是什么阻止了自动驾驶汽车上路？

伊隆·马斯克（Elon Musk）反复强调，特斯拉将在2020年底之前制造出一款全自动驾驶汽车。

最大的挑战是如何解决所有这些小问题，并将它们集成到一个统一的系统中”。

尽管这种可能在没有人工干预的情况下应对各种情况的汽车（行业称其为“ L5级自动驾驶”）可能正在接近，但是实际上生产的自动驾驶汽车可以在道路上安全合法地行驶。

是另一回事。

全自动无人驾驶汽车被推迟上路的原因是，仍然存在许多根本性的挑战。

让我们看一下五个最主要的障碍。

1.传感器自动驾驶汽车使用各种传感器来“观察”行驶中的车辆。

周围环境，并帮助系统检测诸如行人，其他车辆和路标之类的物体。

摄像头负责帮助汽车获得视野，激光雷达负责测量物体与车辆之间的距离，而普通雷达则用于检测物体并跟踪其速度和方向。

这些传感器将连续地将数据馈送到汽车的控制系统或计算机，以确定在哪里转弯或何时制动。

全自动驾驶汽车需要一套能够在所有条件和环境下准确检测物体，距离，速度和其他指标的传感器，而无需在整个过程中进行人工干预。

但是，恶劣的天气，繁忙的交通和带有涂鸦的路标都会对传感器的识别能力产生负面影响。

尽管特斯拉使用的雷达不易受到恶劣天气的影响，但仍不能满足全自动驾驶汽车对物体检测的严格要求。

就目前的情况而言，特斯拉的“自动驾驶”系统将L2自动驾驶造成了许多事故，包括今年7月撞向其他停放的车辆。

事实证明，该公司的传感器在应对全天候驾驶情况方面还有很长的路要走。

2.机器学习大多数自动驾驶汽车都使用人工智能和机器学习来处理来自传感器的数据，并根据这种组合做出有关下一步行动的具体决策。

这些算法将帮助系统识别传感器检测到的目标，并根据训练经验将目标分类为行人，路灯等。

最后，汽车使用此信息来确定是否需要避开检测到的物体，以及下一步需要采取什么措施（例如制动或转弯）。

将来，机器可能会比人工驱动程序具有更有效的对象检测和分类功能。

但是至少到目前为止，用于汽车的机器学习算法仍然缺乏足够的安全证据。

关于如何训练，测试或验证机器学习算法，各种标准化机构和整个自动驾驶行业尚未达成共识。

3.开阔道路在开阔道路上行驶后，自动驾驶汽车将继续自己的学习过程。

它将在道路的新部分行驶，检测出训练期间从未遇到的物体，并相应地更新软件。

那么，我们如何确保系统始终具有与经过验证的版本相同的安全性？我们必须能够证明所有新的学习结论都是安全可靠的，并且系统不会忘记以前的安全知识。

不幸的是，业界没有统一的解决方案来解决这个问题。

4.法规要求不仅在自动驾驶领域，目前还没有任何行业为自动驾驶系统发布足够的标准和法规。

现有的关于车辆安全的标准假设要求驾驶员在紧急情况下能够立即接任。

对于自动驾驶汽车，法规仅规定了某些特殊功能（例如自动车道保持系统）。

对于包括无人驾驶汽车在内的自动驾驶系统，尽管一些国际标准已经设定了一些相关要求，但它们尚未解决传感器，机器学习和行为学习中的上述问题。

因此，只要没有公认的法规和标准，自动驾驶汽车无权在空旷的道路上正常行驶，无论它们是否安全。

5.社会认可特斯拉目前的自动驾驶功能导致许多事故。

由此产生的低社会接受度问题不仅来自打算购买此类产品的用户，而且还来自与此类用户共享道路的其他交通参与者。

公众需要参与引入和采用自动驾驶汽车的决定。

如果缺少此链接，则该技术可能会被人们拒绝。

显然，只有解决第一个问题