柳甄去了今日头条，那Uber下一站会是无人驾驶吗？

　　 无人驾驶测试的成功，已经不是什么新鲜事了。然而，这项尚未成熟的技术却引起外界担忧――特斯拉 Autopilot 模式频频发生车祸，谷歌无人驾驶也发生严重车祸。

　　 巨头们的频频失误使得无人驾驶看起来不太明朗。不过，Uber 却把无人驾驶汽车开上了路。

　　 今年5月份，Uber 无人驾驶汽车首次在匹兹堡测试。这篇文章中，介绍了MIT Technology Review 记者 Will Knight 体验Uber 无人驾驶汽车的过程与体验。但在无人驾驶技术尚不完善的情况下，Uber的测试会不会急于求成？

　　 文中，来自 MIT（麻省理工学院）、CMU（卡内基梅隆大学）机器人领域的专家给出了自己对无人驾驶未来的看法。

　　 文｜Will Knight

　　 编译｜天然卷

在匹兹堡阿勒格尼河畔那座庞大的仓库外，那曾经密布了几十家工厂和铸造厂。时至今日，这里已经满是琳琅满目的店铺和餐馆。而我就站在这里，见证了一场非同寻常的技术革命。

我低头看了下手机，抬起头时，发现一辆白色的福特 Fusion 行驶到了附近，车辆顶部装置了看起来未来感十足的传感器。车内，有两个人坐在前排，一位在监控着电脑，另一位就坐在驾驶座――没人在操控方向盘，但车子还处于稳稳的掌控之中。上车后，我轻触后座前的屏幕，搭上了这趟无人驾驶汽车的顺风车。

　　车辆驶上了前往市中心的道路，但它始终保持在自己的车道，也能灵活地避开迎面而来的车辆以及突兀停在路边的卡车。 这实际上不是我第一次体验无人驾驶汽车，但从后座往前看，你会发现方向盘能根据路况自我调整，至少感觉上来说，这还真是桩挺 “诡异” 的事情。

目前为止，大多数无人驾驶汽车已经在加利福尼亚、内华达、得克萨斯等州的高速公路上进行了测试。但是，在匹兹堡，这种歪歪扭扭的小路、数不清的大桥、眼花缭乱的十字路口，再加上匹兹堡一带的暴风雪、雨雪、冰雹天气，其他无人驾驶汽车或许还未曾体验过。

Uber 一位高管谈道，如果无人驾驶汽车能够处理好匹兹堡的路况的话，那它也应该能处理其他各种路况了。

　　我搭乘的这辆无人驾驶汽车仿佛是要验证这一言论： 来到人潮涌动的闹市街区时，有两位路人突然冲到了车道前方，不过车子缓缓地在距他们有一段距离的路段停了下来，等路人过去之后，又继续行程。

　　 配置了各种传感器的Uber无人驾驶汽车

后座前方的屏幕能够实时将车辆颇为奇特的环境视角成像出来：周边环境会以亮色调和锯齿状边沿结构的形式来呈现，这些图像是基于车内编排的一系列仪器的产物。车内拥有不少于7种传感器装置：车顶的旋转式激光雷达传感器，20个摄像头，高精度GPS模块，还有超声波传感器。

从屏幕上看，道路是蓝色的，建筑和其他车辆以红色、黄色和绿色来呈现，附近的行人则是配以高亮颜色标识。除了周边环境，这块显示屏也会展示车辆是如何操控和刹车的。另外，驾驶座附近也有一个按钮能够让你任何时间结束这趟打车之旅。

Uber 还让乘客有空暇自拍，当我结束乘车之旅后，我收到一则邮件：这张GIF展示了无人驾驶汽车的视角，而我的脸也就在图片右侧。在等红灯的时候，一位路人在人行道一侧停了下来，看似朝着我们这边挥手，而我们后面的 Uber 司机则对他竖起了大拇指。

Uber 挑选了匹兹堡周边的一部分用户，给予无人驾驶汽车体验资格。所以说，我的这趟搭车之旅其实也是 Uber 无人驾驶汽车测试的一部分。

　　 过去，Uber 几乎颠覆了出租车行业，而今天，Uber 又想用无人驾驶汽车在未来几年掀起下一场革命。毫无疑问，这是一次冒险的举动，因为无人驾驶技术或将改变数百万人的出行方式。但某种程度上，这又是 Uber 需要做的事。

今年前半段，Uber 好像亏损了 12.7 亿美元，其中大部分是给司机的补贴。无人驾驶汽车则给予Uber 了一次很大的机遇，MIT（麻省理工学院）一位研究汽车产业创新的教授助理 David Keith 谈道，“风险还是有的，Uber 有可能在这块市场上被击败。”

Uber 测试版软件，一辆无人驾驶汽车正在附近巡航

大多数汽车厂商，特别是 特斯拉、奥迪、梅赛德斯奔驰，沃尔沃和通用汽车，甚至是一些科技巨头，比如说谷歌、苹果，一系列厂商都在测试无人驾驶汽车。

例如，特斯拉能在很多路况下实现无人驾驶（虽然特斯拉方面提醒车主尽量只在高速公路上使用 Autopilot，并时刻保持注意，双手放在方向盘上面）。不过，无人驾驶行业竞争异常激烈，但 Uber 还是有最大的几率实现无人驾驶的早日商业化。

　　不同于福特或通用，Uber 把行车范围限制在了当前无人驾驶汽车能够处理的范围内。 对比谷歌或是苹果 ，Uber 又有了庞大的租车网络，能够逐渐转化为无人驾驶服务。

Uber 高管十分期待无人驾驶汽车给他们带来的天花板。没有了司机端分割成本，Uber 或能实现盈利。无人驾驶汽车也会变得越来越亲民，越来越容易使用，甚至能否拥有一辆自己的汽车也不再重要。按这种思维模式的话，无人驾驶技术或将改写交通运输这个行业本身。

Uber 已经在一些城市尝试了无人机餐饮配送，加上最近收购 Otto（这家创企正开发用于长途运输的无人驾驶技术）――无人驾驶卡车或是面包车可以把货物从生产中心或是商店直接运输到家里，提高配送效率。测试无人驾驶之前，谷歌无人驾驶项目前资深员工 Andrew Lewandowski，如今 Uber 无人驾驶项目负责人，谈到说，“我确信，未来10年内，这是计算机要着重处理的事项。”

Uber 的动作很快，2015年2月份，Uber 聘请了一批卡内基梅隆大学机器人类专业的研究员，创建 ATC（Advanced Technology Center）用于开发无人驾驶汽车。基于雄厚的人才储备，仅仅一年多时间，Uber 开发出了无人驾驶汽车――对于大多数汽车厂商，这大概是重新设计汽车显示屏控制台所需的时间。

但是，这是不是太快了？技术真的准备好了吗？

　　 Uber 研究人员正在监控车辆活动，如有需要，会及时控制行驶

　　 机器人先行者

之后，我又体验了通常意义上的 Uber 服务，前后对比发现，两者特色是相当鲜明的。当时我想去的是 CMU（卡内基梅隆大学）NREC ――也是机器人学院的一部分，那里的研究团队参与了多项机器人开发。因此，我想知道那里的专家们怎么看待Uber的测试。

我搭到的是一辆现代索纳塔，车主叫Brian。搭乘过程中，Brian 跟我聊天，他也看到过几辆无人驾驶汽车，但他无法想象无人驾驶汽车的搭乘体验能和他一样出色。话音刚落，在他转错弯后，他发现自己彻底迷路了。

说实话，他开车当然和无人汽车一样流畅，当地图导向一座正在由于维修而无法过去的大桥时，他问了路边工人，之后修正了驶向。而且，Brian 很友好，也给免了这次行车费，还想给我买瓶啤酒以弥补带来的不便。

　　但这也更让我意识到，Uber 的无人驾驶带来的完全不同的体验： 更少的错路，不会碰到不良司机，但也不会有司机帮你把行李箱放进后备箱或是返还遗失的手机。

等我走到 NREC 巨大库房外面的时候，离约定的时间已经迟了20来分钟。踏入仓库，里面堆积的是各式各样的机器人原型。比如说，Terregator，一台6轮机器人，体积大概跟冰箱差不多，顶部也配置了传感器。

　　 1984年，Terregator 是实验室的首批的机器人之一，以每小时数英里的时速在实验室和 CMU 周边转悠。

　　 1986年，NavLab 接下了 Terregator 的旗帜，经过大量修改，成为第一台由计算机全面控制的汽车。

除此之外，就在 NREC 的前门处，有一个十分显目的东西，一辆定制化的雪佛兰 Tahoe，车内塞满了计算机，车上的传感器装置看起来有点类似 Uber 无人驾驶汽车的早期版本。

　　 2007年，这台名叫 Boss 的机器人赢得了由 U.S.DARPA主办的城区驾驶比赛。这是一个非常重要的历史性事件，标志着无人驾驶汽车已经能够处理平常的交通状况，就在数年之后，谷歌的无人驾驶汽车就真正上路了。

这三个 CMU 机器人呈现了无人驾驶汽车的发展进化史。到了今天，无论是硬件设备还是软件方面都有了显著提高，但是基于整体的复杂性和门槛，系统还无法实现像人类一样的程度。

　　在 NREC 实验室，我还偶遇了CMU 教授 William “Red” Whittaker，他之前负责 Terregator、NavLab 和 Boss 最初版本 的开发。 Whittaker 认为，Uber 推出的这项服务并不意味着技术就已经完善了。“确信的是，问题还没解决，” 他表示，“还有诸多的基层问题尚未解决。”

诸如恶劣天气（暴晒、暴雨）、障碍物等原因造成的传感器损坏，还有一些不可避免的软件更新和硬件升级故障。你不可能码好一串代码，就能应付所有的情况，所以在某些阶段，你必须坚信的是，系统处理不可能处理好所有的状况，你要做的就是利用好一切智慧（软硬件），解决不安定因素，但有时候很难时刻保持这种自信，尤其是当一些极小的失误发生时，比如说把一个纸包识别成了大石块，这就可能导致系统采取不必要（带有危险性的）应对措施。

　　 毫无疑问，近几年来，取得的进步是不菲的，尤其是计算机视觉、机器学习这些领域的进步，这使得无人驾驶汽车跨过了更多的技术门槛。基于系统中不同案例的叠加，系统能实现的不再仅仅是障碍识别――识别行人、骑自行车的或是误入车道的动物。

现状依旧，实践（细节）案例很重要。NREC 主管 Herman Herman（不是笔误），一位机器人研究专家，他在印度尼西亚长大，之后进入 CMU，目前已经在国防、矿业和农业方面的无人驾驶汽车等领域有不错的研究成果。

Herman 相信，无人驾驶终有一天会到来的，但他也对 Uber 正在实施的计划有实质性的担忧。

“当浏览器或是电脑宕机的时候，这会让人恼怒，但也不是多大的事情，” 他分析道，“一条高速公路上有6条车道，其中有一辆无人驾驶汽车行驶在中间车道行驶，这时它准备换到左边车道，你可以想象接下来会发生什么（车祸），而这正是因为系统给了方向盘一个错误的操控指示。“

经 Uber 修改后的 福特 Fusion，在匹兹堡的路上很容易识别

Herman 担心的另一个问题是 技术的地毯式扩张，当路上有一些无人驾驶汽车时，这是挺好的一件事，但要是几十辆、甚至几百辆？一辆 Uber 无人驾驶汽车上的激光传感器可能与其他车辆产生干扰，而且要是这些车辆数据都是传输到云端的话，这就需要极其庞大的带宽。有时候，甚至是细小的灰尘都可能造成传感器的故障。

“不过，最严肃的问题还是，至少对我们来说，这还是一个正在开发中尚且需要完善的系统，无人驾驶系统需要确保乘客的安全。“ Herman 表示。

无人驾驶？还得练好开车才行

离开 NREC 后，我又拜访了 Raj Rajkumar，他来自 CMU 机器人学院的一个实验室（由通用电气赞助）。无人驾驶技术研究日益进步下，通常意义上，无人驾驶汽车也应该是被硅谷给统治着，与他们相比，Rajkumar 也许看起来更有点古典学院派。

他招待我的时候，穿的是灰色的正装，地点也是在办公室，之后他带我去了地下车库，向我展示了他的开发原型：一辆凯迪拉克。这辆车装置了众多的传感器，跟 Uber 无人驾驶汽车上的设备有点类似，不同的是，这些传感器都通过微小化或是藏匿在不可见的地方，以致于车辆整体看起来不是那么突兀。

对于让无人驾驶汽车实际化这件事，Rajkumar 也是很自豪的。 他认为，Uber 正在做的事让外界对于无人驾驶的期待有点过高了。“事实上，离彻底摆脱驾驶员还有很长的一段时间，” 他认为，“我觉得人们应该先冷静下了。”

除了系统本身的可依赖程度，Rajkumar 还担心无人驾驶汽车可能被黑客攻击（用于犯罪行为）。“我们都知道在（法国）尼斯的恐怖袭击，那个恐怖分子杀害了数以百计的平民。想象下，以后车子还不需要司机的话会怎样，” 他补充道。关于这一点，Uber 称他们也正严肃对待这一问题，项目已经添置了两名自动化计算机安全方面的专家。

　　另外，Rajkumar 也告知，车载系统需要在识别真实世界方面做的更加聪明，这种基础性的进步是必需的。 “我们是能认知、敏感的存在。我们能理解，会问为什么，采取措施。哪天真的实现无人驾驶汽车的时候，它们或许也只能在特定的情境下干特定的事。”

换句话说，我从后座看到的屏幕上那五颜六色的成像代表的是一种被简单化，甚至可以说是异化的理解方式。Uber 车上的那个屏幕只是展示了那里有个东西，精度大概还是以厘米为单位的，系统没有识别出这是什么东西或是路人的行动倾向。

实际上，这要比听起来的重要，比如说，当车主发现路上有个玩具时，思维可能会导向说附近会有个小孩。“还有一点比较棘手的是，Uber 将大多数资金花在了城区和郊区的定位上，“ Rajkumar 谈道，”也许这块是那些不被期待的事情更容易发生的区域。“

　　 银色按钮：自动驾驶模式；红色按钮：停车

还有可能的是，Uber 的实验性无人驾驶汽车或给整个行业带来误导作用。数例无人驾驶引发的事故案例，如特斯拉 Autopilot 模式 的辨识问题，这些问题都引发了一系列对安全问题的思考。

过于心急的技术部署，初衷也许是为了交通安全，但反而可能引发反弹事件。Keith 表示， “尽管Uber 在推动（无人驾驶）这件事上做了突破性的工作，但实际上，这项技术还有很多路要走。”

“新型技术需要消费者的良好口碑来积累，但糟糕的事情可能带来严重的负面影响。当这项技术导出了一系列的交通事故时，监管机构必然会出台相关政策，自然这也会降低外界的乐观情绪。”

我也得以第一手体验这项技术的限制性。这次 Uber 无人驾驶汽车搭乘之旅的半途之时，我被邀请坐到驾驶座，之后我按下银色按钮后进入无人驾驶模式，我也被告知我可以通过转动方向盘、踩下踏板 或是按下红色按钮 解除自动驾驶模式。

一开始车子看起来也处于完美的驾驶过程中，不过同时，我还是情不自禁地注意副驾驶位置 Uber 工程师的紧张程度。驶上桥后，有车辆从对向车道向我们接近，这时车子反而开始缓缓往左打方向盘，就要驶入对向车道。“握住方向盘。” Uber 工程师赶紧提醒我。

也许这次是个 bug，也可能是传感器被（对向）车道空阔的空间所迷惑。不过确定的是，我还是立刻照他说的做了。

　　 https://www.technologyreview.com/s/602492/your-driverless-ride-is-arriving/?utm_campaign=internal&utm_medium=homepage&utm_source=features_1