關於自動駕駛，我們是否在刻意迴避這三大關鍵問題？

【編者按】當下依賴多種傳感器的人工智能架構是否是最高效的？DSRC基礎設施是否管用？運輸變革的重點是否會從人轉變為虛擬系統？這三大問題值得深思。

本文轉載自新智駕，原作者大壯旅；由億歐汽車整理，供業內人士參考。

“房間裏的大象”這個外國成語跟“鱷魚的眼淚”一樣出名，它形容明明存在的問題卻被人刻意迴避，因為討論這個問題會讓人不爽。如今，在自動駕駛領域，房間裏也站着三頭大象，它們絕對值得我們正視。

下面，我們就一同來看看這三個被人刻意迴避的關鍵問題：

世紀初的 DARPA 自動駕駛挑戰賽後，自動駕駛技術就受到了各方關注，數十億美元的熱錢更是大肆湧入，為的就是儘早實現自動駕駛技術的商業化落地。通常來説，自動駕駛汽車架構中的一大核心是傳感器陣列（雷達、LiDAR、攝像頭），它們負責採集數據“喂”給感知系統以幫助車輛建立對外部環境的精確視角。基於該視角與任務，自動駕駛汽車就能自主導航到目的地。

詳細來説，三大傳感器中，LiDAR 負責精確的距離計算，雷達負責提供精確的速度（帶運動方向）信息，而攝像頭是目標識別的核心。

一般來説，人工智能算法會選擇一個類似於知識信息庫的模型，車輛在該模型中，會不斷且詳盡地觀察其整個環境。實際上，這是自動駕駛汽車為解決分心駕駛問題而提供安全價值主張的關鍵部分。

按照現有方案，工程人員會藉助數據庫對人工智能引擎進行訓練，讓它們學會識別打了標籤的物體。當然，通過像素、點雲或圖像雷達識別來自四面八方的物體是個困難事情。因為總是有物體會讓自動駕駛汽車感覺困惑，例如將人的圖像粘貼在車上的小貨車或推着自行車步行的人（當年的Uber的亞利桑那的案件）。這種解決問題的“數據向上”方案存在嚴重的穩健性問題，因為總是缺少下一個有趣的訓練集，而核心識別系統似乎對像素級細節很敏感。

關鍵問題在於，這種方法能窮盡嗎？還是説相對於工程穩健性有根本缺陷？我們是否需要一種不那麼依賴訓練和高精度傳感器的新架構？100 年前，尼古拉·特斯拉發明了交流電，而當時市場上的正統可是愛迪生的直流電。現在，我們是否需要新的特斯拉來發明新的“交流電”？

DSRC 誕生已經 20 多年了，在此期間，主流交通行業均認為，DSRC 將成為下一代交通基礎設施的基礎。各種公共機構對 DSRC 所推動的技術浪潮完備度，更是進行了無數的諮詢研究。然而，隨着 5G 技術的發展，是否有理由在技術和商業兩大層面對這一浪潮持懷疑態度呢?

從技術角度來看，如果站在自動駕駛提供商的角度，肯定不會將寶都壓在 DSRC 基礎設施的普及度上。在這樣的背景下，構建方案時就要假設 DSRC 完全不可用。除此之外，DSRC 的特殊技術優勢在各種權衡與替代方案出現時可能就不那麼引人注目了。

從商業角度考慮，誰願意在 DSRC 基礎設施上砸數十億美元（或更多）資金呢？從現在的情況來看，5G 有完整的商業盈利模型，但 DSRC 沒有。考慮到 FCC 最近針對 WiFi 頻譜使用所採取的行動，DSRC 是否真的可行呢？

計算機技術誕生初期，對其接受度最高的其實是零售商，他們用計算機來統計庫存和賬單。對零售商來説這些功能確實實用，但實體零售近些年來卻被電子商務打的毫無還手之力。

自動駕駛技術是否會成為交通行業的“庫存管理”呢？也就是説，自動駕駛確實非常有用，但“移動”人員的最有效方法不應該是虛擬會議嗎？主要的經濟功能，如教育，工作，娛樂，醫藥和購物，都在向網上轉移，這種趨勢對傳統運輸的影響是深遠的。如果變革持續下去，傳統運輸的重點將由個人擁有的乘用車轉向：

1. 電子商務推動的自動化物流；

2. 公共交通或出行即服務推動的最後一公里共享方案；

3. 遞送機器人主導的最後 100 米解決方案。

有趣的是，似乎 FCC 將 DSRC 頻譜讓給 WiFi 使用反而會使最安全的運輸形式成為可能。

“誰動了我的奶酪？” 是一個著名的激勵寓言，從本質上來講，它是管理形式的變革。一些社區和組織處理得當，而另一些社區和組織則繼續回到原本存奶酪的舊地方，並想知道奶酪的去向。

運輸業正在發生巨大變化，而大象大小的奶酪在四處移動。