人工智能时代：破解人机共存密码（套装共10册）

20世纪50年代，研究人员开始按照上述设想进行实验。或许是实验让人认清了困难，预言被延后了，他们说这一切会在1975年发生。

在这之后，试图利用铺设在地面上的电线为汽车导航，进而实现无人驾驶的技术探索在各处展开。而英国人把路上的电线改成永磁铁片组成的引导线，他们认为这样做能使控制更加精准，车速更快。“地面轨道派”经历了无数挫折，几乎所有人都隐隐感到，以轨道引导无人驾驶不具备实际应用价值，而且这已经是当时技术条件的“天花板”。不过，这种应用模式倒是在一些送餐机器人的产品中实现了。

1956年，通用公司造出了无人车的实体。它展出的FirebirdII（火鸟二代）概念车，首次提出了安全及自动导航系统。钛金属、流线型的车身简直像是一枚直接从科幻电影中开出来的火箭。这只“火鸟”推出第三代时广告语是：“想要坐着放松一下？好，设定好想要的速度，然后调成自动导航状态吧。放开手柄，Firebird III会自己搞定。”

通用公司还邀请BBC现场直播了高速公路上的无人驾驶测试，不过，这时的无人车依旧通过接收预埋线缆发送的电子脉冲信号行驶，没能挣脱“地面轨道派”的思路。

至此，不论是将“遥控器”掌握在人类手里，还是可行性不高的预铺电缆，都和人类想象中自由、流畅的无人驾驶体验相去甚远。直到20世纪60年代，俄亥俄州立大学的项目负责人Cosgriff（科斯格里夫）还深信，埋设在道路中的电子导航设备将在15年内推向公共道路。世界各国的实验室还要在这些“磨盘”的圆周上徘徊多年，唯一的区别是各自走出的半径大小。

曙光就在前方

当时，影响今天无人车的主流技术已经在各大研究机构中显露雏形。只不过在那时，这些技术零星分散在各处，也没有人想到要把它们组合起来。

1966年，智能导航第一次出现在美国斯坦福大学研究所里，SRI人工智能研究中心研发的Shakey是一个有车轮结构的机器人。它可能要花上数小时才能完成开关灯这样简单的动作，但在它身上，内置了传感器和软件系统，开创了自动导航功能的先河。

1977年，日本的筑波工程研究实验室开发出了第一个基于摄像头来检测前方标记或者导航信息的自动驾驶汽车。这辆车配备两个摄像头，在高架轨道的辅助下时速能达到30公里。这意味着，人们开始从“视觉”角度思考无人车的前景。导航与视觉一起，让“地面轨道派”寿终正寝。

与此同时，GPS系统于1973年开始发展。DARPA（美国国防高级研究计划局）在1984年启动了“ALV自主陆上车辆”计划，目标是通过摄像头来检测地形，由计算机系统计算出导航和行驶路线等。当时，这一机器人采用激光雷达来识别道路，依靠GPS进行导航，并通过小型化的短波雷达来发现前方突然出现的障碍物并自动刹车。在这些描述中，已经不难看出无人车研究路径的成熟，但遗憾的是ALV项目研究持续了5年，由于成果有限，国会削减经费，被迫终止。这一停，又将无人车的诞生推迟了若干年。

同样在军事领域投入无人车研究的还有德国。德国军方科研机构从1987年开始和奔驰合作，开发无人驾驶车辆，其技术甚至比DARPA的ALV项目更为成熟，采用摄像头和计算机图像处理系统对道路进行识别。这项研究同样没有取得太多成果。

在今天我们已经知道，要让无人车具备敏锐的“视觉”，中间还隔着运算速度、大数据、深度学习等数不清的技术鸿沟。

1993—1994年，来自德国慕尼黑联邦国防军大学的ErnstDickmanns（恩斯特·狄克曼斯）教授团队改装了一辆奔驰S500轿车，让其配备摄像头和其他多种传感器，用来实时监测道路周围的环境和变化。这是那个年代最成功的“动态视觉”实验。这一次，这辆奔驰S500在普通交通环境下自动驾驶了1000多公里。

几乎同时，从1984年就开始投入无人驾驶探索的美国卡内基梅隆大学，率先在1989年使用神经网络来引导自动驾驶汽车，即便那辆行驶在匹兹堡的翻新军用急救车的服务器有冰箱这么大，且运算能力只有Apple Watch（苹果智能手表）的1/10。但从原理上来看，这项技术和今天无人车控制策略一脉相承。

这所大学的NavLab项目在1995年发展到了第五代。一辆1990年款的Pontiac Trans Sport（运动跑车）经过改装后，配备了包括便携式计算机、挡风玻璃摄像头、GPS接收器以及一些其他辅助设备。成功完成了从匹兹堡到洛杉矶的无人车跨越国土之旅。从现在的意义上，可以算作“半自动驾驶”。它们的研究成果对于现在的无人驾驶技术提供了很大的借鉴意义。

和全球的发展节奏相近，从20世纪80年代起，我国开始了针对智能移动装置的研究，起始项目同样源于军用。1980年国家立项了“遥控驾驶的防核化侦察车”项目，哈尔滨工业大学、沈阳自动化研究所和国防科技大学三家单位参与了该项目的研究制造。20世纪90年代初，中国也研制出了第一辆真正意义上的无人驾驶汽车。

在“863计划”支持下，很多大学与机构开始研究无人车。历经“八五计划”“九五计划”“十五计划”，北京理工大学、国防科技大学等五家单位研发的ATB（Autonomous Test Bed）系列三代无人车依次问世，ATB-2直线行驶速度最高可达到21米/秒，ATB-3在环境认知和轨迹跟踪能力上得到进一步加强。

国防科技大学与一汽集团合作研发的红旗CA7460无人车，可以根据前方障碍车辆的情况自动进行车道变换，行驶速度最高可以达到47米/秒；清华大学研制的THMR-V无人车，最高行驶速度也可以达到42米/秒，还可以根据不同驾驶场景选择高速公路和城区公路两种驾驶模式；由西安交通大学研制的Springrobot也是我国著名的无人车平台之一，具有较高的车道线检测能力和行人检测能力；国家自然科学基金委员会于2008年启动了“视听觉信息的认知计算”重大研究计划项目；2009年，首届中国“智能车未来挑战赛”在西安举行，此后几年里，吸引了名牌院校和科研机构的数十辆无人驾驶车辆参加该项比赛。

这样的赛事国外开始得更早。2004—2007年的DARPA系列竞赛，让“无人车”展露出高速发展的苗头。

2003年，美国发动伊拉克战争，也点燃了无人车技术爆发的导火索。穿越沙漠运送弹药补给成了美军的常态行动，但即便有装甲车和直升机保护，辎重车队仍会经常受到攻击。加之美军人员经常遭遇路边炸弹或地雷袭击，伤亡惨重。因此，曾经孕育互联网的DARPA重启了搁置十多年的自动驾驶技术研究。在美国政府和军方的计划中，10年后至少有1/3的军用车辆能够自动驾驶。

2004年，美国国会拨款设立100万美元奖金，后又加码到200万美元，由DARPA牵头举办无人驾驶大赛，广发英雄帖。尽管相对无人车的软硬件成本奖金并不算高，但仍然吸引了来自企业、科研机构、大学教育机构，甚至个人在内的不少参赛者。

应战时需要，第一届无人车挑战赛在沙漠中进行。这条从加州Barstow（巴斯托）到内华达州Primm（普里姆）的赛道，长约230公里，大多数是行驶难度颇大的沙漠地形。比赛要求在10个小时之内完成，只能依靠GPS来引导驾驶，依靠传感器或摄像头绕开天然障碍物。军方预测一定会有一个队赢得比赛的胜利。

不知军方是低估了无人车技术的难度，还是高估了参赛者的水平。这一年，不仅没有一支队伍抵达终点，即便是比赛的第一名，卡内基梅隆大学“红”队的Sandstorm（沙尘暴），也只开出了11公里，因为拐错了一个弯，陷进沟里动弹不得。多半参赛车辆在比赛刚开始就结束了，刹车锁死、车轴断裂、翻车、卫星接收器失灵等故障频出。

结果令人沮丧，人们的预期急转直下，悲观者说能在沙漠里行驶的无人车或许永远都造不出来。然而，这场不尽如人意的比赛没有止步于此，还成了无人车发展史上的拐点。

2005年，第二届无人车挑战大赛依旧在沙漠中举行，赛场依旧设在加州和内华达州交界处，赛程212公里，难度也是有增无减，3个狭窄的隧道，100多个急转弯。最艰险的一段狭窄弯路，一边是60多米的深沟，另一边则是悬崖峭壁。然而这一年，绝大多数参赛车都超过了上届11公里的最高行驶纪录。尽管依旧有不少参赛车辆中途退出，但有5辆车完成了全部赛程。

前三名分别来自斯坦福大学、卡内基梅隆大学和一家美国私企。这一届比赛中的冠军车辆已经搭载了摄像头、激光测距仪、雷达远程测距、GPS等今天无人车必不可少的装备。

2007年，DARPA把赛场搬到了城市里，开始从军用转为民用。新赛场内有交通灯、汽车等复杂环境，与未来无人车实际使用的环境更接近。比赛结束，卡内基梅隆大学、斯坦福大学、佐治亚理工大学夺得前三名。无人车研究领域的格局似乎开始稳定下来，DARPA的赛事却戛然而止。由于各种原因，美军至今未将无人车技术用于后勤运输。但是，技术的发动机一经启动，就没有人能让它停下。

图6-4是2007年DARPA无人车挑战赛的冠军车——卡内基梅隆大学的“Boss”，车顶及车头加装的设备体积和复杂程度远超今日进行路试的各类无人车。DARPA发掘了无人车研究者的潜力，也孵化了无人车的基础技术路线。

比赛中车队普遍通过摄像头、雷达、激光设备来探测周围的地形和障碍物。将结果与GPS和传感器的信息整合为一体，做出加速、减速、转弯等操作决定。十多年后，后人所做的，无非是在这条“无人车智能路线”的基础上，进行技术迭代，更加深入和精细化。

比赛促生了一个由发明家、工程师、程序员、开发商组成的无人车生态圈，也促成了无人车技术投资热潮的兴起。谷歌、苹果、特斯拉、优步、百度陆续宣布研发无人车的计划。各家都毫不掩饰自己在无人车领域的野心，仅谷歌而言，不仅挖走了斯坦福团队的领军人物塞巴斯蒂安·史朗，还把该校研究无人车的人员几乎一起揽入门下。2007年冠军团队的核心人物惠特克在卡内基梅隆大学的很多学生和同事都成为美国无人车行业的中坚力量。

在互联网企业的灼热展望中，就连保守的传统汽车制造厂也“被迫”加入了“无人车军备竞赛”。

虽然当年实验成本居高不下制约了量产和商业化，让无人车陷入瓶颈，不过2007年依旧值得记忆，不仅是因为它开启了无人车的新篇章，更是因为这一年深度学习研究重获新生。这个节点过后，相关领域也呈现井喷之势，大数据革命、云计算兴起、移动互联网浪潮、数据采集渠道的多样化……

更多的变化不断将无人车从传统汽车行业的束缚中解脱出来，让它走出大学实验室。

多年来，内燃发动机、变速箱以及复杂的生产工艺，构成了传统汽车行业的高墙壁垒。但是，新能源车或者说电动车技术的日益成熟，在这座高墙上打开了一个缺口。让汽车的制造门槛大幅度下降，因为，过去最难造的发动机、传动器、离合器，在电动车里面都不需要了。这不仅给了一些科技企业长驱直入这一领域的机会，也使得一些长期受困于核心技术差距，只能在较低端跟随的国家（比如中国）的汽车制造业，赢来了弯道超车的机会。

老牌车企^“车到山前^”

2013年，智能驾驶方兴未艾，美国高速公路安全局（NHTSA）就为智能汽车正式划分了等级。

根据给出的定义，智能汽车的发展可以分为4个阶段：第一阶段（L1）是“高级辅助驾驶系统”，特点是为司机提供碰撞警示，紧急情况制动，盲区监测和弥补夜间行车的视力弱势。第二阶段（L2）被翻译为“特定环境的自动驾驶”，接近于通用公司的设想，车辆能在高速公路或是堵车这种相对规律的环境中自动驾驶。从第三阶段（L3）开始，我们对无人驾驶的期待有了一些轮廓，L3即为“多种环境中的自动驾驶”，车辆能适应所有路况，但在特殊情况下需要转交给人类驾驶员。到了第四阶段（L4），即“全自动驾驶”阶段，智能汽车真正做到了自主驾车。至于L3和L4的区别，从外形上看，L4智能车将在L3的基础上，撤掉方向盘和刹车。

分类可以说是对汽车行业的一次重新洗牌。在无人车的江湖里，传统车企、互联网企业、出租车行业巨头三分天下。传统汽车生产商的兴趣点在于L1和L2，L3和L4则聚集了包括谷歌、百度、优步、特斯拉在内的巨头。

今天，起着决定性因素的不再是资本和历史，而是各家企业的内在基因。L2和L3之间，有着老牌车企难以跨越的技术鸿沟。包括百度在内的互联网企业在技术、数据和人才上的积累，占领了传统车企短时间内无法企及的技术制高点。不过即便使用相似的设备，如摄像头、传感器、深度学习、激光雷达等，也会因为软件数据库的全面程度不同，而达成不同等级的无人驾驶效果。

宝马I3在车身上安装了4个IBEO（激光感应器），具备躲开立柱障碍、紧急刹车等功能。遗憾的是，使用场景尚且停留在多层的停车场环境中。沃尔沃推出的XC90，配置有城市安全系统（City Safety），新增冲出路面防护系统和十字路口自动制动系统，能帮助司机避免常见的追尾事故。

2015年初，奔驰推出了F015概念无人驾驶汽车，车内布满了各种显示屏以及可旋转的座椅，俨然一个可移动的娱乐中心。但落到实处，奔驰的S500仍然没有摆脱窠臼，Intelligent Drive（智能驾驶）系统专攻的依旧是防碰撞、保持车道、自动刹车和堵车时自动跟车功能。