如何讓自動駕駛汽車做的比人類駕駛員還要好?這在幾年前聽起來貌似是不可能的事情，因此人類駕駛員比汽車知道更多的東西，人類不僅能駕馭汽車，還能清楚的了解各種路況信息以及人的駕駛行為等。對于汽車來講，想要達到接近于人類駕駛員的水平，就必須要收集到大量的駕駛數(shù)據(jù)。
目前，擁有最多駕駛數(shù)據(jù)的兩家公司就是Tesla特斯拉和Waymo。
特斯拉和Waymo都試圖收集和處理大量的數(shù)據(jù)，用于研發(fā)自動駕駛技術(shù)。不過，這兩家公司的處理方式卻不相同。特斯拉通過目前現(xiàn)有的幾十萬輛車收集真實世界的車輛數(shù)據(jù)，包括它們的執(zhí)行方式，因為其當(dāng)前已經(jīng)達到了半自動駕駛的能力。而Waymo源自于谷歌的自動駕駛項目，它使用了強大的計算機模擬系統(tǒng)，并從那些少量的真實車輛中去學(xué)習(xí)實踐。
每當(dāng)一個新事物誕生，總會有人持不同意見。自動駕駛的支持者聲稱，自動駕駛技術(shù)將能夠減少意外車禍導(dǎo)致的死亡人數(shù)。要知道，在美國每年竟有4萬多人因意外車禍喪生，在中國這一數(shù)字要更高。
Intel認為，到2030年自動駕駛汽車每年銷售額將達到8000億美元，到2050年，每年銷售額可達7萬億美元。去年，摩根士丹利分析師亞當(dāng)·喬納斯指出，“數(shù)據(jù)”比特斯拉本身更具有價值，只有足夠多的自動駕駛里程、數(shù)據(jù)、以及更多的自動駕駛數(shù)據(jù)才足以支撐特斯拉股票的增長。
特斯拉半自動駕實時狀態(tài)
當(dāng)前，特斯拉正在通過所有客戶（現(xiàn)有幾十萬輛）的車輛來收集自動駕駛數(shù)據(jù)，這些客戶幾乎遍布全球，而且Autopilot半自動駕駛的使用率頗高，特斯拉正是通過它的隱私政策來收集這些信息。
不過，我們依然難以確定特斯拉通過Autopilot來收集到的里程數(shù)，因為特斯拉目前尚未公開聲明。根據(jù)IEEE Spentrum在2016年的數(shù)據(jù)，當(dāng)時任職Autopilot的負責(zé)人表示，特斯拉已經(jīng)收集了7.8億英里(約12.5億公里)的數(shù)據(jù)，其中1億英里(約1.6億公里)數(shù)據(jù)來自Autopilot。而同年晚些時候，馬斯克表示特斯來每天收集到的數(shù)據(jù)超過300萬英里(約482萬公里)。去年7月，其收集到總里程數(shù)超過50億英里(約80.4公里)，并且隨著特斯拉新車不斷售出，其收集到的數(shù)據(jù)里程也會呈現(xiàn)指數(shù)型增長。
這里需要注意的是，并非所有里程數(shù)據(jù)都來自Autopilot，Autopilot仍然只是一個半自動駕駛的狀態(tài)，不少人將其稱之為L2.5級別。不過即便如此，特斯來也會在未開啟Autopilot時收集如何處理不同場景的數(shù)據(jù)，這些數(shù)據(jù)都會回傳至特斯拉的數(shù)據(jù)庫，這些數(shù)據(jù)可以被用于更好的研究自動駕駛技術(shù)。
另一家擁有類似數(shù)據(jù)的公司是Waymo，該公司在今年2月底宣布它們已經(jīng)模擬50億英里(約80.4公里)自動駕駛里程。同時也指出，其自動駕駛汽車已經(jīng)在公共道路上進行了500萬英里的路測(約804萬公里)，這筆其它所有公司測試自動駕駛的里程數(shù)總和還要多。
Waymo全自動駕駛演示視頻
Waymo受到限制的是，它只通過約500-600輛左右的微型面包車隊收集真實世界的物理數(shù)據(jù)。特斯拉在全球范圍內(nèi)擁有超過30萬輛汽車，這些汽車收集到的真實環(huán)境遠比Waymo的跟多樣、更復(fù)雜，而Waymo目前盡在美國少數(shù)幾個州展開測試。因此，即便特斯拉Autopilot屬于半自動駕駛，但其測試的物理環(huán)境要更具應(yīng)用價值和學(xué)習(xí)價值。
當(dāng)然，Waymo正在著手改善這一問題，其計劃在今年年底之前增加數(shù)千輛克萊斯勒小型汽車。近期，又和捷豹路虎合作，準(zhǔn)備推出全電動I-Pace SUV的全自動駕駛車型。Waymo表示，未來幾年該公司自動駕駛車隊增加值2萬輛，這些汽車一旦上路測試，每天將能處理100萬次出行的數(shù)據(jù)。
在此之前，Waymo依然在高度依賴于谷歌強大的模擬系統(tǒng)，這里面遇到的問題就是計算機模擬并不能模擬出真實的路況和情景，因為現(xiàn)實的路況每天都會不一樣。這也是為什么特斯拉在現(xiàn)實世界中更為領(lǐng)先的原因。投資分析師塔莎·基尼說“我相信大家都同意Waymo的技術(shù)是目前最好的，但我認為很多人低估了特斯拉的數(shù)據(jù)收集的潛在力量”。
特斯拉汽車
收集數(shù)據(jù)的類型
這兩家公司在收集數(shù)據(jù)的類型和規(guī)模方面顯然是不同的，現(xiàn)階段Waymo的自動駕駛汽車共使用三種不同類型的Lidar激光雷達，5個雷達和8個攝像頭，特斯拉汽車業(yè)基本裝備8個攝像頭、12個超聲波傳感器和1個前置雷達。
相信大家也都熟悉，特斯拉并沒有在其自動駕駛汽車中采用Lidar激光雷達，雖然其和雷達很像，但它并不通過無線電波工作，而是通過每秒發(fā)出數(shù)百萬個激光信號，以及收集它們返回傳感器的時間，以此來測量距離。這樣就可以創(chuàng)建出超高分辨率的汽車周圍環(huán)境圖像，各個方向都可以測量到，前提是找到一個合適的位置，例如車頂。
捷豹I-Pace全電動 Waymo版SUV
由于傳感器自帶光源，因此其在晚上等黑暗場景下可以保持較高的精度，這一點很重要，因為相機目前在弱光環(huán)境下效果會變差，而雷達和超聲波也不及Lidar激光雷達精準(zhǔn)。
行業(yè)內(nèi)多數(shù)認為激光雷達是自動駕駛必要的條件，但馬斯克不這么認為。
但是，激光雷達既昂貴、體積又大，而且其工作還有一個物理轉(zhuǎn)動的零件(目前都是這樣)，把這樣出一套裝置放置在汽車上也會帶來一些問題，例如整車成本、外觀美觀性等。馬斯克則表示，激光雷達雖然很不錯，且能在現(xiàn)階段讓自動駕駛變得更容易，但特斯拉并不會采用這套系統(tǒng)，反而是通過基于攝像頭的系統(tǒng)來降低整車成本。
如果特斯拉可以在沒有這種技術(shù)的情況下開發(fā)自動駕駛汽車，那么這樣是一個巨大的優(yōu)勢。這是一個風(fēng)險更高的策略，最終效果也許會不錯。如果特斯拉能推出沒有Lidar激光雷達的自動駕駛汽車，那么那些主導(dǎo)Lidar的廠商或?qū)⒃獾街卮蟠驌簟?/p>
當(dāng)前，這還是一個長期的猜測。根據(jù)通用汽車的自動駕駛演技實驗室的主任Raj Rajkumar的說法，如果不采用激光雷達的數(shù)據(jù)，特斯拉會讓自己走的很難堪，并處于劣勢地位。(卡內(nèi)基梅隆大學(xué)是一所因機器人技術(shù)而聞名的學(xué)校，Uber曾在2015年挖走了數(shù)十名研究員。)
激光雷達被很多業(yè)內(nèi)人士視為自動駕駛汽車的必備工具，Rajkumar對特斯拉的自動駕駛技術(shù)(通過攝像頭來收集環(huán)境數(shù)據(jù)的方式)持懷疑態(tài)度，并說到，我認為特斯拉的硬件可能做不到完全自動駕駛。
目前，還不清楚特斯拉收集的數(shù)據(jù)包括哪些，根據(jù)其隱私政策現(xiàn)實，特斯拉有權(quán)獲取有關(guān)汽車的加速、加速度、剎車、電池使用的數(shù)據(jù)，并可以在事故發(fā)生期間記錄短視頻。這些數(shù)據(jù)可以遠程收集或者在到店服務(wù)的期間完成。值得注意的是，特斯拉隱私政策規(guī)定，只有特斯拉可以訪問“關(guān)于使用和操作的信息”。
同時，特斯拉也拒絕回復(fù)每個傳感器收集的數(shù)據(jù)類型，或者數(shù)量的體機等信息。Rajkumar講到，這些數(shù)據(jù)可以是一段視頻或超聲波數(shù)據(jù)等形式，但還不清楚特斯拉收集到的視頻是高保真清晰度還是經(jīng)過壓縮處理的低碼率視頻。
Keeney也認同這個觀點，并表示：“Waymo的數(shù)據(jù)集更詳細，因為他們使用的是激光雷達，它比相機中獲得的信息多得多。”
如何應(yīng)對挑戰(zhàn)
收集數(shù)據(jù)是一回事，但就連馬斯克也指出，處理數(shù)據(jù)也是一項艱巨的任務(wù)。馬斯克在去年夏天的一次財報電話會議上說:“處理這些數(shù)據(jù)，然后讓車輛利用這些數(shù)據(jù)進行學(xué)習(xí)，這實際上是個相當(dāng)大的挑戰(zhàn)，因為數(shù)據(jù)量實在太大了。”
相比之下，Waymo對它的模擬似乎更有信心。據(jù)《大西洋月刊》去年夏天發(fā)布的一份報告稱，Waymo重新設(shè)計了其測試城市的全電腦模型，并且每天在這些虛擬城市中測試2.5萬輛“虛擬自動駕駛汽車”。
通過在計算機上建立真實的駕駛數(shù)據(jù)模型，可以運行數(shù)千種不同的場景，這有助于Waymo構(gòu)建緊密的反饋循環(huán)，而這些測試數(shù)據(jù)隨后將被下載到測試車中。Waymo還在加州建立了一個專門的測試環(huán)境，在那里建立特定的街道特征或其它場景，可以給測試車輛模擬各種復(fù)雜的路況。
Rajkumar說，這個項目耗費了令人難以置信的投資、資源、時間和努力為代價的，這得益于母公司為Waymo提供了強力的支持，他認為特斯拉很難做到這一點。“特斯拉將不得不在這方面投入更多，并且要經(jīng)歷一個高度勞動密集型的過程。”
馬斯克在兩年前發(fā)布的第二份特斯拉“總體規(guī)劃”中表示，自動駕駛技術(shù)要獲得真正的“全球監(jiān)管批準(zhǔn)”，需要大約60億英里的測試?yán)锍獭?/span>實際上特斯拉很可能已經(jīng)超過了這一目標(biāo)，但它的汽車仍然無法實現(xiàn)完全自動駕駛。原定于在2017年進行的從洛杉磯到紐約的自動駕駛計劃已被推遲，自動駕駛系統(tǒng)的仍在不斷改進中。
沃爾沃半自動駕駛汽車
與此同時，Waymo正在以前所未有的速度積累著測試?yán)锍蹋壳耙惨呀咏?0億英里這一大關(guān)，并且依然有數(shù)千輛汽車在等待測試。Waymo計劃在今年晚些時候推出使用無人駕駛汽車的商業(yè)叫車服務(wù)項目，該項目已經(jīng)在亞利桑那州試行，這將進一步為其數(shù)據(jù)反饋循環(huán)提供支持。
其他競爭對手
特斯拉和Waymo是這一領(lǐng)域最為領(lǐng)先的兩家公司，但這一領(lǐng)域并不是只有這兩家公司表現(xiàn)突出，最引人注目的競爭對手就是：Uber。與特斯拉和Waymo相比，Uber采用了一種更隨意的方式進行自動駕駛測試，這也是以“除舊立新，快速突破”為座右銘的硅谷公司的典型特征。
2016年在匹茲堡開始測試后，Uber在舊金山的街道上投放了早期版本的半自動化沃爾沃汽車，但沒有獲得必要的國家許可，之后他們將測試轉(zhuǎn)移到了亞利桑那州。Uber最終同意了加州的基本要求，但它與國會議員們的妥協(xié)，讓這家公司落后于Waymo等競爭對手。
在三個州建立了測試車隊之后，Uber很快便開始積累測試?yán)锍獭?jù)《紐約時報》報道，截至2017年11月，它已在全國范圍內(nèi)行駛了200萬英里。目前尚不清楚Uber的測試?yán)锍炭偭浚衲?月它的一輛測試車在在亞利桑那州撞死了一名行人，這使其技術(shù)水平也開始受到人們質(zhì)疑。
通用自動駕駛概念汽車
Keeney說，在自動駕駛汽車領(lǐng)域，唯一與Waymo或特斯拉技術(shù)水平相當(dāng)?shù)墓荆且患依吓破嚬荆和ㄓ闷嚒?/span>在收購了一家名為克魯斯自動化的公司后，通用汽車一直在其幫助下研發(fā)Bolt自動駕駛電動汽車，并且計劃在2019年試用商用自動駕駛服務(wù)。
通用汽車正在效仿Waymo的做法，通過生成和處理自動駕駛數(shù)據(jù)來訓(xùn)練汽車的駕駛能力。但通用汽車的優(yōu)勢在于其生產(chǎn)能力，Waymo和捷豹雖然達成了協(xié)議，將來也能發(fā)展成新產(chǎn)品，但實際上它們并沒有自己生產(chǎn)這些汽車。Keeney認為，一套垂直策略對公司發(fā)展是非常有好處的。
通用汽車與特斯拉一樣，也有半自動化汽車產(chǎn)品在售，但這種名為“超級巡航”的產(chǎn)品僅應(yīng)用于一款凱迪拉克車型，也沒有很快擴散到其他車型上的跡象。在Keeney的眼中，這是通用汽車以及其他所有汽車制造商錯失的又一次機遇：“為什么不像特斯拉一樣，為在售的汽車裝上傳感器來收集數(shù)據(jù)?”
模擬環(huán)境的優(yōu)勢
在自動駕駛領(lǐng)域還有一匹黑馬：NVIDIA，它可能不像特斯拉和Waymo一樣擁有動輒數(shù)十億英里的測試?yán)锍蹋谧詣玉{駛領(lǐng)域卻有數(shù)以百計的公司正在使用它的技術(shù)。從上個月開始，NVIDIA向其他自動駕駛公司銷售一種被稱為“Drive Constellation”的產(chǎn)品，而這實際上就是一套現(xiàn)成的自動駕駛模擬設(shè)備。換句話說，這是NVIDIA在驗證自家的商業(yè)化自動駕駛技術(shù)。
NVIDIA自動駕駛部門的高級總監(jiān)Danny Shapiro曾表示，獲得良好的仿真對開發(fā)自動駕駛汽車至關(guān)重要。工程師們必須研究所謂的“角落案例”，或者是不經(jīng)常發(fā)生的情況。在現(xiàn)實世界中，雖然積累足夠多的測試?yán)锍毯罂隙〞龅疥J紅燈、路怒癥、惡劣天氣等情況，但發(fā)生的頻次太低，也沒有足夠的時間來學(xué)習(xí)如何處理它們。
NVIDIA Drive Constellation系統(tǒng)
“在模擬環(huán)境下，我們可以每天24小時不間斷的模擬這些場景”，Danny Shapiro說，“這就是為什么任何公司都要首先模擬自動行駛里程。”通過降低進入門檻，NVIDIA讓那些沒有特斯拉和Waymo那樣龐大車隊規(guī)模或財力支持的公司更容易進入這個領(lǐng)域。更重要的是，NVIDIA作為自動駕駛技術(shù)的供應(yīng)商，可能有助于為自動駕駛模擬建立一個事實上的行業(yè)標(biāo)準(zhǔn)。
非營利研究機構(gòu)蘭德公司的高級信息科學(xué)家Nidhi Kalra認為，由于目前很難評估私人公司自動駕駛模擬的質(zhì)量水平，所以制定自動駕駛模擬的標(biāo)準(zhǔn)對于自動駕駛技術(shù)的發(fā)展至關(guān)重要。
“任何模擬器都是對現(xiàn)實世界的簡化，”Nidhi Kalra說，“如果模擬的只是山景城中的一條死路，就算你測試了10億英里又有什么價值呢?我不是說大家都在這樣做，但如果沒有明確的模擬標(biāo)準(zhǔn)，我們就無法明確這些測試?yán)锍痰囊饬x。”
Nidhi Kalra為蘭德公司撰寫了一系列關(guān)于自動駕駛技術(shù)的研究報告，其中包括2016年的一項研究，試圖確定在現(xiàn)實世界中需要多少測試?yán)锍滩拍茏C明自動駕駛汽車比人類安全。而Nidhi Kalra與報告的合著者Susan M. Paddock得出的結(jié)論是，自動駕駛汽車將需要“數(shù)億英里甚至數(shù)千億英里”的里程，才能從統(tǒng)計學(xué)角度獲得可靠的安全聲明。因此他們在報告中稱，還需要找到其他方法來證明安全性和可靠性。
Waymo克萊斯勒測試車
Nidhi Kalra認為，模擬測試可以達到這個目的，但需要對測試環(huán)境做出更多且更明確的要求。他表示，當(dāng)一家公司表示說‘我們在模擬器中行駛了XX英里’時，只能對他說，嗯，恭喜你有個模擬器。
當(dāng)自動駕駛汽車公司向監(jiān)管機構(gòu)或客戶證明他們已經(jīng)開發(fā)出全自動無人駕駛技術(shù)的時候，最可能的衡量標(biāo)準(zhǔn)是它是否和人類駕駛一樣安全，也就是每X英里的撞車率，每X英里的傷害率，甚至每X英里的死亡率。
正如Nidhi Kalra和Susan M. Paddock在研究中指出的那樣，現(xiàn)實世界中很難證明這一點，而在徹底了解模擬測試的質(zhì)量之前，模擬測試也無法證明這一點。“這很矛盾，” Nidhi Kalra說道，“在人們真正部署自動駕駛技術(shù)之前，可能會一直無法證明它的安全性。也許只有在自動駕駛汽車投入使用后，才能有確鑿的證據(jù)證明它有多安全。”
