技術發(fā)展日新月異，時間來到2024年，自動駕駛汽車也不再是報紙、手機上的一個新聞報道或技術科普，而是在某些城市、某些區(qū)域可以真實接觸、實際體驗到的技術。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，也屢次登上網絡熱搜，沒有駕駛員在駕駛位置的出租車，著實給大家?guī)砹朔浅ｓ@艷的感受。

當然，這也給很多人帶來了壓力，尤其是在武漢的一些出租車、網約車司機，切實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一步壓縮，收入進一步減少，更多很多司機表示無人出租或將讓自己失業(yè)。

再來看看現(xiàn)在的一些車企，尤其是很多的造車新勢力，在進入2024年之后，也在大力宣傳自己的NOA技術。所謂NOA，即導航輔助駕駛，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，但本質上都是NOA?，F(xiàn)階段，很多車企已經將NOA技術應用到城市路段，開始在各平臺宣傳和展示自家的城市NOA技術，讓更多消費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，但細心的小伙伴應該也發(fā)現(xiàn)到了，現(xiàn)在網絡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)在已經可以體驗到自動駕駛技術了，但大家在宣傳時，還是沒有使用到L4級的說法呢？其實是因為L4級的自動駕駛，真的太難實現(xiàn)了！

為何L4級自動駕駛那么難實現(xiàn)？在聊這個話題之前，我們要先了解下，什么是L4級自動駕駛。根據國際汽車工程師學會（SAE）的分類，自動駕駛被分為了L0級～L5級，共6個等級，其中對于L4級的定義為高度自動駕駛，此時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，可以在乘車時將更多的時間用于娛樂。

2022年3月1日起，由工業(yè)和信息化部提出、全國汽車標準化技術委員會歸口的GB/T 40429-2021《汽車駕駛自動化分級》推薦性國家標準正式發(fā)布，這一標準的發(fā)布，解決了我國汽車駕駛自動化分級的規(guī)范性問題。在這一標準中，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個等級，對于4級駕駛自動化的標準定義中，要求系統(tǒng)在其設計運行條件下持續(xù)地執(zhí)行全部動態(tài)駕駛任務并自動執(zhí)行最小風險策略。

在這一階段中自動駕駛系統(tǒng)可以獨立完成規(guī)定的駕駛場景中（如園區(qū)、學校等）的自動駕駛功能，駕駛員依舊需要充當安全員的角色，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，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、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)控制車輛到最小風險狀態(tài)時，自動駕駛系統(tǒng)可以自行將車輛控制到最小風險狀態(tài)下。

可以發(fā)現(xiàn)，在我國的標準中，4級駕駛自動化要求更為寬松，在行駛時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)階段的自動駕駛實際應用，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級自動駕駛相關字眼，但事實真就如此嗎？

在蘿卜快跑頻繁出現(xiàn)在熱搜時，有一個詞條非常亮眼，那就是蘿卜快跑后臺居然是有汽車機器人智控中心的，并有網友附上了圖片。從圖片中可以看到，一個個安全員坐在電腦前，觀察著車輛的行駛狀態(tài)，宛如大型賽車游戲現(xiàn)場。對此，蘿卜快跑客服回應稱“蘿卜快跑目前是自動駕駛，是沒有人操控的”?？头€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現(xiàn)？

為何現(xiàn)在自動駕駛技術已經在很多領域得到了應用，卻沒有可以達到L4級的呢？

2.1 技術復雜性

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、城市街道還是復雜的交叉路口。要做到這一點，車輛需要通過多種傳感器（如激光雷達、毫米波雷達、攝像頭等）對周圍環(huán)境進行全面感知。這些傳感器需要協(xié)調工作，提供高分辨率的環(huán)境數據，并將這些數據融合到一個統(tǒng)一的模型中。然而，傳感器本身存在局限性。例如：

? 激光雷達可以提供精確的三維點云，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的情況下，效果會受限。

? 毫米波雷達能夠穿透霧霾和雨雪，但其分辨率較低，難以準確識別細小或復雜的物體。

為了處理這些復雜場景，自動駕駛系統(tǒng)需要先進的感知算法來正確解讀這些傳感器的數據，并進行場景理解和目標檢測。但目前的算法在應對復雜、不確定的道路狀況時，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)的行人或對某些非標準物體的反應較慢。

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。這涉及復雜的算法，如路徑優(yōu)化、障礙物規(guī)避、行為預測等。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間內處理這些信息，并做出最佳決策。目前的人工智能和機器學習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。因此，系統(tǒng)的魯棒性和安全性還需要進一步提升。

2.2 數據與算法局限

數據采集與標注

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

極端場景與長尾問題

長尾問題是指在訓練數據中很少見但在實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，其風險極高。目前，系統(tǒng)在應對這些極端場景時的表現(xiàn)還不夠理想。

算法的局限性

盡管深度學習和其他機器學習技術在圖像識別、語音識別等領域取得了顯著進展，但在自動駕駛中，這些算法仍面臨挑戰(zhàn)。尤其是在多目標跟蹤、行為預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的發(fā)展?，F(xiàn)有的交通法規(guī)通常假設有人類駕駛員在控制車輛，因此，在完全無人駕駛的情況下，法律責任的歸屬仍然是一個巨大的挑戰(zhàn)。例如：

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

? 數據隱私：自動駕駛車輛會收集大量數據，包括位置、駕駛行為、環(huán)境信息等，這些數據的使用和保護如何符合現(xiàn)行的隱私法規(guī)，也需要進一步明確。

法規(guī)限制與標準化

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

2.4 基礎設施與成本

基礎設施建設不足

L4級自動駕駛系統(tǒng)的順利運行往往需要支持性的基礎設施。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，以確保車輛能夠準確定位和導航。但這些地圖的更新和維護成本高昂，且在某些偏遠地區(qū)，可能沒有足夠的地圖數據支持。

? V2X通信：V2X（Vehicle-to-Everything）通信技術允許車輛與其他車輛、交通信號、道路基礎設施等進行實時通信，從而提高交通安全和效率。然而，這種通信基礎設施在大多數地區(qū)尚未完全普及，且標準化程度較低，影響了自動駕駛技術的應用。

高昂的研發(fā)與運營成本

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、驗證和維護一套安全可靠的自動駕駛系統(tǒng)涉及大量的工程和計算資源，因此現(xiàn)階段自動駕駛還是應用在無人出租上，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)的首要任務是確保乘客和周圍道路使用者的安全。要做到這一點，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計，包括冗余的傳感器、冗余的計算系統(tǒng)等。然而，這種冗余設計不僅增加了系統(tǒng)的復雜性和成本，還需要復雜的軟件架構來管理和協(xié)調多個冗余系統(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)生時及時切換，是一項巨大的技術挑戰(zhàn)。

長期測試與驗證

為了確保系統(tǒng)的安全性，L4級自動駕駛需要經過長時間、大規(guī)模的測試與驗證，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行全面測試。然而，即使進行了大量測試，仍然存在某些極端情況可能未被覆蓋的風險，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

許多人對完全由機器控制的自動駕駛技術仍然持有懷疑態(tài)度，特別是在涉及安全和隱私問題時。多起涉及自動駕駛車輛的事故報道加劇了這種擔憂。要推動L4級自動駕駛技術的廣泛應用，需要通過實際表現(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，如何編程和實現(xiàn)這些決策是一個巨大的倫理挑戰(zhàn)。這不僅涉及技術問題，還涉及社會道德和法律的復雜討論。

如何破局？

想要實現(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現(xiàn)嗎？答案是肯定的，我們已經非常接近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。而想要達到L4級自動駕駛，需要的是一個足夠聰明，可以靈活處理各種交通場景的決策系統(tǒng)。

之所以現(xiàn)在很多自動駕駛應用中離不開安全員的角色，主要是因為我們對于自動駕駛決策系統(tǒng)還不夠信任，決策系統(tǒng)也無法和人類一樣靈活應對各類交通場景。技術是有籠子的，自動駕駛汽車決策系統(tǒng)也是如此，技術人員教給決策系統(tǒng)的是如何根據交通規(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一步的行駛方式，這也是為何L4級自動駕駛無法實現(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。

或許還有一個方法，可以快速實現(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)則來服務大家出行吧?。ㄍ嫘υ挘心斦妫?br />
審核編輯 黃宇