個人演唱會還有
3574天
知識就是力量，歡迎回到2049.
首先就是法律問題。這個問題很現實，那就是無人駕駛汽車發生車禍時，由誰來承擔責任。這個問題乍看起來很簡單，也很低端，沒有電車困境那樣高階，但細想起來這個問題確實很難。人駕駛的情況不會有這個問題，你開車把別人的車給懟了，要麼你自己來賠，要麼你間接地通過保險公司來賠，那麼無人駕駛汽車的事故，責任到底該由汽車製造商承擔，還是配件**商，抑或是軟體**商來承擔？具體到不同的事故中，責任又該如何界定？不知道。
目前人類的交通工具中，最為智慧型化的應該是飛機了，飛機如果出事故誰來承擔責任呢？儘管很多事故完全是飛行員操作不當所引起的，但事實上，責任大多由飛機製造商來承擔，這就導致飛機的保費甚至超過了飛機成本本身。如果類似的情況也出現在無人駕駛汽車上的話，那麼這無疑會阻礙汽車生產商生產自動駕駛汽車的意願。
阻礙無人駕駛汽車發展的第二個因素，是人類不合理的風險評估能力，其表現就在於誇大小的概率，而忽視大的概率。最典型的例子就是坐飛機，很多人都對坐飛機抱有強烈的恐懼感，但是坐汽車就感覺舒服很多。不過就統計概率來看，乘坐經嚴格培訓和考核的合格飛行員駕駛的飛機，要比乘坐汽車的安全性高得多。這是因為汽車給了人們一種虛幻的控制感。類似的情況還有很多，黃博士下雨躲在樹下被雷劈了，經新聞報道後，躲在樹下的人絕對會大大減少，即便這種事發生的概率非常非常小。而另一方面，人們明知吸菸可導致罹患癌症的概率增加，但人們都相信這事兒不能發生在自己身上。這是因為，不躲在樹下容易做到，但抽菸這事兒實在太爽了，豈能說戒就戒。無人駕駛汽車同樣也會引發人類類似的恐懼，我才不管你發生事故的概率有多小，我就是相信我自己，我就是老司機。人們的這種主觀意願，自然也會影響無人駕駛汽車的發展。
第三個困難是技術層面的困難，無人駕駛汽車真的有足夠的能力來應付環境的複雜性麼？目前來看這很難。確實在很多方面，機器要吊打人類好幾條街，但是人類對複雜情況的臨場判斷，十分微妙，這不是機器可以簡簡單單就學來的。對此人們曾設想為無人駕駛汽車開闢專用車道，咱們暫且不考慮這要花多少錢，如果無人駕駛汽車的數量不多，專用車道是不是也是對公共資源的一種浪費呢？如果無人駕駛汽車足夠多，那麼有人駕駛汽車又該往哪走？我個人愚蠢的淺見，為無人駕駛汽車開闢專用車道，這種做法與巴鐵無異。但是如果沒有專用車道，無人駕駛汽車就必須要直面環境的複雜性。事實上，這也正是人工智慧所面臨的問題，它們或許處理起「困難的」問題得心應手，但對「簡單的」問題卻無從下手。
在技術問題上，除了環境的複雜性之外，天氣因素也是乙個巨大的挑戰。比如說積雪會掩蓋路面的標線，產生迷惑性的陰影或炫光，同時也會影響路面的摩擦係數。而不論使用多好的感測器，雨雪霧天都會降低可視距離。另外，路面積水、積雪、泥濘道路和海岸公路上的浮沙，都會對感測器造成干擾。面對這種情況，就算對環境進行再多的預先勘察和繪圖，也無法保證無人駕駛汽車可以應對所有可能發生的情況。
第四個困難是經濟問題。我們知道，規模經濟會顯著降低成本，但是無人駕駛所需要的人工智慧，其成本何時才能降低到讓初次購車者產生購買意向？為了達到這個目標，人們還需要在商業模式上做出怎樣重大的創新？這些問題現在都沒有答案，在此之前，無人駕駛汽車將無法與傳統汽車行業抗衡。
第五個阻礙無人駕駛汽車發展的因素便是傳統行業的阻擾。就和在很多其他行業中發生的事情一樣，當涉及巨大的經濟利益和根深蒂固的經營模式時，既得利益群體絕不可能輕易妥協，比如說網約車當年就遭到了計程車行業的強烈抵制，網路**也曾與傳統唱片行業正面交鋒。汽車行業也一樣，雖然現在很多致力於無人駕駛技術的，都是一些傳統的巨頭車企，比如奧迪、菲亞特、雪鐵龍等，但他們很有可能努力錯了方向。
好了不強行湊合時間了。要我說無人駕駛汽車現在面臨的最大問題是什麼，我覺得倒不是什麼技術、法律、經濟等具體問題，而是我們的思考能力，我們如今的思考都沒有跳出當前的限制、成本與習俗等傳統思維框架，那麼誰能夠以一種全新的視角來思考無人駕駛，並徹底重新發明個人出行工具？或許我們面對的事實是，技術的進步已經遠遠超過了我們思維革新的速度，或許技術已經允許無人駕駛汽車的出現了，現在只等待我們的思維來扭轉局勢。
無人駕駛汽車
無人駕駛汽車是智慧型汽車的一種，也稱為輪式移動機械人，主要依靠車內的以計算機系統為主的智慧型駕駛儀來實現無人駕駛的目標。據湯森路透智財權與科技最新報告顯示，2010年到 2015年間，與汽車無人駕駛技術相關的發明專利超過22,000件，並且在此過程中，部分企業已嶄露頭角，成為該領域的行業領導者。無人...
初識無人駕駛
無人駕駛是多個技術的整合，其中包羅感測器，深度學習，定位，路徑規劃，障礙物檢測與規避，機械控制，系統的整合與優化，高精度地圖，其中gps用於定位，光學雷達用於定位和障礙物檢測，照相機用於深度學習物體識別，以及定位輔助。感測器獲取資料後，首先利用卡爾曼濾波或粒子濾波器，對感測器資訊進行融合，並得出最大...
低速無人駕駛
低速無人駕駛 現狀 感知層 決策層 控制層。過去在無人駕駛的技術落地問題上，業內大多討論的是端對端的控制問題，但在實際場景下，低速無人駕駛要解決的是複雜的動態全流程問題。因此如何通過人工智慧或者深度學習的方法解決感知 決策和控制的全流程問題，是目前技術發展上的乙個難點。感測方案從雷射感知進一步拓展到...