体验 | 我们在北京打了一辆无人驾驶出租车......

百度日前宣布其无人驾驶出租车在北京十余个站点开放试乘，这是真正的无人驾驶吗？乘坐体验如何？和一般打车有哪些不同？

撰文/记者 赵天宇 编辑/刘昭

新媒体编辑/陈炫之

采访专家：

龚建伟（北京理工大学机械与车辆学院教授、智能汽车研究所所长）

邓志东（清华大学计算机系教授，中国自动化学会智能自动化专业委员会副主任兼秘书长）

10月11日，百度宣布，其无人驾驶出租车服务（Robotaxi）在北京正式开放运营，涵盖了亦庄、海淀等10余个站点，总开放的道路里程大约700公里，用户无需预约，使用百度地图打车功能，就可以进行试乘，且不收取任何费用。

在互联网、大数据等技术的映衬之下，无人驾驶技术，已被认为是未来人工智能发展的重要突破口，也被政策和产业规划，纳入了优先发展的层级。如今，百度无人驾驶出租车的上线，是否成为商业化进程上重要的里程碑？曾经遥不可及的无人驾驶汽车上路行驶，距离我们还有多远才能实现？

记者体验：

无人驾驶并非"无人"，也"有人驾驶"

日前，北京科技报 | 科学加客户端记者来到了北京经济技术开发区，对无人驾驶出租车进行了实地探访体验。

叫到一辆无人驾驶出租车并不难，打开百度地图APP并输入目的地以后，切换到打车栏当中，自动驾驶选项就自动出现了，它位于车型选择的最后一个。由于仅开放了部分站点，自动驾驶的上下车地点都是固定的，且不能跨区域运营。

▎叫车环节较为顺畅

下午15:30分，记者来到亦庄建安街站点，按照"点击打车-自动驾驶-完善身份信息-呼叫"的流程后，下单仅仅10秒钟，就有一辆林肯轿车接单，这与之前传闻的"要等半小时""很久叫不到车"并不吻合。

▎无人驾驶并非"无人"

虽然名字叫做"无人驾驶出租车"，但其实车上并非"无人"：每辆车内的驾驶位上均配有一名安全员，随时监控车辆的工作状况。接单后，Robotaxi的安全员联系了记者确认个人信息。2分钟以后，一辆头顶激光雷达的黑色林肯轿车驶来。记者注意到，除了顶部的雷达以外，这辆轿车从外观上和普通家用车并无区别，但在醒目位置张贴了自动驾驶测试车的标签，且只有纸质的临时号牌。

▎很难感觉到是机器在决策

上车后，记者在安全员的提示下，扫描座位正前方显示屏上的乘车二维码，车辆在确认乘客个人信息后，才显示"开始行程"按钮，记者点击"开始行程"按钮以后，车辆缓缓启动。此时显示屏上显示的信息，就变为了周边车辆、行人和路灯的三维立体图，与建模工程图颇有些类似。

按照导航事先计算好的路线，这辆林肯轿车开始在道路上自动驾驶，记者注意到，包括并线、拐弯、掉头在内，安全员只是将双手放在方向盘下方，全程没有干预车辆行驶。从乘车体验上来看，仅就亦庄区域而言，这辆自动驾驶汽车与一般汽车难分伯仲，甚至在遇到前方车辆缓行时，还会自己加速超车；掉头时突然变灯，也能一脚刹车停住，让人很难感觉到这其实是一台机器在操作。

▲无人驾驶出租车，乘客只允许被乘坐在后排，面前电子屏可以显示路线等信息

▎"有人"参与驾驶

另一方面，尽管行驶中表现的相当智能，可在不少细节上，自动驾驶车依然有需要完善的地方，甚至有些不太完美。

首先是驾驶模式的问题，从亦庄双向十车道的荣华路并线时，安全员并未采用自动驾驶模式，而是手动把车辆从辅路开上了主路之后，才允许记者点击开始行程按钮。这位安全员解释说，并线时路况比较复杂，主干道车流量较大，人为操作更加安全。

其次是安全员的问题，尽管驾驶过程当中的确无需人工操作，但安全员依然坐在驾驶位上，目视前方，双手放置在方向盘下面，随时准备"接管"车辆。部分车流量较大的路段，安全员还是表现的有些"紧张"，甚至在车辆并线时，不由自主的把双手托在方向盘上。

▲视频截图，记者体验自动驾驶

▎乘坐空间极其有限

再比如乘坐体验方面，因为原车进行了改装，前排并不能乘坐乘客，后备箱也被设备占据了2/3，留给乘客的空间十分有限。甚至从某种意义上来看，这辆无人驾驶车甚至达不到5座小轿车的标准，充其量只能算个"试验品"。

▎更像"园区摆渡车"

在路线上，上下车站点和路线都是固定的，乘客并没有选择更改的权利，也不支持跨区域运营，并且可以体验的时间也只限定在白天10:00—16：00。安全员解释说，实际上这并不是有意为之，因为目前开放测试的道路，只允许无人驾驶在上述时间段内进行。

由于距离不长，以亦庄开发区为例，普遍距离在3公里左右，最长体验距离也只有4公里（从建安街东口到亦庄开发区管委会），加上亦庄一直以"车少""路宽"而闻名，所谓自动驾驶车，反倒给人一种"园区摆渡车"的错觉。

此外，记者在体验过程当中还出现了标注站点无法下单、行程开始后系统掉线、联系不上司机等小bug。这也从侧面说明，或许所谓的全面开放，依然只停留在体验阶段，一切都还在路上。

无人驾驶的挑战与突破：

传感器、5G、大数据、高精地图等缺一不可

从2016年开始，随着汽车智能化、网联化的不断发展，无人驾驶技术也迎来了突破，而这背后，正是传感器、5G、大数据、高精地图等基础技术的更新与迭代。

无人驾驶车本质上是机器人，并且是移动机器人，也可以叫做"轮式移动机器人"，它主要依靠的就是车内以计算机系统为主的智能驾驶仪器，和车外的智能传感系统来实现操作。但与传统机器人相比，这种轮式机器人的行驶环境相当复杂，这让无人驾驶的技术门槛高了许多。

众所周知，一个经验丰富的司机驾驶车辆，是手脚思维并用，对应到无人驾驶车上，这几个环节也缺一不可——传感器相当于司机的眼睛和耳朵；控制器利用算法进行计算，代替了司机的思维，甚至比有些司机更加"聪明"；执行机构代替了人的手和脚，这也是无人驾驶汽车的基本原理。

因此，从整个无人驾驶的发展进程上来看，传感器领域"走的最快"也"走的最好"，包括毫米波雷达、车载视觉系统在内，不少技术已经有了不错的商业化应用，甚至是不少高端车型的标配。

但对于无人驾驶而言，仅有传感器的支撑远远不够，高精度的定位相当关键，因为汽车只有知道自己在哪个位置上，才能有后续的路线规划。传统的GPS的算法只能支持1赫兹~2赫兹的频率（0.5秒~1秒/次），而无人驾驶，则需要达到至少100毫秒（0.1秒）的反应速度，普通地图时效性明显不足，这就需要高精度地图发挥作用。

而在许多业内人士看来，高精度地图已经成为L3级自动驾驶的重要支撑。

从2019年开始，汽车厂商、风投机构等均意识到了高精度地图的重要性，高精地图发展迎来了黄金期，美国、日本、以色列、荷兰等多国已经进行了比较成熟的探索。国内方面，截止2019年5月，已经有19家企业获得导航电子地图制作甲级测绘资质，百度、腾讯、阿里等企业通过资本运作的方式，收购现成测绘公司，进军高精度地图领域；滴滴、四维图新等企业也在频频发力当中。

▲高精度地图已经成为无人驾驶的重要支撑

未来无人驾驶的技术路线将如何演进？北京理工大学机械与车辆学院教授、智能汽车研究所所长龚建伟认为，随着5G网络建设的部署完成和商业化的不断推进，未来3-5年内，车载通讯模块将逐渐成熟，届时车与车、车与路之间的车联网体系有望构建。

另一方面，随着无人驾驶汽车路测公里数的增加，随之而来的是场景应用水平的大幅提升，和算法的不断优化，加上近年来逐渐展露头脚的车载芯片产业，汽车自身深度学习的能力将大大提升，这也足以让自动驾驶变得更加"聪明"和"灵活"。

清华大学计算机系教授，中国自动化学会智能自动化专业委员会副主任兼秘书长邓志东接受记者采访时强调，下一阶段无人驾驶面临的最大挑战，还是安全方面的问题："在5G、数字孪生系统等技术的支撑下，如何在开放环境当中保证100%的绝对安全，如何尽快把安全员从车内转移到车外，是下一阶段无人驾驶需要重点关注和攻克的问题。"

无人驾驶的未来发展：

道阻且长，技术、政策法规等均需完善

尽管与大众期待真正意义上的"无人驾驶"还有一定差距，但Robotaxi的落地，至少让人们看到了目标与希望。而就在不久前，百度CEO李彦宏也对外表示："5年之内，无人驾驶技术一定会进入模块化的商用阶段。"

那么，无人驾驶商业化真的要来到了么？

实际上，百度无人驾驶技术真正被外界熟知是在2017年。从2017年开始，百度提出"All in AI"的口号，并在当年4月推出了自动驾驶的Apollo计划，目标是打造"无人驾驶的安卓系统"。3年以来，至少在无人驾驶领域， Apollo的确取得了不错的成绩。

公开数据显示，在一份外媒的评测当中，在世界范围内，百度的无人驾驶从2017年的第三梯队，逐年上升到2020年的第一梯队。国内颁发的109张自动驾驶路测牌照当中，百度占据半壁江山，共获得53张，遥遥领先其他企业。

除了百度，国内自动驾驶领域，阿里、腾讯、小马智行、上汽、滴滴等企业也在持续跟进当中，甚至滴滴早在2016年就组建无人驾驶团队，建立了国内首个自动驾驶安全护航中心，并高薪聘请相关专业人才。

但这些对于规模化的商业场景落地，或许还远远不够。

首先是标准上的差距，龚建伟认为，尽管不少厂商都宣布车辆具备L3甚至L4级别的自动驾驶，但仅从Robotaxi的实际表现来看，可能L3级别都没有达到。"在L2到L3的跨越中，最为重要的就是环境的监控主体从驾驶员变为了系统，但测试车辆的主体依然是安全员，他们一直注视着车辆，甚至还参与了部分操作。"龚建伟解释说。

目前，自动驾驶的等级划分通常采用国际汽车工程师协会（SAE International）的标准——从L0到L5。L1到L2被认为是低级别的自动驾驶；从L3级开始，无人驾驶系统替代驾驶员进行操作；到L5级则是在完全开放的道路上行驶。

▲"鬼探头"常常对驾驶安全造成极大影响（图片来源/"安行浙江"微信公众号）

技术上，实现真正意义上的商业化也有不少"硬骨头"要啃，因为L4级别的自动驾驶，实际难度或许远远高于大众想象。对于深度学习而言，也有很多是算法工程师无法预判，或者难以顾全的突发情况，例如道路维修、车辆强行并线、行人乱闯信号灯等等，这也对AI算法提出了更高的要求。

2019年11月，某汽车网站组织部分量产车，进行了一次AEB（自动刹车，也是无人驾驶车上最基础的技术）鬼探头（指行车左右视线在被遮挡情况下突然出现行人或障碍物）主动安全测试，结果除了一辆日系车勉强过关以外，其他品牌全军覆没。这或许正是无人驾驶技术上，亟待解决问题的最好写照。

最后是政策法规上，目前全国各地的多项政策当中，聚焦点大多还是纲领文件和建设目标，但无一例外的都避开了《道路安全法》等法律层面的实质性内容，这也导致了自动驾驶车辆，无法在真正意义上的开放道路当中行驶。无人驾驶法律法规的完善和修订，相关的伦理规范的界定，都充满着严峻的挑战。

这与登山的道理类似，级别（海拔）越高，难度越大，挑战和风险也就越高。

"实现真正意义上的L4级自动驾驶，我认为还要10年左右，而L5级则很难估算时间，面临的困难就更多了，当然我希望越快越好。"龚建伟表示。

▲自动驾驶汽车在发展过程当中，有跌入恐怖谷的危险

此前，中国工程院院士、中国人工智能学会理事长李德毅在接受媒体采访时就指出，无人驾驶商业化应该"分领域"完成。他认为，相比私家车，客车、旅游大巴以及中重型货运车辆的智能化需求将更为迫切，也将是最早实现商业化无人驾驶的领域。

邓志东也赞同这样的观点，他表示，虽然L4级别的自动驾驶商业化真正落地时间还无法确定，但乐观的估算，也要至少5年左右完成。至于政策法规的问题，邓志东认为："技术和产品成熟依然是必要条件，技术成熟以后，对政策法规的调整也一定会在第一时间内进行。"

出品：科普中央厨房

监制：北京科技报 | 科学加客户端

未经授权谢绝转载，违者必究