目录:
视频: É или È? Как правильно ставить диакритические знаки над E во французском. Accent aigu и accent grave (七月 2024)
几年前，自动驾驶汽车似乎已经准备好接管道路。
《 卫报 》在2015年表示：“从2020年起，您将成为永久的后座驾驶员。全自动驾驶汽车将“从A点驾驶到B点，并遇到整个道路场景，而无需驾驶员进行任何交互”，Business Insider在2016年写道。
现在很明显，这些估计中有许多都是过分夸大的。 看看Uber在亚利桑那州遇到的麻烦。 无人驾驶汽车肯定会使我们的道路更安全，但是要从方向盘后方移走人是一个难以克服的难题。 几十年来，我们一直梦想着无人驾驶，无事故的乌托邦，但我们必须克服几个障碍，而这些障碍并非全都是技术性的。
导航开放环境
无人驾驶汽车必须在变化莫测的环境中行驶。
杰克·斯蒂尔戈（Jack Stilgoe）表示：“我认为，考虑汽车时，重要的是要使这些东西自动驾驶。这就是自动驾驶的语言真正使我们陷入麻烦的地方，因为自动驾驶仅适用于给定的系统。” ，伦敦大学学院社会科学家，无人驾驶期货项目负责人。
他说，运输业的其他领域，包括火车和飞机，已经实现了自治，取得了比汽车更高的成功率。
“飞机自动驾驶仪之所以起作用，是因为空域是在高度受控的环境中。如果您将热气球飞入747的路径中，它将直接直飞您，并且很清楚这是谁的错，”史迪高指出。 “与火车一样。无人驾驶仅是因为系统很封闭是很有意义的。”
相比之下，汽车在复杂且开放的道路上行驶，这比铁路具有无法对汽车，动物和行人通行的专用轨道的铁路更难以预测。 无人驾驶汽车必须在拥挤的街道上找到自己的路，对路标做出反应，在十字路口处应对其他交通，并在可能不清楚标记的各种条件下驾驶。 它必须学会绕过障碍物，对其他汽车和驾驶员的移动做出反应，最重要的是，避免撞到行人。 所有这些使制造安全的自动驾驶汽车的工作变得更加困难。
Stilgoe说：“总会有令我们感到惊讶的事情。”
让眼睛和大脑进入汽车
深度学习是帮助推动自动驾驶汽车技术发展的主要技术之一，深度学习是人工智能的子集，它基于示例创建行为模型。 深度学习算法会检查来自自动驾驶汽车周围安装的摄像头的视频，以查找道路尺寸，读取标志并检测障碍物，汽车和行人。
Waymo和Uber之间诉讼的核心工程师Anthony Levandowski最近发布了一段视频和自动驾驶技术的性能详细信息，该技术从旧金山的金门大桥到纽约的乔治华盛顿大桥行驶了3100英里，而无需将控制权交给人类驾驶员，而仅使用摄像机和神经网络。
尽管在州际高速公路上行驶比在城市环境中行驶要容易得多，但莱万多夫斯基的成就是显而易见的。 他的新创业公司Pronto.ai计划将这项技术提供给商用半卡车，这些卡车大部分时间都花在高速公路上。
但是，尽管训练有素的神经网络在检测物体方面可以胜过人类，但它们仍然会以非理性和危险的方式失败，尤其是致命的2016 Tesla Model S崩溃和2018 Model X事故。 其他研究表明，当自动驾驶汽车看到笨拙的位置的已知物体时，它们很容易被愚弄。
公平地讲，无人驾驶技术已经在多种情况下避免了事故的发生，但是这些情况很少成为头条新闻。
补充神经网络
为了克服神经网络的限制，一些公司为汽车配备了激光雷达（Lidar），这是自动驾驶汽车顶部经常出现的旋转装置。 激光雷达设备沿不同方向发射大量不可见光线，并通过测量这些光线从物体反射并返回所需的时间来创建汽车周围区域的详细3D地图。
激光雷达可以检测图像分类算法可能遗漏的物体和障碍物。 它还可以使汽车在黑暗中可见，并且比雷达更详细，更精确，因此更适合检测运动物体。
大多数拥有自动驾驶汽车计划的公司都在使用Lidar，包括Waymo和Uber。 但是这项技术仍处于萌芽状态。 一方面，激光雷达设备不适用于坑洼或恶劣的天气。
激光雷达也很昂贵。 根据各种估算，一辆汽车的价格最高可达85, 000美元。 根据Axios的一项调查，每年的费用可能超过100, 000美元。 一般的汽车购买者可能负担不起，但计划部署自动驾驶出租车服务的科技巨头可以。
Stilgoe说：“有一些人试图开发低成本的附件，但是当在城市共享和操作汽车时，好处似乎最明显。” 对于目前没有汽车的人来说，这可能是一件好事，而对于外地可能没有附近服务的人来说，这可能是一件坏事。
Stilgoe警告说，城市有可能将自动驾驶车队的承诺作为推迟对公共交通投资的理由。 Axios研究发现，至少有两个美国地区在自动驾驶班车服务上投资了数十万美元。
对连通性和基础设施的需求
驾驶员要做的不仅仅是观察环境。 他们彼此交流。 他们互相目光接触，挥手致意并点头，然后开始缓慢移动，向其他驾驶员明确意图。 这些功能目前的自动驾驶技术的性能非常差，甚至根本无法实现。
除了绘制环境并检测物体外，自动驾驶汽车还需要一种相互通信的方法。 在《 哈佛商业评论》 的一篇文章中，爱丁堡大学商学院的学者提出了几种解决方案，包括在汽车和基础设施中部署智能传感器。
“想像一下无线电发射机取代交通信号灯，可处理车对车和车对基础设施通信的大容量移动和无线数据网络，以及路边单元可提供有关天气，交通和其他状况的实时数据，”学者写道。
当前的自动驾驶技术正在尝试使计算机适应为人类设计的基础设施，例如交通信号灯，道路标志，道路标记等。 机器学习算法需要数小时的训练和大量数据，才能复制人类视觉系统的最基本功能，例如检测其他汽车或从不同角度以及在不同光照和天气条件下读取路标。
使用智能传感器增强汽车和道路的通行能力将使自动驾驶汽车更轻松地进行通信和处理不同的路况-随着处理器成本的降低以及诸如5G之类的技术使无处不在的连接成为可能且负担得起的方法变得越来越可行。
隔离无人驾驶汽车
在400万英里的美国道路上添加智能传感器是一项艰巨的任务，即使不是不可能的任务。 这是自动驾驶汽车公司宁愿专注于使汽车更智能而不是环境的原因之一。
“我们将看到的最有可能发生的短期情况是各种形式的空间隔离：无人驾驶汽车将在某些地区而不是其他地区运行。随着这项技术的早期试验已经在指定地点进行，我们已经看到了这一点。测试区或相对简单的天气条件”，爱丁堡学者在论文中建议。
在此期间，他们建议：“我们还可能会看到专用于自动驾驶车辆的车道或区域，既可为他们提供完善的结构化环境，同时又可改进技术，并保护其他道路使用者不受其限制。”
其他专家也提出了类似的建议。 人工智能研究人员和Google Brain的联合创始人安德鲁·伍（Andrew Ng）在八月建议，要解决自动驾驶的安全问题，我们应该改变行人和与他们共享道路的其他用户的行为。 Ng说：“如果您看铁路的兴起，那么大多数人已经学会了不要站在铁轨上。”
Ng的建议无疑将有助于在技术发展的同时降低自动驾驶汽车的安全风险，但与其他AI专家（包括机器人先驱Rodney Brooks）的配合并不理想。 “自动驾驶汽车的巨大希望是，它们将消除交通事故。现在，只要所有人都接受过改变行为的培训，它们就能消除交通事故？” 布鲁克斯在博客文章中写道。
- 乘坐福特自动驾驶汽车在迈阿密周围兜风乘坐福特自动驾驶汽车在迈阿密周围兜风
- 福特在踏板车，人工智能和无人驾驶汽车上的首席技术官福特在踏板车，人工智能和将无人驾驶汽车上的首席技术官
- 在Lyft的自动驾驶汽车中，慢速和稳定赢得比赛在Lyft的自动驾驶汽车中，慢速和稳定赢得比赛
纽约大学教授加里·马库斯（Gary Marcus）是夸大深度学习成就的声音批评家，他将吴的主张描述为“重新定义目标，使工作更轻松”。
但是史迪哥认为我们可以从历史中汲取重要教训。 Stilgoe说：“二十世纪初，当汽车首次到达美国城市时，行人被告知要走开以确保道路安全。人行横道被视为轻罪，而道路的设计则偏向汽车。”
Stilgoe相信，如果我们认真对待无人驾驶汽车的好处，那么我们将看到同样的事情再次发生。 例如，汽车公司可能会开始游说城市以升级其基础设施，并教导行人如何在自动驾驶汽车周围表现。 Stilgoe说：“要使自动驾驶汽车按承诺工作，必须控制其运行系统。”
路上的障碍
尽管有很多困难，无人驾驶汽车产业仍在稳步向前发展，我们的道路肯定会变得更加安全。
但是问题和挑战依然存在。 例如，发生车祸时将追究谁的责任？ “很容易说，在一个完整的自动驾驶系统中，该公司应该在几乎所有情况下承担责任。当人类和计算机在不同时间共享驾驶时，事情变得更加棘手。” Stilgoe说。
另外，无人驾驶汽车在不可避免地会造成人员伤亡的情况下，如何确定自己的位置？ 这被称为“台车问题”，可能是假想的，但它表明无人驾驶汽车必须设计成在规则不明确的情况下才能做出决策。
Stilgoe说：“这些系统的设计存在真正的道德困境。” “无人驾驶汽车将是无所不知的。”
