原标题：无人驾驶急需解决：规划控制和传感器价格高两大问题（附Apollo算法）

  2017 年百度 AI 开发者大会上，现场视频连线了正乘坐无人驾驶汽车行驶在五环上朝会场赶来的李彦宏，他坐在副驾驶上解说，身边司机的双手并没有触碰方向盘，也正是因为这句话，无人车收到了交警的第一张罚单。2018 年春晚，由百余辆无人车组成的车队在港珠澳大桥上大秀车技，亿万观众通过现场直播观看了视频。

  当我们还在感慨驾驶是一件费心费力的事情时，无人驾驶技术的进步已经逐步开始了解放我们的双手到大脑的发展，在 OReilly 和 Intel 人工智能 2018 北京大会上，与前百度硅谷研发中心创始核心成员李力耘博士聊了聊，李力耘表示目前无人驾驶技术上最亟待解决的技术是：是传感器的能力跟它的价值的平衡、无人驾驶的规划控制两大问题。

  无人驾驶技术的发展，对人类来说不单单是解放了双手，还解放了大脑。我们的注意力不需要集中在驾驶上，这将为经济效益与社会效益带来极大进步。

  无疑在北京和美国硅谷这种交通环境下，开车对我们来说并不是一种享受，它要消耗很多的时间和精力，如果无人驾驶技术获得普及，可以把开车的时间解放出来，可以在车上查查邮件，看看新闻，甚至休息一下。另外，无人驾驶对经济的生态也会带来一些变化，例如无人产业链或许就会改变商圈的选址。

  数据显示，人类开车大概每百万公里的量级就会出现一次致命事故，无人驾驶发展至今，已经行驶上千万公里，发生了 Uber 的事故，相对来讲，无人驾驶反倒是比人类驾驶安全系数更高。

  无人驾驶取代司机是一个漫长的过程，能够正常的看到，无人驾驶的测试是配备有司机的。如果无人驾驶技术获得普及，可以做整体全局上的智能城市的优化，比如说你们可以有一个集中的调度的系统，来优化去同样目的地人群，并提倡共享出行。

  无人驾驶技术不仅仅解放了人类的精力和效率，最终的方向是建立智慧城市，智能交通的规划，随着这种统筹的发展，也许司机的比例慢慢地减少，但最终取代司机的这一天，可能还有非常长的路要走。

  李力耘认为，美国现代的无人驾驶技术，还是远远领先于国内的，从加州交管局的汇报的数据能够正常的看到，国内顶尖的 Apollo 与 Google Waymo 和 Uber 相比还是有一定差距的。

  另外一点，无人驾驶的人才在美国硅谷比较多，这是一个很重要的一个差别，Google Waymo、Uber 等都积累了很多无人驾驶的人才，国内在这方面仍处于起步积累的阶段。

  国内的测试环境更具有挑战，政府提供了很多的支持，无论是交管法规，还是技术设施，都给予很多的支持，加上中国人对新事物的接受程度很快，像这些移动支付，O2O 这种都是美国没见过的模式，国内很快接受了，在这方面有很大的优势。

  所以，在这种落地跟转化上中国的优势很大，美国是技术上的比中国积累的深厚，另外人才方面，随着中国人才渐渐的积累和爆发，最终差距不会很大。

  据法国权威市场分析机构 Yole Développement 的统计，智能驾驶主要是通过摄像头（长距摄像头、环绕摄像头和立体摄像头）和雷达（超声波雷达、毫米波雷达、激光雷达）实现感知的；当前最先进的智能汽车采用了 17 个传感器（仅指应用于无人驾驶功能），预计 2030 年将达到 29 个传感器。

  成本是很难降下来，便宜的传感器，又不能够达到安全的要求，所以在价格和安全性和能力之间的平衡是急需解决一个重要的问题。

  举个例子来说，激光雷达技术并不是“科技”，这项技术只是需要更加多的沉淀，更多的精力来把它做的更好、更精。从技术上来说是存在成本降低的可能性。

  现在每一个激光雷达厂商都说，只要给我多大量，我就能把成本做下来，所以只要技术方案定下来，降成本是一定能降的，它的更多挑战是怎么把这个雷达给沉淀更稳定，更精准、更为适合无人车的使用。

  无人驾驶技术在正常行驶的方面已经解决的很好，但是遇到一些不正常的情况，如出现一些行人不守交规，或者是一些极端情况的时候，我们怎么把长远的问题，通过算法处理好，这是一个挑战。

  或许无人驾驶测试几百万公里级别，才出现一次 Uber 事故的场景，无人车测试的时候也会尽可能的避免这样的事情，而在这样的领域里面，规划控制和模拟器是可以发力的一个点。

  用模拟器和人工智能去检测一些车的极限能力，或者是在一些极端情况车辆的反应情况，这些场景往往不太能通过采集数据，或者通过正常的手段来进行学习跟测试的。

  很多人都觉得人工智能不够“智能”，是因为大家对AI的期待过高，从无人车的角度，人脑是一个神经网络，是经过了很多年迭代的，就是说你生下来的时候是一个设计好的网络，这个网络叫做基因跟生物学上的大脑。

  除此之外，比如说你长到 16 岁开始开车，其实你的大脑的感知已经训练了 10 几年了，你对这样一个世界的理解，不是说像无人车这样，弄很多图片，然后训练，人的大脑的感知能力是很强大， 所以，人工智能要真的能达到这个人的感知能力，还有非常长的路要走。

  人工智能现在随着计算机视觉发展，在感知和预测上都有显而易见的应用，但是在决策规划上，应用并没这么直接，随着人工智能的发展，决策规划也已经向有数据驱动的方向开始转变。

  通过采集人开车的数据，和机器开车数据的区别，来训练我们的算法。 让我们的算法开车越来越像人的行为，这是人工智能开始渗透到决策规划的一个方向，未来有一天人工智能也会成为决策规划上一个主流的算法。

  各个城市关于无人驾驶的法规刚刚出台，目前还没那么健全，但这也是拥抱无人驾驶技术变化的一个很好的体现。 另外在这些法规的督促下，更合法又有效去的去提高总系统的稳定性和能力， 然后把这个系统做的更好。

  很多人将无人驾驶技术发展看作是技术与法律的博弈，其实这更像 是一个互相发展、互相适应的过程。

  最后，作为假期的福利，营长为大家送上李力耘博士在大会上演讲的部分内容PPT （附算法）。