TED演讲-2015 克里斯-厄姆森 无人驾驶汽车是如何看清路况的

第一篇：TED演讲-2015 克里斯-厄姆森 无人驾驶汽车是如何看清路况的

TED演讲克里斯·厄姆森: 无人驾驶汽车是如何看清路况的

在1885年，卡尔本茨发明了汽车。那年年末，他把车开出去进行第一次户外测试, 然后——真实是——他撞墙了。在过去的130年里，我们一直在为汽车的最薄弱环节，驾驶员，做着努力。我们把车做得更坚固, 我们增加了安全带，增加了安全气囊。在过去十年里，我们开始让车变得更智能, 是为弥补驾驶员方面的缺陷。

那么，今天我将给大家讲讲，用驾驶员辅助系统解决问题，和真正使用全面自动驾驶汽车的区别，以及它们对世界的贡献。我也会介绍一下我们的车，让你们了解它是如何观察这个世界的，以及如何应对各种情况，但首先我先说说存在的问题。这是个很严重的问题，每年全世界都有120万人因交通事故丧命。仅仅在美国，每年就有3万3千人死于车祸。换个方式说, 等同于每天都有一架737飞机失事。有点不可思议。汽车卖给我们后应该是这样一番景象，但事实上，驾驶过程通常是这样。对吧？这不是晴天，是雨天，而且除了开车，你还想做点别的事情。原因就是：交通状况变得越来越糟。在美国，从1990年到2010年, 交通工具的里程数增加了38%。而我们只增修了6%的路, 所以不单单是你的感觉如此。交通状况的确比以前糟糕得多。

所有的这一切也都伴随着人力成本。如果你把在美的平均通勤时间，约50分钟，乘以我们的1亿2000万工作者, 结果就是60亿分钟，每天会被浪费在路上。这是个很大的数字，那么我们换个方式, 你把这60亿分钟，除以人均寿命，得出数字是162个生命周期。仅仅从A地到B地，每天就有这么多生命白白浪费掉了。太难以置信了。当然，我们当中还有一些人无法享有坐到车流中来的权利。这个人叫史蒂夫。他是个很有才能的人。但很不幸，他是盲人，这意味着本来早上上班路上的30分钟，变成了两个小时的各种转乘公共交通的折磨，或者是请求朋友或家人载他一程。他并没有像你我一样想去哪儿就去哪儿的自由。我们应该改变这种现状。

现在，传统观点认为, 我们应该使用驾驶员辅助系统，然后不停改进它们, 总有一天，它们能够实现自动驾驶。事实上我今天来就是想告诉你们，这就跟如果我努力练习弹跳，有一天我就能飞翔一样不现实。我们需要做点不同的东西。我会跟你们介绍自动驾驶系统和驾驶员辅助系统的三个不同方面。我先从自己的经历说起。

在2013年，我们进行了第一次自动驾驶测试，让普通人来操作。算是普通人吧——他们是100名谷歌员工，但他们没有参与开发这个项目。我们把车给他们，让他们在日常生活中使用。但与真的自动驾驶汽车不同，这一辆得加个星号上去：他们得留多个心眼儿，因为这只是一辆试验车。我们虽然进行了很多测试，但还是有风险。我们对他们进行了两个小时的训练，然后让他们进行实际操作，然后我们得到了一些很好的反馈，因为有人把产品带到现实中来了。每个人都对它赞不绝口。事实上，在第一天有一个保时捷驾驶员进来跟我们说，“这实在是太无厘头了。你们到底怎么想的？”但最后，他说，“不单是我需要它，每个人都需要有一辆，大家的车技都太烂了。”这番话就是我们的福音，然后我们开始观察人们在车里都在做什么，真让人大开眼界。我最喜欢的故事，是一位先生低头看手机，发现手机快没电了，然后他在车里这样转过身，在背包里四处摸索着，拿出他的笔记本电脑，放到副驾驶座位上，再转过身，又摸了一通，拿出手机充电线，理一下线，插进电脑里，连上手机。棒极了，手机有电了。而他那时正行驶在时速65英里的高速上（约104公里每小时）。能想象到吗？太难以置信了。所以我们想了想，说，这挺明显的对吧？科技越来越发达，驾驶员就不需要太负责任。所以只是把车变得更加智能，并没法让我们看到真正需要的成功。我在这里要暂时说一点技术上的东西。在这张图上，底部的线代表着在不必要的时候制动刹车发生的频率。你可以忽略这条轴的大部分.因为如果你在城里开车，然后车时不时自己停下来。你永远都不会买这辆车。竖直的轴线表示车会在你需要避免事故时采取制动刹车的频率。如果我们看左下角, 这是你们正在开的普通汽车。它不会自动为你刹车，也不至于刹车失灵，但它无法为你避免事故。如果我们把驾驶员辅助系统装进车里，比如说撞击缓冲刹车系统，我们会导入一系列的科技，也就是这条曲线，它有了一些操作属性，但也不会完全规避事故，因为它没有这个能力。但我们会在曲线上取某个点，也许它可以避免一半因驾驶员失误引起的事故。挺赞的，对吧？我们可以减少一半的交通事故。这样每年在美国就有1万7千人幸免于难。

但如果我们想要一辆自动驾驶汽车，我们需要一条这样的曲线。我们得在车里加装更多的传感器，然后在这里挑某个操作点，在这个点上基本永远不会有事故发生。多少还是会发生，但概率极低。现在我们可以看看这里，探讨一下是否有所增加，我会提到比方说“80-20规则”，而且很难再上升了。但让我们暂时从另一个角度看一看。我们看看这种科技应用的频率多高。这个绿点表示驾驶员辅助系统。调查发现人类驾驶员因为自身错误导致的交通事故，在美国是每10万英里（约16万公里）发生一次。对比之下，自动驾驶系统约在每秒会自行做10次决定。所以就数量级而言，约是每英里（1.6公里）1000次。如果你对比一下两者的差距，就是10的八次方，对吧？ 8个数量级，这就像拿我跑步的速度和光速比较，即便我再刻苦训练，也永远达不到光速。所以这个跨度非常大。

最后，就是这个系统如何处理不确定性。那么这个行人可能会走到路上，也可能不会。我不确定，也没有任何算法能确定，但对于驾驶员辅助系统来说，这意味着它无法采取措施，因为如果它在预期之外采取制动，是完全不合适的。但自动驾驶系统则会观察行人，然后说我不知道他们要做什么，于是减速，再仔细观察，然后采取适当措施。

所以这就比驾驶员辅助系统要安全得多，那么以上的例子就足以体现这两者的区别了。现在我们再花点时间聊聊车是如何观察环境的。

这是我们的车。它从识别自己的位置开始，通过将它的地图和传感器数据进行叠加，然后我们再加上它当时看到的东西，所以在这里所有你能看到的紫色盒子是路上的其他车辆，旁边红色的物体则是一位骑单车的人，如果你再仔细点看，在远处，你能看到一些锥形路障。这样我们就能知道汽车现在的位置了，但我们还得再改善：我们得预测将发生的事情。这里右上角的小卡车正准备换到左道, 因为前面的路被封了，所以它得驶离原车道。能知道一辆小卡车的轨迹确实不错, 但我们真正需要的是了解每个人的想法, 所以问题就变得十分复杂了。了解这些之后，我们就可以算出汽车该如何应对，该跟随哪条线路，要多快实现减速或者加速。所有的这一切最终都会变成跟随一条路径：向左或还是右打方向盘，踩刹车还是油门。所有的一切最终都简化成了两个数值，那这能有多难呢？

在2009年我们刚开始测试的时候，我们的系统看起来是这样的。你能看到我们的车在中间，路上还有其他盒子，同时在高速上行驶着。这辆车需要知道自己的位置以及其他车辆的大概方位。基本上就是一种几何的分析方式。当我们开始在社区和城市道路上行驶时，问题又上升到了一个新的难度。你能看到行人在我们面前穿梭，还有汽车, 横纵交错，还有红绿灯，人行横道。相比之下问题变得极度复杂。当你把这个问题解决后，接下来汽车还得能应付建筑施工。所以左边的锥形路障会迫使汽车开到右边，当然不仅需要避开施工区域，它还得应付在其间走动的其他人。当然，如果有人违规了，有警察在那里，汽车就得明白车上闪着灯意味着这不仅仅是一辆车，还有一位警官。类似的，这里路边橘黄色的盒子，是校车，我们也得分开来处理。

当我们在路上时，其他人会表达各种意图：当骑单车的人举起他们的手臂，这就意味着他们希望有车能让给他们点空间以便进行换道。当路中间站着一位警官，我们的车得明白这手势是要你停下来，当他们示意我们可以走了，我们才能继续。

我们达成这些目标，是通过和其他车辆分享数据。首先，最简单粗制的模型, 就是当一辆车看到建筑施工地带时, 告知另一辆车，让它驶上正确的车道以避免麻烦。但我们对此有更深的认识。我们可以搜集车辆在一段时间内看到的数据，数以千计在路上的行人，骑单车的人，以及其他车辆，了解他们的外形，再用之去推理其他车辆以及其他行人的外形。然后，更重要的是，我们可以从中得出一个模型, 预测所有交通参与者的去向。这里的黄色盒子是我们面前过马路的行人。这个蓝色盒子是个骑单车的人，而且我们预测他会一直保持在车辆右侧。这里有个在路上骑单车的人，我们知道他会沿着路一直骑下去。这里有人右转了, 而在这里，有人会在我们面前调头，我们可以预测这个行为并安全应对。

目前为止，对于我们见过的场景都没什么问题，但当然，你还会遇见很多之前没见过的东西。几个月前，我们的车辆在通过Mountain View（硅谷地名）的时候，就遇到了这样的情景。这是个坐着电动轮椅的女士, 在路中央绕着圈追赶一只鸭子。（笑声）结果呢，在机动车驾驶管理处的手册里没有一条告诉你该怎么做，但我们的车辆却能灵活应对，减速并安全通过。我们应付的不只是鸭子, 看看这只飞过我们面前的鸟，汽车也会对之做出处理。这里还有一个骑车的, 估计除了在Mountain View，其他地方很难见到。当然，我们还得应付其他驾驶员，甚至那些幼龄的。注意右边，那个从货车上跳下来的人。现在，注意左边绿盒子那辆车，它决定在最后的时刻右转。这里，当我们变道时，我们左边的车也同样想变道。还有这里，我们看到一辆车闯了红灯，我们就先让它通过。同样这里，骑单车的人也闯红灯了，不出所料，我们的车也能安全应对。当然还有一些莫名其妙的人，就像这家伙一样，直接就从两辆自动驾驶汽车中窜出来。你会想问，“你脑子是怎么想的？”（笑声）我已经给你们看了大量的例子，我快速地讲一下其中的一个案例。我们现在看到的还是骑单车的人，你们可能会发现在下面的视角，我们还看不到那个人，但车能看到：就是那里的小蓝盒子, 这来自于激光数据。这并不是很容易理解，那么我接下来要做的，就是调出激光数据看一下, 如果你擅长分析激光数据，你能发现曲线上的一些点，就在那儿，那个蓝色小盒子就是骑单车的人。这会儿面对我们的还是红灯，自行车道的灯已经变黄了，如果你瞥一眼的话，就能看到了。但是骑单车的人，我们看到他准备穿过这个十字路口，我们的灯已经变绿，他的方向也变红了，我们预期到这辆单车将会横穿马路。但不幸的是，我们旁边的其他司机并没有注意到。他们开始踩油门, 不过幸运的是，骑单车的人及时避开了，然后平安地穿过了十字路口。之后我们才又继续前进。

正如你们所见，我们已取得了一些激动人心的成就，此时我们深信这项技术将会进入市场。我们每天用虚拟器做 3百万英里的测试，所以你就能够想象到我们的车辆获得了多少经验。我们期待这项技术能在道路上使用，并且认为正确的选择是自动驾驶，而非驾驶员辅助系统，因为情况已经刻不容缓了。就在我演讲的时间段内, 在美国的公路上已经有34人丧生。

我们多久能实现这个目标呢？嗯，很难说，因为这是个很复杂的问题，这两个是我的儿子。大的11岁，也就是说在四年半后，他就能去考驾照了。我和我的团队承诺尽量不让他去考（已经不需要了）。

谢谢。

（笑声）（掌声）克利斯·安德森（CA）：克里斯，我有个问题要问你。克里斯·厄姆森（CU）：问吧。

CA：显而易见，你们的车有着让人惊奇的大脑。在驾驶辅助和无人驾驶这场辩论上——我是说，现在就有一场真正的辩论。一些公司，例如，特斯拉，正在走驾驶辅助的路线。而你所说的，就是这将是个没前途的死胡同, 因为你不能指望在这方面不断提高就会在某个时候实现无人驾驶，然后有驾驶员说“这已经挺安全的了”，然后转身去后座，不幸就发生了。

CU：对，你说得对，这并不是说驾驶员辅助系统作用不大。它能在这个过渡阶段拯救很多生命, 但为了抓住这一变革性的机会，能帮助像史蒂夫这样的人行动自如，为了终结安全事故，为了有机会改变我们的城市，解决停车问题，摆脱我们称为停车场的城市大坑, 这是唯一的办法了。

CA：我们会带着浓厚的兴趣关注你们的进展的。谢谢你，克里斯。CU：谢谢。（掌声）