期末了，一大堆大作业袭来，包括物联网的大作业。由于对物联网兴趣不是很大，所以我把题目定成了跟人工智能关系密切的自动驾驶汽车！
自动驾驶汽车的定义
自动驾驶汽车，又称为无人驾驶汽车，具有传统汽车的运输能力。作为自动化载具，自动驾驶汽车不需要人为操作即能感测其环境及导航。完全的自动驾驶汽车仍未全面商用化，大多数均为原型机及展示系统，部分可靠技术才下放至商用车型。美国国家公路交通安全管理局（NHTSA）在2016年提出了关于驾驶的等级划分，具体如下：
- 等级0：即无自动。驾驶随时掌握著车辆的所有机械、物理功能
- 等级1：驾驶人操作车辆，但个别装置有时能发挥作用，如电子稳定程式（ESP）或防锁死刹车系统（ABS）可以帮助行车安全
- 等级2：驾驶人主要控制车辆，但系统阶调地自动化，使之明显减轻操作负担，例如主动式巡航定速（ACC）结合自动跟车和车道偏离警示，而自动紧急煞停系统（AEB）透过盲点侦测和汽车防撞系统的部分技术结合
- 等级3：驾驶人需随时准备控制车辆，自动驾驶辅助控制期间，如在跟车时虽然可以暂时免于操作，但当汽车侦测到需要驾驶人的情形时，会立即回归让驾驶人接管其后续控制，驾驶必须接手因应系统无力处理的状况。
- 等级4：驾驶人可在条件允许下让车辆完整自驾，启动自动驾驶后，一般不必介入控制，此车可以按照设定之道路通则（如高速公路中，平顺的车流与标准化的路标、明显的提示线），自己执行包含转弯、换车道与加速等工作，除了严苛气候或道路模糊不清、意外，或是自动驾驶的路段已经结束等等，系统并提供驾驶人足够宽裕的转换时间，驾驶应监看车辆运作，但可包括有旁观下的无人停车功能
- 等级5：驾驶人不必在车内，任何时刻都不会控制到车辆。此类车辆能自行启动驾驶装置，全程也不须开在设计好的路况，就可以执行所有与安全有关之重要功能，包括没有人在车上时的情形，完全不需受驾驶意志所控，可以自行决策
根据以上的分类，我们可以很清楚地知道，无人驾驶主要是驾驶中的等级4和等级5，其最基本也是最关键的特征就是车辆完全自驾。
自动驾驶汽车的发展与现状
自动驾驶汽车的历史
汽车自动化的实验早在1920年代就开始了。1925年8月，美国的街上首次出现了一辆貌似无人驾驶的汽车，一位名叫Francis P. Houdina的美国陆军电子工程师，坐在后面的一辆车里，通过发射无线电波对其进行着操控。
但直到1950年代，汽车自动化才出现可行的实验并取得了部分成果。1953年RCA实验室成功研制了一辆微型汽车，它由按一定模式铺设在地板里的电线进行导航和控制。几年后的1958年，通过与内布拉斯加州及通用汽车公司合作，RCA实验室又成功在该州林肯市外的高速公路上进行了400英尺的真实路况、全尺寸汽车试验。
80年代初，慕尼黑联邦国防军大学的Ernst Dickmanns带领他的团队以一辆奔驰汽车为基础，研制了一辆采用视觉导航的自动驾驶汽车，这辆车在交通顺畅的情况下达到了63Km/h的速度。随后EUREKA公布了普罗米修斯计划，投入7.5亿欧元用于自动驾驶汽车的研发，在EUREKA项目的资助下，Ernst Dickmanns团队成功开发出了多辆自动驾驶汽车原型。同一时期，美国国防部高级研究计划署建立了ALV计划，与卡内基梅隆大学、斯坦福大学等机构合作，利用激光雷达、计算机视觉第一次实现了机器人自主控制下的自动驾驶，并在无人车上首次使用了便携式计算设备，速度达到了31km/h。
从1990年代开始，自动驾驶汽车迅速发展，许多大型公司与研究机构都开始制造可运作的自动驾驶汽车原型，包括梅赛德斯-奔驰、通用汽车、丰田汽车、奥迪、帕尔马大学的VisLab、牛津大学以及Google等等。
2004年，美国国防先进研究项目局（DARPA）举办了无人车挑战赛，要求无人驾驶汽车穿越Mojave沙漠，但遗憾的是，没有队伍能够完成任务。随后的2005年，斯坦福大学一辆改装的大众途锐完成了挑战。这辆车不仅携带了摄像头，同时还配备了激光测距仪、雷达远程视距、GPS传感器以及英特尔奔腾M处理器。2007年，DARPA将实验场地从沙漠换成了城市，这一年的比赛环境增加了很多难度，让无人驾驶汽车可以在城市驾驶环境中进行。赛道全长96公里，限时为6个小时。并且不同的队伍之间会有路线交叉的过程。从那时起，无人驾驶汽车的功能就开始变得越来越复杂，它们需要学会稳妥地处理交通关系，包括路上的行人、其他车辆、信号、障碍以及人类驾驶员等等。
2009年，谷歌在DARPA的支持下，开始了自己的无人驾驶汽车项目。谷歌通过一辆改装的丰田普锐斯在太平洋沿岸行驶了1.4万英里，历时一年多。许多在2005至2007年期间工作研究的DARPA工程师都加入到了谷歌的团队，并且使用了视频系统、雷达和激光自动导航技术。
2010年，VisLab团队开启了自动驾驶汽车的洲际行驶。四辆自动驾驶汽车从意大利帕尔马出发，穿越9个国家，最后成功到达了中国上海。整个期间VisLab团队面对了超过1.3万公里的日常驾驶环境挑战。
2014年，谷歌对外发布了完全自主设计的无人驾驶汽车。和一般的汽车不同，Google无人驾驶汽车没有方向盘和刹车。2015年，Google第一辆原型汽车正式亮相，并且可以正式上路测试。
近年来，许多传统汽车厂商也开始进行无人驾驶汽车的研发。这也一定程度体现了未来自动驾驶汽车的到来是不容置疑的。
国外自动驾驶汽车的发展现状
目前，国外著名汽车企业及IT行业巨头都竞相着手研发无人驾驶汽车技术，研发进程十分迅速，不少研发车型已接近量产。在美国及欧洲，允许正在开发的自动驾驶车上路行驶正成为一种普遍现象。美国内华达、加利福尼亚、佛罗里达及密歇根州为谷歌、奥迪等正在开发的无人驾驶车发放了公路试验牌照，谷歌无人驾驶汽车已经行驶超过80万km，实现了零事故。欧洲方面，德国向宝马发放了许可证，西班牙也允许无人驾驶汽车上路行驶。这些企业当前研发自动驾驶汽车的情况具体如下：
汽车企业对于全自动驾驶的观点略有分歧。戴姆勒AG总裁Dieter Zetsche认为，奔驰的确会考虑在汽车中加入少量无人驾驶技术，但绝不会剥夺车主的驾驶乐趣而推行全自动汽车。沃尔沃、日产公司相对积极，沃尔沃一直致力于无人驾驶技术以求制造最安全的汽车，日产计划2020年推出商用版无人驾驶汽车。从科技巨头到汽车制造商，再到各国政府、组织，越来越多的人将无人驾驶汽车看作整个汽车行业的未来，并积极投入金钱和精力进行相关研究。
国内自动驾驶汽车的发展现状
相比于国外，中国的第一架自动驾驶汽车直到1992年才诞生，即由北京理工大学、国防科技大学等五家单位联合研制的ATB-1无人车。2011年，由国防科技大学自主研制的红旗HQ3无人车，首次完成了从长沙到武汉286公里的高速全程无人驾驶实验，创造了中国自主研制的无人车在复杂交通状况下自主驾驶的新纪录，标志着中国无人车在复杂环境识别、智能行为决策和控制等方面实现了新的技术突破，达到世界先进水平。目前，中国的无人驾驶研发主体多为高校和国防单位，而百度在2014年也启动了无人驾驶汽车研发计划，现在已经将视觉、听觉等识别技术应用在无人汽车系统研发中。
自动驾驶汽车的核心技术
机器人技术Robotics
汽车感知传感器技术
类似于人通过人眼感知环境，自动驾驶汽车通过传感器感知环境。汽车感知传感器技术可以细分为超声波测距传感器、摄像头图像传感器、雷达传感器以及激光扫描仪，具体我们可以看下面两张图：
目前Google、Uber、Baidu等无人车驾驶厂商主要采用的都是摄像头结合激光雷达的传感器系统，但由于激光雷达成本过高，很多传统厂商都没有使用激光雷达，比如特斯拉就采用雷达（毫米波雷达）来代替激光雷达，毫米波雷达主要是采用电磁波探测周围环境，主要应用在车距保持等辅助驾驶功能。
实际上，无人车的发展很大程度上依赖于传感器的进步，所以传感器技术是自动驾驶汽车的主要重点和难点之一。
汽车控制执行技术
汽车控制执行技术主要包括电子线控刹车（Brake By Wire）和电子线控转向（Steering By Wire）两种。
电子线控刹车这个线传操控系统的出现最主要的诱因是电动汽车的出现。因为传统刹车系统需要通过发动机的工作建立制动助力所需的真空助力，而电动车或者纯电行驶的插电式混合动力汽车，由于没有发动机或者发动机不工作，无法获得稳定的真空源。一种智能的解决方法便是使用电子线控刹车系统。
电子线控转向系统可谓是电子转向助力的进阶版。目前大部分车辆都是带转向助力的。转向助力主要分两大类：液压转向助力和电子转向助力。液压转向助力的一个弊端就是不管是否转向，液压系统都要通过发动机传输过来的动力位置助力油压，因此系统复杂，且耗油。而电子转向助力通过电机在需要转向的时候提供助力，而不需转向时是不耗油的，系统较液压助力系统简单很多。之所以说电子线控转向系统是电子转向系统的进阶版，是因为电子线控转向系统在正常工作时断开了方向盘和转向系统之间的机械连接，而完全靠电子信号传输给转向控制器然后操控转向执行器实现。
由于采用了电子线控转向系统，车辆的转向特性可以智能的调节，并且结合驾驶辅助系统的车道识别功能还能主动修正车辆行驶方向保持在车道中间位置行驶。
当电子系统出现故障，驾驶者发现转动方向盘完全不能控制车辆转向的时候，后果将会十分严重，因此系统充分考虑了安全性。当转向系统工作在电子线控模式的时候，整个系统通过3个转向控制器相互冗余地控制转向系统，相互之间进行校验，保证控制信号始终和驾驶者的转向意图相关。
人工智能AI
人工智能硬件
人工智能硬件目前呈现三足鼎立的状态，分别被NVIDIA、INTEL和IBM所引领。NVIDIA作为GPU的领先供应商，正将其主营业务从图形处理以及游戏产业转向基于GPU的人工智能AI的深度学习计算平台。而INTEL在其传统计算机/服务器行业的增速放缓后，战略性收购了FPGA领导者ALTERA和AI架构的创新初创公司Nervana，并迅速融合其优势，向无人驾驶人工智能AI技术方向迅速发展，更是与宝马BMW以及Moblieye组成了战略同盟，进行无人汽车的开发。最低调最不为人知的可以说是IBM，蓝色巨人悄然进行着人工智能AI神经网络芯片的开发，并已在汽车外的多个行业开花结果。
人工智能软件
软件方面则以谷歌最为突出，但中国企业如百度等正在积极追赶中。
谷歌提出的AI First人工智能为先战略已在图像识别、机器翻译等多个领域获得进展。在软件算法方面，谷歌领导了相关深度学习Deep Learning和谷歌大脑Google Brain的技术开发，进行了大量的基础研究。而百度则战略性地和传统整车厂宝马合作。由于硬件方面有了宝马的合作，百度可将更多的精力倾注于软件算法方面的开发。和谷歌一样，其核心算法也基于深度学习技术，这种技术让无人驾驶汽车可以通过算法和大量基础数据识别各种障碍物并自行做出判断。然而，中国的路况充满了挑战，车辆、非机动车和行人的随机插入一直都是各方讨论的热点。这方面还需要百度基于中国的高速和地面道路进行大量的路试和调整。
云计算Cloud
互联技术V2X
V2X是物联网在车辆驾驶情景中的重要应用，是自动驾驶的必要技术和智慧交通的重要一环。通过V2X，自动驾驶汽车可以获得实时路况、道路信息、行人信息等一系列交通信息，从而带来远距离环境信号。
利用V2X车联网，车辆可以获取周围环境的未知参数以及附近车辆的运行状态，然后车载端主动安全算法将处理所获取的信息，并按照优先级对信息进行分类，对可能发生的危险情景进行预警，紧急情况下可以利用车辆执行端对车辆进行控制从而规避风险。V2X也可以实现超距视频传输：通过在行人聚集区域安装摄像头，通过路测节点出到车载节点提醒路过车辆。借助V2X车联网，还可以将道路限速、限行、信号灯等指令传输到车载终端，车载终端根据信息通过执行端，对车辆进行辅助驾驶。
相比于乘用车，商用车对V2X车联网需求更高。商用车不仅需要提升驾驶的安全性，也需要兼顾运营效率。而V2X技术既可以作为ADAS功能模块，可以降低商用车的事故率；亦可以通过有效建立智能车队，构建队形，规划路径，降低油耗，提升营运效率。
V2X弥补了单车智能软肋，是自动驾驶的必需品。无人驾驶的实现方式有两种：一是车辆本身实现高度智能化能应变各种的环境条件，二是车与车、车与交通的联网，通过智慧交通规划实现无人驾驶。ADAS（高级辅助驾驶系统）和V2X（广义车联网）是两条路径的实现基础。
ADAS（高级辅助驾驶系统）使用传感器技术时得汽车本身具备感知能力，通过算法对不同路况的分析决策实现自动驾驶。配备足够数量的ADAS系统能实现高度的自动驾驶。
车联网的加入则使车与车之间的协作更加有效，对道路的通讯能及时了解交通信号灯等变化做出反应。车联网能让车辆了解附近的位置信息和速度信息以及道路的交通状况，减少了车辆自身对周边环境的感知。
V2X搭建的终极目标是实现智慧交通下的零事故零拥堵。随着V2X的普及以及5G物联网技术发展，智慧交通逐渐成型将带来事故和拥堵的下降。为了适应无人驾驶的实现，智慧城市将对人-车-路进行协同式管理，利用车联网技术实现智慧城市的高效运行。
基于云技术的地图采集优化技术
目前主流的基于云技术的地图采集优化技术便是地图数据众包采集技术。该技术能够治好单车智能近视眼，让车辆对路径全局有整体把握，并且在与传感器协同下，能够对车辆进行精准定位，提供车辆变道以及路径规划基础。此外，地图数据众包采集技术还可以降低传感器和控制系统的成本。车辆单纯地依靠传感器探测周围环境，控制系统进行数据处理并且控制车辆，这种解决方案局限性比较大，恶劣天气情况下传感器失效问题无法解决，并且大量传感器信息的处理也会提高车辆计算机成本、加大其体积和搭载重量，而此技术可以让车辆对环境有提前预判，辅助车辆做出驾驶策略，传感器和决策算法的负担可以减轻，响应降低了传感器和控制系统的成本。
自动驾驶汽车的意义
当自动驾驶汽车发展成熟时，它能够整个社会带来很大的改变。
自动驾驶汽车能够减少交通事故的发生。因为自动驾驶汽车不像人类驾驶一样只有有限的环境感知能力，而可以使用主动与被动感测器（如光学雷达与雷达持续做大范围的感测（如可见光、红外线与超音波之类的声波等），具有360度视野，因此可以对潜存危机做出安全的反应，且其反应能较人类驾驶更为迅速。而且，它还可以避免因为行车距离过近、分心驾驶及危险驾驶等人为因素而导致交通事故。此外，乘客状况也不会对自动驾驶汽车产生限制，在自动驾驶汽车里，不需在意乘客是否未足岁、过老、无驾照、眼盲、精神不济、酒醉等等。
自动驾驶汽车对堵车问题提供了解决方法。它可以减少所需的安全间隙，并且更好管理交通流量，进而增加道路通行能力及减低交通壅塞。自动驾驶汽车不仅减轻车辆乘客驾驶与导航之工作，而且能具有更高的车速限制。
自动驾驶汽车对资源的利用达到了最大化。它缓解了停车位短缺的问题，因为汽车可以让乘客下车后，停到有足够停车位的场所，并在需要时返回搭载乘客。它还增加了汽车共享，减少了车辆总量，因为自动驾驶汽车可以在一处让乘客下车后，到另一处搭载另一位乘客。自动驾驶汽车可以免除多余的乘客，自动行驶至所需之处所，如搭载乘客或进行维护。这与货车、计程车以及汽车共享服务尤其相关。
自动驾驶汽车也不需要传统交通系统所需的元素，比如对交通警察的需求，另外，自动驾驶汽车也可以减少实体的道路指示标志。自动驾驶汽车能以电子方式接收必要之通讯。
自动驾驶汽车的争议
尽管车辆自动化会带来许多好处，但可预见的挑战依然存在。
首先是关于自动驾驶汽车人工智能软件的可靠性问题。首先，自动驾驶汽车在不同天气类型下的导航系统的可靠性并不是很高，截止2014年，Google的原型机仍未有在大雪或大雨中行驶过的纪录。其次，即使自动驾驶汽车失效率很低，也会导致全球每天产生很多次交通事故，这是无法承受的灾难。所以对于提高自动驾驶汽车的可靠性，不仅仅是要关注硬件，最为关键的是软件。在软件算法上，应当尽量扩大样本采集容量，包含到恶劣天气下不同路况的数据，通过深度学习等来提高系统精确度。
自动驾驶汽车的管理面临挑战。自动驾驶汽车的损害赔偿责任难以明确，甚至，自动驾驶汽车可能被装载炸药，并作为炸弹使用。因此，政府必须为自动驾驶汽车建立且施行特定之法规架构。
自动驾驶汽车还有引发类似有轨电车难题的伦理问题。这是当自动驾驶汽车的软件被迫在不可避免的碰撞时对可能的伤害做出决断时会出现的问题。
自动驾驶汽车与当前交通系统的协调也是一个很关键的问题。目前警察与其他行人的手势与身体运作还无法被自动驾驶汽车所认知与理解，而且道路基础设施可能也需要为自动驾驶汽车改建，以达到最好的效果，包括能与自动驾驶汽车通讯的交通号志与路灯。
自动驾驶汽车的未来及前景
创新工场创始人李开复在2017年IT领袖峰会“无人驾驶与智慧环境”分论坛上说到：“我们对无人驾驶这个长久的方向无比看好。如果从10年的维度来看，无人驾驶是人工智能最大的机会。”，不得不承认，自动驾驶汽车的发展相当迅速，也有越来越多的IT巨头和传统车商在自动驾驶汽车上投入巨大的人力财力，但是，自动驾驶汽车真正普遍上路还是相当有难度的，它的安全性受到很多人的质疑，要突破这一点，行业工作者还得投入更多的精力，争取到传感器等技术上取得突破。只有这样子，自动驾驶汽车才有走入我们生活的可能性。