L5级自动驾驶到底能给我们带来什么？

汽车领域技术创新、格局演变，这是全球汽车人都在关注的重要议题。当世界汽车巨头都在强调“中国市场”之时，我们试图将目光转向全球：面对汽车产业新四化，世界级的汽车玩家正在做什么？

第一站：探秘密歇根M-city实验室，对话自动驾驶领域重要人物彭晖。

2015年7月20日，位于美国底特律以西40英里的密歇根大学正式开放全球首个无人驾驶汽车封闭试验场：M-city。从加州伯克利大学博士毕业、近30年来一直围绕汽车安全与节能做研究的密西根大学讲座教授彭晖，参与并主导了M-city从构想到实现的全过程。M-city之后，在美国硅谷、新加坡维壹科技城、中国上海、日本茨城县等多地先后建起自动驾驶测试场。

如今，你可以看到密歇根大学的学生和教职工们搭乘12英里/时的无人驾驶校园巴士在园区内穿梭。这是M-city实验室项目的一部分，终极目标是让无人驾驶更安全。对于这个重要议题，M-city和它的顶级工程师们有着清晰的计划和判断，但也毫不避讳当下还未攻破的技术难题，和对未知的不确定。

口述 | 密歇根大学M-city实验室主任 彭晖

采访 | 搜狐汽车驻底特律记者 丽莎

1、故事的开始

2013年，我们开始构想建立一个无人驾驶测试场。为什么会有这个想法呢？

其实1988-1992年，我在加州伯克利分校念博士，论文题目就是高速公路自动化，当然那个时候场景比较简单。这么讲起来，让汽车驾驶实现自动化不是这几年才有的事情，比我们更早的时候就有人尝试用磁条、磁钉、camera（摄像头）来做研究。所以把“驾驶功能自动化”这件事已经有几十年的研究背景了。

当年为什么要建M-City？

因为我们认识到技术、硬件有很多进步，包括感测器、计算能力、人工智能、通信……在太多太多方面已经有大规模的进步，我们觉得时机比较成熟了。所以 2013年左右就开始构想这件事情，2015年7月就正式开放了。我们确实是全世界第一个为智能网联汽车建造的自动驾驶测试场。

M-city是密歇根大学牵头来做的，目前已经投了大概1200万美金，土地是无偿给我们用的。M-City是开放的，不论是不是我们的会员，任何车企都可以来做测试。当年盖这个场地的时候，目的就不只是为高校教授、研究生做实验用的。我们现在有60个缴费企业会员，其实目前所有测试者中，校外企业占到7、8成。

那我们做什么测试呢？

M-City主要有两大场域，一个是高速公路，一个是城区。高速公路上有匝道、变道、超车等场景测试；城区里最糟糕的就是路口，在测试的时候我们重点会研究如何控制行人、自行车等和自动驾驶车辆的互动。

我们自己对未来有非常清楚的计划，叫做L4级别的ABC Test。我们想象有一辆车来测试，必须要通过三道关卡。A是Accelerated evaluation 加速验证；B是behave competence，表示说要达标几十项技能；C是corner cases，有一些特别容易出错的场景。

我们的想法是，未来车辆测试过程中，要保证达到一定的标准，就要通过ABC Test这三关测试。未来一年我们会先把behave competence做出来。

其实在测试过程中，目前没有什么统一的测试标准。美国没有，中国没有，日本没有，欧盟没有，全世界都没有标准。

比如你说在欧盟做NCAP（新车碰撞测试），它有一套程序，那是欧盟自己定的，中国、日本、美国不见得完全听它的；像在美国做高速公路安全测试的IIHS（美国公路安全保险协会），它不是政府机关，是属于第三方的，没有政府的公信力。

2、还未攻破的技术难题

现在研究自动驾驶的机构非常多，自动驾驶最重要的技术，一是sensing（感测）；二是perception（感知），就是知晓到底看到了什么东西；三是planning（规划）；四是control（控制）。这每一项都很重要，需要相互补充。但如果说现在自动驾驶技术面临的最大挑战和瓶颈，那就是perception。

人是很聪明的，比如在一个交通场景中，我一眼就能看出来这是一辆黑颜色的汽车、这是一个油箱、这是一辆自行车、旁边有一棵树……人类不会因为辨别事物而困惑，立刻就能抓到重点。但感知对于机器来说还是很有挑战性的。汽车实际“看”到的我们叫点云：这个pixel是什么，那个距离是多少，然后再去思考那个是车吗？那个是人吗？现在虽然机器已经很厉害了，比如下围棋超过了人类，但是在perception（感知）层面机器还远远不如人类。

在perception方面，我们大概有一个方法可以解决98%、99%的问题，但那剩下的1%、2% 越来越难解决。你从0到80很容易，从80到90难度变大、90到95更难，最后那1% 最难。你问我有没有把握push到99.99%？其实没有人有把握。

历史上我们做过很多不同的approach（方法）。比如现在是用神经网络，我用大量的资料去做训练。完了以后我一看，哟，它可以做到98%，很高兴。可是你说下一步从98% 怎么到99% ？坦白说不太清楚，因为它太复杂，它是一个神经网络。甚至我们在训练的过程中，结果时好时坏。比如今天有一个神经网络我调到了98%，并不表示继续调会变成99%，搞不好会变成95%，所以不同的方法往前走的路径其实是不清楚的。

那怎么解决这个难题呢？

我们常常说最终的解决方式可能是结合几个99%的solution（方法），达到一个99.999% 安全的程度。而不是一直push一个方法达到99.99%，那个太困难。

3、一个负责的车企不应该做L5自动驾驶

我们研究自动驾驶，从一开始大家觉得特别火、特别激进，到现在又进入到过度悲观。这里有一个现象叫hype cycle（发展规律周期）。不只是自动驾驶，包括我们讲的3D打印、人工智能、5G、电动车等等，任何新的观念出来，大家一开始都会过度乐观，然后过度悲观，最后回归理性，过程常常都是这样。这是好多年来大家已经都承认的，社会就是这样。

现在自动驾驶正在从过度乐观向过度悲观发展，慢慢还会反弹回归理性。

至于什么时候自动驾驶可以达到L5级别？

我们常说operational design domain（ODD），自动驾驶系统设计的时候就画定了运营范围，在这个场景之下必须有把握能做好。

那么现在市面上有没有L4？有啊，我们密歇根大学不是有无人巴士嘛，它跑得很慢，每小时12英里，只在校园内运行。法国、奥地利、澳洲、新加坡好多地方都有L4级无人巴士。如果你仔细去看的话，全世界做L4级别展示的汽车，要么是直线来回，要么是顺时针转圈，不用左转。

就是说这个operational design domain 是12英里/小时只能右转不左转，下雨、下雪天就不开了。我们得认清现实，技术不完全成熟，只能在小范围内跑。但是好处是什么呢？不会撞死人，不会撞伤人，在这里面跑得挺好。那明年是不是可以把12英里/小时变成15英里/小时？是不是下点小雨还可以开？

实际上，我不认为我们哪一天会看到L5的汽车。

为什么呢？设计汽车都有它的目的，如果要卖到沙特阿拉伯，对冷却系统就有额外要求；如果要卖到南极，就要重视低温环境；如果要买到北美市场，就要用北美的data（数据）去train（训练自动驾驶神经网络）；如果要卖到中国，就应该用中国的data去train。

换句话说，今天设计一个L5的汽车其实是在浪费钱、浪费时间。身为一个负责任的工程师，我不应该说我要设计一个L5的汽车，而应该说我设计的L4汽车在这个范围内保证安全，且最低成本。这才是一个负责的工程师该做的事情。

所有的车在未来几十年之内都应该只有L4级别，谁要是说我设计一个L5，其实大部分时候他是在浪费钱。我不认为一个负责的车企应该去设计一个L5的汽车，追求L5不应该是一个工程师的目的。