自动驾驶

是什么

自动驾驶指由计算机系统而不是人来操作道路车辆。机器究竟接管了多少驾驶任务，通常用美国国家公路交通安全管理局（NHTSA）发布的六级量表来描述，从0级一直到5级^[5]。在0到2级，由驾驶人驾驶并监控车辆，系统只在预警、制动或转向方面提供辅助^[5]。在3级，系统执行驾驶任务，但驾驶人必须在被要求时接管^[5]。在4级，系统在限定的服务区域内完成全部驾驶任务，车内人员只是乘客^[5]。在5级，系统可以在所有道路、所有条件下行驶，不需要人类驾驶人^[5]。NHTSA 表示，它遵循业界惯例，对较高级别的自动化避免使用「self-driving」一词，因为这个词描述的是一种运行状态，而不是一种能力^[5]。

这套分级之所以重要，是因为它把一个大而化之的说法拆成了若干性质不同的工程问题。一个能在高速公路上把车保持在车道内的系统，和一个能在拥挤城区里无人驾驶的系统，都叫自动化，但它们需要的传感器不同、软件不同，对「出了事谁负责」的假设也不同。

怎么工作

在技术路线上，这一领域分成两大传统。一种是模块化流水线（modular pipeline），把感知（perception）、预测（prediction）和规划（planning）分成彼此独立的环节：车辆先弄清周围有什么，再估计其他道路使用者可能做什么，最后选定一条行驶路径^[2][4]。另一种是端到端学习式驾驶（end-to-end learned driving），训练一个模型，把传感器读到的内容直接映射为驾驶动作，中间不划分人工设定的环节^[2][4]。

两者的差别在有其他交通参与者时格外具体。2007年的城市挑战赛把交通法规和其他行驶中的车辆加入赛道，车辆必须就别的驾驶人在做什么做出实时判断，而不能只是沿一条空旷的路线前进^[4]。也就是说，预测不是附加在感知之后的一个细节，它本身就是驾驶问题的一部分。

从哪来

这条研究脉络始于 DARPA 于1984年启动的战略计算计划（Strategic Computing Initiative），它造出了第一批能在道路内外自主行驶的地面车辆，由此发展出自主陆地车辆（Autonomous Land Vehicle）和 Navlab^[1]。同期的工作还出现在德国 Ernst Dickmanns 的团队、意大利的 ARGO 项目，以及 EUREKA Prometheus 计划中^[1]。

随后，这些车辆开始驶出试验场。1994年，Dickmanns 的 VaMP 和它的姊妹车 VITA-2 在正常高速公路车流中行驶了1000多公里，最高时速达130公里，车上配有安全员^[2]。一年后，同一系列的工作完成了从慕尼黑到哥本哈根再返回、超过2000公里的行程，最高时速达180公里^[2]。Fabian Kröger 在2024年发表的欧洲车辆自动化研究史中，梳理了 EUREKA PROMETHEUS 计划以及 VITA-II 和 VaMP 两辆研究车的表现，并把 VaMP 和意大利 ARGO 车辆的长距离行驶分别定在1995年和1998年^[6]。

此后，美国的计划把竞赛变成了推进方式。DARPA 2005年的超级挑战赛（Grand Challenge）第一次让多辆车跑完一条长距离越野无人赛道，23辆决赛车中有5辆跑完了212公里^[3]。2007年的城市挑战赛又加入了交通法规和其他行驶中的车辆^[4]。许多参赛团队后来把同一批人和同一套方法带进了商业研发。

局限

这一领域的未解难题是「长尾」（long tail）：那些任何训练数据都覆盖不到的罕见情形。这也是商业服务中至今仍保留安全员和远程操作员的原因^[2][4]。一套系统可以稳稳当当地跑完一英里又一英里，却仍然会在某个路口、某块倒下的路牌或某辆形态古怪的车辆面前遇到从未被数据描述过的情况。在长尾问题被解决之前，六级量表描述的仍然只是运行条件，而不是「这辆车哪里都能去」的承诺。