的成熟落地，会给当前的社会生活带来巨大变化，社会群体是否对此认可？在多大程度上支持？这些问题也是无法回避的。例如有人看见无人驾驶的车辆在道路上快速行驶会感到恐惧；有人会认为自动驾驶技术剥夺了自身驾驭车辆的乐趣；有人会认为交通出行方式过于刻板，行驶路线一成不变、速度一成不变等。这些问题需要人们逐步适应，也需要社会管理机构逐步对相应的流程或场景进行完善。
此外，还有诸如驾驶员完全转变为乘客的角色，驾驶的资格培训转变为对乘客资格的培训，自动驾驶对社会交通运行效率的改变，对能源效率的改变等问题，将促成社会的变化。这些非技术因素势必会引起社会的高度重视，最终在不断的适应和协商中为自动驾驶的全面部署寻求到适合的对策。