近日，雷诺、标致雪铁龙等汽车企业宣布将在2020年推出SAE 4级无人驾驶车——也就是仅仅两年多之后。考虑到现在无人驾驶技术仍有很长的路要走，尤其是在场景理解方面，这个目标未免太过乐观。但可以肯定地说，在不久的将来，无人驾驶车必将得到广泛的应用，对整个汽车产业价值链和人类生活环境都带来重大的影响。
阿诺 德拉傅泰 / 巴黎文理研究大学国立巴黎高等矿业学校机器人学中心主任、教授
巴黎创新评论：您研发无人驾驶车已经有15年的时间了，在此期间该领域有什么进展吗？
阿诺 德拉傅泰：在我开始研究无人驾驶前15年，就有人研发出智能汽车的雏形了。最早是在80年代末。当时开发的车就能上法国高速公路，时速可达每小时130km。30年过去了，我们的智能车还在原地踏步！这些年来，技术上的最大突破是计算机的计算能力增强、传感器越来越先进。早期的无人驾驶车装有摄像头和雷达设备，但当时的视觉识别算法并不发达。如今，无人驾驶车靠摄像头、雷达和激光三种传感设备进行导航（就像三个火枪手一样，当然其实传感设备不止三类）。其中，激光传感器是近年发展起来的，虽然15年前也有，但成本高、精度低。相比之下，现在的精度高多了，可进行2D、3D激光扫描，例如法雷奥SCALA激光扫描仪。第四类设备是超声波传感器，用于辅助停车等低速操作，已广泛应用于现在人们所驾驶的车辆。
正是因为传感器技术取得了长足的发展，如今的机器可以更敏锐地感知周围的环境。15年前，想让无人驾驶车识别出路面上的其他车辆都很难。无人车怎么知道路在哪儿呢？过去的电脑只知道如果车左右各有一条白线，中间的就是路。可是路面上要是有若干条白线，或者压根没有白线，车就懵了。今天的无人车电脑能通过深度学习算法对于摄像头采集的图形进行实时的分类，能立刻判断出路在哪儿、哪些是车、哪些是行人等等，一共会辨认大约20类物体。我现在出资资助了中国的一个课题组，他们就是专门研究图形分类的。
研发途中还有哪些障碍需要克服？
我们还难以让电脑很好地进行场景理解：电脑不知道车究竟是开在凌晨两点空无一人的路面上、车多速快的高速公路上、还是市区拥堵的道路上。对于人类来说轻松不过的一件事，让电脑实现起来就特别复杂，可以说已经触及到了人工智能的极限。
人在路上驾驶汽车，时时刻刻都在和路面上其他驾驶员配合。我们天生就会，可电脑学不来。这种行为我把它称为“社会行为”。开车可不是一个自顾自的过程，我们每到一个路口，就开始一场与其他司机的博弈。博弈有规则，但规则不是死的，有的情况需要灵活处理。当我为无人车电脑编程写算法时，要考虑的问题太多了！就比如说，右方来车到底距离多近的时候，才需要让它先行？如果距离800米，就不用了吧！距离10米，那肯定得让。右方来车先行的适用距离到底是多少呢？人类驾驶员是不会这么考虑问题的。我们没法像电脑那样，精确地测量距离，而且也不会愿意这么做。用于计算机间交互的数学形式体系，和现实中人类合作的规则相比，差异还是很大的。
提升电脑的场景理解能力，有若干种方法，例如对于各种场景进行语义分类，也就是说，根据场景的意义来定义该情形下行车的意义。就现在来看，我们只能对物体进行辨认，还不能建立真正意义上的场景语义体系，但未来是有希望的。现在有了机器学习，当无人车的总行驶里程数达到上千万、上亿公里，我们就可以更好地定义不同的场景，从而更明确地告诉无人车在不同场景开车的目的究竟是什么。还有一条路径是通过物联网技术：如果城市环境中的物体都连上了网，可以跟无人车互相传数据，那就能很大程度上帮助无人车理解其所处的场景，让人机交互更加顺畅。
无人车最难应付的场景有哪些？
无人车在高速公路上的表现总体较好，但在市区路况复杂，尤其是行人多的时候就会有点不知所措。预判行人的行为很困难。而且，无人车怎么和行人进行交流互动呢？因为驾驶座上没有人，行人无法与司机进行眼神交流，从而会感到慌张。如果车不懂怎么和人交流，行人可能一瞬间不知道该走该停，然后无人车对应地也搞不清该走该停，进入一个死循环…这是需要避免的。我们在编程时，可以设计非保守型防御路线来解决这个问题，相当于告诉电脑在做出反应自我保护的同时，要认识到并不是所有人的所有行为都是随机的。无人车必须懂得避免一切车祸，但如果有人故意要引发事故，那车就没辙了。从纯数学的角度来讲，只有当无人车知道如何在最糟情况下，即路上所有的人都故意要引发事故的情况下自我保护，才算万无一失。如果无人车天天都照着这样的思路行车，那这车还能开吗？
还有一个问题，就是每个国家的驾驶习惯都不一样。比如说，瑞士司机在距离路口停车线还有2米就会停下，但法国巴黎的司机要等车身都压线了才停。所以无人车不可能有全球通用版，在每个国家都要根据当地习俗进行调整。
常有人提出，无人车在面临不可避免的事故时，可能被迫要做出某种道德选择：是冲向一个行人，还是冲向一群行人；是牺牲乘客保护路人，还是反之。这些问题在研发中真的需要考虑吗？
我认为这种道德问题是很荒诞的，因为我们首先就不应该把问题以这种方式向计算机描述。人类驾驶员因肇事被告上法庭，法官肯定是追究他不好好控制车辆的责任，不可能去追究他撞死了三人而不是选择只撞死一人的责任。现在无人车的算法更是没有能力去做这种选择。我们就只是告诉无人车，要尽量避免车祸，仅此而已。如果在事故中，无人车主动选择撞死一个人，而不是一群人，那对于死者来说，无人车的行为无疑构成谋杀！编程的时候，没人会告诉电脑，“在某情况下，可以撞死人”，包括特斯拉。他们的无人车先前发生过两次致命事故，但也从来没有按照这样的思路去写代码。
特斯拉的两次致命事故让我感到很惊讶。大部分人都以为，无人车的第一次事故估计就是把自己车身碰出个凹痕而已，怎么可能第一次出事儿就死人呢？这个事实既惊人又让人不安。我觉得可能是这个原因：也许小事故基本上可以完全避免，就剩下大事故避免不了了。这样其实很危险；如果无人车不经历几次差点出事，那就没机会通过学习理解怎么开车才安全，怎么开太危险。当然，总体上来看，即使是现在早期的无人车，还是比传统车安全多了的，算是一次大进步。
未来无人车的使用有可能彻底杜绝交通事故的发生吗？
我们现在的确是在朝着这个方向努力，但就算取得巨大进展，致命交通事故还是不可避免的。不过根据特斯拉自动辅助驾驶系统采集的数据，无人驾驶可以在短期内让现在的车祸数减半，长期来看效果更好。
有些汽车厂商声称2020就能开始出售无人车。这种说法靠谱吗？
我可以给你看通用汽车2005年发布的一篇新闻稿，他们称有望在2008年让无人车上高速！谁也不知道哪天无人车会得到广泛应用。有些汽车厂商，尤其是德国的车厂，认为在2025-2030之前是不可能的。虽然现在进步的步伐很快，但机器学习算法还需要更多时间慢慢学习。这几年自动驾驶测试车的数量已经从全球只有十几辆，增加到上百辆，在2017-2018年度有望达到上千辆。我个人预测在2030左右可以实现5级自动驾驶，也就是真正的全自动驾驶。你可以放心地让孩子一个人坐上车去学校，去奶奶家…汽车里没有方向盘、没有踏板，乘客想去哪儿就能去哪儿！
值得一提的是，现在世界各地都有部分自动驾驶车得到应用。比如法国鲁昂的BRT十年前就开始采用部分自动驾驶车，可以实现自动靠站，人不需要碰方向盘。公交司机们都特别喜欢，换了新车就再也不想开旧车。这是因为鲁昂BRT都是双节巴士，车身长约20米，想要紧靠站台停车实在是太难了。
群众会接受无人车的普及吗？
大部分民众很乐意把驾驶交给电脑完成，尤其当电脑驾驶安全性更高时。如果城市里满大街都是无人车，对于路上的孩子其实是更安全的。从这个角度来看，无人驾驶的社会认可不是个问题。但换一个角度看，问题就来了：无人驾驶或会导致部分人士失业，比如出租车司机。另外，无人车难免不出事。如果是人类驾驶员出事，我们可能会说是因为司机太累了，或者一瞬间没看清，因疏忽酿成事故。但是如果无人车出了事，撞了小孩，就不能说是因为“疏忽”，没有任何说法能够让这一残忍的事实变得更好接受。
无人车的大规模使用，必然需要法律体系或者保险行业做出重大调整吧…？
法律已经在变了。无人车属于机器；适用于其他机器的法律，无人车都适用。如果发生事故，首先追究的就是机器负责人的责任，所有的机器都是如此。比如电梯出事了，我们追究的就是该电梯负责人的责任。
保险这个问题具有两面性：一方面，风险的确要得到保障，但同时，在中期未来保险的费用会大大下降，降至只有现在的十分之一。一些保险界从业人士告诉我，这将会是一个严重的问题，因为保险公司的将近70%的营业额都来自汽车保险。也就是说，未来汽车保险的营业额会瞬间缩水90%。无人车影响到的不仅是保险业，而是所有与汽车有关的行业。未来社会恐怕不再会像今天这样，每人有一辆属于自己的车，而是由少数企业购买大量无人车，投放到城市中供人使用。汽车的销售和维护渠道也需要相应发生改变。未来的汽车保险也许将不再是B2C模式，而是B2B模式。面对这些潜在的变革，我们的社会恐怕还尚未做好充分的准备。
无人车有可能遭受网络黑客的非法攻击吗?
在《速度与激情8》中，有一段情节就是无人车被黑客入侵，远程劫持了。听起来十分新奇，但这种情况不太可能发生。交通等关键系统是不会和外网连接的，除非可以保证黑客完全无法入侵，否则太容易受到攻击了。当然，这不是说黑客攻击一定不会发生，未来的黑客能力会越来越强，甚至可以攻击一整座智能城市，构成战争行为。
您的实验室同时还在研究城市物流这一课题。有了无人车，城市物流会怎么变化呢？
城市物流会极大地得益于无人车的拼车使用。比如说，从纯物流的角度考虑，35吨的托盘用单辆重型货车运是最合算的，但由于城市道路不适合经常有重型货车开来开去，我们的物流往往是碎片化的，从而带来了更多的污染和交通堵塞。碎片化意味着同样一批货物，需要35辆轻型货车来运输。另外，有时候客户希望分批收到货物，加剧了碎片化现象。今天的企业关注的是利润最大化，而不是物流怎么安排最有效合理。比如说，如果亚马逊发现把产品在同一天内分三批投送给用户更赚钱，那肯定就不会愿意改成一次性送。由于种种原因，电子商务物流中无人车的应用步伐可能会比较慢：想要让互相竞争的电商合作共享无人车运输系统，绝对不会是件易事！相比之下，像城市垃圾收集运输车的无人化可能会更早实现。
阿诺·德拉傅泰
阿诺·德拉傅泰，巴黎综合理工学院、巴黎路桥学院应用数学、工程学博士，多项法国和欧盟科研项目课题组长（包括Puvame、Prevent/Intersafe、REACT、COM2REACT、AutoNet 2030等涉及道路安全、交通优化、自动驾驶的项目），欧盟GeoNet项目主任，法国AROS项目主任（该项目于2011获法国产业竞争力促进奖）。
德拉傅泰博士于2009年当选国际电气与电子工程师学会智能交通系统协会（IEEE ITSS）理事会成员、法国汽车工程师协会理事会成员，以及若干学术会议项目委员会成员。他同时还担任2017 IEEE智能汽车研讨会项目副主席。自2015起，德拉傅泰博士担任法国国家科研署（ANR）可持续交通和城市科学评估委员会主席。另外，他还是欧盟H2020项目专家组成员。
德拉傅泰博士早年研究大偏差条件下概率分布的理论特性以及其对于队列网络的具体应用，后来转向研究协作系统的通讯问题，以及分布式系统所需的架构。如今，他的主要研究领域是协作系统（包括协作系统的通讯、数据分布、控制、数学认证）的理论和应用（例如在智能联网汽车和共享的士中的应用），同时在概率论领域也保留了一定的教学和基础科研活动。
版权：创瞰巴黎 2017
