今年是 2017 年，距第二屆 DARPA 無人駕駛挑戰(zhàn)賽（2005）的籌辦，已過去了十多年。

看到現(xiàn)在遍地生花的無人駕駛行業(yè)，為自動駕駛算法、激光雷達(dá)、高精地圖、芯片提供解決方案的初創(chuàng)公司紛紛涌現(xiàn)，一條完整的產(chǎn)業(yè)鏈正在形成。而催生這一切的“原點(diǎn)”，使得自動駕駛由概念走向現(xiàn)實(shí)的那一刻——便是 2005 DARPA 挑戰(zhàn)賽上斯坦福 “Stanley” 賽車力壓卡內(nèi)基梅隆的兩輛改裝悍馬，以第一名的成績完賽的那一瞬間。

為了更清晰地回顧這場里程碑意義的比賽，雷鋒網(wǎng)采訪了一位當(dāng)事者—— 其作為斯坦福車隊(duì)成員親身經(jīng)歷了這場比賽、參與了 “Stanley” 的改裝測試。他將以第一視角講述、反思這場自動駕駛世紀(jì)比賽。

Adrian Kaehler

這位便是本次采訪的對象 Adrian Kaehler，其經(jīng)歷不可謂不豐富，以下是一部分：

• 14 歲就讀于加州大學(xué) Santa Cruz 分校；

• 加入 2005 DARPA 挑戰(zhàn)賽斯坦福車隊(duì)，參與 “Stanley” 的計(jì)算機(jī)視覺模塊（CV）開發(fā)；

• 2006 年出版 《Learning OpenCV》；

• 2013 年跳槽頗富爭議的 AR 初創(chuàng)公司 Magic Leap，任副總裁。2015 年離職，后互相起訴；

• 2015 年創(chuàng)立非盈利組織 Silicon Valley Deep Learning Group，在硅谷組織向所有人免費(fèi)開放的深度學(xué)習(xí)講座。

以下是采訪正文。

雷鋒網(wǎng)注：DARPA 自動駕駛挑戰(zhàn)賽共舉辦了三屆：2004 年的第一屆 Grand Challenge，2005 年的 第二屆 Grand Challenge，以及 2007 年的 Urban Challenge（城市挑戰(zhàn)賽）。下文中“第一屆”、“第二屆”字眼會頻繁出現(xiàn)，分別指代 2004 年與 2005 年的挑戰(zhàn)賽。

雷鋒網(wǎng)：請介紹一下 2005 年 DARPA 挑戰(zhàn)賽舉辦的背景。

Adrian Kaehler：第一屆（2004 年）DARPA Grand Challenge 的規(guī)模要小得多，沒有隊(duì)伍完賽因而也沒人獲勝。當(dāng)時(shí) DARPA 籌辦比賽的背景是伊拉克戰(zhàn)爭（2003 年 3 月發(fā)動）。國防部認(rèn)為自動駕駛技術(shù)能夠?yàn)殛戃娞峁椭?，因而有意推動技術(shù)的發(fā)展，比賽場地也有意選在類似于伊拉克地形的沙漠。

大賽的 100 萬美元獎金其實(shí)并不多，但足以讓它顯得權(quán)威，諾貝爾獎、圖靈獎的獎金也在這個(gè)層次。但是，參賽隊(duì)伍并不是圖這獎金。即便第二年（2005）獎金抬高到 200 萬美金，我認(rèn)為意義仍不大。部分第一屆參賽隊(duì)伍并沒有參加第二屆，但有許多新團(tuán)隊(duì)加入——因?yàn)樗麄兟犝f了這場比賽。相比之下，第一屆比賽的賽前宣傳做得不到位，許多有興趣參加的人，聽說的時(shí)候已經(jīng)太晚，來不及改裝一臺車輛參賽。但第一屆比賽讓 DARPA Grand Challenge 為人所知，每個(gè)人都知道它要舉辦第二屆。

你是如何加入斯坦福團(tuán)隊(duì)的？

先是贏面相當(dāng)大的卡內(nèi)基梅隆（CMU）自動駕駛團(tuán)隊(duì)老大 Red Whittaker，在位于硅谷的 CMU 西海岸校區(qū)舉行了一場講座。我去聽了，覺得“想做這個(gè)事”。

當(dāng)時(shí)在斯坦福的 Sebastian Thrun、Mike Montemerlo 也都放出話來，歡迎更多人加入他們的團(tuán)隊(duì)。我那時(shí)在英特爾工作，Gary Bradsky 也是。Sebastian Thrun 和 Gary Bradsky 認(rèn)識，邀請 Gary 上車。我和 Gary 以及其他幾位英特爾同事就加入了。

有意思的是，整個(gè)挑戰(zhàn)賽在某種程度上變成了 CMU 和斯坦福之間的競爭，而  Sebastian Thrun 和 Mike Montemerlo 此前都在 CMU。

你們這些英特爾的同事，是以個(gè)人身份還是以英特爾團(tuán)隊(duì)的身份加入的？

以個(gè)人身份。英特爾直到比賽開始前不久，好像是一個(gè)星期，才正式提供贊助，展示它的 logo。

各只參賽團(tuán)隊(duì)的思路有多大的差異？

參賽團(tuán)隊(duì)并不都是大學(xué)計(jì)算機(jī)專業(yè)背景。第一屆比賽中涌現(xiàn)了各種各樣的方案，比如用巨型輪胎克服崎嶇地形。有的團(tuán)隊(duì)把重心放在傳統(tǒng)機(jī)械，有的靠的是區(qū)域地圖，還有摩托車。

到了 2005 年，不同團(tuán)隊(duì)之間的方案區(qū)別就不大了。大家都意識到開發(fā)一輛新車的工程量太大，最好是利用一輛現(xiàn)有的汽車硬件，加入一些自動駕駛功能，專攻軟件，只做必要的改裝。不過，雖然大家通過第一屆比賽都意識到了這點(diǎn)，但重視程度不一樣。

在我眼里，斯坦福團(tuán)隊(duì)在這方面是比較極端的：采用越野性能很不錯的大眾途銳（即 “Stanley”），盡量少改動懸掛和車輪等原有部件，添加傳感器和計(jì)算設(shè)備。事實(shí)證明，這是一個(gè)非常有效的思路。

到了城市挑戰(zhàn)賽，每個(gè)人都在搞傳感器和計(jì)算機(jī)。選的車都是做電氣化改裝比較容易的。比如，2005 年，CMU 用的兩輛車一輛是悍馬 H2，一輛基本是軍用版 Hamvee。Hamvee 的問題是，它的電氣化程度不高，他們需要加入對油門、剎車的電子控制系統(tǒng)。用最新的車，就可以直接借助車輛已有的系統(tǒng)，不需要自己裝促動器什么的。城市挑戰(zhàn)賽中有個(gè)團(tuán)隊(duì)用了普銳斯。他們能夠通過這輛車現(xiàn)有的電氣系統(tǒng)直接向設(shè)備來回傳輸信息，不需要添加促動器。

斯坦福團(tuán)隊(duì)在 “Stanley”上采取了什么方案？

那個(gè)時(shí)候，激光測距儀是比較受歡迎的方案，大多數(shù)車都用它作為主要傳感器。但我和其它來自英特爾的成員則認(rèn)為計(jì)算機(jī)視覺（CV）非常重要。Sebastian 對此很不以為然，總是說“我不這么認(rèn)為”、“我才不會用計(jì)算機(jī)視覺”、“這技術(shù)不穩(wěn)定”。

每周全體隊(duì)員都會坐到一起開會。大體思路是基于 Sebastian Thrun 之前的研究。在這之外，團(tuán)隊(duì)有許多不同的想法，嘗試了許多東西。激光測距儀的分析、CV、導(dǎo)航、控制，這些東西當(dāng)時(shí)一點(diǎn)都不清晰。 有許多精彩的討論。Sebastian Thrun 在斯坦福的課上允許學(xué)生選擇一些跟我們的參賽車相關(guān)的項(xiàng)目。不少學(xué)生探索了不同的想法，有很不錯的，也有結(jié)果一般的。整個(gè)過程是非常動態(tài)的。

我們發(fā)現(xiàn)，作為主要傳感器的話，CV 確實(shí)還不夠成熟，在那個(gè)時(shí)候（2005 年），做一個(gè)純粹依賴計(jì)算機(jī)視覺的自動駕駛車不可行。但有些特定問題可以用 CV 解決：CV 技術(shù)的探測距離比激光雷達(dá)遠(yuǎn)得多，能夠提前探測、理解遠(yuǎn)處的路況。激光測距儀本來是遠(yuǎn)距離的設(shè)備，但在自動駕駛場景中，它以偏向地面的角度進(jìn)行探測、行駛時(shí)掃描道路。這個(gè)場景下，由于多種因素，它的有效距離并不遠(yuǎn)。

當(dāng)利用 CV 探測遠(yuǎn)距離路況，我們能夠決定高速地行駛是否安全。事實(shí)上，我們因?yàn)檫@一點(diǎn)才贏了比賽。這一點(diǎn)很有意思——當(dāng)時(shí)所有人都假設(shè)，贏得比賽的關(guān)鍵是在最難走的部分，比如地面最特別坑洼、崎嶇、需要急轉(zhuǎn)彎的地方。而在平坦、直線路段，每個(gè)隊(duì)伍的參賽車輛都會有多快跑多快，就像 indy 500 F1 比賽——獲勝的關(guān)鍵是在彎道的表現(xiàn)。但 DARPA 挑戰(zhàn)賽和 F1 賽車完全不一樣，直線路段并不能“有多快跑多快”。而如果你做不到在平坦、較直的路段“有多快跑多快”，崎嶇路段的領(lǐng)先優(yōu)勢完全就喪失了。實(shí)際上，那些實(shí)力強(qiáng)勁的參賽隊(duì)伍通過崎嶇地段的表現(xiàn)都很好，差距不大。最關(guān)鍵的反而是最好走的地段：當(dāng)?shù)孛媲闆r“良好”時(shí)，很難決定是以 30 還是 40 英里/小時(shí)的速度行駛?？雌饋淼孛姹容^平坦，但畢竟不是鋪裝公路，越野車無法高速安全行駛。

我們贏了第二屆 DARPA 挑戰(zhàn)賽，并不是因?yàn)樵诶щy地段表現(xiàn)得有多好，而是在平坦的路段，我們能夠識別出這些路段事實(shí)上是相對“容易”的，讓車跑得更快。我們發(fā)表了一篇論文來解釋這一點(diǎn)。

簡而言之，我們獲勝，是因?yàn)樵谄教?、空曠地段比其他車?duì)跑得更快。

詳細(xì)介紹下 CV 和激光雷達(dá)在 Stanley 自動駕駛系統(tǒng)中的功能角色？

CV 讓它看到遠(yuǎn)處，細(xì)微操作仍然依靠激光雷達(dá)。 我不記得當(dāng)時(shí)激光雷達(dá)有效探測距離的具體數(shù)字了，但大約是 8 到 10 米。在這距離以內(nèi)，激光雷達(dá)對車輛前方的地形進(jìn)行細(xì)節(jié)豐富的掃描。在這范圍以外，激光雷達(dá)對車輛傾斜角度的估計(jì)誤差，會導(dǎo)致對地面高度的預(yù)測產(chǎn)生更大的誤差。這也是為什么激光雷達(dá)的有效范圍最終是取決于車輛傾角的預(yù)測準(zhǔn)確度，而不是激光的強(qiáng)度。

相比之下，CV 能看到 100 米遠(yuǎn)，探測前方的路況是否筆直、平坦，這時(shí)候就可以加速。

那時(shí)候，CV 的使用很受限制。那之后，出現(xiàn)了更多不同的自動駕駛技術(shù)方向。我認(rèn)為最關(guān)鍵的因素是傳感器的成本。購買 Velodyne 64 線雷達(dá)仍需要幾萬美元。如果能有效使用 CV，就不需要使用激光雷達(dá)。但 CV 方案到底有多可靠？

DARPA 挑戰(zhàn)賽時(shí)，我們比其它隊(duì)伍對 CV 用的更多。事后對于獲勝的原因，我們做了很細(xì)致的分析，結(jié)果發(fā)現(xiàn)，如果沒有用 CV 只用激光雷達(dá)，由于系統(tǒng)反應(yīng)時(shí)間問題，安全行駛速度會遇到瓶頸。比如，激光雷達(dá)的探測距離只有 10 米，10 米內(nèi)突然出現(xiàn)某個(gè)障礙必須全力剎車的時(shí)候，你必須保證能剎得住。因而時(shí)速會有個(gè)安全上限，比如每小時(shí) 25英里。所有其他團(tuán)隊(duì)都限制了他們的時(shí)速，當(dāng)然，為了安全，這是正確的做法。而我們由于有視覺系統(tǒng)，能在至少某些特定路況下突破這一限制。

在好路況上我們以 35、45 英里（舉個(gè)例子，我忘記了我們的峰值速度）的時(shí)速行駛，而別的隊(duì)伍只能開 25 英里/小時(shí)。這才是我們獲勝的原因。

如果沒有這套系統(tǒng)，我們不會拿下挑戰(zhàn)賽冠軍，CMU 會贏。

斯坦福團(tuán)隊(duì)獲勝還有哪些原因？

我之前畫了一個(gè)圖：每個(gè)團(tuán)隊(duì)花在沙漠（類似 DARPA挑戰(zhàn)賽的環(huán)境） debug 系統(tǒng)的時(shí)間，和最終大賽表現(xiàn)幾乎是成完美正比的。在沙漠花費(fèi)的時(shí)間=挑戰(zhàn)賽最終成績。你甚至可以據(jù)此討論，CMU 敗給斯坦福的原因，是否因?yàn)樗麄冸x沙漠太遠(yuǎn)？（CMU 坐落在美國東部匹茲堡，沙漠在中西部）。這方面，地處加州的斯坦福有巨大的主場優(yōu)勢：2005 DARPA挑戰(zhàn)賽在位于加州與內(nèi)華達(dá)州邊界的 Barstow 地區(qū)開展，順便說一句，Barstow 的環(huán)境真是極端惡劣；斯坦福由于離得近，我們團(tuán)隊(duì)得以在那兒訓(xùn)練。

CMU 由于在東部，大多數(shù)試驗(yàn)都在與比賽情況并不相近的環(huán)境開展。比如樹更多啦，你可以說這個(gè)環(huán)境 3D，會更傾向于從幾何方面入手。他們提前了幾個(gè)星期到西部測試、debug，不如斯坦福團(tuán)隊(duì)在沙漠地形測試的時(shí)間長。

這很可能是一個(gè)合理的論點(diǎn)：CMU 輸給斯坦福，只是因?yàn)樗麄冊诒荣惌h(huán)境測試、debug 的時(shí)間不如后者。更多 debug 的時(shí)間總是需要的。

你們以及整個(gè)團(tuán)隊(duì)的工作重心？

我認(rèn)為 Gary Bradsky 的角色是說服 Sebastian 采用計(jì)算機(jī)視覺（笑）。

至于整個(gè)團(tuán)隊(duì)的工作重心，你需要問 Mike Montemerlo 才能特別清楚，他負(fù)責(zé)監(jiān)督整個(gè)項(xiàng)目，與各個(gè)小組溝通。工程上，他是整個(gè)團(tuán)隊(duì)的核心。

可以肯定的是，大量的努力花在了控制上面。那時(shí)候，后預(yù)測（post-estimation）和現(xiàn)在很不一樣——把 GPS 信息，IMU，Gyroscope 等信息融合一起，估計(jì)車輛的位置是一個(gè)非常困難的問題，當(dāng)時(shí)沒有讓人滿意的方案，即便有也買不到。

我后來才知道，在 2005 年的比賽，CMU 獲得了一家名為 The Planet 的公司的后預(yù)測系統(tǒng)，做的就是上邊說的事，把 GPS、Gyroscope 等各個(gè)傳感器的數(shù)據(jù)進(jìn)行融合，對車輛的移動軌跡和狀態(tài)進(jìn)行估算。

2005 年，我們也開發(fā)了自己的后預(yù)測系統(tǒng)。但到了城市挑戰(zhàn)賽的時(shí)候，每個(gè)人用的都是第三方的方案。The Planet 也不是唯一一個(gè)服務(wù)商，大家都把這個(gè)作為系統(tǒng)中的一個(gè)部件直接買過來，而不是自己開發(fā)。

你參與 DARPA 挑戰(zhàn)賽最大的收獲？

我意識到開發(fā)任何類似機(jī)器人的東西，機(jī)器人體驗(yàn)的多樣性總是大幅超出你的想象，不管你多么努力地開腦洞。事實(shí)上，這就是谷歌自動駕駛汽車一直遇到的困難。世界這么大，可能發(fā)生的奇奇怪怪的事是無限的。 谷歌公布了一系列自動駕駛測試中遇到的特殊情況照片，這些事件為谷歌汽車的 failure mode 做出了貢獻(xiàn)。我記得有一張照片，一個(gè)小女孩站在街角，手里牽著一只漂浮的紅色氦氣球。而這個(gè)氣球的位置剛好就在紅綠燈里紅燈的位置。而一個(gè)好像是樹枝的東西基本遮住了亮起的綠燈。即便是用人眼來看，如果不仔細(xì)看，你也會以為那氣球是亮起的紅燈。誰會想到這種情況？如果任何人突發(fā)奇想提出，如果這種情況發(fā)生我們該怎么辦，大家一定會覺得這人有妄想癥。但在現(xiàn)實(shí)世界中，這就是發(fā)生了。

即便在對環(huán)境進(jìn)行了一定控制、導(dǎo)致多樣性有限的挑戰(zhàn)賽，可能發(fā)生的匪夷所思的事仍然非常多。每個(gè)團(tuán)隊(duì)成員都有預(yù)料之外的情況導(dǎo)致系統(tǒng)宕機(jī)的的故事。

這是我參于挑戰(zhàn)賽學(xué)到的一大東西。

期間有哪些具有特殊意義的時(shí)刻？

在項(xiàng)目早期時(shí)候，我、Mike Montemerlo 以及另外兩個(gè)人開著 Stanley。當(dāng)時(shí)車開得很快，大約每小時(shí) 25 英里，在那種崎嶇不平、剛下過雨的非鋪裝沙漠路是相當(dāng)快了。當(dāng)時(shí)車子在自動駕駛模式，Mike 坐在駕駛位，隨時(shí)準(zhǔn)備接管。車剛沖下一座山頭，由于前一天下過雨，小山頭底部的視線盲區(qū)有一洼大泥塘，我們完全沒看到，傳感器也看不到，車直接開了上去。濺起的泥巴完全糊住了擋風(fēng)玻璃，我們什么都看不見。這種情況下，最理想的事是停下車。但是我們每個(gè)人都只是尖叫。一直到車開出去大約兩三百米，才有人反應(yīng)過來打開雨刮，我們才能看見車外面。在這一刻，自動駕駛對我來說成為了現(xiàn)實(shí)——如果系統(tǒng)沒能在這兩三百米的距離正常工作，我們就沒命了。

是否可以認(rèn)為，自動駕駛產(chǎn)業(yè)誕生于 DARPA 挑戰(zhàn)賽？

毫無疑問，沒有 DARPA 挑戰(zhàn)賽，就沒有自動駕駛車。這要?dú)w功于當(dāng)時(shí)的 DARPA 負(fù)責(zé)人 Tony（雷鋒網(wǎng)注：Anthony J. Tether）。某種程度上，斯坦福團(tuán)隊(duì)表現(xiàn)的很好，也做出了一定貢獻(xiàn)。但主要還是 DARPA——這就好比是做 VC，如果投資的初創(chuàng)公司項(xiàng)目太激進(jìn)，成功的機(jī)會渺茫。但如果不夠激進(jìn)，可能投資了很多錢但最后做出的東西價(jià)值有限。對任何科技圈的投資人來說，投資項(xiàng)目應(yīng)該剛好足夠難，但又可行。Tony 意識到在有限程度上自動駕駛已經(jīng)觸手可及。你需要知道，在挑戰(zhàn)賽之前，軍隊(duì)和大學(xué)已經(jīng)在自動駕駛技術(shù)上花了數(shù)十億美元，這并不是完全沒有做過的事。軍火商其實(shí)只想著繼續(xù)拿研究經(jīng)費(fèi)，對他們來說，成功實(shí)現(xiàn)自動駕駛并不是一個(gè)好事。

而大學(xué)的研究做得是算法或某個(gè)部件，而不是開發(fā)一整套自動駕駛系統(tǒng)。Tony 意識到在這個(gè)階段，激勵大家開發(fā)整套系統(tǒng)，比資助研究員發(fā)論文要重要得多。論文在早期的研究階段非常重要。而 Tony 意識到“我們已經(jīng)離自動駕駛很近了，再邁一大步，就能搞出一輛自動駕駛車，至少是準(zhǔn)自動駕駛車?！?/p>

通過 DARPA，Tony 推動行業(yè)邁出了這“一大步”。第一屆沒有車隊(duì)完成，第二屆有六只?？梢钥闯鰜恚芏嗳送ㄟ^比賽掌握了自動駕駛的基礎(chǔ)，能讓車靠自己行駛。而能否獲勝，就取決于能否理解狀況，在路況良好的地段加速超過別人。挑戰(zhàn)賽之后，每個(gè)成績優(yōu)秀隊(duì)伍的成員都多多少少跑去涉足了自動駕駛行業(yè)。

企業(yè)在挑戰(zhàn)賽中的角色并不重要，是嗎？

并不是。一家軍隊(duì)的大型合約供應(yīng)商 Oshkosh 也參賽了（跑完比賽，獲得第五名）。比賽對于它們的意義不一樣。對大學(xué)而言，只是一點(diǎn)名氣。獲勝的兩百萬獎金捐給了斯坦福的計(jì)算機(jī)系。而對于 Oshkosh，這可能意味著更大的訂單，向客戶證明他們的技術(shù)實(shí)力。在最后，挑戰(zhàn)賽的最大獲益者或許可以認(rèn)為是 Oshkosh。斯坦福贏了兩百萬，Oshkosh 的獲益說不定十倍不止。

當(dāng)時(shí)，DARPA 挑戰(zhàn)賽是否讓大家感到自動駕駛時(shí)代即將到來？已經(jīng)將要應(yīng)用落地？

我認(rèn)為，DARPA 挑戰(zhàn)賽中不存在這種情緒。我們能預(yù)見到這些技術(shù)被應(yīng)用于特定場景，但我不認(rèn)為任何人說過“自動駕駛汽車離我們只有十英尺了”。之后的城市挑戰(zhàn)賽設(shè)立了許多目標(biāo)，在那之前，大家并不是很確定這些是否能實(shí)現(xiàn)。而當(dāng)城市挑戰(zhàn)賽完成，更多現(xiàn)實(shí)問題才得以解決，比如檢測“停車”交通標(biāo)志、如何避讓其他車輛。這時(shí)候，全自動駕駛汽車才不再顯得那么遙遠(yuǎn)，各種設(shè)想才讓人覺得合理。

即便這樣，對于實(shí)現(xiàn)自動駕駛到底需要多久，各方觀點(diǎn)非常不一致。謝爾蓋·布林和拉里·佩奇到現(xiàn)場觀看了城市挑戰(zhàn)賽，他們非常感興趣，或者說至少拉里·佩奇很感興趣——賽前他就在斯坦福討論過這場挑戰(zhàn)賽。Sebastian Thrun 加入了谷歌，不久后創(chuàng)立 Google X。就我所知，那時(shí)候 Google X 只有一個(gè)項(xiàng)目，就是谷歌的自動駕駛泡泡車。很顯然，拉里·佩奇和 Sebastian Thrun 都認(rèn)為自動駕駛離我們不遠(yuǎn)了，但我沒有（笑），因而我沒有下海創(chuàng)業(yè)搞一家自動駕駛公司。我覺得，我們離真正意義上的自動駕駛遠(yuǎn)遠(yuǎn)算不上接近，這條路需要的時(shí)間很長，而我想做的是現(xiàn)在就能落地的東西。因此，我加入了 Applied Minds，后者的客戶包括企業(yè)、政府和軍隊(duì)。 在 Applied Minds，我們的工作內(nèi)容更接近 2005 DARPA 挑戰(zhàn)賽——當(dāng)時(shí)非常重要的一項(xiàng)任務(wù)是幫助美軍在阿富汗檢測 IED（自制爆炸裝置）。由于高度危險(xiǎn)，軍隊(duì)有很強(qiáng)烈的愿望把 IED 搜尋工作自動化。這一場景就和 2005 挑戰(zhàn)賽十分類似——在戰(zhàn)區(qū)，你只要不撞到東西就行了，沒人在乎掃雷車是否遵守交通秩序。不撞到人、不撞壞自己、能沿著計(jì)劃路線行駛，這個(gè)程度的自動駕駛已經(jīng)足夠在阿富汗戰(zhàn)場派上用場。這是一項(xiàng)之前沒人做過的工作，我對它非常感興趣。

相比之下，乘用車的自動駕駛問題要難太多。今天，雖然大多數(shù)公司在某種程度上做得不錯，但遠(yuǎn)遠(yuǎn)沒到實(shí)現(xiàn)全自動駕駛的程度。

另外，在挑戰(zhàn)賽之后，唯一做得比較多的是谷歌。豐田、本田、福特這些車廠在當(dāng)時(shí)并沒有動作，是在看到谷歌取得的突破之后才著手研究。

你在 Applied Minds 還做了什么？

我們開發(fā)了世界上最早的完全基于 CV 的自動駕駛車之一（不確定是不是最早的那一個(gè)），幾年后市場上才出現(xiàn)更先進(jìn)的算法。它并不是城市乘用車，但能夠僅靠 CV 在戶外環(huán)境巡航。在那時(shí)候很重要，當(dāng)時(shí)激光雷達(dá)幾萬美元一只。

DARPA之后，你有沒有想過去開發(fā)自動駕駛乘用車？

我仍然在做自動駕駛工作，只是在 Applied Minds 做的場景不同。那之后，大量金錢涌入城市自動駕駛行業(yè)，但各家公司都沒能達(dá)到預(yù)期。我不認(rèn)為我會想要在 DARPA 挑戰(zhàn)賽之后到谷歌工作，花上十年開發(fā)沒法用的東西。也許再堅(jiān)持十年，或者更長，會等到技術(shù)派上用場。但我不確定這是一個(gè)好選擇。

如果做的事太超前、加入的時(shí)機(jī)太早，很可能花了半輩子的時(shí)間在上面仍然沒有進(jìn)展。DARPA 挑戰(zhàn)賽那時(shí)候，大量關(guān)鍵技術(shù)還是缺失的。我對深度學(xué)習(xí)給自動駕駛帶來打開的新大門很興奮，我不知道它是否是完整的答案，但對一些情形，比如小女孩拿著紅氣球，在深度學(xué)習(xí)之前，并沒有實(shí)用的解決方法。

大多數(shù)車廠把全自動駕駛車量產(chǎn)的時(shí)間點(diǎn)定在 2021 年或更早。你怎么看？

這就好比說到 2021 年我們會解決弦理論，我不知道對這類聲明該如何解讀。宣稱“我們將盡力去實(shí)現(xiàn)”還差不多。等到 2021年，自動駕駛車量產(chǎn)了，他們會說“我們做到了”；沒有量產(chǎn)，他們會說“我們還需要幾年的時(shí)間”。這里面有太多的意外情形，就像美國政客的一句話 “Unknow Unknowns”。如果現(xiàn)在沒有一輛完全安全的全自動駕駛車，在 2021 年實(shí)現(xiàn)量產(chǎn)就絕對不可能。 如果汽車制造商說 2021 年他們會開發(fā)出一輛原型車，然后再推進(jìn)量產(chǎn)，“OK，maybe”。但 2021 年實(shí)現(xiàn)量產(chǎn)？這就是個(gè)玩笑。汽車制造商無法在四年的時(shí)間內(nèi)完成任何東西。

在部署自動駕駛車方面，或許特斯拉會是個(gè)例外。他們的基礎(chǔ)設(shè)施夠雄厚，也提前計(jì)劃了很久。但這過程中會有太多意外發(fā)現(xiàn)，單是解決這些問題的時(shí)間就夠緊張，更何況設(shè)計(jì)、管理生產(chǎn)線。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。