根據(jù)研發(fā)經(jīng)歷談?wù)劅o(wú)人駕駛的一些實(shí)踐與心得

人工智能發(fā)展六十年，幾起幾落，如今迎來(lái)又一次熱潮，深度學(xué)習(xí)、計(jì)算機(jī)視覺和自然語(yǔ)言理解等各方面的突破，使得許多曾是天方夜譚的應(yīng)用成為可能，無(wú)人駕駛汽車就是其中之一。作為人工智能等技術(shù)在汽車行業(yè)、交通領(lǐng)域的延伸與應(yīng)用，無(wú)人駕駛近幾年在世界范圍內(nèi)受到了產(chǎn)學(xué)界甚至國(guó)家層面的密切關(guān)注。

無(wú)人駕駛其實(shí)并不新鮮。早在上世紀(jì)八十年代，美國(guó)就啟動(dòng)了相關(guān)研究項(xiàng)目。無(wú)人駕駛最近幾年又火起來(lái)，原因主要有兩方面：一是技術(shù)，包括人工智能、車載軟硬件及網(wǎng)絡(luò)的飛速發(fā)展，過(guò)去的不可能現(xiàn)在變?yōu)榭赡?；二是需求，人們的生活已?jīng)離不開汽車，但隨著汽車保有量的增加，事故、擁堵、污染等負(fù)面影響逐漸顯現(xiàn)，需要新技術(shù)新方法提高交通的安全性、舒適性、經(jīng)濟(jì)性以及環(huán)保性。

無(wú)人駕駛相關(guān)的科普文章、技術(shù)文獻(xiàn)非常豐富，本文不再贅述，下面就結(jié)合筆者近幾年的研發(fā)經(jīng)歷談?wù)劅o(wú)人駕駛的一些實(shí)踐與心得。

無(wú)人駕駛與智能駕駛

相比無(wú)人駕駛，智能駕駛的范疇更大，既包括無(wú)人的智能駕駛，即無(wú)人駕駛，也包括有人的智能駕駛，比如定速巡航、自適應(yīng)巡航、自動(dòng)泊車等輔助駕駛系統(tǒng)，還包括人機(jī)共駕的智能駕駛，國(guó)內(nèi)專業(yè)說(shuō)法是以人為本的人機(jī)協(xié)同共駕，這是現(xiàn)階段以及未來(lái)幾年的研究方向之一，它們之間的關(guān)系如圖1所示。

圖1 智能駕駛的范疇

從筆者經(jīng)歷來(lái)看，最難實(shí)現(xiàn)的是人機(jī)協(xié)同共駕，如何將無(wú)人駕駛與有人駕駛?cè)跒橐惑w而不是非此即彼的冷切換，如何理解駕駛員的意圖進(jìn)而在緊急時(shí)刻采取措施彌補(bǔ)駕駛員的不足，當(dāng)駕駛員意圖與智能車意圖發(fā)生矛盾時(shí)怎么辦等等都是值得探索的問(wèn)題。設(shè)想如下場(chǎng)景：當(dāng)駕駛員正在將車駛離當(dāng)前車道，但智能車認(rèn)為沒(méi)有必要，這時(shí)應(yīng)該聽誰(shuí)的？是發(fā)出警告，還是直接阻止駕駛員旋轉(zhuǎn)方向盤？這需要具體情況具體分析。

首先智能車要了解駕駛員的真實(shí)意圖，如果從車內(nèi)攝像頭看到駕駛員是清醒的，是先打開轉(zhuǎn)向燈再旋轉(zhuǎn)方向盤，并且動(dòng)作時(shí)序、間隔和往常一樣，那么說(shuō)明換道是駕駛員有意為之，這時(shí)就要服從駕駛員的控制；相反，如果智能車發(fā)現(xiàn)駕駛員處于困倦狀態(tài)，比如連續(xù)駕駛時(shí)間過(guò)長(zhǎng)、眼睛閉合次數(shù)過(guò)多時(shí)間過(guò)長(zhǎng)等，而且沒(méi)有打開轉(zhuǎn)向燈，那么極有可能是疲勞駕駛，換道并非駕駛員的真實(shí)意圖，這時(shí)智能車必須通過(guò)聲音、閃光、震動(dòng)等方式提醒駕駛員注意，如果駕駛員對(duì)提示沒(méi)有任何反應(yīng)，并且有馬上發(fā)生碰撞的可能，那么智能車必須接管控制權(quán)，將車停到安全地帶或者無(wú)人駕駛到目的地。當(dāng)然這只是一個(gè)想象中的例子，智能駕駛的實(shí)際情況會(huì)更加復(fù)雜。

根據(jù)美國(guó)高速公路安全管理局網(wǎng)站，學(xué)術(shù)界一般將智能駕駛分為五個(gè)等級(jí)：

Level 0：人工駕駛（No-Automation），完全由駕駛員操控汽車，包括油門、制動(dòng)、轉(zhuǎn)向、檔位等。

Level 1：特定功能輔助駕駛（Function-Specific Automation），例如防抱死制動(dòng)系統(tǒng)（ABS）、電子穩(wěn)定性控制（ESC）等。

Level 2：組合功能輔助駕駛（Combined Function Automation），例如自適應(yīng)巡航控制（ACC）、車道保持輔助系統(tǒng)（LKA）、車道偏離預(yù)警（LDW）等。

Level 3：有限的無(wú)人駕駛（Limited Self-Driving Automation），能夠在特定的交通環(huán)境下無(wú)人駕駛，比如Google無(wú)人駕駛汽車就可以在某些區(qū)域內(nèi)實(shí)現(xiàn)無(wú)人駕駛，但還是需要人實(shí)時(shí)監(jiān)視車輛的狀態(tài)，一旦發(fā)生問(wèn)題要切換回人工駕駛。

Level 4：完全無(wú)人駕駛（Full Self-Driving Automation），智能駕駛的理想形態(tài)，乘客只需提供目的地，在任何時(shí)候都不需要對(duì)車輛進(jìn)行監(jiān)控。

目前國(guó)內(nèi)外智能駕駛技術(shù)還處于Level 2至Level 3的水平。特斯拉公司去年推出的Model S電動(dòng)車已經(jīng)具有了部分無(wú)人駕駛功能，智能駕駛技術(shù)已經(jīng)真真切切地進(jìn)入到我們的視野。有研究機(jī)構(gòu)預(yù)測(cè)2040年無(wú)人駕駛汽車將占汽車市場(chǎng)的70%。無(wú)論數(shù)字準(zhǔn)確與否，無(wú)人駕駛前景是被廣泛看好的。

國(guó)內(nèi)的無(wú)人駕駛領(lǐng)域，很多車企、高校、研究所進(jìn)展迅速，已陸續(xù)做出了可以在路上跑的無(wú)人車，但從技術(shù)角度來(lái)看，問(wèn)題還很多，離真正量產(chǎn)到走入百姓生活還很遠(yuǎn)。因?yàn)樯婕暗缴踩?，不能冒進(jìn)，必須非常謹(jǐn)慎。另外，從供應(yīng)鏈來(lái)看，作為核心部件的車載傳感器大都掌握在國(guó)外廠商手中，控制與執(zhí)行器大都掌握在國(guó)外汽車零部件廠商手中，車載芯片與操作系統(tǒng)也是如此，國(guó)內(nèi)外有差距，我們還有很多空白需要填補(bǔ)，還有很長(zhǎng)一段路要走。

解析無(wú)人駕駛汽車

無(wú)人駕駛汽車并不神秘，類似于移動(dòng)機(jī)器人，但它與移動(dòng)機(jī)器人的研究出發(fā)點(diǎn)不同，因?yàn)槔锩嬗谐丝?，必須考慮人的感受與體驗(yàn)。筆者認(rèn)為現(xiàn)階段無(wú)人駕駛實(shí)際上是類人駕駛，即計(jì)算機(jī)模仿人類駕駛員的駕駛行為，目標(biāo)是使計(jì)算機(jī)成為一位眼疾手快、全神貫注、經(jīng)驗(yàn)豐富、永不疲倦的虛擬司機(jī)，最終將人類從低級(jí)、繁瑣、持久的駕駛活動(dòng)中解放出來(lái)。

首先我們回想一下人是怎么開車的。人類開車是在周而復(fù)始地進(jìn)行一個(gè)“感知→認(rèn)知→行為”的循環(huán)。感知的對(duì)象是周圍的交通環(huán)境，如本車在哪里、其它車在哪里、道路多寬、限速多少、現(xiàn)在是紅燈還是綠燈等；認(rèn)知包括理解、規(guī)劃、決策以及經(jīng)驗(yàn)，比如紅燈要停車、路口要減速、何時(shí)及如何換道、當(dāng)前加速還是減速等；行為指的是操控汽車，如方向盤是否轉(zhuǎn)到位、油門剎車檔位如何協(xié)調(diào)等。無(wú)人駕駛也在重復(fù)著“感知→認(rèn)知→行為”的過(guò)程。下面以圖2這輛可以無(wú)人駕駛的大客車為例對(duì)這個(gè)過(guò)程加以詳細(xì)說(shuō)明（該車是宇通集團(tuán)與中國(guó)工程院李德毅院士團(tuán)隊(duì)合作研發(fā)而成。2015年8月，這輛長(zhǎng)10米的大客車滿載乘客從河南省鄭州市出發(fā)，在正常交通流量下，沿著鄭開大道無(wú)人駕駛32公里安全到達(dá)河南省開封市，最高時(shí)速68公里/時(shí)，途經(jīng)26個(gè)路口及信號(hào)燈，?？?個(gè)公交站，全程無(wú)人工干預(yù)）。

圖2 宇通無(wú)人駕駛大客車

感知

人類駕駛員感知依靠眼睛和耳朵，無(wú)人駕駛汽車感知依靠傳感器。目前傳感器性能越來(lái)越高、體積越來(lái)越小、功耗越來(lái)越低，其飛速發(fā)展是無(wú)人駕駛熱潮的重要推手。反過(guò)來(lái)，無(wú)人駕駛又對(duì)車載傳感器提出了更高的要求，又促進(jìn)了其發(fā)展。用于無(wú)人駕駛的傳感器可以分為四類：

1. 雷達(dá)傳感器。主要用來(lái)探測(cè)一定范圍內(nèi)障礙物（比如車輛、行人、路肩等）的方位、距離及移動(dòng)速度，常用車載雷達(dá)種類有激光雷達(dá)、毫米波雷達(dá)和超聲波雷達(dá)。激光雷達(dá)精度高、探測(cè)范圍廣，但成本高，比如Google無(wú)人車頂上的64線激光雷達(dá)成本高達(dá)70多萬(wàn)元人民幣；毫米波雷達(dá)成本相對(duì)較低，探測(cè)距離較遠(yuǎn)，被車企廣泛使用，但與激光雷達(dá)比精度稍低、可視角度偏小；超聲波雷達(dá)成本最低，但探測(cè)距離近、精度低，可用于低速下碰撞預(yù)警。

2. 視覺傳感器。主要用來(lái)識(shí)別車道線、停止線、交通信號(hào)燈、交通標(biāo)志牌、行人、車輛等。常用的有單目攝像頭、雙目攝像頭、紅外攝像頭。視覺傳感器成本低，相關(guān)研究與產(chǎn)品非常多，但視覺算法易受光照、陰影、污損、遮擋影響，準(zhǔn)確性、魯棒性有待提高。所以，作為人工智能技術(shù)廣泛應(yīng)用的領(lǐng)域之一的圖像識(shí)別，也是無(wú)人駕駛汽車領(lǐng)域的一個(gè)研究熱點(diǎn)。

3. 定位及位姿傳感器。主要用來(lái)實(shí)時(shí)高精度定位以及位姿感知，比如獲取經(jīng)緯度坐標(biāo)、速度、加速度、航向角等，一般包括全球衛(wèi)星定位系統(tǒng)（GNSS）、慣性設(shè)備、輪速計(jì)、里程計(jì)等?，F(xiàn)在國(guó)內(nèi)常用的高精度定位方法是使用差分定位設(shè)備，如RTK-GPS，但需要額外架設(shè)固定差分基站，應(yīng)用距離受限，而且易受建筑物、樹木遮擋影響。近年來(lái)很多省市的測(cè)繪部門都架設(shè)了相當(dāng)于固定差分基站的連續(xù)運(yùn)行參考站系統(tǒng)（CORS），比如遼寧、湖北、上海等，實(shí)現(xiàn)了定位信號(hào)的大范圍覆蓋，這種基礎(chǔ)設(shè)施建設(shè)為智能駕駛提供了有力的技術(shù)支撐。定位技術(shù)是無(wú)人駕駛的核心技術(shù)，因?yàn)橛辛宋恢?a target="_blank">信息就可以利用豐富的地理、地圖等先驗(yàn)知識(shí)，可以使用基于位置的服務(wù)。

4. 車身傳感器。來(lái)自車輛本身，通過(guò)整車網(wǎng)絡(luò)接口獲取諸如車速、輪速、檔位等車輛本身的信息。

綜合考慮成本及性能，宇通無(wú)人駕駛大客車采用了激光雷達(dá)、毫米波雷達(dá)、攝像頭、GPS和車聯(lián)網(wǎng)設(shè)備等多種傳感器來(lái)實(shí)現(xiàn)感知能力，具體部署如圖3所示。

圖3 宇通無(wú)人駕駛大客車傳感器布置圖

認(rèn)知

駕駛員認(rèn)知靠大腦，無(wú)人駕駛汽車的“大腦”則是計(jì)算機(jī)。無(wú)人車?yán)锏挠?jì)算機(jī)與我們常用的臺(tái)式機(jī)、筆記本略有不同，因?yàn)檐囕v在行駛的時(shí)候會(huì)遇到顛簸、震動(dòng)、粉塵甚至高溫的情況，一般計(jì)算機(jī)無(wú)法長(zhǎng)時(shí)間運(yùn)行在這些環(huán)境中。所以無(wú)人車一般選用工業(yè)環(huán)境下的計(jì)算機(jī)——工控機(jī)。工控機(jī)上運(yùn)行著操作系統(tǒng)，操作系統(tǒng)中運(yùn)行著無(wú)人駕駛軟件。

宇通無(wú)人駕駛大客車軟件系統(tǒng)架構(gòu)如圖4所示。操作系統(tǒng)之上是支撐模塊（這里模塊指的是計(jì)算機(jī)程序），對(duì)上層軟件模塊提供基礎(chǔ)服務(wù)。支撐模塊包括：虛擬交換模塊，用于模塊間通信；日志管理模塊，用于日志記錄、檢索以及回放；進(jìn)程監(jiān)控模塊，負(fù)責(zé)監(jiān)視整個(gè)系統(tǒng)的運(yùn)行狀態(tài)，如果某個(gè)模塊運(yùn)行不正常則提示操作人員并自動(dòng)采取相應(yīng)措施；交互調(diào)試模塊，負(fù)責(zé)開發(fā)人員與無(wú)人駕駛系統(tǒng)交互。支撐模塊之上是三大類軟件模塊，通過(guò)圖4中的模塊名稱可以知曉其主要功能，這里不再贅述。

圖4 宇通無(wú)人駕駛大客車軟件系統(tǒng)架構(gòu)

操控

駕駛員操控汽車靠四肢，無(wú)人駕駛汽車靠什么呢？靠的是線控執(zhí)行器。

由于當(dāng)前車輛是面向人類駕駛設(shè)計(jì)的，方向盤、油門、剎車、檔位都是由人工操控。無(wú)人駕駛則需要這些機(jī)構(gòu)能夠由程序控制，這就需要對(duì)傳統(tǒng)汽車加以線控改造甚至重新設(shè)計(jì)。方向盤線控的改造，早期一般在轉(zhuǎn)向柱加裝可控電機(jī)，現(xiàn)在一般利用較為成熟的轉(zhuǎn)向助力零部件實(shí)現(xiàn)；油門與制動(dòng)線控的改造，早期一般使用鋼絲牽引車內(nèi)踏板，但控制精度不高，現(xiàn)在一般直接使用車內(nèi)總線協(xié)議向整車控制器發(fā)送控制指令；檔位線控的改造，早期一般靠步進(jìn)電機(jī)實(shí)現(xiàn)，現(xiàn)在同樣向整車控制器發(fā)送指令實(shí)現(xiàn)檔位控制。

目前，隨著電動(dòng)車的出現(xiàn)與發(fā)展，很多線控功能在設(shè)計(jì)之初就被考慮其中。

小結(jié)

傳感器、計(jì)算機(jī)和執(zhí)行器是如何連接在一起并協(xié)同工作呢？如圖5所示，以計(jì)算機(jī)為中心，一類設(shè)備使用RJ45以太網(wǎng)絡(luò)接口，如廣泛使用的1線、4線、16線、64線激光雷達(dá)，差分GPS慣導(dǎo)組合等，這些設(shè)備與工控機(jī)一起連接到網(wǎng)絡(luò)交換機(jī)；一類設(shè)備使用1394接口，如攝像頭等；一類設(shè)備使用CAN接口，如毫米波、超聲波雷達(dá)、控制器與執(zhí)行器等，一般通過(guò)工控機(jī)擴(kuò)展PCI的CAN接口卡實(shí)現(xiàn)連接。

圖5 無(wú)人駕駛汽車硬件連接圖

小結(jié)一下，無(wú)人駕駛汽車在邏輯與物理上的工作過(guò)程如圖6所示。在一個(gè)控制周期內(nèi)，傳感器負(fù)責(zé)感知周圍環(huán)境及自身狀態(tài)，計(jì)算機(jī)中的軟件系統(tǒng)負(fù)責(zé)環(huán)境建模、決策與規(guī)劃，執(zhí)行器負(fù)責(zé)執(zhí)行指令并反饋結(jié)果?？刂浦芷谝话銥楹撩爰?jí)，由多種傳感器采樣頻率、軟件算法復(fù)雜度、計(jì)算機(jī)性能以及執(zhí)行器頻率決定。控制周期不能太長(zhǎng)，太長(zhǎng)則不能對(duì)突發(fā)情況進(jìn)行及時(shí)處理，也不能太短，太短則會(huì)造成計(jì)算及執(zhí)行器負(fù)載過(guò)高。正常人類駕駛員的反應(yīng)時(shí)間為0.2秒左右，宇通無(wú)人駕駛大客車的控制周期為50毫秒，可以滿足城市工況高速行駛要求。

圖6 無(wú)人駕駛汽車邏輯與物理工作過(guò)程

人工智能與無(wú)人駕駛

與其他算法相比，人工智能算法最大的不同是什么？筆者認(rèn)為，人工智能算法更側(cè)重于學(xué)習(xí)功能，其他算法更側(cè)重于計(jì)算功能。學(xué)習(xí)是智能的重要體現(xiàn)，學(xué)習(xí)功能是人工智能的重要特征，現(xiàn)階段大多人工智能技術(shù)還處在學(xué)的階段。如前文所說(shuō)，無(wú)人駕駛實(shí)際上是類人駕駛，是智能車向人類駕駛員學(xué)習(xí)如何感知交通環(huán)境，如何利用已有的知識(shí)和駕駛經(jīng)驗(yàn)進(jìn)行決策和規(guī)劃，如何熟練地控制方向盤、油門和剎車。

從感知、認(rèn)知、行為三個(gè)方面看，感知部分難度最大，人工智能技術(shù)應(yīng)用最多。感知技術(shù)依賴于傳感器，比如攝像頭，由于其成本低，在產(chǎn)業(yè)界倍受青睞。以色列一家名叫Mobileye的公司在交通圖像識(shí)別領(lǐng)域做得非常好，它通過(guò)一個(gè)攝像頭可以完成交通標(biāo)線識(shí)別、交通信號(hào)燈識(shí)別、行人檢測(cè)，甚至可以區(qū)別前方是自行車、汽車還是卡車。人工智能技術(shù)在圖像識(shí)別領(lǐng)域的成功應(yīng)用莫過(guò)于深度學(xué)習(xí)，近幾年研究人員通過(guò)卷積神經(jīng)網(wǎng)絡(luò)和其它深度學(xué)習(xí)模型對(duì)圖像樣本進(jìn)行訓(xùn)練，大大提高了識(shí)別準(zhǔn)確率。Mobileye目前取得的成果，正是得益于該公司很早就將深度學(xué)習(xí)當(dāng)做一項(xiàng)核心技術(shù)進(jìn)行研究。

認(rèn)知與控制方面，主要使用人工智能領(lǐng)域中的傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)，通過(guò)學(xué)習(xí)人類駕駛員的駕駛行為建立駕駛員模型，學(xué)習(xí)人的方式駕駛汽車。美國(guó)斯坦福大學(xué)的一個(gè)團(tuán)隊(duì)讓無(wú)人駕駛賽車學(xué)習(xí)賽車手的開車方式，經(jīng)過(guò)一段時(shí)間訓(xùn)練無(wú)人賽車不僅學(xué)會(huì)了漂移，而且比賽用時(shí)已經(jīng)少于當(dāng)初學(xué)習(xí)的那位賽車手。

下面通過(guò)一個(gè)城市駕駛的小例子說(shuō)明無(wú)人車如何向人類學(xué)習(xí)駕駛。會(huì)開車的讀者會(huì)有體會(huì)，在城市中駕駛大部分時(shí)間是在跟車行駛，即前面有一輛車，我們跟在后面。假如在高速公路上，兩車車速較高，跟車太近容易追尾，必須減速以增加車距；假如在擁堵時(shí)，車速較低，跟車太遠(yuǎn)則浪費(fèi)道路資源，必須加速以減少車距；如果前車速度很快或正在加速，那么在不超速的情況下，我們應(yīng)該加速行駛；如果前車速度很慢或正在減速，那么我們應(yīng)該減速行駛甚至停下來(lái)。這說(shuō)明跟車這個(gè)行為與兩車相對(duì)距離、相對(duì)速度以及本車當(dāng)前速度這三個(gè)量有關(guān)，我們可以建立一個(gè)神經(jīng)網(wǎng)絡(luò)模型，輸入三個(gè)量：兩車相對(duì)距離、相對(duì)速度以及本車當(dāng)前速度，輸出一個(gè)量：期望加速度（加速度可以為負(fù)），訓(xùn)練數(shù)據(jù)來(lái)自人類駕駛員。

如何采集訓(xùn)練數(shù)據(jù)呢？我們可以在普通汽車上加裝一些傳感器，比如雷達(dá)和慣導(dǎo)設(shè)備，用來(lái)讀取前方車輛的相對(duì)位置和速度以及本車的速度和加速度。讓一位經(jīng)驗(yàn)豐富的駕駛員開著這輛車每天不同時(shí)段在城市的不同路段有目的性地行駛，經(jīng)過(guò)一段時(shí)間的積累，采集的跟車數(shù)據(jù)會(huì)覆蓋絕大多數(shù)可能發(fā)生的情況。經(jīng)過(guò)這組數(shù)據(jù)訓(xùn)練出來(lái)的基于神經(jīng)網(wǎng)絡(luò)的跟車模型，給定一個(gè)相對(duì)距離、相對(duì)車速以及本車速度，就會(huì)輸出一個(gè)加速度，就像那位經(jīng)驗(yàn)豐富的人類駕駛員開車特性一樣，這就完成了跟車模式的機(jī)器學(xué)習(xí)。

無(wú)人駕駛研發(fā)體會(huì)

筆者自2013年以來(lái)陸續(xù)參與了幾輛無(wú)人駕駛汽車的研發(fā)，所用車型包括ix35、北汽C70、北汽C30、上汽E50、北汽E70以及宇通ZK6105。如圖7所示，這些車型各有特點(diǎn)：有內(nèi)燃機(jī)車，有混合動(dòng)力車，也有純電動(dòng)車；有通過(guò)外加裝方式改造的車，也有內(nèi)改裝的車；有總線協(xié)議不開放的車，有部分開放的車，也有完全開放的車。

圖7 筆者參與研發(fā)的無(wú)人駕駛汽車

從外觀看，無(wú)人駕駛汽車越來(lái)越接近普通汽車，很多傳感器已經(jīng)內(nèi)裝甚至前裝。正如李德毅院士所說(shuō)，無(wú)人駕駛汽車內(nèi)改裝是必然趨勢(shì)，外加裝死路一條，傳感器的安裝、車輛的線控改造要在車輛設(shè)計(jì)之初就給予充分考慮。這里外加裝指的是在傳統(tǒng)汽車上，通過(guò)第三方設(shè)計(jì)的額外的油氣電氣裝置實(shí)現(xiàn)車輛線控改造，這種方式已經(jīng)過(guò)時(shí)，逐漸退出舞臺(tái)。

為了實(shí)現(xiàn)無(wú)人駕駛，汽車總線協(xié)議完全開放或部分開放是趨勢(shì)?？偩€協(xié)議掌握在整車廠或大零部件廠商手里。總線上定義了很多非常重要的指令與數(shù)據(jù)（各家的指令各不相同），對(duì)汽車安全至關(guān)重要，比如可以通過(guò)指令控制發(fā)動(dòng)機(jī)工作或者停止，一般都不會(huì)對(duì)外開放。一個(gè)折中的方案是通過(guò)網(wǎng)關(guān)設(shè)備部分開放總線協(xié)議的指令與數(shù)據(jù)，由網(wǎng)關(guān)負(fù)責(zé)整車網(wǎng)絡(luò)與上位機(jī)之間的數(shù)據(jù)通信，對(duì)指令的合法性進(jìn)行檢測(cè)，對(duì)數(shù)據(jù)的可訪問(wèn)性進(jìn)行過(guò)濾。整車廠研發(fā)無(wú)人駕駛具有絕對(duì)優(yōu)勢(shì)，但出于安全考慮各家態(tài)度都非常謹(jǐn)慎，所以暫時(shí)互聯(lián)網(wǎng)公司、高校院所搶占了無(wú)人駕駛的風(fēng)頭，但實(shí)際各家都在做技術(shù)儲(chǔ)備，包括奔馳、奧迪、沃爾沃、寶馬等。

最后總結(jié)，無(wú)人駕駛難在感知，重在“學(xué)習(xí)”。但無(wú)人駕駛的技術(shù)水平遲早會(huì)超過(guò)人類，因?yàn)榉€(wěn)、準(zhǔn)、快是機(jī)器的先天優(yōu)勢(shì)，人類無(wú)法與之比擬。駕駛有時(shí)并不是負(fù)擔(dān)，相反是一種樂(lè)趣，體現(xiàn)了人類拓展自身極限的能力。筆者相信，完全的無(wú)人駕駛也許有些遙遠(yuǎn)，但隨著機(jī)器學(xué)習(xí)算法的提升和應(yīng)用的挖掘，更接地氣人機(jī)和諧共駕已是指日可待。