當我們還在感慨駕駛是一件費心費力的事情時，無人駕駛技術的進步已經逐步開始了解放我們的雙手到大腦的發展，在 O'Reilly 和 Intel人工智能 2018 北京大會上，營長與前百度硅谷研發中心創始核心成員李力耘博士聊了聊，李力耘表示目前無人駕駛技術上最亟待解決的技術是傳感器的能力跟它的價值的平衡、無人駕駛的規劃控制兩大問題。

　　無人駕駛發展的價值

　　無人駕駛技術的發展，對人類來說不僅僅是解放了雙手，還解放了大腦。我們的注意力不需要集中在駕駛上，這將為經濟效益和社會效益帶來極大進步。

　　無疑在北京和美國硅谷這種交通環境下，開車對我們來說并不是一種享受，它需要花費很多的時間和精力，如果無人駕駛技術得到普及，可以把開車的時間解放出來，可以在車上查查郵件，看看新聞，甚至休息一下。另外，無人駕駛對經濟的生態也會帶來一些變化，例如無人產業鏈或許就會改變商圈的選址。

　　數據顯示，人類開車大概每百萬公里的量級就會出現一次致命事故，無人駕駛發展至今，已經行駛上千萬公里，發生了 Uber 的事故，相對來講，無人駕駛反倒是比人類駕駛安全系數更高。

　　無人駕駛取代司機是一個漫長的過程，可以看到，無人駕駛的測試是配備有司機的。如果無人駕駛技術得到普及，可以做整體全局上的智能城市的優化，比如說大家可以有一個集中的調度的系統，來優化去同樣目的地人群，并提倡共享出行。

　　無人駕駛技術不僅僅解放了人類的精力和效率，最終的方向是建立智慧城市，智能交通的規劃，隨著這種統籌的發展，也許司機的比例逐漸減少，但最終取代司機的這一天，可能還有很長的路要走。

　　國內的測試環境更具挑戰

　　李力耘認為，美國現代的無人駕駛技術，還是遠遠領先于國內的，從加州交管局的匯報的數據可以看到，國內頂尖的 Apollo 與 Google Waymo 和 Uber 相比還是有一定差距的。

　　另外一點， 無人駕駛的人才在美國硅谷比較多 ，這是一個非常重要的一個差別，Google Waymo、Uber 等都積累了很多無人駕駛的人才，國內在這方面仍處于剛剛開始積累的階段。

　　國內的測試環境更具有挑戰，政府提供了很多的支持，無論是交管法規，還是技術設施，都給予很多的支持，加上中國人對新事物的接受程度很快，像這些移動支付，O2O 這種都是美國沒見過的模式，國內很快接受了，在這方面有很大的優勢。

　　所以，在這種落地跟轉化上中國的優勢很大，美國是技術上的比中國積累的深厚，另外人才方面，隨著中國人才漸漸的積累和爆發，最終差距不會很大。

　　亟待解決的兩大技術

　　無人駕駛技術目前最亟待解決的技術有兩個部分：

　　第一，是傳感器的能力跟它的價值的平衡問題

　　據法國權威市場分析機構 Yole Développement 的統計，智能駕駛主要通過攝像頭(長距攝像頭、環繞攝像頭和立體攝像頭)和雷達(超聲波雷達、毫米波雷達、激光雷達)實現感知的;當前最先進的智能汽車采用了 17 個傳感器(僅指應用于自動駕駛功能)，預計 2030 年將達到 29 個傳感器。

　　舉個例子來說，激光雷達技術并不是“原子彈科技”，這項技術只是需要更多的沉淀，更多的精力來把它做的更好、更精。從技術上來說是存在成本降低的可能性。

　　現在每一個激光雷達廠商都說，只要給我多大量，我就能把成本做下來，所以只要技術方案定下來，降成本是一定可以降的，它的更多挑戰是怎么把這個雷達給沉淀更加穩定，更加精準、更加適合無人車的使用。

　　第二，無人駕駛的規劃控制

　　無人駕駛技術在正常行駛的方面已經解決的很好，但是遇到一些異常情況，如出現一些行人不守交規，或者是一些極端情況的時候，我們怎么把長遠的問題，通過算法處理好，這是一個挑戰。

　　或許無人駕駛測試幾百萬公里級別，才出現一次 Uber 事故的場景，無人車測試的時候也會盡量避免這樣的事情，而在這個領域里面，規劃控制和模擬器是可以發力的一個點。

　　用模擬器和人工智能去檢測一些車的極限能力，或者是在一些極端情況車輛的反應情況，這些場景往往不太能通過采集數據，或者通過正常的手段來進行學習跟測試的。

　　對人工智能期待過高

　　很多人都覺得人工智能不夠“智能”，這是因為大家對人工智能的期待過高，從無人車的角度，人腦是一個神經網絡，是經過了很多年迭代的，就是說你生下來的時候是一個設計好的網絡，這個網絡叫做基因跟生物學上的大腦。

　　除此之外，比如說你長到 16 歲開始開車，其實你的大腦的感知已經訓練了十幾年了，你對這個世界的理解，不是說像無人車這樣，弄很多圖片，然后訓練，人的大腦的感知能力是非常強大，所以，人工智能要真的能達到這個人的感知能力，還有很長的路要走。

　　人工智能現在隨著計算機視覺發展，在感知和預測上都有顯而易見的應用，但是在決策規劃上，應用并沒有這么直接。隨著人工智能的發展，決策規劃也已經向有數據驅動的方向開始轉變。

　　通過采集人開車的數據，和機器開車數據的區別，來訓練我們的算法。 讓我們的算法開車越來越像人的行為，這是人工智能開始滲透到決策規劃的一個方向，未來有一天人工智能也會成為決策規劃上一個主流的算法。

　　各個城市關于無人駕駛的法規剛剛出臺，目前還沒有那么健全，但這也是擁抱無人駕駛技術變化的一個很好的體現。另外在這些法規的督促下，更合法又有效去的去提高整個系統的穩定性和能力，然后把這個系統做的更好。

　　很多人將無人駕駛技術發展看作是技術與法律的博弈，其實這更像是一個互相發展、互相適應的過程。