谷歌Waymo無人車CEO對全自動駕駛“悲觀”預測引起了自動駕駛創業者的不適，不過他并不是第一個做出這種判斷的人。

近日，國內一篇名為《太難了！谷歌無人車老大承認遙遙無期，全自動駕駛寒冬將至？》的文章，引起了自動駕駛圈同仁們的廣泛熱議。且不說文章內容拼湊了幾句關聯度并不大的只言片語（甚至搬出CNN識別算法作為論據），單講標題給出的“全自動駕駛寒冬將至”這個荒誕結論也有很大問題。無人駕駛技術發展最快且駕駛座不需要安全員的Waymo，也不敢稱自己的車為“全自動駕駛”汽車。“全自動駕駛”還遠未實現，哪來的寒冬將至。

事件起因于本周二，Waymo公司 CEOJohn Krafcik在加利福尼亞州拉古納海灘舉行的WSJ D.Live技術會議上的發言，他表示了實現真正的無人駕駛道路漫長，雖然看起來無人駕駛汽車“就在這里”，現實中也出現了自動駕駛汽車，但它們還并不能做到“ubiquitous （無處不在的）”。原因在于，自動駕駛技術還沒有達到在任何天氣、任何條件、任何時間下都能駕駛的最高等級L5，這些條件對于人類駕駛員來說都很困難。

全自動駕駛，十年、二十年，還是更久遠？

John Krafcik并不是第一個得出“L5距離我們還很遙遠”這個結論的人。見證了中國無人駕駛技術從無到有，參與組織世界水平最高、歷時最久的無人車比賽——中國智能車未來挑戰賽的中國工程院鄭南寧院士，同樣認為“實現真正意義上的無人駕駛還需要很長時間。”鄭院士認為，盡管我們已經取得了長足進步，但要適應復雜的交通環境，智能汽車還面臨著五大挑戰：

第一，復雜交通場景的“周密感知。必須在所有條件下，無論是天氣變化，復雜的路況，無人駕駛汽車都必須可靠地感知周圍的場景，做出安全的響應。換句話說，自主駕駛“必須是一種不能犯錯誤的人工智能系統”。

第二，對“預行為”的理解。駕駛員往往是根據預行為來傳達行駛意圖，比如開車途中能判斷前方開車的是老司機還是新手，從而決定“是否要離它遠一點”，但目前的無人駕駛技術很難解釋或理解這些細微的預行為。

第三，對“意外遭遇”的應對。比如，在臨時進行的交通管制的場合，無人駕駛汽車難以識別交警指揮車輛的手勢。同時，如有行人突然要穿越馬路，由計算機系統來做出預判并瞬時理解。這是一個很困難的問題，因為基于規則的自主駕駛不可能提前為每個場景編碼。

第四，“人—車的自然交互”。自主駕駛必須以自然的方式與人類交流，實現車輛與乘客之間的無障礙交流。乘客上了無人駕駛汽車，自主駕駛系統須通過交流，知曉乘客要去的目的地，理解并回答乘客提出的問題，而不是一個簡單的“點到點的行駛”。

第五，網絡安全的風險。通過云端的獲取和更新地圖的自主駕駛將面臨更大的風險。

鄭院士在首屆中國認知計算與混合智能學術大會上，也從直覺性AI的角度出發，提出了實現復雜路況中無人駕駛的四個核心技術：

1．如何在環境感知數據獲取與融合過程給出知覺物體的基本判斷，形成選擇注意的基本單元；

2．如何在注意的基礎上，將非完整的環境信息轉化為用于決策規劃的空間結構信息；知覺編組能用最少的領域只是形成目標假設；

3．如何在學習和知識集成的基礎上，實時處理行駛過程中的突發事件，即具有自學習功能；

4．如何在環境交互和行為決策的基礎上，構建無人駕駛的控制系統。

兩位自動駕駛圈德高望重的意見領袖對實現無人駕駛的預期驚人的一致，他們通過十多年來對自動駕駛的研究與觀察得出了這個“悲觀”的結論。

當下L5可能是死路，商業化才是活路

盡管全自動駕駛看似遙遠，但自動駕駛汽車并非不能賺錢。截止2018年10月，積累了近1萬公里數據的Waymo，宣布兩個月后將在鳳凰城進入無人駕駛出租車的商業運營階段，無人駕駛汽車可能會在未來10年內在城市街道上巡航，從而改變數十億美元的汽車產業和優步蓬勃發展的乘車業務。同時，Krafcik說卡車運輸是自動駕駛車輛可能在未來幾年內很快落地的一個領域，waymo在卡車運輸領域也有布局，技術雖然遙遠，但目前將高速公路上的貨物運送到樞紐處完全可以實現。

所以，John Krafcik版的“真香”你們還滿意嗎？

2018中國智能車未來挑戰賽

“中國智能車未來挑戰賽”（Future Challenge）創辦于2009年，作為國家自然科學基金委員會重大研究計劃“視聽覺信息的認知計算”的重要組成部分，其目的是通過真實物理環境中的比賽來交流和驗證我國“視聽覺信息的認知計算”研究進展和成果，以推動重大研究計劃將應用基礎研究與物理可實現的系統有機結合，產生能滿足國家重大需求并具有原創性的重大研究成果。

本屆比賽是第十屆“中國智能車未來挑戰賽”，主要分真實道路環境測試（含城市道路、城郊道路和高架快速道路）、復雜環境認知水平能力離線測試兩部分。其中，真實道路環境測試著重考察無人駕駛智能車輛的交通場景識別能力以及不同道路環境中的安全性（Safety）、舒適性（Smoothness）、敏捷性（Sharpness）和智能性（Smartness）等4S性能；離線測試則在大規模真實道路交通場景數據庫的基礎上，通過仿真環境評估無人駕駛車輛各類交通環境感知算法的基本認知能力和水平。與往屆相比，今年的參賽車隊種類將更加豐富多樣，除高校科研院所的車隊外，還將邀請從事無人駕駛智能車研發的創新創業公司、整車制造企業等參與比賽。

此次賽事具有如下亮點：

1、在2017年引入有人駕駛干擾車輛的基礎上，首次開展有人駕駛與無人駕駛混行測試驗證；（多輛無人車與多輛有人駕駛車輛交互）

2、在完善九宮格地區開源數字地圖基礎上，首次引入語義拓撲地圖，開展無人車自然交互導航應用測試；

3、首次以無人駕駛出行服務為背景，全面驗證無人駕駛商業化應用的技術成熟度。