真正的無人駕駛汽車，應該完全具備「眼觀六路，耳聽八方」的駕駛技能，順暢無阻地馳騁在道路上。顯然，當前的無人駕駛技術肯定未達到這種水平。但是，作為汽車未來的方向，無人駕駛汽車必須練就一雙「火眼金睛」，從看的見，到看得懂，真正成為幫助人類改善交通狀況和提升駕駛體驗的「私人助手」。
無人駕駛汽車需要真真切切地“看到”他們周圍發生了什麼。
芯片製造商巨頭英特爾在無人駕駛汽車的大戰中已然投入了大量資金。最近一筆是以超過150億美元的價格收購了以色列科技公司Mobileye。
實際上，Mobileye默默在自動駕駛輔助系統和許多自動駕駛汽車背後開發傳感器和智能技術。它的技術使汽車“看到”並理解我們身處的這個世界。
最近還有一些收購，包括深度學習技術公司Nervana、微芯片製造商Movidius和汽車技術公司德爾福。英特爾還與寶馬和大眾展開合作，年底前開始試驗。
英特爾正在戰略性地整合開發自駕車所需的所有關鍵功能，他們能夠幫助無人駕駛汽車“看到”並 “智能”地瞭解我們周圍的世界。
能「看到」才是安全的
大多數無人駕駛汽車使用組合傳感技術，這些傳感器包括視覺傳感器（比如相機），以及物體檢測距離傳感器（比如激光和雷達）。
近十年，在商業開發領域，基於測距的傳感器已經主導了機器人、自動駕駛汽車系統。這些傳感器可在100米或更遠的範圍內，可靠地指出周圍所有物體距平臺的距離。
激光通常僅用於低級別的簡單任務，如避免障礙物，以確保系統沒有擊中任何物體。
而雷達傳感器已經在一些高端汽車中的先進巡航控制系統中使用了至少十年，最近已經在低成本汽車上轉化應用。
但是，僅用於探測距離的傳感器有其限制。遠程激光或雷達掃描可以提供關於行人姿勢的粗略信息，但不會告訴你那個人臉上的表情。距離傳感器在讀取現有標牌方面也很差，因為大多數標誌是基於視覺的。
相比之下，基於視覺的傳感器，如相機，在機器人的“感覺”上提供了豐富的“世界觀”。他們可以感覺到顏色和精細的外觀細節，激光或雷達則根本不可能完成這樣的任務。
當談到駕駛時，我們通常假設設計並建立的環境裡，司機是能夠看到的。因此，無人駕駛汽車要像人類那樣開車，必須能夠自然地適應現有的基礎設施和標誌。
能「看到」是很難的
然而，照相機對環境的變化非常敏感。無人駕駛汽車在道路上遇到的最簡單的例子就是晝夜循環。
除了光線不足問題，人造照明（比如來自迎面而來的車燈）會使得軟件在試圖識別前方道路上的物體時變得異常困難。
圖注：基於照相機的導航系統難以識別它在哪裡
左圖相同地方但相似度低，右圖是不同地方但相似度高
其他變化，比如天氣、季節變化、霧、煙和霾，也會導致其他視覺問題，更嚴重的是，積雪如果在馬路兩邊，它們有可能完全掩蓋住線條、標記，甚至標誌牌。
人類通常能夠謹慎駕駛，知道要做什麼，但是無人駕駛汽車，則依賴於固化的道路規則，適應起來非常困難。
對於無人駕駛來說，最大的挑戰發生在多個變化同時發生的時候，例如深夜的熱帶雷暴。人類能夠相當好地處理這些極端天氣，即便人類在這樣的條件下也會出現更高的事故率。
但沒有無人駕駛汽車能證明它可以在如此極端的條件下還能夠可靠地駕駛。當然，一些經常發生的情況，比如中度雨，他們目前倒是可以做到。
全自動駕駛汽車行駛在多雨的夜晚行駛
「看到」是可以教出來的
在自動駕駛汽車世界中，許多大玩家正在開發深度學習系統，告訴汽車如何以遠超過人類駕駛員的水平進行學習。
這正是Mobileye所研究的東西，這些深度學習系統通常需要大量的標記數據。
收集原始數據是非常昂貴的，但可行性很高：只需要將傳感器和計算機放在大量的汽車上，並在交通網絡上行駛即可。這便涉及到標記問題：在大量的攝像機鏡頭中標記人、汽車、障礙、交通燈、車道標記和標誌。
Mobileye通過使用數百人來對這些圖像進行標記，以解決這個問題。它是這一領域的領導者之一，它與幾十家公司在這一領域的合作關係顯示它已經非常成功。
英特爾的這筆鉅額收購，使得mobileye成為其他同樣基於學習技術的廠商的直接挑戰者，如NVIDIA。
從長遠來看，我們可能會看到像Mobileye和Xerox這樣的公司越來越多地使用照片擬真模擬來生成大量的數據。
這種方法的優點是其不需要任何人工標記，因為模擬環境已經知道環境中的所有事物。
「看到」是敏感且微妙的
目前，通常無人駕駛汽車需要設計的比人類更加“謹慎”，這是因為，人類往往能夠可靠地對他們周圍的世界發生的事情產生更多的認知。
如果一個人看到慢跑者，他可能會推斷，這個慢跑者不太可能突然跑到馬路上。而機器則傾向於，或被明確地將其設計的更謹慎，至少現在是如此的。
那些類似於Mobileye開發的視覺技術，會提供更多精細的“場景環境”，幫助汽車更自信地駕駛。
視覺技術可以讀取面部表情並分析身體姿勢和站在路邊的人的可能意圖。視覺技術甚至可以看到另一個人類駕駛的汽車，看看駕駛員是看路還是在打他們的電話。
基於視覺的技術還可以更加無縫地與駕駛員輔助系統中的人類駕駛員結合，這有助於人類避免錯誤，典型例子便是豐田的Guardian系統。
豐田Guardian系統
相關問題
已經有十多家公司展示了自動駕駛汽車在不同情況下的自主駕駛技術，但是我們仍然沒有可靠的車隊可以讓我們在任何時間都能預訂。
無人駕駛汽車還面臨的最大問題是，即便頂級的無人駕駛汽車在絕大多數時間是可靠的，但也並不是“全部”時間都可靠。
他們也不好處理那些一百萬（或十億）分之一的小概率事件，那些完全意想不到的事情，比如說一個人拿個沙發坐在馬路邊，或者一個人在路邊扮成一隻巨大的火雞。
一個男子坐在馬路邊的沙發上
去年，特斯拉的事故中，在人為失誤及不“太”可能但可能發生的事件的共同作用下，事故發生了。其中有一個問題很關鍵，由於當時天空非常明亮，自動駕駛儀並沒有注意到拖車的白色一側，這便是在無人駕駛界很多玩家都想解決的視覺問題的經典例子。
特斯拉事故官方分析：https://www.tesla.com/blog/tragic-loss
來源：機器人圈