0
雷鋒網 · 新智駕按：本文是Wired作者Joshua Davis于2006年對最早的兩屆DARPA無人車挑戰(zhàn)賽的報道，雷鋒網 · 新智駕（公眾號AI-Drive）編譯。第一屆DARPA無人車挑戰(zhàn)賽始于2004年，官方設立了100萬美金的獎金獎勵當年能在莫哈維沙漠中率先跑完150英里全程的參賽車隊，但當年沒有一支車隊完成。
次年，Sebastian Thrun宣布參與DARPA挑戰(zhàn)賽，在于卡耐基梅隆大學展開激烈角逐后，斯坦福車隊拿到冠軍。自此業(yè)界對于無人車自動駕駛的信心大增，而DARPA也由此成為啟蒙自動駕駛行業(yè)的里程碑式的賽事。
參賽的途銳賽車
一輛 2004 款的大眾途銳猛地沖入塵土飛揚的莫哈維沙漠，它左沖右突，躲避著沙漠中的巨石，時速高達 56 千米/小時。這可不是什么巴吉卡車拉力賽，因為這輛車上坐著的都是科學家。其中，副駕駛上的 Sebastian Thrun 是斯坦福人工智能實驗室歷史上最年輕的領導人，而后座上飛快敲擊代碼的是斯坦福的博士后Mike Montemerlo，與他一同待在后座還有密密麻麻的線纜。
最令人驚訝的是，Thrun 身旁的駕駛坐正處在“大撒把”的狀態(tài)。準確來說，這輛途銳正處在無人駕駛中。聽著車上的零部件和 重達635 磅的各類傳感器（雷達、攝像頭、計算機和激光測距儀）叮當作響，Thrun 下意識地緊了緊自己的安全帶。他這一輩子造了無數機器人，但卻從來沒試過將自己的身家性命交到機器人手上。
Thrun 心里五味雜陳，他非常害怕且感到迷惑，不過最令他無法接受的是，自己精心設計的算法居然沒有起作用。
突然，車輛方向盤向左急打了一把，這輛途銳眼看著就要掉溝里了。駕駛席上的程序員 David Stavens 趕緊抓住方向盤把住方向并猛踩剎車，而 Thrun 則馬上按下一個碩大的紅色按鈕，切斷電腦對車輛的控制。這輛狂奔的 SUV 終于停了下來。Thrun 松了一口氣，嘗試把剛剛的經歷回憶成是一段愉快的旅程。
這次要命的試車本不該這樣。
2003 年時，美國國防部高級研究計劃局（DARPA）曾斥巨資懸賞：誰能打造一輛能穿越 300 英里沙漠的自動駕駛汽車，誰就能拿走100萬美金獎金。DARPA 將這次比賽命名為 Grand Challenge（意為重大挑戰(zhàn)），今天來看，這一賽事的重要性堪比 1997 年卡斯帕羅夫大戰(zhàn)深藍電腦。
不過到了 2004 年 3 月的正式比賽那天，參賽車們卻像一群發(fā)了瘋的猛獸，一輛無人車為了躲避陰影直接沖下了賽道，而當天最重量級的參賽車——一輛 15 噸的大卡車卻把低矮的灌木當成了巨石，居然選擇小心翼翼地繞了過去。最受到矚目的是，來自卡耐基梅隆大學的團隊，他們在自動駕駛技術上已經積累了超過20 年，消耗了美國軍方數百萬美元的項目經費。最終，卡耐基梅隆大學的車輛在沙漠中跑了 7.4 英里后撞上路沿起火，比賽以所有車隊“全軍覆沒”告終。
Thrun 在斯坦福觀看了這場比賽的視頻，他簡直不敢相信自己所看到的場景，這簡直是對整個機器人行業(yè)的羞辱。就在一年以前，他剛剛當上斯坦福 AI 實驗室的主管。坐在空蕩蕩的辦公室里，這位 36 歲的德國人決定做些什么，雖然他此前從未想過接觸自動駕駛汽車。為了捍衛(wèi)整個行業(yè)的聲譽，Thrun 決定放手一搏。
Thrun 早期參加DARPA Grand Challenge的團隊（左二為 Thrun）
說干就干，Thrun 馬上召集了一流專家組建了團隊，此舉也吸引了大眾集團在帕羅奧多研究團隊的注意，雙方決定進行合作。不過，離第二屆大賽只有 3 個月了，他們手上只有大眾途銳 SUV 可不夠，一些很基礎的問題還沒能得到解決呢。
Thrun 借著散步的機會進行著思考，時而還會踢踢路邊的小石頭。這是他憑借一己之力建立汽車行業(yè)新規(guī)則的好時機，但在當時他眼前只能看到難以跨越的大山和荊棘。
1979 年時，Thrun 就通過一款黑白游戲對車輛起了興趣。當時的他才 12 歲，但卻每天泡在德國漢諾威的一家酒吧里，而這里最吸引他的不是啤酒，而是那臺投幣游戲機。每天，Thrun 都會準時來這里報到，用自己的 20 芬妮（德國貨幣）零花錢買 3 條命玩賽車。雖然游戲很刺激，但卻很費錢，Thrun 仔細研究了游戲畫面后，決定自己在家中的老電腦上將其復刻出來。他將自己關在屋里，每天忙于在這臺老電腦上編程。不過，這臺老掉牙的北極星電腦主頻只有 4 MHz，RAM 則為可憐的 16 Kbytes，但這位神奇小子還是成功在上面打造了一款賽車游戲。
雖然后來的7年中 Thrun 都沒好好在校學習，甚至連作業(yè)都沒寫過，但畢業(yè)時成績依然名列前茅。聰明的 Thrun 當時對自己的前途有些迷茫，于是他在德國國防軍度過了兩年時光。不過，是金子總會發(fā)光的，1986 年 6 月 15 日，部隊領導告訴他可以光榮退役了，而這一天也是遞交大學申請的最后截止日。他 20 分鐘就跑到了招生處準備申請大學，Thrun 飛快地掃了下可以申請的專業(yè)：法律、醫(yī)藥、工程和計算機科學。雖然他對計算機科學知之甚少，但少年時編程的記憶卻讓他對這門學科心生好感，于是他最終踏進這行。
Thrun之后的五年，可以說快速成為了計算機科學領域一顆冉冉升起的新星。拿下近乎完美的畢業(yè)成績后，Thrun 進入了波恩大學的研究所，在這里他發(fā)表篇論文中第一次提出了會自主學習的機器人概念。他還打造了一臺能在療養(yǎng)院里躲避障礙的機器人，在行進途中機器人還能提醒老人注意安全。此外，Thrun 的機器人還一頭鉆進廢棄的礦井，幾小時后它就帶著詳細的內部地圖回來了。
Thrun 的優(yōu)異研究成果引起了美國機器人專家的注意，卡耐基梅隆大學聘請他來校執(zhí)教，當時的 Thrun 才 31 歲。不過，雖然少年得志，Thrun 并沒有找到自己最愛的研究領域。
Thrun 進入卡耐基梅隆時，機器人行業(yè)最熱門的項目就是自動駕駛汽車。當時，該領域的領軍人物是德國國防軍大學的航天技術教授 Ernst Dickmanns，他喜歡將飛機 70 年代就實現自動駕駛的事兒掛在嘴邊。雖然這項技術已經被航空公司廣泛接受，但卻從來沒人在陸地上嘗試過，Dickmanns 決定在該領域做出一番成績。
在德國國防軍和戴姆勒公司的支持下，他花 7 年時間改裝了一輛奔馳車，這輛車上除了攝像頭，還有大量早期的英特爾處理器。1986 年 12 月，這輛測試車在奔馳的測試場加速到了 32 千米/小時并成功完成了彎道測試。雖然這輛車已經被歷史所遺忘，但在自動駕駛汽車的發(fā)展史上，這絕對是與阿波羅登月同等重要的一步。
就是在這輛車的啟發(fā)下，世界各國興起了自動駕駛汽車研發(fā)熱潮，這一“熱”就是十年。在美國，卡耐基梅隆大學成了推動自動駕駛研發(fā)的主力。當時的研究人員普遍使用基于規(guī)則的系統(tǒng)，她們會列出一些易于識別的物品并告訴汽車該作何反應。但不久之后，就出現了兩大主要問題，一是當時的處理能力不夠，車載電腦很快就被大量的數據拖垮，要想穩(wěn)定行駛，車輛必須慢慢“蠕動”。此外，研發(fā)團隊在編程時無法覆蓋所有車輛遇到的情況，因為現實世界的路況實在是太復雜了。
1991 年，卡耐基梅隆大學計算機博士 Dean Pomerleau 萌生了一個新想法。他認為教車輛學會自動駕駛的最佳方法是讓它們跟人類學習。于是，他在學校的悍馬測試車上運行了自己的程序，該程序會自動追蹤他在匹茲堡道路上開車的一系列操作。幾分鐘后，計算機就生成了自己的算法，在 Pomerleau 大撒把后，這輛悍馬成功在洲際公路上完成了自動駕駛，最高時速甚至開到了 88 千米/小時。
不過，到了一座橋后，這輛車的轉向系統(tǒng)卻“發(fā)了瘋”，Pomerleau 不得不趕緊穩(wěn)住方向盤。隨后的幾周，他一直在分析數據，試圖找出到底哪里出了問題。結果發(fā)現，他駕駛的過程中，州際公路路邊都有灌木叢，電腦將其當成參照系好讓車輛行駛在道路上，當灌木叢突然消失后，電腦就懵了。
這絕對是個致命問題。上世紀 90 年代中期，微型芯片速度不夠快，它無法即時算出所有可能性，高速行駛更是會讓處理器壓力大增。1996 年，Dickmanns 宣布，“想實現現實世界的自動駕駛，必須要等計算機性能的提升。如果用摩爾定律來推算，就意味著我們至少還要等十多年?！贝嗽捯怀?，自動駕駛熱度驟降，研究資金開始捉襟見肘，許多項目只能暫停。
8 年后的 DARPA 挑戰(zhàn)賽上，處理器速度已經遠遠甩開了摩爾定律，提升到原來的 25 倍，GPS 導航也已經開始廣泛應用。同時，激光傳感器成本更低也更可靠，Dickmanns 設定的技術門檻基本已經全部兌現了。
當時，有 100 多支隊伍報名參加 DARPA 第一屆挑戰(zhàn)賽，這個結果令他們歡欣鼓舞，仿佛自動駕駛的黎明就要到來了。不過，前面一塌糊涂的賽況顯示，研究人員依然沒能克服該領域最大的挑戰(zhàn)。
在 Thrun 專心準備第二屆挑戰(zhàn)賽時，他發(fā)現自己仿佛又回到了 12 歲，不過這次可不能再用那臺老舊的北極星電腦了，他需要強大的計算硬件和穩(wěn)定的車輛。
在這關鍵時刻，他接到了大眾電子研究實驗室科學家 Cedric Dupont 的電話，當時的大眾也想參加挑戰(zhàn)賽。它們聽說 Thrun 也有此意，就決定給他提供三輛途銳，一輛用于比賽，一輛備用，另一輛則負責提供零部件。造車經驗豐富的大眾則負責把車輛的轉向、加速和剎車控制系統(tǒng)連上 Thrun 的電腦。得到了大眾支持的 Thrun，正式開始走上書寫汽車行業(yè)歷史的道路。
在該領域浸淫 20 多年的卡耐基梅隆大學車隊也不服輸，它們準備在第二屆挑戰(zhàn)賽中一雪前恥，這次帶隊的是 Red Whittaker教授。
首先，團隊準備在比賽中啟用兩輛無人駕駛賽車，一輛 1986 款悍馬和一輛 1999 款的悍馬，卡耐基梅隆選擇悍馬主要就是因為它們很皮實。同時，Whittaker 還給傳感器裝了陀螺儀，以便能得到更可靠的數據。隨后，他專門派了三個工作人員駕駛一輛卡車在沙漠里駕駛了 28 天，這輛卡車的目標就是用激光雷達繪制出比賽區(qū)域的數字地圖。在莫哈維沙漠開了約 2000 英里后，該團隊終于摸透了這里的地形。
不過，這只是個開頭，該團隊又購買了該區(qū)域的高清衛(wèi)星圖像。當 DARPA 公布比賽路線后，Whittaker 派 12 位分析師在帳篷里仔細研究起了比賽路線。分析師在賽道上標出了石頭、圍欄和溝渠，以方便參賽車輛識別。
除此之外，Whittaker 的團隊還用上了 Pomerleau 的招數，它們派工作人員駕駛悍馬在不同的沙地進行行駛，以便讓車輛能輕松應對不同的環(huán)境。配置方面，兩輛悍馬都搭載了 7 顆英特爾 M 處理器和 40 GB 的閃存，為了贏得這場比賽，卡耐基梅隆的預算高達 300 萬美元，一副志在必得的樣子。
不過，它們投入的巨大人力物力好像并沒有起效，那些預先繪制的地圖只覆蓋了賽道的 2% 路程，比賽中賽車還是要靠沙地訓練積累的經驗。不過，這些可遠遠不夠，即使機器人能識別出 10 點鐘方向的一顆石頭，換個角度或者光照環(huán)境還是會讓機器傻掉。
帶領斯坦福團隊參與比賽的 Thrun 也面臨相同的問題，路上的一個小突起可能就會讓途銳的傳感器措手不及，自動駕駛汽車還不夠聰明，它分不清傳感器的誤差，還是前方有新的地形，甚至會被自己的陰影“嚇到”。
也許你不相信，不過 Thrun 坐在路邊時想到了一個更簡單的解決方案。傳統(tǒng)汽車在處理傳感器采集的數據方面非常愚笨，研究人員必須親自上陣來提升數據質量（為傳感器裝上陀螺儀或升級處理數據的軟件）。Thrun 認為，車輛要想變得更聰明，它們就必須自行判斷那些不完整的和模棱兩可的數據，也就是得擁有類似自我意識的算法。
在首席程序員 Montemerlo 的幫助下，Thrun 開始記錄參賽車輛 Stanley 的大腦。它們要求計算機處理傳感器采集到的每一個像素，隨后根據人類駕駛的情況為數據分配數值。這樣，計算機就能將自己的判斷與人類的經驗進行對比，隨后舍棄那些錯誤的信息和方法。經過一段時間的訓練后，Stanley 行駛時已經有人類駕駛員的風格了。
不過，Thrun 還不滿意，他準備讓這項技術更進一步。當時，Stanley 裝配了激光掃描儀和攝像頭兩種主要的傳感器，激光在 30 米范圍內非常有效，但超過這個距離數據的質量就會下降。攝像頭雖然看得更遠，但偵測近距離物體準確性卻比較一般。Thrun 認為兩種傳感器可以緊密合作，讓電腦通過遠近不同的數據進行自我學習。
Thrun 的方案成功了，Stanley 的視覺更加清晰了，在路況復雜的沙地上它都能開到 72 千米/小時，轉起彎來更是胸有成竹。同時，由于可以自行篩選數據，Stanley 的感知能力直接提升了 4 個數量級。在這項改進前，Stanley 發(fā)生識別錯誤的幾率高達 12%，但之后錯誤率降到了五萬分之一。
2005 年 10 月 8 日早上 6 點半，23 輛武裝到牙齒的賽車齊聚內華達普利姆準備參加第二屆 DARPA 挑戰(zhàn)賽。
卡耐基梅隆大學的團隊一片喜氣洋洋，12 位分析師已經通過 2 小時的努力完成了賽道路況的預判，數據也上傳到了兩臺悍馬中。為了吸引團隊參加比賽，DARPA 甚至將獎金提升到了 200 萬美元，Whittaker 迫不及待地想要拿下冠軍并一雪前恥。在比賽前的晚上，他還嗆聲 Thrun，稱他只是卡耐基梅隆機器人實驗室的青年教師而已。Thrun 并沒有反擊，他只是努力抑制自己緊張的神經。
自動駕駛汽車們一輛輛接連出發(fā)駛入沙漠。幾個小時，在跟著卡耐基梅隆大學 1 號車行駛了 100 英里后，Stanley 順利完成了超車。
為了保證比賽安全，在特殊路段 DARPA 設定了 5-25 英里/小時的限速，不過 Stanley 想跑得更快，激光掃描儀和攝像頭的完美配合也讓它信心十足。經過 6 小時的行駛，Stanley 終于領先其他團隊第一個沖過終點線。Thrun 眼前終于不再是大山和荊棘了，他看到了讓機器人掌控方向盤的未來。
這次的比賽確實比第一屆成功多了，包括卡耐基梅隆大學兩輛悍馬在內的 5 輛賽車都跑完了 128 英里的比賽。自動駕駛時代已經到來，而 Stanley 是它們的開路先知。
英特爾研發(fā)負責人 Justin Rattner 表示：“這是個重要的轉折點，它比深藍擊敗卡斯帕羅夫還重要。深藍只是計算能力強，它不會思考，而 Stanley 學會了思考。人工智能正在從基于規(guī)則的思考升級至基于概率的新模式，畢竟統(tǒng)計分析才更符合人類的思考習慣?！?/p>
就在 Stanley 大獲成功之時，自適應巡航等技術開始成為許多車輛的標配。不過，即使車上搭載的傳感器變得越來越多，也沒有人能全面解讀它們到底看到了什么，但 Thrun 解決了這一問題。計算機已經摩拳擦掌準備接管方向盤了，但人類會同意嗎？
機器人專家 Jay Gowdy 認為答案是否定的，他從事自動駕駛研究也有快 20 年了。Gowdy 指出，美國每年因交通事故死亡人數約為 4.3 萬人，自動駕駛能大幅降低傷亡率。不過，讓交通事故降到零有點不太可能，而這些僅有的人員傷亡可能就是計算機錯誤造成的，因此事故責任劃分將會成為自動駕駛普及的絆腳石。
除此之外，汽車廠商還得讓乘客感覺自己依然在掌控一切。同時，相互配合的高清地圖也必須提前就位，除了給車輛提供精確的路線規(guī)劃，它們還能說服乘客，否則乘客說向左車輛卻向右就容易讓乘客感覺自己失去了對車輛的控制。
拿下挑戰(zhàn)賽冠軍后，Thrun 手拿獎杯回到斯坦福演講，他表示：“有些人說我們是萊特兄弟，但我覺得我們更像查爾斯·林德伯格（首個駕機橫跨大西洋的飛行員），因為他長得更帥。”
“一年之前，有人說這根本是不可能完成的任務，但現在一切都成真了。”Thrun 補充道，而他這番話后是經久不息的掌聲。
雷鋒網推薦閱讀：《谷歌特斯拉都在爭奪無人駕駛，但卻只有這家公司先上了路》
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
