無人駕駛車輛真要跑起來，需要解決感知、決策和執(zhí)行等層面的技術(shù)問題。感知系統(tǒng)也稱為“中層控制系統(tǒng)”，負(fù)責(zé)感知周圍的環(huán)境，并進(jìn)行識別和分析；決策系統(tǒng)也稱為“上層控制系統(tǒng)”，負(fù)責(zé)路徑規(guī)劃和導(dǎo)航；執(zhí)行系統(tǒng)又稱為“底層控制系統(tǒng)”，負(fù)責(zé)汽車的加速、剎車和轉(zhuǎn)向。本文以“感知—決策—執(zhí)行”的順序呈現(xiàn)，是因為這樣更加符合人類的駕駛模式。如，先看看前面——綠燈、周圍無行人——收集信息；然后做出決策——可以通行；最后執(zhí)行決策——開過十字路口。

自動駕駛的感知系統(tǒng)

感知系統(tǒng)的輸入設(shè)備具體包括光學(xué)攝像頭、光學(xué)雷達(dá)（LiDAR）、微波雷達(dá)、導(dǎo)航系統(tǒng)等。這些傳感器收集周圍的信息，為感知系統(tǒng)提供全面的環(huán)境數(shù)據(jù)。

光學(xué)攝像頭是目前最便宜也是最常用的車載傳感器，它的一大優(yōu)點就是可以分辨顏色，因此也成為場景解讀的絕佳工具。但其缺點也很明顯：1.缺乏“深度”這一維度，沒有立體視覺就無法判斷物體和相機(jī)（可以換算為車輛）間的距離；2.對光線過于敏感，過暗或過強的光線以及二者之間的快速切變，比如駛?cè)牒婉偝鏊淼蓝甲阋杂绊懰某上瘛?p>

激光雷達(dá)，即利用激光來進(jìn)行探測和測量。其原理是向周圍發(fā)射脈沖激光，遇到物體后反射回來，通過來回的時間差，計算出距離，從而對周圍環(huán)境建立起三維模型。激光雷達(dá)探測精度高、距離長；由于激光的波長短，所以可以探測到非常微小的目標(biāo)，并且探測距離很長。微波雷達(dá)的原理和激光雷達(dá)類似，不過它發(fā)射的是無線電波而不是激光。微波雷達(dá)精度不及激光雷達(dá)，但勝在價格低、體積小，在某些車輛行駛輔助系統(tǒng)中已經(jīng)得到了廣泛應(yīng)用。同時，精度低反過來又成了微波雷達(dá)的優(yōu)點，因為它較大的波長可以穿透霧、煙、灰塵等激光雷達(dá)難以穿透的障礙，較好免疫惡劣天氣。

光學(xué)攝像頭和雷達(dá)測量在感知環(huán)境中相輔相成，共同為無人駕駛車輛提供完整、準(zhǔn)確的外部信息。有了“眼睛”接收信息，接下來就是利用深度學(xué)習(xí)等手段對信息進(jìn)行識別。將多種傳感器的信息相互融合并不是一件容易的事情，可以利用韋伯斯的誤差反向傳播算法和先進(jìn)的數(shù)字?jǐn)z像技術(shù)對外界事物進(jìn)行準(zhǔn)確識別。

自動駕駛的感知系統(tǒng)不僅包括它的“眼睛”，還包括它的“大腦”——高精度地圖。人類駕駛者會調(diào)用記憶中熟悉的道路場景來輔助駕駛，自動駕駛也會通過高精度地圖獲取必要的環(huán)境信息特別是相對固定、更新周期較長的信息，如交通信號燈（請注意，這里是指物理的“燈”本身而非“燈的信號”即紅、黃、綠）、車道標(biāo)記、路緣等。這些信息還可以與傳感器所獲得的“即時信息”相印證，從而實現(xiàn)“多傳感器融合”的效果，就像我們走路，不僅會用眼睛看前面的路，還會用耳朵聽身后的車，甚至?xí)帽亲勇劼愤吺称返昀锏南銡庖粯?。因此，自動駕駛?cè)ァ案兄钡牟粌H僅是“眼睛”，也是“大腦”。

自動駕駛的決策系統(tǒng)

自動駕駛決策系統(tǒng)負(fù)責(zé)路線規(guī)劃和實時導(dǎo)航，這里主要涉及高精度地圖，又稱“高清數(shù)字地圖”。無人駕駛汽車用的并不是普通的導(dǎo)航地圖，它在精確度和信息量上與普通地圖差別很大，因而被稱為“高精度地圖”。普通地圖比較粗糙——因為我們?nèi)祟惖恼J(rèn)知能力足以“腦補”，通過簡單的二維線條的表示就知道了道路的走向，線條的交叉點表示十字路口——這讓目前的機(jī)器來“腦補”就太難了。高清數(shù)字地圖的精度一般在厘米級，而且是立體三維的，包含車道線、周圍設(shè)施的坐標(biāo)位置等行車輔助信息。與人類當(dāng)前使用的電子地圖相比，自動駕駛的高精度地圖還有一個重要差異在于，高精度地圖會收集道路激光雷達(dá)的反射強度——這是一個對人類駕駛者幾無價值而對“人工智能駕駛員”意義重大的道路特征，它變化很慢而且小，是幫助自動駕駛車輛光學(xué)雷達(dá)定位的一個理想特征值。通過光學(xué)雷達(dá)掃描獲取的信息跟已知的高精度地圖信息對比，就可以確定當(dāng)前車輛的位置。

自動駕駛的決策系統(tǒng)不僅需要獨立的“智能車輛”，也需要“智能交通系統(tǒng)”的支持，如V2V等。在高精度地圖之外，另一個支持路徑規(guī)劃的技術(shù)是V2X，一般認(rèn)為它是在V2I的基礎(chǔ)上發(fā)展起來的。V2X意指將車輛和環(huán)境形成一個“物聯(lián)網(wǎng)”，包括車對車、車對基礎(chǔ)設(shè)施，以及車對行人等一系列通信系統(tǒng)。如果車輛能夠直接“得到”，而不僅僅是“看到”信號燈的信息，就能保證絕對不闖紅燈。這里“得到”的意思是，比如在離交通燈還有100米、傳感器還“看不到”的時候，信號燈就主動“告訴”車輛自己的信號狀態(tài)及變化時長，自動駕駛車輛無需直接“看清”信號燈的內(nèi)容（“看清”有時是很不容易的事情，大雨、暴雪天氣，狂風(fēng)刮起的塑料袋，以及大貨車的遮擋，都足以讓車輛的攝像頭“看不見”交通信號燈）。此外，如果能夠提前得知周圍車輛的行車意圖，就能夠很大程度上避免事故的發(fā)生。

有了高精度數(shù)字地圖和V2X通信網(wǎng)絡(luò)，系統(tǒng)就可以應(yīng)用搜索算法評估各種駕駛行為所花費的成本，包括信號燈等待時間、道路擁堵情況、路面維修情況等，以此獲得最佳行駛路徑。

自動駕駛的執(zhí)行系統(tǒng)

執(zhí)行系統(tǒng)也是底層控制系統(tǒng)，負(fù)責(zé)執(zhí)行汽車的剎車、加速、轉(zhuǎn)向的具體操作。工程師們通過特制的“線控裝置”控制方向盤和油門，取代人類司機(jī)的手和腳，并配置多個處理器組成的子系統(tǒng)，以此來穩(wěn)定、準(zhǔn)確地控制汽車的機(jī)械系統(tǒng)。這些子系統(tǒng)，包括引擎控制單元（ECU）、制動防抱死系統(tǒng)（ABS）、自動變速箱控制系統(tǒng)（TCU）等，它們通過一個“總線”來進(jìn)行內(nèi)部通信，在汽車中稱作CAN總線協(xié)議。

CAN總線最關(guān)鍵的地方在于帶寬（bandwidth）和網(wǎng)絡(luò)穩(wěn)定性。帶寬是指數(shù)據(jù)在網(wǎng)絡(luò)中傳輸?shù)淖畲笏俾?，通常以每秒多少bits為單位來計算。對于無人駕駛汽車來說，精準(zhǔn)的控制和快速響應(yīng)至關(guān)重要，這意味著要提高總線帶寬的傳輸速度，對需要處理龐大數(shù)據(jù)的無人駕駛系統(tǒng)而言存在較高挑戰(zhàn)。同時處理各個傳感器傳遞過來的數(shù)據(jù)流時，帶寬有時會面臨挑戰(zhàn)，系統(tǒng)速度會大為下降。對整個反應(yīng)執(zhí)行過程而言，CAN總線的響應(yīng)時間變得很慢，這在實際駕駛中是不能接受的。其次，控制的平滑性也影響乘客體驗。此外，作為一個網(wǎng)絡(luò)，數(shù)據(jù)傳輸?shù)陌踩砸膊蝗莺鲆暎绻诳统晒袅薈AN總線，就能對汽車進(jìn)行控制。因此，提高底層網(wǎng)絡(luò)系統(tǒng)的防御能力和網(wǎng)絡(luò)容錯性非常重要。

通過以上感知、決策與執(zhí)行三個系統(tǒng)分工合作，責(zé)任明確地控制汽車的運行，就可以使無人駕駛汽車具備理論上“行駛”的條件。但正如胡迪·利普森和梅爾巴·庫曼所指出的，“雖然這種技術(shù)幾近準(zhǔn)備就緒，但是這一獨特技術(shù)所依存的社會環(huán)境可能還未準(zhǔn)備妥當(dāng)”。比如，相關(guān)立法較為滯后。然而，由于效率和安全方面的優(yōu)勢，我們有理由相信：無人駕駛的時代終將到來。