上周闹得沸沸扬扬的无人驾驶汽车上北京五环事件，再次将无人驾驶汽车拉入了公众的视野。和很多高科技的发展脚步一样，初期推动无人驾驶研究的是军事领域的专家们——美国军方在上世纪70年代开始关注无人驾驶技术。1995年，一辆由美国卡耐基梅隆大学研制的无人驾驶汽车Navlab-V，完成了横穿美国东西海岸的无人驾驶试验。
二十多年过去了，无人驾驶汽车又“开”到了哪一步?人们不禁发问，无人驾驶技术真的已经成熟到可以上路了吗?在全球范围内无人驾驶汽车上路又是否合法合规?摆在科学家面前的除了恶劣天气、法律法规、伦理道德……“拦路虎”里竟然还有一只袋鼠。
常规“器官”不在 方向盘刹车油门或将被取消
目前已经有十几家公司许下了豪言壮志，列出了自家无人驾驶汽车上路的时间表。
谷歌希望自家的无人驾驶汽车能在2020年量产，而且有别于其他制造商，谷歌不打算推出半自动的功能，而是准备一步到位，生产一款完全无人驾驶的汽车，甚至没有刹车和方向盘。谷歌拥有7年无人驾驶汽车的经验，并与菲亚特-克莱斯勒合作，在现实世界中测试无人驾驶小型货车。
福特也不甘落后，计划在2021年前推出并销售第4级别的无人驾驶汽车。与谷歌的无人驾驶汽车一样，福特也不准备为其汽车配备方向盘、刹车和油门。另外，福特将在未来5年投资10亿美元，用于人工智能软件的开发。
英特尔公司为无人驾驶汽车砸下了重金，一系列的收购可谓是集齐了无人驾驶界的“七龙珠”，收获了各种关键能力。包括以150亿美元收购了以色列科技公司“移动眼”、深度学习技术公司Nervana、微芯片制造商Movidius和汽车公司德尔福。另外，英特尔计划与宝马和大众携手合作，于今年晚些时候开始试验无人驾驶汽车。
“眼睛”可观六路 反馈物体距离阅读交通标志
大多数无人驾驶汽车配备了传感技术“套装”，包括“一双眼”及“一把尺”——视觉传感器(例如相机)和监测传感器(测量目标距离的激光和雷达)。过去十年中，测量范围的传感器在商用开发系统中占据了主导地位，能可靠地反馈周围所有物体的距离，监测范围达到100米甚至更远。
激光通常只用于低水平和简单的任务中，比如躲避障碍物，确保不会撞上任何东西等。而雷达则是一些高档车的老搭档了，在巡航控制系统中至少“服役”了十年。近年来，低价位的汽车也纷纷采用了这一技术。不过，监测距离的传感器还是有其局限性，远程激光或雷达扫描能够向你反馈大致的信息，比如路人的姿势，却不会告诉你那个人的表情是平静还是惊慌。而且，由于大多数的标志都是靠看的，在阅读现有标识时，距离传感器也表现得很差。相比之下，像相机一样的视觉传感器弥补了这一缺陷，它们能够感知颜色和外观细节。
由于我们的驾驶环境在设计和建造时默认司机能够看到，所以，能够像人一样“眼观六路”的无人驾驶汽车更能适应现有的基础设施和标识。
“判断力”待加强 驾驶系统难以应对恶劣天气
不过，汽车并非装备了眼睛就能保证“视力”没问题。相机非常容易受到环境改变的影响，在路上最常遇到的就是昼夜循环。在黑暗的环境下，人工照明或远光灯会让系统很难判断前方到底有什么。
在寒冷的地区，街道两旁可能有不少大风吹成的雪堆，不仅完全模糊了线标，甚至连标识也很容易被埋、被遮挡。由于无人驾驶汽车的设计严格依赖道路法规，所以系统会变得很纠结。
这还不算完，最大的挑战往往出现在多重变化同时发生的时候，比如夜间行驶又赶上热带风暴。遇到这种组合就连人类司机都难免会发生事故，好在大多数情况下我们都小心谨慎、处理得当，而无人驾驶汽车就显得没那么可靠了。除了雨雪，冰、冰雹、雾、烟、霾、风、光和热都会对驾驶环境造成干扰。现在还没有一辆车能够证明遇到极端天气仍能可靠地行驶，目前大多数车能够处理的，不过是中等降雨程度。
对于盯着无人驾驶汽车这块蛋糕的各厂商来说，没有什么比开发出适应全天候无人驾驶车更大的挑战了。我们虽然有很多辆能够适应“大部分情况”的车，却没有一辆适应“所有情况”的车。天气的重要性无须赘述，仅在美国，超过20%的事故都和恶劣天气有关。
配备最强“大脑” 深度学习为镜头素材贴标签
为了不让无人驾驶汽车的一双眼睛成为摆设，开发人员就要给它们配备相应的“脑子”。这也是为什么许多无人驾驶汽车厂商都在开发深度学习系统，有了这门技术，它们轻易就能超越人类需要练习100个小时才能达到的“老司机”的境界。
英特尔公司收购移动眼也正是有此用意，这些深度学习系统通常需要大量的标签数据。收集原始数据虽然成本很高，但可行性高，方法也比较“简单粗暴”：只需在大量汽车上安装传感器和计算机，然后就等着它们在公路网中跑上个数百万小时吧。一旦跑回来，接下来的工作才是费时费工费脑子的，镜头记录下的大量素材需要处理，人、汽车、各类危险、交通灯、车道标记等都需要“贴标签”。移动眼公司意识到这种繁琐的工作偷不了懒，于是雇用了数百名员工专门为图像“贴标签”，这种脚踏实地的作风也使其成为了该领域的引领者。有了这些基础，未来，移动眼等其他公司会越来越多地使用模拟技术生成大部分数据，而不再靠人力了。
“性格”比人谨慎 遇到路边慢跑者会减速停车
目前，无人驾驶汽车通常比人类司机更“胆小”，因为我们能够更准确地了解周围发生着什么。在一段测试视频中，当一辆特斯拉遇到路边的慢跑者时会减速到几乎停下。而当我们遇到同样情况时，会作出“慢跑者不太可能突然跳到马路上”的判断，而系统则被设计得更为谨慎(至少现在的系统都是这样)。
以目前的技术来看，无人驾驶车的谨慎确实很有必要。它们还不太擅长处理那些百万分之一可能会发生的“小概率”事件，比如前车上掉下来一个沙发，或者一些穿着奇葩装束的人出现在路边。
自动眼开发的视觉技术可能会提供更多的“微妙场景”，帮助汽车训练得更为自信。还能读懂人的面部表情，分析出路边行人的姿势和可能的意图，甚至能够“看穿”旁边的汽车，究竟对方的司机是在好好看路还是在玩手机。此外，这种视觉技术能够与人类司机无缝对接，通过辅助保护系统帮助我们避免错误。
名词解释
自动驾驶汽车(Autonomous car)和无人驾驶汽车(Driverless Car)是同一种事物，但不同地方叫法不同，欧洲偏向于称之为自动驾驶汽车，而美国多用后者。
