Self Driving Cars -

Understanding the Six Automation Levels

Nx Witness v3.0 - 雲端影像平台解決方案 —

leiphone 大壮旅

AutoKab 三大金刚：Carlos Holguin， Cristian Sandu 和 Michel Parent

按：如今，自動駕駛汽車已成超級熱詞，幾乎每周我們都能聽到有關它的大新聞。前幾周就有兩家公司（Waymo 和 Navya）公佈了自家的自動駕駛出租車計劃。巧的是，它們還不約而同的選擇同一天召開發佈會。

不過，現實可沒發佈會那麼精彩，Navya 的自動駕駛穿梭車在拉斯維加斯第一天就出了小車禍。

現在的媒體和公眾，甚至包括工程師社群，都在鼓譟自動駕駛汽車要搶司機飯碗的概念。許多工程師敬畏 AI 帶來的超強計算能力，他們開始暢想雲計算支撐的互聯世界，到底會多麼美好。

對自動駕駛市場來說，各種論斷幾乎都已經有了模板，它們無非是說自動駕駛汽車會讓道路更安全，能大幅提高乘客的生活效率。同時，自動駕駛汽車帶來的交通分享解決方案，還會減少汽車保有量，城市堵塞和污染問題便迎刃而解。

事實上，這樣的結論有些過於烏托邦。科技行業在推銷更大、更快、更智慧的技術上一直都不遺餘力，而媒體們則是在一旁鼓譟的拉拉隊。

確實，要論證一項技術是否碾壓另一項技術，你可以找到很多理由。不過，在做出這些判斷時，卻很少有人會思考一個基本前提，或者說一個飽含初心的問題：為什麼要造自動駕駛汽車？它到底有什麼用？

自動駕駛的研發已歷 20 年

Carlos Holguin 和 Michel Parent 分別是 AutoKab的 CEO 和主席。這家新創公司致力於「為商業車隊研發有安全保證的自動化技術」，這家公司的辦公室設在法國電算機科學與自動化研究所（INRIA）園區，而這塊區域原來是北約軍隊的中央指揮部。

雖然成立才兩年，但 AutoKab 的創始人團隊，卻都是交通運輸行業的行家，他們在公共交通規劃、道路車輛自動化和經營方面有超過 20 年的經驗。

AutoKab 的研發中心看起來就像個車庫，這裡有各種老式自動駕駛穿梭車、高爾夫車和乘用車，它們都是過去 20 年中誕生試驗品，這裡簡直成了自動駕駛汽車歷史博物館。

據記者瞭解，Michel Parent 的職業生涯，與汽車緊密相連，其中一半貢獻給了史丹佛、MIT 和 INRIA 的相關研究所，另一半則花在了機器人產業上，他為交通的「自動化」貢獻了不少想法。

Parent 表示：「20 年前，我一直想設計個，能像人一樣開車的機器人。後來我問了自己一個問題，研發這樣的機器人有什麼樂趣？」不過，他認為最該捫心自問的是「我們在試圖解決什麼問題？」

對城市來說，要解決的就是「城市病」，即交通堵塞、空間逼仄、出行不便和能源浪費。「我們需要能互聯和共享，且速度更快的公共交通電動車」，Parent 說道。Holguin 則總結稱：「最後一公里的問題，是我們最迫切要解決的。」

「如果自動駕駛汽車，不能像公車和計程車一樣，採用分享模式，它們就不能解決交通堵塞的問題。在某種情況下，它們甚至會加劇堵塞。」在他看來，AutoKab 的目標，就是解決「一車一人」的交通資源浪費問題。

AutoKab 的關鍵員工來自兩個不同的世界：「科技」和「交通」。Holguin 表示：「我們在利用技術，填補自動駕駛汽車商業經營中遺失的環節。」準確來說，它們是在為公共交通經營者，研發一款「自動化服務」產品。

針對汽車和巴士的自動化套件

AutoKab 擅長安全和數據分析，兩方面技術的開發，同時這家公司還與各城市合作，力圖實現更加高效的公共交通。

其實 AutoKab 的名字來自「Automation Kits for Autos and Buses」（即針對汽車和巴士的自動化套件）的縮寫。當然，它也有硬體開發的能力。公司 CTO Cristian Sandu表示，AutoKab 的自動化套件能安裝在任何車輛上，它包括大量傳感器，如雷達、雷射雷達、視覺系統和處理器（供應商包括英特爾和英偉達等）等。

不過，Sandu 指出，想把這個套件完美安裝到一輛車上，還是得費一番功夫（根據車輛不同，透過 CAN 總線或 FlexRay 連接），其中就包括軟體校準。當然，它並非安裝上就要用一輩子，用戶也可以選擇卸載自動化套件。

AutoKab 押注該套件，不是因為它對售賣硬體感興趣，而是因為這個套件，對降低自動駕駛汽車成本相當關鍵。

Holguin 還強調，AutoKab 對賣硬體沒興趣。相反，它更看重與各大城市合作，制訂計劃以更高效的解決最後一公里的服務。至於盈利模式，則是從自動駕駛汽車每英里的行駛利潤中分成。

「成本太高了」

AutoKab 參與了多個歐洲項目，其中就包括 CityMobil2。Holguin 指出，在2014 年 10 月至 2015 年 4 月為期 7 個月的自動駕駛測試中，它實現了零事故的好成績，運送乘客超過 6 萬人。

此外，當地居民對自動駕駛汽車的評價也相當高。不過，他們並不知道這只是個測試。更重要的是，媒體、公眾對測試中的數據蒐集問題並不關心。

參與歐盟的項目時，AutoKab 累積了不少經驗。「我們瞭解了這些數據背後到底藏著什麼。」Sandu 說道。首先，即使是低速的自動駕駛汽車，經營起來成本也非常高。此外，這些用於分享的車輛經常無人問津。如果自動駕駛汽車和公共交通間，無法相互協調，想提升服務簡直是天方夜譚。

Sandu 還指出，自動駕駛汽車的載客數需要，根據不同城市的實際情況來決定。

在 CityMobil2 項目的展示階段，來自合作夥伴 Robosoft 和 Easy Mile 的兩個測試車隊，分別在 7 個城市進行了階段性測試，但這些車輛並不一定適合測試城市的情況。

「我們用這些車做測試是因為手邊只有它們。」Christian 說道。如果真要佈署自動駕駛汽車，就需要作進一步的分析。

其次，城市也要有個適應期。Holguin 表示：「它們需要在類似 V2X 交通燈等基礎設施上進行投資。」自動駕駛汽車不是所有城市的萬能藥，城市交通問題需要更全面的考慮，其中就包括自動駕駛汽車專用的上下車區域。

兩種不同方式

對外行人來說，Waymo 的自動駕駛汽車可是相當炫酷。至於 Navya 的自動駕駛穿梭巴士，炫酷程度就遜色許多。

拉斯維加斯的 Navya 穿梭車

在美國，人們對於交通部門或政客們，改進城市基礎設施的承諾不屑一顧，因為這些承諾很難兌現。

既然美國人對城市政府部門，懷有嚴重的不信任感，那麼 V2X 交通燈、自動駕駛汽車專線等新設施，都要靠谷歌、英偉達和英特爾/Mobileye 來搭建。不過，這些科技巨頭們好像也不願當冤大頭，它們的目標是在不改變現有基礎設施的情況下，讓車輛實現自動駕駛。

在歐洲情況則正相反，類似 CityMobil2 這樣歐盟投資的項目就需要自動駕駛汽車，成為自動道路交通系統（ARTS）的一部分。

歐盟給 ARTS 下了定義，即「ARTS 是基於全自動駕駛汽車（沒有方向盤）的道路交通系統，對於它們要使用的基礎設施有先驗知識。即使是沒有全自動駕駛功能的 ARTS 車輛，也會由控制中心的人類操作員進行即時遠端監督和管理。」

因此，歐洲和美國在自動駕駛上採用了完全不同的態度，歐洲方面，「對基礎設施的先驗知識」和「認證需求」是自動駕駛汽車的關鍵詞。

既定路線

關於自動駕駛汽車上 AI 的問題，AutoKab 的 Sandu 直截了當的表示：「對於深度學習，我們興趣不大。我們有自己的既定方式，交管部門能更輕鬆的對自動駕駛汽車進行認證。」

此前，卡耐基梅隆大學教授 Philip Koopman 曾表示，自動駕駛汽車面臨的最大挑戰，其實就是潛藏在機器學習測試中的最基本問題，而這個問題困擾科學和工程界已經很久了。「想讓以機器學習為基礎的系統，達到傳統安全標準可不容易。」 Koopman 說道。「因為訓練數據集不符合傳統軟體的設計要求。」

AutoKab 相信，商業化的自動駕駛汽車要想透過認證，汽車廠商就必須造出能為監管部門，提供安全保證的產品。

Parent 強調，「一輛自動駕駛汽車需要像現在的火車、公交和飛機一樣取得認證。」

廂中取物問題

作為一名「久經沙場」的機器人專家，Parent 稱現在的自動駕駛汽車讓他想起了經典的「廂中取物問題」。

去年，機器人行業協會就在一個故事裡，講述了自己面對該問題時的進退兩難。「雖然技術在不斷進步，但機器人廂中取物的能力依然有限，我們還是沒能找到真正的突破點。不過，我們依然有所收穫，在先進的視覺技術、軟件和抓取方案的輔助下，機器人正在從未涉足的領域一步一個腳印的前進。」

「那麼，為什麼讓機器人學會隨機抓取就那麼難？答案的癥結在於準確率。雖然機器人重復能力超強，但在一片混亂中，隨機抓取依然需要很高的準確度。

機器人需要在可用空間定位一個零組件，這個空間不但是自由開放的，零組件還一直在更換位置和朝向。這就意味著機器人需要在靈敏度、機器視覺、軟體和計算能力上實現平衡，以便即時處理所有數據，並得出抓取方案。這樣的要求雖然很高，但絕非無法實現。」

眼下，機器人和自動駕駛行業解決這一問題主要都在靠計算能力的提高。不過，在 Parent 看來，「我們也可以透過在整潔和平坦的托盤上，佈置零組件來解決相同問題，這樣機器人的抓取速度就能有所提高。」換句話來說，在放出機器人前，我們得解決掉混亂的情況。

Parent 相信，將這樣的思維用在自動駕駛出租車和穿梭車上，即減少基礎設施上的混亂，能更快的解決城市交通問題。

以下為 AutoKab 博物館中的幾款自動駕駛汽車，它們是過去 20 年來自動駕駛行業的縮影。

Cycab