在今年的上海國際車展上，奔馳的無人駕駛概念車F015 Luxury in Motion亮相，而沃爾沃更是把自己的XC90稱為是全球第一款帶有高度自動駕駛技術的量產車。

  　  其實，在無人駕駛上進度最快的并不是汽車企業，而是互聯網企業，谷歌的無人駕駛汽車經過多年測試，已經進入了實用階段，而百度深度學習實驗室也已經同交通運輸部公路科學研究院完成框架合作協議，其無人駕駛汽車也已經到了場地試驗和基礎數據采集的階段。

　　1978年，葉永烈在科幻小說《小靈通漫游未來》中就幻想了無人駕駛汽車，如今它距離我們越來越近了。

　　一、無人駕駛汽車的四個階段

　　所謂的無人駕駛汽車，并不是從幻想一步變為現實的，而是隨著汽車工業的發展，電控技術的進步、以及微處理器、傳感器和軟件技術的進步，一步步從有人駕駛輔助發展而來的。

　　從有人駕駛到無人駕駛，業界分成四個階段。

　　第一階段是駕駛員輔助，駕駛員輔助系統能為駕駛員在駕駛時提供必要的信息采集，在關鍵時候，給予清晰的、精確的警告，相關技術有：車道偏離警告(LDW)，正面碰撞警告(FCW)和盲區報警系統。

　　第二階段是半自動駕駛，駕駛員在得到警告后，仍然沒能做出相應措施時，半自動系統能讓在汽車自動做出相應反應。相關技術有：緊急自動剎車(AEB)，緊急車道輔助(ELA)。

　　第三階段是高度自動駕駛。該系統能在駕駛員監控的情況下，讓汽車提供長時間或短時間的自動控制行駛，這個階段目前還比較初級。

　　第四階段：完全自動駕駛，在無需駕駛員監控的情況下，汽車可以完全實現自動駕駛，意味著駕駛員可以在車上從事其他活動，如上網辦公、娛樂或者休息。

　　按照這個分類。第一階段目前主流的車型已經基本普及，現在高配置型的車型基本都帶了車道偏離警告和盲區報警系統，從幾百萬的奔馳到10萬出頭的比亞迪高配車型都不例外。

　　第二個階段正在普及，歐盟立法要求2013年11月前的車都必須裝上緊急自動剎車(AEB)。Volvo的城市安全系統、本田的CMBS、奔馳的Pre-Safe都是這個層次東西。目前主流合資品牌基本也都可以做到，英菲尼迪的新車則已經可以繞開駕駛員自動控制方向盤，幫助你保持在當前車道，避免事故。

　　第三個階段目前有雛形，新款的奔馳S系可以在堵車的情況下，電腦自己跟車，車主可以不必一直操控車輛。新款的福特翼虎也展示了這個功能。沃爾沃XC90號稱全球第一款帶有高度自動駕駛技術的量產車，就是實現了這個階段的目標。

　　第四階段的難度非常大，各個汽車廠商仍在測試之中，奔馳F015 Luxury in Motion就是這個階段的嘗試，谷歌這些年也一直在做這個事情，百度與交通運輸部公路科學研究院合作的項目也是這個層次的東西。

　　二、無人駕駛的核心技術

　　無人駕駛汽車其實可以視為是一種機器人。從原理上來說，不過是傳感器感知路況和周邊情況，然后傳輸到CPU，CPU根據人工智能對情況做判斷，然后通知電傳系統，電傳系統根據信號操控機械裝置，最后機械裝置操控車輛做各種動作。

　　在這個過程中，電傳機械控制這方面基本已經完善，因為過去的20年，汽車行業的進步主要就在這方面。如今大部分汽車都是電傳控制了，你的剎車、油門、換擋、甚至方向都是一組電子信號，你操作的動作被解讀處理，然后傳給機械系統，過去哪種直接機械對機械的操控只在極少數工具車上還能看到。無人駕駛無非是把這些信號脫離人的控制交由電腦處理，并不需要費太大周折。

　　而技術的難點就在前兩步，怎么用傳感器準確的感知周圍的信息？人工智能如何做判斷？

　　(一)傳感器的不同路線

　　從技術路線上來說，感知周圍情況有多種模式，谷歌在攝像頭、GPS、慣性傳感器的基礎上，最終選擇了激光傳感器作為主要傳感器，激光傳感器對距離的判斷非常準確，但是價格昂貴，惡劣天氣下實用性受限。目前，谷歌無人駕駛汽車的成本高的嚇人，主要就是激光傳感器的原因。

　　比較廉價是只采用光學攝像頭，目前奔馳S級的魔毯技術就是利用攝像頭作為信息采集源來控制空氣懸掛，但是光學攝像頭用于無人駕駛的話，對圖像識別的人工智能會要求很高，對距離速度的判斷也會很麻煩。

　　目前，汽車上已經出現的輔助駕駛功能，一般采用的測距雷達，這個比較便宜，但是雷達的探測能力相當有限，車載雷達的發射功率也探測不了多遠，還怕物體阻擋，用到無人駕駛汽車上有多少實用性也值得懷疑。

　　從目前來看，最靠譜的還是谷歌的激光傳感器路線。

　　(二)人工智能的要求

　　人工智能方面的考驗程度更高。其實高速公路上的無人駕駛并不太困難。谷歌現在沒有問題，奔馳、奧迪也沒有問題，VOLVO沒有問題，甚至中國搞的無人駕駛高速也跑了286公里不出問題。這是以為高速路的情況現對簡單，對人工智能要求的算法不是很苛刻。

　　在市內駕駛就完全是兩碼事了。

　　谷歌無人駕駛汽車項目主管厄姆森說，“在市區里行駛一英里路程要遠比在高速公路上更為復雜，因為前者在一個小的區域中會因為規則的不同存在數百種不同的路面情況。我們花了大量時間改進了我們的軟件，因此它現在可以實時的區別上百個不同物體——如行人、公共汽車、由協管員手握的停車標志，或者是騎自行車者給出的要通過馬路的手勢信號等。”

　　在人工智能方面，其他廠商距離谷歌還差得遠，谷歌的人工智能水平已經接近實用了，其他廠商還在表演階段。

　　(三)大數據的輔助

　　對于人來說，開車需要GPS或者地圖，即使你認路，至少你腦子里面是有地圖的。無人駕駛同樣如此，一段路是上坡還是下坡，周圍有沒有視線阻擋，一定程度決定著無人駕駛的策略。

　　而交通的繁忙情況，車道的導向，路況的實時變化，修路、封閉、限行等等因素都需要大數據和即時通訊來輔助。如果沒有這些輔助，單純靠傳感器和人工智能，難度無疑會高很多。

　　而更多的數據，可以讓人工智能變得更“聰明”，用戶體驗更好。地圖和大數據雖然算不上無人駕駛的核心技術，但是它們的輔助作用會決定無人駕駛的體驗。

　　三、無人駕駛距離我們還有多遠？

　　其實，現在我們的汽車已經處于第三階段的普及階段，短時間車輛自動駕駛正在普及，而這個普及是這些年來傳感器，處理芯片價格下降的結果。

　　從技術上看，谷歌的無人駕駛已經可以應付很多情況，也許只要3、5年，無人駕駛汽車就能上市。但是無人駕駛功能要裝上我們的汽車，還需要傳感器、處理芯片降價、無人駕駛的軟件系統我們能夠買得起，各種輔助的大數據足夠普及才行。

　　未來的趨勢是第三階段的無人駕駛會一步步從高端品牌，高端車型向下普及。隨著這種普及，無人駕駛所需的傳感器、芯片會批量生產，形成廉價的解決方案，價格也會越來越便宜。

　　這種普及會降低第四階段所需硬件的價格，未來激光傳感器也許會今天的倒車雷達一樣的便宜，而處理芯片隨著摩爾定律也會越來越廉價，當成本到達一個臨界點，無人駕駛就會首先在豪華車型上出現，也許是寶馬奔馳，也許是沃爾沃。而它也會向下普及，那個時候就是無人駕駛真正進入我們生活的時候。