當(dāng)前位置：

為什么L4自動駕駛那么難實(shí)現(xiàn)？

技術(shù)發(fā)展日新月異，時(shí)間來到2024年，自動駕駛汽車也不再是報(bào)紙、手機(jī)上的一個(gè)新聞報(bào)道或技術(shù)科普，而是在某些城市、某些區(qū)域可以真實(shí)接觸、實(shí)際體驗(yàn)到的技術(shù)。尤其是百度在武漢布局蘿卜快跑無人出租后，自動駕駛更是有了具象化的使用場景，也屢次登上網(wǎng)絡(luò)熱搜，沒有駕駛員在駕駛位置的出租車，著實(shí)給大家?guī)砹朔浅ｓ@艷的感受。

2024-08-29 10:55:05

--關(guān)注、星標(biāo)「智駕最前沿」，回復(fù)“智駕干貨”--

↓↓免費(fèi)領(lǐng)?。?/span>超多份自動駕駛行業(yè)干貨↓↓

當(dāng)然，這也給很多人帶來了壓力，尤其是在武漢的一些出租車、網(wǎng)約車司機(jī)，切實(shí)感受到很多的顧客出行使用無人出租，讓他們的生存空間進(jìn)一步壓縮，收入進(jìn)一步減少，更多很多司機(jī)表示無人出租或?qū)⒆屪约菏I(yè)。

再來看看現(xiàn)在的一些車企，尤其是很多的造車新勢力，在進(jìn)入2024年之后，也在大力宣傳自己的NOA技術(shù)。所謂NOA，即導(dǎo)航輔助駕駛，也被一些車企稱之為“高階智能駕駛輔助”。雖然很多車企對于NOA技術(shù)的叫法不同，如特斯拉和理想稱其為NOA，小鵬稱為NGP，華為稱為NCA、另外還有NOH、NAD、NCA等多種叫法，但本質(zhì)上都是NOA。現(xiàn)階段，很多車企已經(jīng)將NOA技術(shù)應(yīng)用到城市路段，開始在各平臺宣傳和展示自家的城市NOA技術(shù)，讓更多消費(fèi)者看到私家車在城市道路“自動駕駛”的可能性。

自動駕駛現(xiàn)狀

雖然自動駕駛給我們的感覺近在咫尺，但細(xì)心的小伙伴應(yīng)該也發(fā)現(xiàn)到了，現(xiàn)在網(wǎng)絡(luò)上對于自動駕駛概念的宣傳，還是使用的L2級、L2+級、L2.9級、L2++級等字眼，鮮有使用L3級的說法，為何我們現(xiàn)在已經(jīng)可以體驗(yàn)到自動駕駛技術(shù)了，但大家在宣傳時(shí)，還是沒有使用到L4級的說法呢？其實(shí)是因?yàn)長4級的自動駕駛，真的太難實(shí)現(xiàn)了！

為何L4級自動駕駛那么難實(shí)現(xiàn)？在聊這個(gè)話題之前，我們要先了解下，什么是L4級自動駕駛。根據(jù)國際汽車工程師學(xué)會（SAE）的分類，自動駕駛被分為了L0級～L5級，共6個(gè)等級，其中對于L4級的定義為高度自動駕駛，此時(shí)在特定的道路和特定環(huán)境條件下，高級輔助駕駛系統(tǒng)可以完成所有的駕駛操作，駕駛員無需保持注意力集中，可以在乘車時(shí)將更多的時(shí)間用于娛樂。

2022年3月1日起，由工業(yè)和信息化部提出、全國汽車標(biāo)準(zhǔn)化技術(shù)委員會歸口的GB/T 40429-2021《汽車駕駛自動化分級》推薦性國家標(biāo)準(zhǔn)正式發(fā)布，這一標(biāo)準(zhǔn)的發(fā)布，解決了我國汽車駕駛自動化分級的規(guī)范性問題。在這一標(biāo)準(zhǔn)中，也將自動駕駛分為了0級駕駛自動化～5級駕駛自動化，共6個(gè)等級，對于4級駕駛自動化的標(biāo)準(zhǔn)定義中，要求系統(tǒng)在其設(shè)計(jì)運(yùn)行條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)并自動執(zhí)行最小風(fēng)險(xiǎn)策略。

在這一階段中自動駕駛系統(tǒng)可以獨(dú)立完成規(guī)定的駕駛場景中（如園區(qū)、學(xué)校等）的自動駕駛功能，駕駛員依舊需要充當(dāng)安全員的角色，監(jiān)管自動駕駛系統(tǒng)的駕駛行為。自動駕駛系統(tǒng)在遇到不能完成駕駛行為的場景或自動駕駛系統(tǒng)功能失效時(shí)，會向安全員提出請求讓其介入駕駛行為，如果安全員對請求不做響應(yīng)、安全員不滿足駕駛車輛能力或安全員要求自動駕駛系統(tǒng)控制車輛到最小風(fēng)險(xiǎn)狀態(tài)時(shí)，自動駕駛系統(tǒng)可以自行將車輛控制到最小風(fēng)險(xiǎn)狀態(tài)下。

可以發(fā)現(xiàn)，在我國的標(biāo)準(zhǔn)中，4級駕駛自動化要求更為寬松，在行駛時(shí)可以有安全員的介入，而SAE歸類的L4級自動駕駛則對安全員不再作要求?；乜船F(xiàn)階段的自動駕駛實(shí)際應(yīng)用，貌似只有蘿卜快跑與L4級自動駕駛最為接近，在很多媒體的宣傳中也使用了L4級自動駕駛相關(guān)字眼，但事實(shí)真就如此嗎？

在蘿卜快跑頻繁出現(xiàn)在熱搜時(shí)，有一個(gè)詞條非常亮眼，那就是蘿卜快跑后臺居然是有汽車機(jī)器人智控中心的，并有網(wǎng)友附上了圖片。從圖片中可以看到，一個(gè)個(gè)安全員坐在電腦前，觀察著車輛的行駛狀態(tài)，宛如大型賽車游戲現(xiàn)場。對此，蘿卜快跑客服回應(yīng)稱“蘿卜快跑目前是自動駕駛，是沒有人操控的”。客服還表示，為了保證乘客安全，有的車輛配有安全員，而全無人車輛也會配備行程專員，行程專員會在后臺監(jiān)控，乘客如有需要可以通過屏幕上的SOS聯(lián)系到他。由此可見，蘿卜快跑雖然不再需要駕駛員，但其背后，依舊有安全員的加入，并不能稱之為L4級自動駕駛。

L4級自動駕駛為何如此難實(shí)現(xiàn)？

為何現(xiàn)在自動駕駛技術(shù)已經(jīng)在很多領(lǐng)域得到了應(yīng)用，卻沒有可以達(dá)到L4級的呢？

2.1 技術(shù)復(fù)雜性

環(huán)境感知與理解

L4級自動駕駛系統(tǒng)需要能夠在幾乎所有環(huán)境中自主駕駛，無論是高速公路、城市街道還是復(fù)雜的交叉路口。要做到這一點(diǎn)，車輛需要通過多種傳感器（如激光雷達(dá)、毫米波雷達(dá)、攝像頭等）對周圍環(huán)境進(jìn)行全面感知。這些傳感器需要協(xié)調(diào)工作，提供高分辨率的環(huán)境數(shù)據(jù)，并將這些數(shù)據(jù)融合到一個(gè)統(tǒng)一的模型中。然而，傳感器本身存在局限性。例如：

? 激光雷達(dá)可以提供精確的三維點(diǎn)云，但在雨雪天氣條件下，其性能可能會下降。

? 攝像頭能捕捉視覺信息，但在光線不足或過強(qiáng)的情況下，效果會受限。

? 毫米波雷達(dá)能夠穿透霧霾和雨雪，但其分辨率較低，難以準(zhǔn)確識別細(xì)小或復(fù)雜的物體。

為了處理這些復(fù)雜場景，自動駕駛系統(tǒng)需要先進(jìn)的感知算法來正確解讀這些傳感器的數(shù)據(jù)，并進(jìn)行場景理解和目標(biāo)檢測。但目前的算法在應(yīng)對復(fù)雜、不確定的道路狀況時(shí)，仍然可能出現(xiàn)誤判。例如，系統(tǒng)可能無法正確識別突然出現(xiàn)的行人或?qū)δ承┓菢?biāo)準(zhǔn)物體的反應(yīng)較慢。

決策與規(guī)劃

一旦系統(tǒng)感知到環(huán)境中的所有元素，就需要做出駕駛決策和路徑規(guī)劃。這涉及復(fù)雜的算法，如路徑優(yōu)化、障礙物規(guī)避、行為預(yù)測等。在開放環(huán)境中（如城市道路），系統(tǒng)必須處理大量的不確定性，例如：

? 其他車輛的行為是否符合預(yù)期？

? 行人會否突然橫穿馬路？

? 信號燈故障如何處理？

要做到安全駕駛，系統(tǒng)需要在毫秒級別的時(shí)間內(nèi)處理這些信息，并做出最佳決策。目前的人工智能和機(jī)器學(xué)習(xí)算法在某些情況下可能表現(xiàn)不穩(wěn)定，特別是在面對從未遇到過的新場景時(shí)。因此，系統(tǒng)的魯棒性和安全性還需要進(jìn)一步提升。

2.2 數(shù)據(jù)與算法局限

數(shù)據(jù)采集與標(biāo)注

自動駕駛系統(tǒng)依賴大量數(shù)據(jù)來訓(xùn)練和優(yōu)化其算法，尤其是在感知和決策方面。然而，采集并標(biāo)注這些數(shù)據(jù)是一個(gè)龐大而昂貴的過程。為了覆蓋各種駕駛場景，系統(tǒng)需要大量的真實(shí)世界數(shù)據(jù)，包括不同天氣條件、不同時(shí)間段以及各種地形和道路類型。這些數(shù)據(jù)的多樣性直接影響系統(tǒng)的泛化能力。然而，目前的數(shù)據(jù)采集仍然主要集中在少數(shù)特定區(qū)域和條件下，導(dǎo)致系統(tǒng)在面對某些特殊情況時(shí)，可能缺乏足夠的經(jīng)驗(yàn)。

極端場景與長尾問題

長尾問題是指在訓(xùn)練數(shù)據(jù)中很少見但在實(shí)際駕駛中可能會遇到的極端場景。例如，系統(tǒng)可能很少遇到大型動物突然橫穿高速公路，或者遭遇嚴(yán)重的交通事故場景。這些極端情況雖然發(fā)生頻率低，但一旦發(fā)生，其風(fēng)險(xiǎn)極高。目前，系統(tǒng)在應(yīng)對這些極端場景時(shí)的表現(xiàn)還不夠理想。

算法的局限性

盡管深度學(xué)習(xí)和其他機(jī)器學(xué)習(xí)技術(shù)在圖像識別、語音識別等領(lǐng)域取得了顯著進(jìn)展，但在自動駕駛中，這些算法仍面臨挑戰(zhàn)。尤其是在多目標(biāo)跟蹤、行為預(yù)測和異常檢測等方面，現(xiàn)有算法還不能保證在所有情況下都能做出最優(yōu)決策。此外，算法在處理不確定性和推理方面的能力有限，使得系統(tǒng)在復(fù)雜決策場景下容易出錯。

2.3 法律與法規(guī)障礙

法律框架的不完善

許多國家和地區(qū)的法律和法規(guī)尚未完全跟上自動駕駛技術(shù)的發(fā)展?，F(xiàn)有的交通法規(guī)通常假設(shè)有人類駕駛員在控制車輛，因此，在完全無人駕駛的情況下，法律責(zé)任的歸屬仍然是一個(gè)巨大的挑戰(zhàn)。例如：

? 責(zé)任劃分：如果L4自動駕駛車輛發(fā)生事故，責(zé)任應(yīng)該歸于駕駛員、汽車制造商、技術(shù)供應(yīng)商還是其他第三方？這在法律上尚無定論。

? 數(shù)據(jù)隱私：自動駕駛車輛會收集大量數(shù)據(jù)，包括位置、駕駛行為、環(huán)境信息等，這些數(shù)據(jù)的使用和保護(hù)如何符合現(xiàn)行的隱私法規(guī)，也需要進(jìn)一步明確。

法規(guī)限制與標(biāo)準(zhǔn)化

不同國家和地區(qū)對自動駕駛技術(shù)的測試和部署要求不同，這使得跨國部署變得復(fù)雜。此外，目前缺乏全球統(tǒng)一的自動駕駛安全標(biāo)準(zhǔn)，使得技術(shù)供應(yīng)商在不同市場之間難以保持一致的技術(shù)和安全標(biāo)準(zhǔn)。

2.4 基礎(chǔ)設(shè)施與成本

基礎(chǔ)設(shè)施建設(shè)不足

L4級自動駕駛系統(tǒng)的順利運(yùn)行往往需要支持性的基礎(chǔ)設(shè)施。例如：

? 高精度地圖：L4級自動駕駛依賴于精確到厘米級的高精度地圖，以確保車輛能夠準(zhǔn)確定位和導(dǎo)航。但這些地圖的更新和維護(hù)成本高昂，且在某些偏遠(yuǎn)地區(qū)，可能沒有足夠的地圖數(shù)據(jù)支持。

? V2X通信：V2X（Vehicle-to-Everything）通信技術(shù)允許車輛與其他車輛、交通信號、道路基礎(chǔ)設(shè)施等進(jìn)行實(shí)時(shí)通信，從而提高交通安全和效率。然而，這種通信基礎(chǔ)設(shè)施在大多數(shù)地區(qū)尚未完全普及，且標(biāo)準(zhǔn)化程度較低，影響了自動駕駛技術(shù)的應(yīng)用。

高昂的研發(fā)與運(yùn)營成本

L4級自動駕駛系統(tǒng)的研發(fā)需要投入巨大的資金和資源。開發(fā)、測試、驗(yàn)證和維護(hù)一套安全可靠的自動駕駛系統(tǒng)涉及大量的工程和計(jì)算資源，因此現(xiàn)階段自動駕駛還是應(yīng)用在無人出租上，為企業(yè)化的統(tǒng)一管理。此外，商業(yè)化部署所需的傳感器、計(jì)算硬件等成本也非常高，這使得目前的L4自動駕駛解決方案難以在商業(yè)上大規(guī)模推廣。

2.5 安全性與可靠性

安全性挑戰(zhàn)

自動駕駛系統(tǒng)的首要任務(wù)是確保乘客和周圍道路使用者的安全。要做到這一點(diǎn)，系統(tǒng)的故障率必須極低。即使在面對極端情況下，系統(tǒng)也必須做出正確的決策。例如，如何在沒有明確道路標(biāo)志或信號燈失靈的情況下安全行駛？如何在車輛傳感器或通信系統(tǒng)失效時(shí)仍能保障行駛安全？

多層冗余與系統(tǒng)可靠性

為了提高可靠性，L4級自動駕駛系統(tǒng)通常需要多層冗余設(shè)計(jì)，包括冗余的傳感器、冗余的計(jì)算系統(tǒng)等。然而，這種冗余設(shè)計(jì)不僅增加了系統(tǒng)的復(fù)雜性和成本，還需要復(fù)雜的軟件架構(gòu)來管理和協(xié)調(diào)多個(gè)冗余系統(tǒng)的工作。確保所有系統(tǒng)在任何情況下都能無縫協(xié)作，并在故障發(fā)生時(shí)及時(shí)切換，是一項(xiàng)巨大的技術(shù)挑戰(zhàn)。

長期測試與驗(yàn)證

為了確保系統(tǒng)的安全性，L4級自動駕駛需要經(jīng)過長時(shí)間、大規(guī)模的測試與驗(yàn)證，包括在不同的環(huán)境條件、不同的道路類型和不同的駕駛場景下進(jìn)行全面測試。然而，即使進(jìn)行了大量測試，仍然存在某些極端情況可能未被覆蓋的風(fēng)險(xiǎn)，這對系統(tǒng)的全面可靠性提出了更高要求。

2.6 社會接受度與倫理問題

公眾信任

許多人對完全由機(jī)器控制的自動駕駛技術(shù)仍然持有懷疑態(tài)度，特別是在涉及安全和隱私問題時(shí)。多起涉及自動駕駛車輛的事故報(bào)道加劇了這種擔(dān)憂。要推動L4級自動駕駛技術(shù)的廣泛應(yīng)用，需要通過實(shí)際表現(xiàn)、透明的測試流程和公正的法規(guī)來逐步建立公眾的信任。

倫理決策

自動駕駛系統(tǒng)在某些情況下可能需要做出涉及生命倫理的決策。例如，如何在緊急情況下決定避讓行人還是優(yōu)先保護(hù)乘客？這些倫理決策目前主要依賴于人類駕駛員的判斷，但在自動駕駛系統(tǒng)中，如何編程和實(shí)現(xiàn)這些決策是一個(gè)巨大的倫理挑戰(zhàn)。這不僅涉及技術(shù)問題，還涉及社會道德和法律的復(fù)雜討論。

如何破局？

想要實(shí)現(xiàn)L4級自動駕駛，我們首先要明確，L4級自動駕駛真的可以實(shí)現(xiàn)嗎？答案是肯定的，我們已經(jīng)非常接近L4級自動駕駛了?，F(xiàn)在自動駕駛發(fā)展路徑已經(jīng)非常明確，在不考慮成本的前提下，感知硬件也已非常完善。而想要達(dá)到L4級自動駕駛，需要的是一個(gè)足夠聰明，可以靈活處理各種交通場景的決策系統(tǒng)。

之所以現(xiàn)在很多自動駕駛應(yīng)用中離不開安全員的角色，主要是因?yàn)槲覀儗τ谧詣玉{駛決策系統(tǒng)還不夠信任，決策系統(tǒng)也無法和人類一樣靈活應(yīng)對各類交通場景。

技術(shù)是有籠子的，自動駕駛汽車決策系統(tǒng)也是如此，技術(shù)人員教給決策系統(tǒng)的是如何根據(jù)交通規(guī)則來行駛，但人的不確定性太大了，不按交規(guī)行駛行為屢見不鮮，這就讓自動駕駛汽車無法正確判斷進(jìn)一步的行駛方式，這也是為何L4級自動駕駛無法實(shí)現(xiàn)的原因。雖然現(xiàn)在已有很多車企提出來端到端的解決方案，但歸根到底，還是難以處理突發(fā)性的交通狀況。

或許還有一個(gè)方法，可以快速實(shí)現(xiàn)L4級自動駕駛，那就是禁止人類駕駛汽車，全由自動駕駛汽車按照統(tǒng)一規(guī)則來服務(wù)大家出行吧！（玩笑話，切莫當(dāng)真）

-- END --