探秘密歇根M-city實驗室，對話自動駕駛領域重要人物彭暉。
汽車領域技術創新、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：面對汽車產業新四化，世界級的汽車玩家正在做什麼？
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，位於美國底特律以西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、近30年來一直圍繞汽車安全與節能做研究的密西根大學講座教授彭暉，參與並主導了M-city從構想到實現的全過程。M-city之後，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後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。對於這個重要議題，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
採訪 | 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。為什麼會有這個想法呢？
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。這麼講起來，讓汽車駕駛實現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。
當年為什麼要建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。我們現在有60個繳費企業會員，其實目前所有測試者中，校外企業佔到7、8成。
那我們做什麼測試呢？
M-City主要有兩大場域，一個是高速公路，一個是城區。高速公路上有匝道、變道、超車等場景測試；城區裡最糟糕的就是路口，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，目前沒有什麼統一的測試標準。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會），它不是政府機關，是屬於第三方的，沒有政府的公信力。
2、還未攻破的技術難題
現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麼東西；三是planning（規劃）；四是control（控制）。這每一項都很重要，需要相互補充。但如果說現在自動駕駛技術面臨的最大挑戰和瓶頸，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。但感知對於機器來說還是很有挑戰性的。汽車實際“看”到的我們叫點雲：這個pixel是什麼，那個距離是多少，然後再去思考那個是車嗎？那個是人嗎？現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，最後那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）。比如現在是用神經網絡，我用大量的資料去做訓練。完了以後我一看，喲，它可以做到98%，很高興。可是你說下一步從98% 怎麼到99% ？坦白說不太清楚，因為它太複雜，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%，並不表示繼續調會變成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。
那怎麼解決這個難題呢？
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，到現在又進入到過度悲觀。這裡有一個現象叫hype cycle（發展規律週期）。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，然後過度悲觀，最後迴歸理性，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。
現在自動駕駛正在從過度樂觀向過度悲觀發展，慢慢還會反彈回歸理性。
至於什麼時候自動駕駛可以達到L5級別？
我們常說operational design domain（ODD），自動駕駛系統設計的時候就畫定了運營範圍，在這個場景之下必須有把握能做好。
那麼現在市面上有沒有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，要麼是直線來回，要麼是順時針轉圈，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。我們得認清現實，技術不完全成熟，只能在小範圍內跑。但是好處是什麼呢？不會撞死人，不會撞傷人，在這裡面跑得挺好。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。
為什麼呢？設計汽車都有它的目的，如果要賣到沙特阿拉伯，對冷卻系統就有額外要求；如果要賣到南極，就要重視低溫環境；如果要買到北美市場，就要用北美的data（數據）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汽車在這個範圍內保證安全，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。
閱讀更多 技術哥 的文章
