汽車領域技術創(chuàng)新、格局演變，這是全球汽車人都在關注的重要議題。當世界汽車巨頭都在強調“中國市場”之時，我們試圖將目光轉向全球：面對汽車產業(yè)新四化，世界級的汽車玩家正在做什么？

第一站：探秘密歇根M-city實驗室，對話自動駕駛領域重要人物彭暉。

2015年7月20日，位于美國底特律以西40英里的密歇根大學正式開放全球首個無人駕駛汽車封閉試驗場：M-city。從加州伯克利大學博士畢業(yè)、近30年來一直圍繞汽車安全與節(jié)能做研究的密西根大學講座教授彭暉，參與并主導了M-city從構想到實現(xiàn)的全過程。M-city之后，在美國硅谷、新加坡維壹科技城、中國上海、日本茨城縣等多地先后建起自動駕駛測試場。

如今，你可以看到密歇根大學的學生和教職工們搭乘12英里/時的無人駕駛校園巴士在園區(qū)內穿梭。這是M-city實驗室項目的一部分，終極目標是讓無人駕駛更安全。對于這個重要議題，M-city和它的頂級工程師們有著清晰的計劃和判斷，但也毫不避諱當下還未攻破的技術難題，和對未知的不確定。

口述 | 密歇根大學M-city實驗室主任 彭暉

采訪 | 搜狐汽車駐底特律記者 麗莎

1、故事的開始

2013年，我們開始構想建立一個無人駕駛測試場。為什么會有這個想法呢？

其實1988-1992年，我在加州伯克利分校念博士，論文題目就是高速公路自動化，當然那個時候場景比較簡單。這么講起來，讓汽車駕駛實現(xiàn)自動化不是這幾年才有的事情，比我們更早的時候就有人嘗試用磁條、磁釘、camera（攝像頭）來做研究。所以把“駕駛功能自動化”這件事已經有幾十年的研究背景了。

當年為什么要建M-City？

因為我們認識到技術、硬件有很多進步，包括感測器、計算能力、人工智能、通信……在太多太多方面已經有大規(guī)模的進步，我們覺得時機比較成熟了。所以 2013年左右就開始構想這件事情，2015年7月就正式開放了。我們確實是全世界第一個為智能網聯(lián)汽車建造的自動駕駛測試場。

M-city是密歇根大學牽頭來做的，目前已經投了大概1200萬美金，土地是無償給我們用的。M-City是開放的，不論是不是我們的會員，任何車企都可以來做測試。當年蓋這個場地的時候，目的就不只是為高校教授、研究生做實驗用的。我們現(xiàn)在有60個繳費企業(yè)會員，其實目前所有測試者中，校外企業(yè)占到7、8成。

那我們做什么測試呢？

M-City主要有兩大場域，一個是高速公路，一個是城區(qū)。高速公路上有匝道、變道、超車等場景測試；城區(qū)里最糟糕的就是路口，在測試的時候我們重點會研究如何控制行人、自行車等和自動駕駛車輛的互動。

我們自己對未來有非常清楚的計劃，叫做L4級別的ABC Test。我們想象有一輛車來測試，必須要通過三道關卡。A是Accelerated evaluation 加速驗證；B是behave competence，表示說要達標幾十項技能；C是corner cases，有一些特別容易出錯的場景。

我們的想法是，未來車輛測試過程中，要保證達到一定的標準，就要通過ABC Test這三關測試。未來一年我們會先把behave competence做出來。

其實在測試過程中，目前沒有什么統(tǒng)一的測試標準。美國沒有，中國沒有，日本沒有，歐盟沒有，全世界都沒有標準。

比如你說在歐盟做NCAP（新車碰撞測試），它有一套程序，那是歐盟自己定的，中國、日本、美國不見得完全聽它的；像在美國做高速公路安全測試的IIHS（美國公路安全保險協(xié)會），它不是政府機關，是屬于第三方的，沒有政府的公信力。

2、還未攻破的技術難題

現(xiàn)在研究自動駕駛的機構非常多，自動駕駛最重要的技術，一是sensing（感測）；二是perception（感知），就是知曉到底看到了什么東西；三是planning（規(guī)劃）；四是control（控制）。這每一項都很重要，需要相互補充。但如果說現(xiàn)在自動駕駛技術面臨的最大挑戰(zhàn)和瓶頸，那就是perception。

人是很聰明的，比如在一個交通場景中，我一眼就能看出來這是一輛黑顏色的汽車、這是一個油箱、這是一輛自行車、旁邊有一棵樹……人類不會因為辨別事物而困惑，立刻就能抓到重點。但感知對于機器來說還是很有挑戰(zhàn)性的。汽車實際“看”到的我們叫點云：這個pixel是什么，那個距離是多少，然后再去思考那個是車嗎？那個是人嗎？現(xiàn)在雖然機器已經很厲害了，比如下圍棋超過了人類，但是在perception（感知）層面機器還遠遠不如人類。

在perception方面，我們大概有一個方法可以解決98%、99%的問題，但那剩下的1%、2% 越來越難解決。你從0到80很容易，從80到90難度變大、90到95更難，最后那1% 最難。你問我有沒有把握push到99.99%？其實沒有人有把握。

歷史上我們做過很多不同的approach（方法）。比如現(xiàn)在是用神經網絡，我用大量的資料去做訓練。完了以后我一看，喲，它可以做到98%，很高興?？墒悄阏f下一步從98% 怎么到99% ？坦白說不太清楚，因為它太復雜，它是一個神經網絡。甚至我們在訓練的過程中，結果時好時壞。比如今天有一個神經網絡我調到了98%，并不表示繼續(xù)調會變成99%，搞不好會變成95%，所以不同的方法往前走的路徑其實是不清楚的。

那怎么解決這個難題呢？

我們常常說最終的解決方式可能是結合幾個99%的solution（方法），達到一個99.999% 安全的程度。而不是一直push一個方法達到99.99%，那個太困難。

3、一個負責的車企不應該做L5自動駕駛

我們研究自動駕駛，從一開始大家覺得特別火、特別激進，到現(xiàn)在又進入到過度悲觀。這里有一個現(xiàn)象叫hype cycle（發(fā)展規(guī)律周期）。不只是自動駕駛，包括我們講的3D打印、人工智能、5G、電動車等等，任何新的觀念出來，大家一開始都會過度樂觀，然后過度悲觀，最后回歸理性，過程常常都是這樣。這是好多年來大家已經都承認的，社會就是這樣。

現(xiàn)在自動駕駛正在從過度樂觀向過度悲觀發(fā)展，慢慢還會反彈回歸理性。

至于什么時候自動駕駛可以達到L5級別？

我們常說operational design domain（ODD），自動駕駛系統(tǒng)設計的時候就畫定了運營范圍，在這個場景之下必須有把握能做好。

那么現(xiàn)在市面上有沒有L4？有啊，我們密歇根大學不是有無人巴士嘛，它跑得很慢，每小時12英里，只在校園內運行。法國、奧地利、澳洲、新加坡好多地方都有L4級無人巴士。如果你仔細去看的話，全世界做L4級別展示的汽車，要么是直線來回，要么是順時針轉圈，不用左轉。

就是說這個operational design domain 是12英里/小時只能右轉不左轉，下雨、下雪天就不開了。我們得認清現(xiàn)實，技術不完全成熟，只能在小范圍內跑。但是好處是什么呢？不會撞死人，不會撞傷人，在這里面跑得挺好。那明年是不是可以把12英里/小時變成15英里/小時？是不是下點小雨還可以開？

實際上，我不認為我們哪一天會看到L5的汽車。

為什么呢？設計汽車都有它的目的，如果要賣到沙特阿拉伯，對冷卻系統(tǒng)就有額外要求；如果要賣到南極，就要重視低溫環(huán)境；如果要買到北美市場，就要用北美的data（數(shù)據(jù)）去train（訓練自動駕駛神經網絡）；如果要賣到中國，就應該用中國的data去train。

換句話說，今天設計一個L5的汽車其實是在浪費錢、浪費時間。身為一個負責任的工程師，我不應該說我要設計一個L5的汽車，而應該說我設計的L4汽車在這個范圍內保證安全，且最低成本。這才是一個負責的工程師該做的事情。

所有的車在未來幾十年之內都應該只有L4級別，誰要是說我設計一個L5，其實大部分時候他是在浪費錢。我不認為一個負責的車企應該去設計一個L5的汽車，追求L5不應該是一個工程師的目的。