自動(dòng)駕駛的技術(shù)發(fā)展速度一直很迅速，尤其是在過(guò)去的1-2年中，在較低的自動(dòng)駕駛級(jí)別技術(shù)上已經(jīng)實(shí)現(xiàn)了重大突破。車道偏離系統(tǒng)（Lane departure systems）的功能已經(jīng)從僅發(fā)出警告發(fā)展到全主動(dòng)的車道保持。防前撞系統(tǒng)（Forward collision systems）在性能和功能上都取得了進(jìn)步，不僅提供了主動(dòng)制動(dòng)功能，而且還能夠檢測(cè)騎自行車的人、行人以及其他車輛。但是，與機(jī)器可以實(shí)現(xiàn)的功能相比，在許多方面，人類駕駛員所擁有的感知能力仍然遙遙領(lǐng)先，而且在許多關(guān)鍵領(lǐng)域我們?nèi)匀粺o(wú)法提供能夠?qū)崿F(xiàn)SAE 4級(jí)自動(dòng)化所需性能和功能的傳感器。在本文，我們涉及了一些特別具有挑戰(zhàn)性或目前完全無(wú)法解決的情境來(lái)加以說(shuō)明。

技術(shù)挑戰(zhàn)1：預(yù)測(cè)車輛在前方道路上的制動(dòng)性能

前向碰撞警告和自動(dòng)緊急制動(dòng)系統(tǒng)（Forward Collision Warning and Autonomous Emergency Braking systems）在制定避免或減輕碰撞事件的決策時(shí)，需要了解路面將提供的制動(dòng)摩擦力。然而，預(yù)測(cè)道路摩擦力比較困難。

對(duì)可能的解決方案的看法

有兩種主要方法可以實(shí)時(shí)估算車輛在前方道路上的制動(dòng)性能表現(xiàn)。

一：機(jī)載方法(On-boardapproach)

二：基于云的計(jì)算方法(Cloud-basedmapping approach)

技術(shù)挑戰(zhàn)2：預(yù)測(cè)行人軌跡

在包含行人的環(huán)境中行駛的任何自動(dòng)駕駛汽車都需要預(yù)測(cè)附近行人路線，并相應(yīng)地調(diào)整其路線以避免碰撞。但是，預(yù)測(cè)人類目標(biāo)的運(yùn)動(dòng)軌跡是很困難的，因?yàn)槿祟惖男袆?dòng)常常具有很強(qiáng)的不可預(yù)知性，不會(huì)嚴(yán)格遵守既定的規(guī)則和社會(huì)規(guī)范。

對(duì)可能解決方案的看法

斯坦福大學(xué)和東京大學(xué)都使用各種模型研究了行人軌跡預(yù)測(cè)的各個(gè)方面，其中包括可以學(xué)習(xí)和預(yù)測(cè)人類運(yùn)動(dòng)的長(zhǎng)短期記憶（LSTM）模型。東京大學(xué)進(jìn)一步開發(fā)了基于LSTM的編解碼器模型，該模型旨在對(duì)運(yùn)動(dòng)軌跡和人類交互進(jìn)行編碼，以預(yù)測(cè)人類未來(lái)較長(zhǎng)一段路徑的行為表現(xiàn)。這類技術(shù)盡管還有很多待開發(fā)的地方，但這些預(yù)測(cè)模型最終可能會(huì)提供一個(gè)可靠的解決方案。

技術(shù)挑戰(zhàn)3：道路上有雜物-我可以開過(guò)去嗎？

在看到前方道路上未知屬性的雜物時(shí)后，大多數(shù)駕駛員能夠決定是避開還是開過(guò)去。在這段很短時(shí)間內(nèi)，駕駛員在執(zhí)行各種風(fēng)險(xiǎn)計(jì)算，根據(jù)感知到的物體大小、重量和密度，將權(quán)衡停止、轉(zhuǎn)彎或駛過(guò)雜物的相對(duì)風(fēng)險(xiǎn)。在遇到雜物時(shí)，自動(dòng)駕駛汽車通常會(huì)先經(jīng)歷四個(gè)階段的過(guò)程，然后再?zèng)Q定要采取什么措施。涉及的階段包括：

一：識(shí)別

二：分類

三：了解物品

四：開過(guò)，避開或停止

對(duì)可能解決方案的看法

第一階段和第二階段雖然具有挑戰(zhàn)性，但可使用在現(xiàn)實(shí)世界中經(jīng)過(guò)識(shí)別大量物體訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。提早識(shí)別物體是很重要的，因?yàn)檫@會(huì)使系統(tǒng)有更多時(shí)間余量進(jìn)行后續(xù)階段操作。除此之外，還需要一些額外的系統(tǒng)訓(xùn)練來(lái)幫助對(duì)不常遇到的情景（例如，沙發(fā)從卡車上掉下來(lái)）進(jìn)行物體分類，以完善數(shù)據(jù)庫(kù)。第三階段涉及物體的完整圖片信息的建立，并將涉及來(lái)自多個(gè)傳感器的信息融合。例如，如果識(shí)別出桶型物品，那么它是由什么制成的？是空的還是滿的？無(wú)論最終的行為是撞擊還是避開物體，這一最后階段的結(jié)果都會(huì)因一系列的碎片動(dòng)態(tài)行為而變得復(fù)雜。它很可能在起始識(shí)別到接觸這一時(shí)間段內(nèi)移動(dòng)，并且其運(yùn)動(dòng)將取決于一系列因素，包括天氣條件以及我們的車輛與物體之間的任何其他車輛的行為。類似于先前關(guān)于行人軌跡討論的建模技術(shù)的使用，將來(lái)可能會(huì)為這一挑戰(zhàn)提供解決方案。

技術(shù)挑戰(zhàn)4：管理不同的天氣條件

當(dāng)前的光學(xué)傳感系統(tǒng)在大霧，大雪或大雨中不能很好地工作。這些條件減小了它們可以工作的范圍，甚至使它們完全無(wú)法工作。在大多數(shù)情況下，人都可以開車，因?yàn)榧词故谴箪F，大雪或雨天，通常也不會(huì)阻止他們安全到達(dá)目的地，即使遲了一點(diǎn)。

對(duì)可能解決方案的看法

在過(guò)去一年左右的時(shí)間內(nèi)，潛在的解決方案已經(jīng)開始試用。由于雷達(dá)對(duì)極端天氣條件的敏感度要低得多，因此它可以為這一難點(diǎn)提供解決方案。用于地面的雷達(dá)正在開發(fā)，它將被用來(lái)進(jìn)行地面的拓?fù)浞治?，并將結(jié)果與道路網(wǎng)絡(luò)數(shù)據(jù)庫(kù)進(jìn)行比較。期望在將來(lái)，該信息可能能夠在任何天氣下幫助車輛在高速公路上行駛并保持在車道內(nèi)。

挑戰(zhàn)“這些挑戰(zhàn)是進(jìn)行SAE 4級(jí)車輛安全部署的重大障礙?！盨BD Automotive的自動(dòng)駕駛部門總監(jiān)Alain Dunoyer博士說(shuō)，“通常情況下，人們說(shuō)法律方面的原因限制了自動(dòng)駕駛的廣泛部署，而實(shí)際上是因?yàn)樵S多關(guān)鍵技術(shù)難點(diǎn)仍未解決。并且法律可以花費(fèi)時(shí)間和精力來(lái)修改，但物理定律不能更改，所以可以在路上看到SAE 4級(jí)車輛的時(shí)間可能遠(yuǎn)比以前設(shè)想的時(shí)間長(zhǎng)?！?/span>