无人驾驶落地，这三个核心不可少！

人工智能正以前所未有的速度，渗透、改造着各行各业。而加速这场变革的力量之一，正是深度学习技术。短短十年，深度学习技术颠覆了语音识别、图像分类、文本理解等众多领域的算法设计思路。

许多技术方向的同学对人工智能既爱又畏惧，一方面觉得这是未来，另一方面又觉得很难而不敢触碰。懂工程的同学做算法时有很大的畏惧感，而专注算法的同学又常常容易陷入某个算法而缺乏工程落地能力。这次笔者以一个从业者角度来与大家聊一下如何入门无人驾驶／机器人行业，在实战中成长为算法，工程，产品贯通的 AI 全栈人才。

为什么需要无人驾驶

首先我们探讨下无人驾驶能如何提高人类社会的效率。

第一是无人驾驶对环境的影响：每辆传统车每年平均排放5吨的二氧化碳，以美国为例有2.5亿台车，每年二氧化碳排放就有12.5亿吨。而如果使用中央调度的无人新能源车，那么总排放量可以被降低到0.6亿吨，效果十分惊人。

然后我们看看无人驾驶对安全的影响：人类驾驶员每驾驶100万英里的里程，平均会发生4.2次意外，全球每年会产生大约1300万次事故。如果我们能把无人驾驶每100万英里的事故率控制在1次以内，那么总事故数会被控制在300万左右。现在每年全球车祸死亡人数超过百万，所以无人驾驶的普及可以每年在全球挽救几十万甚至上百万的生命。

最后我们了解下无人驾驶对经济的影响：由于减少碳排放，无人驾驶普及每年可减少3000亿美金的经济损失。另外，每次车祸带来的经济损失平均为3000美金，那么如果通过无人驾驶实现每100万英里的车祸率在1次以内的安全目标，每年也可以减少3000亿美金的经济损失。两者相加，无人驾驶普及后每年至少可以减少6000亿美金的经济损失，这基本相当于瑞士的GDP，如果按全球国家GDP排行榜可以排进前20左右。

在手机平台上实现无人驾驶

假设你是一位ANDROID手机开发者，想投身无人驾驶行业，你需要的最重要的条件不是熟悉某个技术点，而是要有足够的好奇心去探索了解新的技术与克服困难的勇气。 一年前我们探索过一个好玩的课题，如果用一个手机平台，是否可以支撑起无人驾驶的作业？于是我们使用了ANDROID手机平台，实现了一些比较简单的无人驾驶功能，主要是用视觉来做。

我们深入聊下无人驾驶的技术，无人驾驶并不是单点的技术，而是多个技术的整合。 无人驾驶的整体技术架构，大概可以分为三大模块：算法、系统以及云平台。

在车辆端，上层是算法模块，包括传感（如何更好的获取环境数据）、感知（如何更好的理解车辆周围环境，包括定位，物体识别，物体追踪）以及决策（在了解环境后如何更好的做出决策，包括路径规划，行为预测和障碍物躲避等）三个部分；下层则是操作系统和硬件平台。而在云端，则有一个无人驾驶的云平台，其上囊括了高精地图、模型训练、模拟计算以及数据存储等几块内容。

另外，有三个点是无人驾驶落地核心：

1、感知技术突破是关键

如果将无人驾驶汽车比作人，可以如此理解它的关键模块——感知模块为眼睛，汽车依靠由摄像头、雷达、GPS等一系列部件组成的感知模块去感知路况；中央决策模块如大脑，包括路径规划、导航、信息融合和路径跟踪等，通过对由感知模块搜集的信息进行整合、分析，作出自主驾驶、避障、超车等决策；底层控制模块似手脚，控制车辆行驶速度、角度，按照决策的路线安全行驶。

可见，与人手动驾驶汽车一样，无人驾驶汽车所有关于路况信息的收集、路径分析规划、操控决策的制定，全部依赖于感知模块这双“眼睛”的视力。

2、成本

成本直接关系到车辆的销售价格，雷达是感知模块中必不可少的部件之一。据称，谷歌无人汽车目前使用的激光雷达售价高达8万美元。

毫米波雷达比激光雷达精度低、可视范围的角度小，但毫米波雷达的成本远低于激光雷达。激光雷达能够依靠激光遇到障碍后的折返时间计算出物体与车体之间的相对距离，生成物体的3D轮廓，构建汽车周围环境的高精度地图，并可对周围环境进行360度的扫描。目前在纯无人驾驶领域，激光雷达使用较多，辅助驾驶领域则更多使用毫米波雷达。

3、法规

根据法规草案，厂商需要展示无人驾驶是如何执行的，在失败时如何应对；这些汽车如何被测试，所有研发无人驾驶的企业需要公开汽车表现评估，并让执法部门和其他公司一起评估。

一些细节也有要求，如车主隐私方面，用车数据被搜集，制造商需告知车主，而车主有权拒绝；系统安全方面，无人驾驶车辆在软件无法运作，将发生车祸等情况下如何回应；数据安全方面，厂商需保护系统安全，免于被黑客干扰；人为介入方面，制造商需考虑让无人驾驶车具有与行人和其他路上车辆沟通的能力；侦测和回应方面，厂商需展示无人驾驶汽车如何应对倒下的树木，或任何突然发生的意外事件等。该草案还要求提供消费者教育。