本文为《无人驾驶》胡迪·利普森 梅尔芭·库曼 的读书笔记

导语

阻碍无人驾驶技术发展的7个误区

  1. 自动化驾驶技术会脱胎于当今的驾驶员辅助技术

研究发现，当人类和机器共享方向盘的操控权时，如果要求人类在紧急状态下突然掌握方向盘，他们反而会无法胜任，表现为注意力无法集中。另外，完全自动化驾驶所需的技术并不是当今驾驶员辅助技术的派生，而是有着独立的技术发展路径。

  1. 技术的进步是线性推进的

无人驾驶技术的发展只会更加迅速，因为它们所利用的使能技术会遵循摩尔定律，即硬件性能提升的同时价格大幅下降。加速无人驾驶发展的另一力量则来源于“车队学习（fleet learning）”。由于无人驾驶汽车会将它们的驾驶“经验”数据进行汇总共享，所以每辆汽车都能从其他车辆提供的共享经验中获益。

  1. 公众会抵制无人驾驶

一旦技术成熟，无人驾驶汽车可以被安全使用时，消费者将会无比渴望得到它们。

  1. 无人驾驶的发展需要在基础设施上进行大量投资

事实上，无人驾驶需要的基础设施投资很少，因为它们连路标和信号灯都不需要。

  1. 无人驾驶会造成道德困境

实际上，无人驾驶在道德判断方面与人类并无二致。

  1. 无人驾驶汽车需要有近乎完美的驾驶记录才能确保足够安全。

其实，只要无人驾驶汽车的安全驾驶记录超出人类驾驶员的平均水平，它们就能造福人类。

  1. 无人驾驶汽车的应用将会突然大量爆发

其实，无人驾驶汽车的应用是逐步发展的。自动化的汽车会首先应用于一些限定的区域。

无人驾驶技术发展的时间表

汽车并不会在某个特定的年份一下子都变成无人驾驶。有两个原因：首先，无人驾驶汽车的应用会先发生在某些场所或某些国家；再者，汽车公司目前正在采取的策略分阶段自主化。

第一代自主化驾驶汽车在行驶上普通街道前，会先应用到某些特殊场景环境中。矿场和农场已经开始使用自动化汽车了。

汽车价值不菲，因此人们对汽车的留恋会持续多年。

汽车公司和运输部官员也会用更长远的眼光看待这件事，他们预计无人驾驶汽车想要成为公路上的主流至少也要在2025年之后。根据汽车市场研究公司IHS的预测，第一代面向市场销售的自动化汽车将在2025年前后出现。IHS公司估计到2035年时，销售的新车中将有大约10%是自动驾驶的，每年产量总数可达1180万辆。2050年之后，售卖的所有新车将几乎都是自动驾驶的。

即便是无人驾驶汽车明天就面市了，将世界上所有人类驾驶的汽车淘汰也不是一件小事。在美国，有大约2.5亿辆汽车在路面上跑着，因此很多分析师将美国称为”活动的停车场“。每年，这个活动的停车场中有1300万到1400万辆的汽车会被淘汰，扔到垃圾场里。即使人们可以直接购买一辆经过充分测试并合法认证的自动化汽车，但由于现在汽车的寿命是10-15年，所以想要将所有老式的、人类驾驶的汽车撤离道路仍需大约20年的时间。（然后会存在传统汽车改造为自动驾驶的服务，使得时间缩短）

第一章 无人驾驶的世界

无人驾驶汽车队人类生活产生的影响中最不为人全面认知的一点，就是对于交通拥堵产生的影响，以及随之而来的弊端。一种乐观的局面是无人驾驶汽车可以提升城市交通系统的效率，致使私家车数量减少，进而减少拥堵，降低城市中交通出行产生的碳排放量。另一种对环境不利的局面是，在人们享受着个人移动性的便利的时候，平均而言，无人驾驶汽车在实际上每年将会刷新出更高的车辆行驶里程，也就导致了更多的碳排放。

这种技术应用所带来的期望效益不增反减，是源于效率提升反而促进了使用率，经济学家将这种现象称为”回弹效应（Rebound Effect）“。

虽然一台家用无人驾驶汽车可以来来回回高效率运送家庭成员，但事实是一辆车服务的人员越多，它的行驶里程也就越多。尽管未来每个家庭平均占有的车辆更少了，可是留下来的无人驾驶汽车在使用频率上要增加75%，累加起来就是每年每辆车平均里程达到了20406英里。这一事实的积极面在于，即使一辆无人驾驶汽车平均而言要多跑75%的里程，但整个家庭的总行驶里程还是要比家中有两辆人类驾驶车辆使用时的里程更少。但这个更有效的交通出行会引发未曾预料的负面结果，即：一辆无人驾驶汽车的行程里程数要远远高于一辆人类驾驶的汽车。召唤一辆无人驾驶汽车来接送你，无疑会带来极大的便利。然而，这也可能意味着召唤来的汽车要大费周折地多跑两倍里程来接你。

理想状态下，一辆自动驾驶汽车在空车状态时会驶离交通干道找一个安全的地方停泊，等待下一次的召唤。可是，如果这个安全区离街道有几英里远，那么相比就近停靠而言，无人驾驶汽车就要被迫空载来回行驶很长一段距离。

时至今日，中国的人均车辆占有率还是比美国或欧洲低不少。在中国，平均每1000人拥有85辆汽车，而美国则是797辆。

如果密歇根大学的研究结果是正确的，而一辆无人驾驶汽车每年要累计行驶20406英里，那么私家车的使用寿命会更快”用光“，即只用7年的时间就达到了预期的15万英里寿命。将来更为糟糕的情况可能是，废弃的无人驾驶汽车四处散落。

车辆的寿命问题

根据麦肯锡咨询公司的报告，无人驾驶汽车在刹车和加速方面会更加柔和，这会使汽车的燃油使用量降低15%到20%，同时二氧化碳的排放量每年减少2000万吨到1亿吨。如果麦肯锡的研究是正确的，那么更加平稳的驾驶行为会使无人驾驶汽车的寿命得以延长。

无人驾驶汽车不仅可以通过上面的方式使用更久，它们还能通过专门的设计来延长寿命。其实，15万英里的使用寿命并不是什么不可攻破的神话。只要有市场需求，汽车公司完全可以设计能轻松行驶几十万英里的无人驾驶汽车。

即使无人驾驶汽车的寿命仅与今天的人类驾驶车辆持平，它还是能在现有的道路上腾出更多的空间——为了减少风阻，骑自行车的人会彼此靠得很近，这种能量节省策略被称为风拽或者弹弓效应(Drafting)。这种车辆结对(Platooning)，是指成批的无人驾驶汽车、卡车可以组成紧密的编队，进而节省能源。

德克萨斯州立大学的研究者的一项研究指出，如果美国道路上90%的车辆改换成自动驾驶的，那么道路通车容量可以翻倍。

找停车位不再令人头疼

停车经济学家唐纳德·肖普（Donald Shoup）对寻找路边停车位所付出的隐藏成本作出了这样的描述：”堵塞交通、引发事故、浪费燃油、污染空气，还破坏了步行环境。“虽然估计值存在差异，但是美国人为了寻找免费的路边停车位基本上都要花个3.5分钟到14分钟，这对城区的交通造成了极大的拥堵。对于如何改善因寻找车位导致的交通不畅，肖普给出的建议是提高路边停车位的价格。更为有效的就是干脆取消市中心的路边停车位。

就像血小板过多会阻塞动脉一样，停在路边的车也会阻碍我们的街道交通。平均而言，一辆车的停泊要占用14平方米的人行道。如果你将通向停车位的通道算上，那就会占用更多空间，确切地说单单一个停车位就要占用100平方米大的空间。一般而言，汽车有95%的时间里是停在某地的。这对空间更是极大的浪费。

汽车十分贪婪，大多数汽车都需要不止一个停车位：一个家里的，一个公司的，当汽车的主人下班后去超市或健身房时则还需要一个停车位。这些停车位很少会同时启用，当汽车在公司里时，家中的停车位就一直空着。

一辆汽车在寿命内停泊状态占用的空间是行驶状态下的两倍。起初这个结论看似不合理，但经过一定分析后，它是说得通的。计算核心是”面积小时（Area Hours）“概念，即汽车的所需用地不仅仅是空间的占用，而是空间和时间的结合。

如果汽车不再需要在闹市区停靠，那么城市的规划者就会发现有一块很大的未开发空间可以重新计划。

从停车场手中收回大量用地的过程中可能存在其他风险。城市居民的规划者必须共同出谋划策，研究如何将先前的市区停车场转变成同样具有价值的黄金地段。

不过，一个城市市区的健康发展依赖很多因素。其中一个核心的问题就是，城市预算经费中有多少是源于违规停车的罚单和停车收费。如果这笔钱停止征收，市政预算会面临怎样的处境？

无人驾驶汽车的确会减少城市停车场的需求（这是一件好事），但它们的便利性也会降低那些因停车而产生的收益——市区内商店餐馆或商业步行街因行人经过带来的生意和利益（这是一件坏事）。

更短的通勤时间和更少的花费

每天，人们都要花费大量的时间用于开车去上班。在美国，单程通勤的平均时间大约是30分钟，一天就要占用超过1小时。通常而言，这一个小时的通勤时间还大多是一个人孤单度过的。

新形式的交通工具会改变人们对距离的感知方式。

无人驾驶技术促进人们转变居所的另一种方式，是降低城市居民和小镇居民的平均出行费用。相比今天人类驾驶的黄色出租车每英里需耗费约4美元，无人出租车每英里只花费50美分；小镇居民出行的费用预计每英里只需46美分。

社交和孤独感

虽然无人驾驶的便利性让人无法抗拒，但有时生活中的低效行为反而会有着积极的影响，例如传统的交通工具能促进社交互动的发生；廉价高效的个人移动性也可能会产生一些副作用，”孤独“就是其中之一。

人们感到孤独的一个原因在于他们没有”第三空间“来相处，那样的地方既不能是工作场所也不能是家里，而应该是他们可以闲来无事去转转的地方。过去，教授们可以去教职工俱乐部或者茶室来享受这种自在，他们在那里自由交谈，无须遵守什么日程事项，可以闲谈下彼此的研究项目。除了工作以外，人们以前常常会去教堂、保龄球馆或喜欢的酒吧里转转。

交朋友的三个关键因素是：相近的地理位置，反复出现的无目的性社交互动，以及可以让人们放下内心防御的氛围。

同其他技术带来的便利一样，无人驾驶也将提升人们的生活质量——避免人们上下班时所遭遇的烦闷苦恼，并为人们的居所选定提供更多选择。然而，人们为出行便利所付出的代价就是失去传统公共交通中的第三空间。未来，地铁、公交以及火车这些老旧、低效的公共交通将不复存在，而它们施加在乘客身上的人际接触机会也将从新时代居民的手中流失。

事实上，我们自己开车时“浪费”的时间也有着未被发掘的价值。汽车可以作为父母和孩子之间的“移动版第三空间”。

在未来的某天，人们打开浏览器，也会看到一则关于无人移动座舱的广告：“进来吧，这有个人等待你认识。”然而滴滴的社交出行在这方面失败了

第二章 终极的移动设备

几十年来，汽车行业一直在保护性壁垒中运作，借由较高的进入门槛和专属供应商的排他关系，将外界的竞争者挡在门外。

目前，有四种流行趋势，迫使汽车企业不得不重新思考它们的商业模式，这些趋势是电动汽车、无处不在的无线网络、汽车共享以及自动驾驶汽车。随着无人驾驶汽车技术逐渐成熟，这四大趋势将逐渐聚焦、整合为自主化这一个特征。

汽车企业有两个选择：一方面他们可以探索研发自己的软件系统；另一方面他们与汽车操作系统的科技公司建立合作伙伴关系，自身只负责制造汽车机体。

汽车和代码

新一代的汽车平均都加载了500万到1000万行代码，这个数字十分惊人。但问题在于代码类型是“错误的”。

汽车软件系统是模块化的，这意味着它们彼此之间大多数时候是独立运行的，也就很少进行信息交换。然而，更为严峻的问题是，今天的汽车缺少适合的人工智能。只有人类驾驶员掌握方向盘时，现代的车载软件才能正常运作，一旦脱离人类的驾驶，这些汽车就几近瘫痪。

让汽车公司高管惶恐不安的一个风险因素，就在于未来车辆的“硬件”——汽车的金属框架（底盘）、引擎以及内部装潢等，都必须优先服务于计算机硬件的布置，并且彻底沦为汽车软件的附庸。如果在消费者眼里，汽车的软件系统成为了最具区分意义的挑选特征，汽车公司将失去汽车市场的掌控权。

大动荡

无人驾驶汽车给汽车行业带来了未知和不确定性。过去一个世纪以来，将汽车直接卖给消费者是个效益不错的生意。然而，如果无人驾驶汽车使消费者更愿意为每次出行单独付费，而不再购买自己的专属汽车，那么也很难再把这些普通的非智能汽车卖给出租无人驾驶汽车的运输公司。

曾任教于密歇根大学、现通用汽车公司总经理的拉里·伯恩斯（Larry Burns）认为，在人们每年驾车出行的3万亿英里（美国境内）行程中潜藏着一座金矿等待挖掘。他说：“如果率先进入无人驾驶汽车领域的公司能够从每年3万亿英里的行程中获取10%的份额，并且每英里收取10美分费用，那么它的年收益就能达到300亿美元，大致相当于苹果公司、埃克森美孚石油公司这些世界最赚钱公司的丰收之年的收益。”

正如克莱斯勒公司牵涉到的经济体量所展现的，大型汽车企业持续几十年来充当着国家经济的支柱性产业。然而，由于汽车行业的封闭发展，制造并销售安全可靠、价格实惠的汽车并不是一件容易的生意。几次访谈之后我们发现，汽车公司的高管普遍表示：“行业以外的人根本不了解现今研发一款新车的复杂性，将新技术嵌入车体架构的困难度，而且人们对监管部门的严苛要求和滞后反应也所知甚少。”

迟早有一天，软件公司和汽车公司之间的合伙关系会成为汽车行业里的管理。最有可能的情形是，汽车公司将它们的“车身框架”平台出售给下游科技公司，由科技公司将它们升级为自动驾驶汽车。

以人类为主导

对无人驾驶汽车而言，最大的挑战将在于自动操作和驾驶员之间的权利交接。

在工程师眼里，这种以人机配合为基础的软件其实就是人类为主导（human in the loop）的软件。

谷歌公司报告中，我们已经看到了人类的本性，这也是典型的责任分散，或者工程师将其称为“自动化偏见（Automation Bias）”：一旦看到技术有效，人们就会很快地信任技术。结果就是，当人们被鼓励交出驾驶权去享受放松时，他们很难再投入到驾驶任务中了。

让驾驶员和软件系统共同掌握方向盘的另一种风险在于，不经常使用的技能会退化。

第三章 独立思维

无人驾驶汽车的操作系统

一辆无人驾驶汽车的操作系统也应支持汽车的基础功能和高级功能，并对接受到的数据实时反馈。但这还不够，无人驾驶汽车的操作系统必须绝对可靠安全，而且它必须内置高级的人工智能。操作系统必须知道现在汽车在哪里，知道周围有什么，能预期接下来会发生什么并计划该如何作出反应。

机器人研发的艺术

运动中的人工智能

“莫拉维克悖论（Moravec’s Paradox）”：想让电脑在智力测验或国际象棋上达到成人的水平是相对简单的，但如果想让它达到一岁儿童的感知能力和移动水平，则困难许多，甚至无法实现。“

驾驶的控制权：混合人工智能

无人驾驶汽车的操作系统横跨了两个存在差异的研究领域。其一是控制工程学（Controls Engineering），专门解决机械零部件协调运行的一个工程学分支；其二则是人工智能研究。

控制工程学要处理复杂系统（如机器人的机械系统）的运行问题，这些系统要通过输入和输出信息来与周围环境进行互动。在给复杂的系统输入指令时，机器人学家会区分出底层控制和上层控制。以无人驾驶汽车为例，底层控制管理汽车内部系统的运行方式，如刹车、加速和转向；上层控制则管理汽车的长期策略计划，如导航和路线规划问题。

当控制工程专注于应用软件管理复杂的系统时，人工智能中相关领域的研究者则努力研发具备智能行为的软件，智能行为这一看似宽泛模糊的定义恰恰反映了这一领域的惊人深度和多样性。

底层控制系统：加速、刹车和转向

上层控制系统：路径规划和道路导航

第四章 创建人工识别

无人驾驶汽车技术的最后难关仍然是开发软件来监管汽车的感知和反应。在编写这本书时，我们遇到了一个十分困惑的问题——应该如何称呼这些不能完全归属于底层控制或者上层控制领域的各种新兴软件工具包。思考一番之后，我们索性将这些软件归属到名为“中层控制（Midlevel Controls）”的领域。

物体识别的挑战

中层控制系统

我们将通过四个组成模块来解释中层控制系统的工作原理：第一个模块是占据栅格的软件工具；第二个模块是一个软件程序，用于识别并标记流入占据栅格的原始数据；第三个模块使用预测性的人工智能软件对障碍物用不确定性锥（Cones of Uncertainty）做替代；最后，第四个模块由一个短期轨迹规划期（Short-term Trajectory Planner）组成，负责引导汽车绕过感知到的障碍，同时保证遵守相应的交通规则。

绝对安全可靠

现实情况是，无人驾驶汽车肯定会出现软件故障，但还有待明确的问题是，故障率降低到多少是可以接受的。

人类司机造成的事故种类既有轻微刮擦碰也有死亡碰撞，基本上每驾驶19万英里发生一次。我们就采用这个度量标准，再四舍五入之后——人类大约形式每20万英里；事故1次。

机器人的可靠性可以进行量化，标准就是它在无人工干预的情况下可以单独运行的时间长度。这个度量标准被称为平均故障间隔时间（mean time between failures, MTBF）。

如果无人驾驶汽车的安全性需要达到人类驾驶员平均水平的两倍，那么意味着它是人类无事故安全驾驶的平均里程数的两倍，它们发生故障的可能性是每行驶40万英里出现一次意外。由于我们讨论的是里程数而不是驾驶时间与故障的关系，让我们将度量标准称为平均故障间隔距离（mean distance between failures, MDBF）。度量标准会以常见的道路条件、交通条件和天气条件为基础。让我们来计算一下无人驾驶汽车需要多长时间才能打破40万英里的平均故障间隔距离记录。如果自动驾驶汽车每天可以行驶1000英里，那么只需要400天就可以验证一次平均故障间隔距离是否达到，也就是一年多点。或者说，1000辆无人驾驶汽车可以在24小时内验证一次40万英里的平均故障间隔距离测试。

教导机器人如何思考的一大优势在于它们有”蜂巢思维（Hive Mind）“。如果一个机器人学会了某件事，那个软件就可以复制到其他几十个机器人身上，那些机器人就可以用这些知识继续进一步的学习。

比人类驾驶安全两倍

无人驾驶汽车可以从民航飞机学到什么呢？ 首先是关键的政府监管。现在的飞机要接受更严格的审查，政府对飞机维护和飞行员训练都进行严格的监管。无人驾驶汽车也同样需要政府的监管，但首先应对机器人有充分了解并基于安全数据做出指导。对无人驾驶汽车进行管理时，应有一套合理而透明的机制来权衡并量化机器人驾驶员的能力，这一点是至关重要的。

第五章 前提——电子化的高速公路

黄金时代

对于汽车和电子化高速公路，20世纪五六十年代都是一个黄金时代。

通用汽车的电子化高速公路

在于通用汽车的工程师团队合作之后，兹沃雷金的专家团队将设计自动化高速公路的难题拆解为三个子问题。正如兹沃雷金所言：”任何汽车控制系统都（必须）得知道公路上每辆车的具体位置信息。这就意味着需要车辆拥有某种侦测手段。第二个必备条件就是每辆车都必须清楚地知道自己及周边汽车的位置。通常车辆是尾随前进的，因此这就需要在车辆之间或车辆与道路之间建立某种沟通手段。第三步就是要汽车的自动控制系统能针对接收到的信息作出回应。“

经过几年的研究，两组团队拼凑出来一个他们称之为电子化高速公路的创意解决方案（尽管以今天的标准而言，还是略显粗糙）。

自动化高速公路的衰亡

自动化高速公路的美梦最终破灭的主要原因之一就是成本。安装必备的电缆和路边控制系统是一项耗资巨大却又见效缓慢的工程，装配一条短小的测试跑道所需的成本还算合理，但是对于美国或欧洲那些横跨各州的浩大公路网系统而言，方案就显得不切实际了。维护成本也过高了。

不考虑成本和技术因素，致使身处黄金时代的自动化高速公路项目最后走向终结的另一个原因，是汽车行业失去了最初的理想主义。汽车不再是新鲜事物了。

第六章 打造智能汽车，而非智能高速公路

在过去几十年中，美国联邦交通运输机构筹资成立的大部分研究所都致力于发展”车对车通信系统(vehicle-tocehicle, V2V)“与”车与基础设施(vehicle-to-infrastructure, V2I)“。从广义上来说，”车对外界的信息交换(vehicle-to-everythign, V2X)“越来越趋向于指V2V与V2I计划。

V2X技术

美国联邦交通运输机构关于V2X的倡议，目标在于创建无线交通基础设施网，连接每辆汽车。它们通过路边传输器共享数据，从而减少事故，挽救生命。

在美国，无人驾驶汽车的命运掌控在美国交通运输部，及其两个关键的分支机构——联邦公路管理局和美国高速公路安全协会手上。未来五年内，美国交通运输部计划再投资1亿美元，用于车联网环境（connected vehicle environments）的设计与应用项目试点。可问题在于，他们的研究类型错了。

V2X倡议的潜在目标是安全性，美国交通运输部官网上相关表述如下:通过匿名交换定位、速度和地点等相关数据，V2V技术能让车辆感知周围360度范围内其他车辆的定位以及带来的风险，计算风险，并对司机提出建议或发出警告，预先采取措施避免或减少车祸的发生。

客观地来说，V2X技术的发展并不可怕。事实上，该项技术背后理论前景诱人。让我失望的是美国投入到”智能汽车“的资金非常有限。为什么短距离无线网络的路况数据交换——这项常见的、实用的技术应用——会成为”尊贵的“美国交通运输部”应用信息技术提升安全驾驶“政策的关键点呢？专注V2X技术，排斥其他智能技术，联邦交通部当局依然沉迷于追求某种技术上的范式（Paradigm）。

智能交通系统的历史

关于V2X的反思

让我们来详细解释在无人驾驶汽车中安装V2X系统有何利弊。V2X的好处就是安全性，至少单从理论上看就是如此。预防交通事故是目标之一；另一个目标是提升交通效率，从而减少碳排放与尾气污染。

现在我们来看弊端。机器人专家会反驳：V2X导航的1亿美元的转款，本来可以用来研发更具创新意义、更智能的自动驾驶汽车。车联网的想法不仅技术不成熟，而且观念过时。在实际应用中，还有不少障碍阻止其在现实世界发挥应有的作用。

想要提高基础设施的数据传输效率，市场化是关键。假如道路上仅有10%的车辆安装了V2X，那么只有1%对（10% X 10%）车辆能够实现信息交互。

像所有的点对点（P2P)无线网络一样，V2X系统对防御黑客入侵、系统干扰和诈骗等风险能力及其微弱。

非智能高速公路的价值

鉴于诸多原因，投资智能高速公路被认为是不明智的。其中一条非常现实：没有用于非核心的高速公路基础设施项目的现成专项资金；而申请拨款会使该项技术发展陷入被动的局面。

另一个反对投资建设智能高速公路的理由如下：既然汽车能做到安全驾驶，便不再需要交通标示、红绿灯和防护栏。

第三，由于硬件技术很快就要面临被时代淘汰的命运，智能基础设施的投资风险日趋增大。

”非智能基础设施“才是我们的最佳之选。美国奇点大学的自动驾驶研究专家布拉德·邓普顿（Brad Templeton）认为，”互联网“是一个很好的例子，凸显了非智能基础设施的价值所在。互联网基础设施本身固有的智能特性甚少，不像人们想象的那样，拥有自适应性和自动升级的功能。同理，无人驾驶汽车也一样。交通设施越简单，政府机构的参与便会越多——具有自由，灵活和适应性强的特点。

修订交通运输政策

第七章 机器人的崛起

现代无人驾驶汽车构想的实现归功于两大事件：第一，微处理器体积变小，而承载的功能却更强大了；第二，2001年美国国会通过一项法案：2015年前，美国有三分之一的军用车辆必须使用全自动化汽车。

机器学习和无人驾驶

斯坦福大学教授ebastian Thrun带领团队研发出”史丹利“自动驾驶汽车在DAPRA挑战赛中夺冠。

西洋跳棋

无线状态空间

无人驾驶汽车必须能够处理无限状态空间，因为它会不间断地遇到各种新情况。每一种情况都是全新的，不可能新建一个检索表来存储这些信息。

现代工具箱

”重组创新（Recombinant Innovation）“指的是用创新的方式，把现行的几项技术组合起来的过程。

第八章 无人驾驶汽车全解读

高清数字地图

无人驾驶汽车识别道路是靠GPS系统、视觉传感器和高清数字地图的指引。

更新一副高清地图是一个艰苦的过程，需要载着摄像机和激光雷达走遍区域中的每个地方。

数码相机

数码相机类似人眼，在实时数据流中捕捉车外环境。

光检测与测距（激光雷达）

除了数码相机之外，另一类主流的传感器就是激光雷达，全称是”光检测与测距（light detection and ranging）“，亦称”激光雷达（Lidar）“。数码相机是二位的，而激光雷达是三维的。

马斯克对激光雷达的评价：我认为人们无须使用激光雷达，无源光（passive optical）外加前置雷达就能做到这一切。事实上，即使没有激光雷达也能彻底解决问题。我不看好激光雷达，它在这种情况下不起作用。

无线电检测与测距（雷达）

除了激光雷达和数码相机，无人驾驶汽车还使用**普通雷达（Radar）来识别周围环境。数码相机在像素网格内捕捉场景，激光雷达传感器则类似一罐”数码喷漆“，让原本无形的物体披上”数字化外衣“。然而雷达传感器的工作方式就像往池塘扔下一块小石子，追随水面漾起的圈圈涟漪跳跃的方向。

对于自动驾驶来说，雷达传感器最大的好处是可以穿透浓雾、暴雨、尘土、扬沙，甚至是强烈的顶灯灯光，这一点不同于数码相机。

雷达传感器的另一个优点是能轻易穿透非导电性物体和薄型材料，因此不容易受到告诉公路上空飞舞的塑料袋或风滚草的干扰。

雷达传感器还有一个优点，它不仅能检测到物体的位置，还能根据多普勒效应监测到物体的速度。

超声波传感器（声呐）

如果把激光雷达和数码相机比作一个人的眼睛，超声波传感器就是人的耳朵。超声传感器可谓雷达的近亲——像雷达一样，发射波形信号，检测回波——不过超声波传感器发射的是超声波，不同于雷达的电磁波。

超声波传感器有着许多与激光雷达、普通雷达相似的优缺点。

全球定位系统（GPS）

GPS系统负责统筹整合信息，并在高清数字地图上为汽车提供最终的精确定位。

在常见的驾驶环境中，GPS接收器能计算距离为4米。

城市峡谷效应（Urban Canyon Effect）:卫星上发出的信号，遇到摩天大楼产生反弹，造成GPS不准。

内置的耳朵（IMU惯性测量单元）

惯性测量单元有两种功能：它能弥补GPS的不准确计算；它还是无人驾驶汽车的”内置耳朵“，能够感应，也就是决定该走哪条路。

惯性测量单元是一种多用途多功能的设备，它配有加速感应和定位感应，能记录汽车行驶的轨迹，从而也能看出诸如左右轮胎高度是否一致等问题。现代的惯性测量单元是一系列复杂设备的集合，包括里程计、加速计、陀螺仪和指南针。所产生的结果是各个设备数据经由复杂的预估算法解析后综合得出的。

线控技术（Drive by Wire）

在以前，工程师把普通汽车改装成为无人驾驶汽车，是通过装配特制的机械”线程“装置，目的是取代人类司机的手和脚。这些新装置叫作线性致动器（Actuators），通过它们可以控制方向盘，踩下刹车。生产出准确、稳定的机械驱动器是工程学的难题，其过程的复杂不亚于创造出人工智能来指引汽车。

其他设备

汽车现存的某些明显”弱点“，实际上是有意这样设计的。大部分的汽车都有个实体连接器，叫作车载诊断系统（on-board diagnostics, OBD），当车辆检测人员把设备插入OBD插口时，便能诊断汽车出了什么机械问题。

第九章 深度学习，无人驾驶的最后一块拼图

神经网络

感知器

第一次人工智能冬天

神经网络研究的复兴

神经认知机

深度学习的诞生

绘图处理器（GPUs）

现代深度学习

神经网络内部

新型边缘检测

第十章 燃料——数据

无人驾驶汽车既消耗数据也生产数据。驾驶过程变得越来越数据化，我们驾驶的方式将会发生以下几方面的变化：无人驾驶汽车将由高清分辨率的数字地图来引导，拥有数字地图资源的公司将参与并维护这新开拓的市场；自动驾驶汽车带来的另一个后果是城市需要管理好交通模式；驾驶的数据化趋势带来新收获的同时，也会带来前所未有的风险。

机器人的自我管理

无人驾驶系统收集的数据越多，它们的驾驶技术就越高明。

深度学习软件的能力最终是由软件自己来提高的，这让人联想到一个有趣的场景，那就是移动机器人有能力提升车载地图的准确率。这个地图构建过程被称为”即时定位与地图构建（simulataneous localization and mapping, SLAM）“。

预测交通情况

个人隐私

道德伦理规范

电车难题

第十一章 涟漪效应

经过多年时间，我们研发出一套用于评估新技术的长期潜力的小型而实用的测试工具，叫作”零原则（Zero Principle）“。

以下是零原则的工作原理。撼动传统行业的新兴科技都有一个共同特点：产品推出后，一项或多项生产工作的成本将降低到几乎为零。

无人驾驶这种自动汽车技术将四项核心成本减至接近零：

  1. 接近零伤害。驾驶是高风险行为，无人驾驶汽车能极大降低车祸的直接或间接成本，也减少了每年因交通事故住院的医疗成本（美国全年的医疗费用在180亿美元），以及相关的工薪损失（每年330亿美元）。医疗、保险、器官捐赠等收入与交通事故挂钩的行业将丧失部分收入来源。

  2. 接近零技术。无人驾驶汽车去除了一项客运或货运成本：工资。货车司机的工资是运输货物、商品的一项重要成本。乘坐出租车的成本也和出租司机的工资有关。

  3. 接近零耗时。无人驾驶汽车将驾驶的时间减少至零。平均每天美国人花在驾驶上的时间是3小时，每年耗在交通拥堵上的时间是63小时。以前用于驾驶的时间可以用于工作或个人生活。

  4. 接近零尺寸。有人驾驶的车辆处于安全设计的限制，体型庞大沉重。无人驾驶汽车的事故可能性较小，因此车型更小，重量更轻。没有司机的货运车只需要与所运输的物品大小一致即可。

工作岗位

美国有将近350万名货车司机。23万名出租车司机。

20世纪40年代，经济学家约瑟夫·熊彼特（Joseph Schumpeter）提出了”创造性破坏理论（Creative Destruction）“，用于描述因为某种技术的出现摧毁了原有行业后发展出的重建过程。这个重建过程触及经济的几个主要部分，包括设备使用和管理结构。其中最具争议性和影响最大的表述当数对工作岗位的破坏。

熊彼特主义的经济学家积极看待创造性破坏的循环过程。他们相信破坏性技术能够创造出更多更好的职业，即便破坏性技术暂时取代了一整个行业的工人，但长期作业下将会有更多更好的职业被创造出来，因为从旧行业的灰烬中将诞生出新行业。

尽管人工智能软件和机器人日益精细复杂，功能成熟，但创造性破坏催生更新更好职业的观念却不太能经得起考验。由于现代信息技术提升了工作效率，在旧岗位消失的同时，虽然有大量的新工作出现，可是规模小，薪酬低。

交通事故带来的工作收入

无人驾驶汽车能够挽救生命、节省燃料和时间，那么受损失的就是部分商业模式与交通事故相关的企业。这类行业的范围很广，从汽车保险到个人伤害维权的律师，从实体店到零件供应商，从高速公路的巡查人员到预防性驾驶课的老师，从器官捐赠机构到急救室医护人员，从交通法庭到监狱……

新型车身

在无人驾驶汽车时代，一些自动化的工作将变得非常精细化，一份高薪的信工作即将出现，那就是软件机械师（software mechanic）。软件机械师是自动工程师的一种，专注于汽车操作系统的某个领域，例如底层、中层和上层控制系统。软件机械师能根据不同汽车的人身安全评级为顾客提供专业的购买意见。

另一类的专业岗位是噪声扰动的降低。人们如果尝试过在休闲房车的床上入睡，就等同于体验过在行驶中的汽车里入睡的不适。隔音（Acoustic Dampening）、震动消除（Vibration Cancellation）和动态补偿（Motion Compensation）长期以来都是多个工程领域的专业技术。

新的市场

无人驾驶软件将会成为新的市场推广”必争之地“：路线投标。传统的地图指示标出”地标兴趣点“，包括餐馆、风景名胜、停车场、购物中心、博物馆、等等。未来的无人驾驶世界中，一些公司会付费给制作高清地图的公司，要求将企业被标注成为地图上的”地表推荐“。

无人驾驶汽车的乘客也会对这些条款讨价还价争取自己的权利。精明的乘客知道该如何用减免车费，或是为自己的车辆换取更便宜的油费作为筹码来交易自己的到访。

新型的零售业

对于实体货物而言，运输费用占到农产品价格的14%，工业制成品的9%。

买方需要承担的货物运输费用一直以来都是零售行业决策的关键因素。现在大公司和规模经济才能享用的主要竞争优势已经被无人驾驶汽车打破了。

面临破坏风险的零售业之一，是本地出产的农作物和食物的零售业。消费者非常乐意掏钱购买新鲜的、本地出产的、从农场直接送到餐桌的食物，消费者也赞成发展好几处小型区域农场，带动农业经济的多样化。无人驾驶汽车为小型的食物作坊与集团工厂化农场开展竞争创造了条件。

无人驾驶汽车多样化的造型能开创电子商务的新时代。今天，线上购物企业之间竞争的是谁能更快地配送货物。

犯罪与（成人）娱乐

有些黑客会把他们的才能用于窃取和损害无人驾驶车辆的数据，包括传感器、数字地图和操作系统的数据；另一类型的攻击是劫持机器人，或是当无人驾驶汽车停在十字路口的时候，走到车前劫持车辆。对机器人进行劫持的犯罪行为，将可能成为今天某些绑架盛行的国家的严重社会问题。

劫匪将会利用许多无人驾驶汽车在编程中预设的”无论何种情况下，优先保护人类性命“的特点，钻”安全特性“的空子，在车道上拦截无人驾驶汽车。如果一帮劫匪前后包围了无人驾驶汽车，那么车辆将会拒绝移动。

另一种可能产生的恶作剧是，人类司机忽远忽近地驶向无人驾驶汽车。当人类以”Z“字形行驶在高速公路上，来回穿梭于无人驾驶汽车附近时，将会制造出一片恐慌。然而，这类破坏行为会渐渐消亡。不过当车辆的机器学习软件掌握了这类飘忽不定的驾驶规律后，恶作剧制造者可能又会想出其他新的难以预测的把戏。

对于少数拥有无人驾驶豪车的人来说，过去花在驾驶上的时间也可能被用来进行某些不良嗜好：性行为、毒品或酗酒。一些新型的无人驾驶汽车可能沦为安装有遮蔽窗户的”派对巴士“。

未来之路

也许，人们会想出一种新的娱乐方式：在练习场体验手动驾驶。

后记 寒武纪大爆发

机器人的进化

传感器王后

对机器人影响重大的基础技术正飞速发展，这些技术使自动驾驶汽车的潜力和多样性成为可能。

  1. 动力储存与效率的幂次增长。
  2. 计算能力的幂次增长。
  3. 传感技术的幂次增长。
  4. 数据储存的幂次增长。
  5. 交互带宽的幂次增长。

幂次增长之王——算法

算法的进步大量涌现