宝马娱乐网站bmw0002

　　4月25日至5月4日，2024北京国际车展举行，国内外知名汽车品牌悉数携全新产品以高规格参展。此次车展专门设置了“智驾未来展区”，随处可见“智”字招贴，自动驾驶、智能网联成为这次车展最“吸睛”的元素之一。

　　5月1日，《杭州市智能网联车辆测试与应用促进条例》正式施行。杭州成为除经济特区外，全国首个以地方立法明确自动驾驶车辆上路具体流程的城市，也是全国首个为低速无人车立法的城市。事实上，近些年，国内外众多车企和科技企业在自动驾驶方面的投入堪称马不停蹄、紧锣密鼓，给汽车产业的智能化进程按下加速键。自动驾驶前景充满了想象空间。

　　但对于很多人来说，“自动驾驶”仅仅是一个充满未来感与科技感的词，既有向往，又有担心：自动驾驶技术难吗？出了问题怎么办？它比人类司机更安全吗？

　　目前，按照国际自动机工程师学会标准，汽车自动驾驶技术可划分为L0至L5共6个级别：L1至L2为驾驶辅助技术；L3是分界线及以上为自动驾驶，但L3在系统发出请求时，人还可以接管驾驶，L4在绝大部分场景下，车辆可实现自动驾驶，且不需要人类司机干预；L5是在任何场景下，都可以实现自动驾驶，也就是完全自动驾驶。

　　目前，大多数车企自动驾驶水平处于L2水平，也就是辅助自动驾驶阶段。当前行业主流意见认为，技术从L2循序渐进、不断迭代，最终会达到L4高级别自动驾驶。但在很长时间内，L2可能都会与L4共存。

　　毫末智行数据智能科学家贺翔介绍，目前主要有两种技术路径。一种是以激光雷达为核心的融合感知路线，激光雷达、摄像头和毫米波雷达等构成融合感知体系，以华为、小米、

　　为代表。纯视觉路线对车端和云端算力都提出较高要求，特斯拉为此自研了车端人工智能（AI）芯片和云端训练芯片。

　　这两种技术路径，无论是哪一种，都要完成感知、决策和执行三个环节。如何理解呢？自动驾驶系统开车，跟人开车一样，也是靠眼睛（耳朵）、大脑和手脚，分别承担着感知、决策、执行职责。

　　它的“眼睛”“耳朵”可以是高清摄像头、激光雷达、毫米波雷达、超声波雷达等感知系统，对车辆、行人、交通信号灯、障碍物等环境做出快速准确的识别，确保其“看得懂物”。以上两种技术路线，主要就是从环境感知方面做的划分，这个环节是后续两个环节的基础。

　　自动驾驶的“大脑”就是“芯片”、算法，用于做决策：车怎么开安全、选择哪条路效率更高，这是“看得懂路”。而控制系统就是用来完成执行动作的“手”和“脚”。

　　融合感知路线是目前国内车企实现自动驾驶的主要方式。简单来说，就是通过装载高清摄像头、激光雷达、毫米波雷达等传感器，收集车辆周边信息，再配合高精度地图，做出决策。

　　这种路线，优点十分明显：几种传感器相互配合补充，发挥各自“特长”，数据来源十分多样，这让最终感知结果更加稳定可靠，决策也会更加准确。最大的缺点就是贵——高精度地图和激光雷达，都需要高额投入。

　　此外，地图需持续维护才能“保鲜”。“城市道路天天在变，有时候今天采集完数据，明天就要改。”业内人士介绍，与此同时，从国家安全角度，政府也只允许厂商每隔几个月刷新一次，还要经历漫长的审核，这让高精度地图很难广泛使用。而在实际使用中，当路况与地图不符时，系统就会让司机接管车辆，频繁接管会直接影响消费者体验。

　　“会有。只要是机器，就会有漏洞。”贺翔表示，这些漏洞可能由多种因素引起，包括软件错误、硬件故障、传感器误读或者数据处理错误等。

　　不像手机、电脑卡顿，重启后就可正常运行，而且不会造成重大影响，高速行驶的车如果卡顿了，乘客安全如何保证呢？

　　“现在业内是有解决方案的，安全是自动驾驶最应优先考虑的要素。”贺翔说，自动驾驶汽车应该都有一个兜底机制，软硬件一旦报错，车会自动执行刹停，或者是让人类司机接管。

　　持续测试和升级。就像手机软件需要更新一样，自动驾驶系统也需要不断进行测试并更新，以确保能处理各种复杂的交通情况。

　　使用备用系统。在车辆中安装多套系统，如果主系统出问题，备用系统可以立刻接管，就像飞机上有多个引擎一样宝马娱乐网站bmw0002。

　　持续改进算法。不断通过实际道路数据学习和优化，使得系统能更智能地处理各种情况。

　　这些方法，都是为了不断降低自动驾驶系统出现漏铜的几率，确保车越开越聪明，越开越好开。

　　“自动驾驶安全性要赶超人类司机，这是自动驾驶技术发明的初衷，其核心目标之一就是要消除人为错误。”贺翔表示，大多数交通事故是由人为错误造成的，如超速、酒驾、疲劳驾驶、分心、路怒等。自动驾驶系统几乎可以在不分心、不疲劳、不受情绪影响的情况下持续运行，在理论上确实能减少这些常见的人为错误。

　　“自动驾驶的反应速度和精确性，理论上可以做到比人类要更高。”毫末智行CEO顾维灏说，自动驾驶系统能持续高效监测周围环境，即时对周围发生情况做出反应和决策。此外，它们还能够与其他自动驾驶车辆进行通信，协同作业以提高整体交通安全。

　　但目前自动驾驶系统由于技术上的不足，在安全上仍面临一些挑战，比如在处理复杂交通场景或罕见事件方面，如果它没有遇到过相关场景，就会做出离谱的决策。比如，前一段时间，一台开启智能驾驶的车辆就撞上了前方侧翻的卡车，因为它没认出来轮子朝天的车，就会认为这个场景是安全的。顾维灏表示，随着自动驾驶系统不断学习优化，其安全性有望逐渐实现并最终超过人类驾驶10倍。

　　尽管自动驾驶前景充满了想象空间，现实却很骨感：在实现全面商业化和广泛应用之前，自动驾驶在成本、技术、法律法规、社会接受度等多方面仍面临一些困境。

　　任何产品在真正走向商业落地前，都需面临一个核心问题——成本。自动驾驶成本居高不下是阻碍其普及的因素之一。软硬件开发、数据采集、相关技术测试和验证等各环节都需要大量资金和时间投入。

　　在技术方面，顾维灏表示，尽管自动驾驶技术已取得了显著进步，但仍需解决如感知系统在复杂环境下的可靠性、人工智能决策系统的健壮性等问题。例如，如何提高在恶劣天气或复杂道路条件下的性能，如何提升模仿人类司机的直觉和决策能力等。

　　关于政策和法规，顾维灏介绍，自动驾驶的法律责任、安全标准、隐私保护等方面的法规尚不明确，这对于规范自动驾驶车辆的测试、使用、责任归属等方面造成困难。“例如，如果人类司机和自动驾驶系统开的车相撞，责任应如何判定，是人的事儿？还是厂家的事儿？这都需要在法律法规上作出界定。”此外，不同国家和地区的法律、标准不统一，这给自动驾驶车辆的国际化推广也带来了一定障碍。

　　如今，很多车企和自动驾驶公司已推出了泊车和高速辅助驾驶功能，但城市场景才是让消费者直接感知这项技术的最重要途径，因为城市场景才是人们生活中经常用到的场景。如果自动驾驶不能在高频和刚需场景实现，所有商业规划都是空中楼阁。

　　“搞定城市道路，人们才会更加信任自动驾驶，尤其在中国，中国的城市交通状况太复杂了。像北京早高峰，什么车的自动驾驶遇到都会‘疯’。”北京亦庄自动驾驶示范区的一位自动驾驶安全员说。

　　目前，国内的一些头部车企或科技企业也已陆续落地城市场景辅助驾驶。这些城市场景落地让消费者对自动驾驶的信任度有所提升。

　　顾维灏表示，解决这些困境需要技术创新、法律改革、伦理讨论以及社会教育等多方面的努力。“只有这样，自动驾驶技术才能顺利地融入我们的生活，实现其潜在的巨大价值。”