久久久久精品免费福利电影,国产又黄又大又粗视频,A级毛片免费播放无码,人人妻人人爽人人澡欧美一区

本文來自《財經》雜志，作者/李軍。

2018年7月4日，李彥宏在百度AI開發者大會上宣布，首款量產的Level 4級自動駕駛巴士“阿波龍”正式下線，并已簽下來自日本的訂單，國產自動駕駛電動車走向世界。

全球首款、Level 4級自動駕駛、量產，這些抓人眼球的關鍵詞，讓大家為之一振。Level 4級自動駕駛到底是什么樣的自動駕駛水平？自動駕駛汽車的時代已經到來了嗎？

目前業界最通用的自動駕駛技術水平的分類來自美國汽車工程師學會（Society of Automotive Engineers，簡稱SAE）的五級分類體系，即Level 1至Level 5。

美國交通部發布的這個五級自動駕駛分類體系中，Level 1和Level 2的區別，在于是否同時控制油門/剎車和方向盤。到了Level 3，自動駕駛系統可以采集到駕駛所需絕大部分外界的信息，但仍需駕駛員保持關注，且能夠幾秒內進行人工操縱接管。

路測經驗嚴重不足

Level 3到Level 4是自動駕駛系統的一個重要分水嶺。從Level 4開始，自動駕駛系統不再需要駕駛員保持關注。系統只是在特定情況下需要人工介入，且這個介入過程是非實時的，比如，駕駛員可以幾分鐘后再介入。

Level 5是自動駕駛的最高水平，完全無需人工介入。自動駕駛系統可以應付任何路況和條件下的操縱挑戰。

最近幾年頻出事故的特斯拉Autopilot系統只是介于Level 2和Level 3的水平。Autopilot還沒有完全達到Level 3。

真正的Level 3是可以無需駕駛員保持關注，只需要保證在提示下能夠以秒級速度接管駕駛操縱就可以了。但目前的特斯拉Autopilot系統不光需要駕駛員要隨時把手放在方向盤上保持接管能力，而且還需要駕駛員隨時關注外界情況并做出判斷，決定是否需要主動接管。

從沒有駕駛員，沒有方向盤、油門、剎車踏板的設計來看，“阿波龍”已經超越了Level 3的水平，即不需要駕駛員實時接管操縱。但這是否意味著“阿波龍”已經達到Level 4的水平呢？

既然宣稱“全球首款量產L4級自動駕駛巴士”并開始投入商用的乘用車，自然需要滿足以下要求：技術成熟、風險可控、滿足監管許可。

如何確定這款L4級自動駕駛系統已經成熟到可以商用呢？只有扎實的測試數據能夠加以驗證。

在美國自動駕駛路測最活躍的加州，根據加州機動車管理部門提供的官方數據，從2016年12月到2017年11月整整一年的時間，百度完成的路測不到2000英里，占加州自動駕駛汽車路測總距離的0.39%。而Google和通用汽車的路測距離分別是百度的180倍和67倍。

百度是從2016年8月開始獲得加州的自動駕駛汽車的測試牌照，而加州機動車管理局公布的數據剛好涵蓋了百度獲得測試牌照的大部分時間段。所以可以推斷，百度在美國的路測里程應該是幾千英里的量級。

幾千英里的路測距離是遠遠不能滿足技術成熟性的驗證的。要知道，Google從2012年開始拿到加州的路測牌照到2017年底，一共完成了超過400萬英里的路測。單單在2017年就完成了35萬英里的路測。

在國內，2018年3月，上海和北京才開始發放首批自動駕駛汽車的路測牌照。剛過去短短四個月，顯然百度的自動駕駛系統在國內的路測距離也應該是非常有限的。

自動駕駛作為一個全新的高科技應用系統，應該需要大量的路測數據驗證，其中的時間跨度起碼要以年為單位，路測距離起碼要以10萬公里為單位，這才能夠滿足基本的系統成熟穩定的驗證要求。

仿真系統不能取代路測

那么，百度自動駕駛系統的可靠性又如何呢？

根據百度美國公司于2017年12月底向加州機動車管理局提交的路測報告顯示，路測的結果也不盡如人意。

從2016年10月份開始到2017年11月份，百度完成了1971.74英里的路測。在測試中共計人工干預（即“系統脫離”）48次，平均每41英里就出現一次人工干預。尤其是測試初期的2016年11月，每行駛不到4英里就出現一次“系統失敗”。

就算到了路測最后的2017年11月份，平均人工干預距離也只是147英里。而Google在2017年的測試中，平均每行駛超過5500英里才需要人工干預一次，通用汽車則是平均每1200英里需要人工干預一次。

2017年4月百度才開始“Apollo”（阿波龍）項目，一年前，百度才發布Apollo 1.0系統，半年前百度的路測表現還大大落后于Google和通用汽車。百度現在率先發布了全球第一個Level 4自動駕駛系統，這個進步速度實在是有點太快了。

當然，百度在官方的發布材料中解釋了進步神速的原因：多樣化仿真實現“日行百萬公里”。恰恰是這一點，讓筆者對百度的L4自動駕駛系統的安全性有一定的擔心。

我們知道，判斷一個系統的穩定性，往往借鑒的不是正常運行狀態下的數據，而是特殊狀態下的穩定性。自動駕駛系統也一樣，稱為極端案例下的操控性。

2016年5月，一輛在Autopilot狀態下的特斯拉撞傷橫過馬路的一輛銀色貨車，造成首例自動駕駛系統引起的致死車禍。究其原因，是因為雷達和攝像頭在特定條件影響下對于較高的銀色物體都出現了誤判。

2018年3月，Uber的自動駕駛路測車在遇見橫穿馬路的行人時出現系統誤判，造成第一例自動駕駛系統車禍導致行人死亡案。

以上兩起車禍致死，都是在特定條件下發生的極端案例。

而引起極端案例發生的特殊條件，往往是在機緣巧合下產生的，也是在實驗室里難以模仿和構建的。

在人工智能還不夠發達的今天，任何系統仿真都是在人為設置下對于真實環境簡單粗暴的模仿。仿真系統的設計者沒有想到的極端案例，仿真系統內通常也不會出現。這就是為什么自動駕駛系統必須依賴大量的路測演練，包括在各種道路環境、各種氣候條件、各種緊急情況下的系統自動應對策略。

Google 2017年1月的自動駕駛系統路測報告中詳細列明了過往一年“系統脫離”次數和原因。我們可以看到，從路面障礙物、施工區域到遭遇優先車輛，都有可能是導致系統脫離的原因。

只有依賴在真實環境中的長時間測試，才能夠逐步提高自動駕駛系統的成熟度和可靠性。

成熟度和可靠性缺乏依據

百度的“阿波龍”客車是否達到Level 4級的自動駕駛水平，從已經公布的路測數據來看，其成熟度和可靠性還無法證實。1年-2年后的商用最終可以證實這一點，但如果百度的自動駕駛系統的成熟度和可靠性離Level 4級還有距離，那倉促商用的結果有可能會帶來不必要的損失，也會讓大眾對自動駕駛技術產生疑慮。

還有一點需要指出的是，Level 4級的自動駕駛系統并不是Level 5那樣的全智能，必須且一定會需要在特定條件下的人工干預。

阿波龍客車既然是開始量產并面向商用的汽車，必定需要相應的人工干預系統對商用車輛進行監控、必要時接管和進行相應的服務支撐。

從目前百度公布的信息來看，這部分后臺干預支撐和監控服務的內容基本沒有涉及，這也是本人對于百度目前的Level 4級自動駕駛汽車運營保障的一個疑問。

以百度為首的Level 4級自動駕駛汽車已經量產了，難題開始擺在汽車行業制造、道路交通管理等各個行政管理部門的面前。

工信部作為汽車制造行業的主管部門，目前尚未出臺任何自動駕駛汽車領域在測試驗證、技術評價、質量認證等方面的行業標準。換句話說，現在的“阿波龍”客車還沒有“準生證”，甚至連“準生證”的官方標準也沒有。

另一方面，道路交通管理部門對于量產自動駕駛汽車上路的準備也不夠充分。目前只有北京、上海、廣州等部分地區開放了自動駕駛的“路測牌照”。這就是說，“阿波龍”客車如果想要在公開路面行駛，只能掛上“路測牌照”，要嚴格遵守“路測規定”的各項要求并隨時向監管部門上報路測數據。

所以，從制造監管到交通監管，我們對自動駕駛汽車正式上路還遠遠沒有做好準備。從這個角度來說，百度“阿波龍”客車的正式量產可以成為自動駕駛應用的立法、監管和行政準備的重要推動力。