五年前是“自动驾驶”汽车可预测性炒作周期的高峰期。当时，几乎所有主要的汽车制造商和高科技公司都预测，到2020年将广泛部署自动驾驶系统（ADS），据称这将迅速导致传统人类驾驶被淘汰。
事后看来，很明显，那个时期的普遍观点是错误的，去年在公共道路上行驶的先进原型车寥寥无几，而且当自动化系统需要人工帮助时，无需车载安全驾驶员进行干预。“自动驾驶”一词已经失去了最初的预期含义，因为被贴上“完全自动驾驶”标签的汽车上的驾驶辅助功能在没有持续的人工监督的情况下无法操作，而且对于当今的自动化而言，“汽车”远不如卡车、公共汽车和共享乘车面包车重要。
到2018年，在ADS上投入最多的主要公司（Waymo、通用汽车、福特、Aurora）的首席执行官们开始公开声明，缓和他们早期的乐观情绪，指出自动驾驶的推广将是渐进式的，首先在条件受限、位置严格受限的情况下开始运营。按照他们现在的速度，扩展到接近全国范围的部署将需要几十年时间。组织学习曲线和成本远比预期的要长和高。在ADS开发上投入了至少十年时间和数十亿美元之后，这些公司已经了解到，支持该技术广泛应用的技术要求远比他们最初设想的要复杂得多。与此同时，像特斯拉和不太成熟的初创公司仍在鼓吹更快、更大规模的部署，它们仍在努力攀登学习曲线，还没有意识到自己离目标有多远。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
对于该技术及其近期部署的几个关键方面，知识渊博的ADS开发者之间正在达成共识
在未来几年内，自动化操作仅在狭义定义的条件下才可行，这些条件包括良好的天气、光照、交通和已进行高精度地图绘制（并且在许多情况下，配备了合适的物理和数字基础设施支持功能）的电子地理围栏位置。
由于ADS需要避免它们遇到的所有交通危险，而无需人工驾驶员干预，因此这些系统必须比依赖人工监督的驾驶辅助系统具有更高的安全保证水平。
ADS需要依赖关于驾驶环境及其危险的多个独立信息来源。这些数据来自摄像头、激光雷达（光探测和测距系统）、雷达和精确定位，并结合了高度详细的数字地图。
尽管许多ADS开发者声称能够无需依赖来自其他车辆的无线通信——或来自弱势道路使用者和实际路边基础设施本身的警报——即可驾驶，但最近的研究表明，在没有这种合作通信的情况下广泛使用ADS可能会对交通流量、能源使用和环境排放产生不利影响，因为它们无法预测未来道路状况的变化。
该技术最初将应用于专门用途，例如本地包裹递送、高速公路上的长途货运、固定路线上的城市交通服务，以及在更有限的地点，用于城市和郊区的自动乘客叫车。
即使当ADS能够驾驶车辆而无需车载人工驾驶员作为后备时，它们仍然需要来自熟练驾驶员的人工远程支持，以管理自动化无法处理的“极端情况”条件。
这些结论来源于该技术开发者们吸取的一些基本教训。其中最重要的是，驾驶任务固有的复杂性使得自动化系统难以准确感知驾驶环境、预测其他道路使用者的行为以及识别和应对交通危险。
就像孩子们学习控制自己的动作一样，ADS需要先学会爬行才能行走，先学会行走才能跑步。这就是为什么它们必须首先在简单的环境中实施和完善，然后再处理与不可预测的道路使用者（包括行人和骑自行车的人）的复杂互动，或在不利天气条件（如大雨、雪、雾和结冰道路）下的操作。
ADS需要感知周围环境，并使用基于多种基本物理原理的技术来确定自身位置，以提供安全的操作。它们需要应对由雷暴或附近电气设备的电磁干扰、可能使摄像头失明的低太阳角度、会扩散成像传感器所需光线的降水或烟雾，以及针对车辆任何传感器技术的网络攻击所带来的不利条件。还需要有关附近基础设施以及附近其他移动物体的相对速度的信息。来自所有这些传感器的数据必须融合在一起，以准确地表示车辆周围的区域并隔离任何错误的输入。
与这种环境感知水平相关的传感器要求以及数据处理和存储将使ADS技术在可预见的未来变得昂贵。如果要取代驾驶员的全部技能而不损害安全性，这些费用是不可避免的。
这些费用也推动了ADS最初在商用车辆车队中部署的商业案例，这些车队可以全天使用以产生收入，而不是像大多数私人拥有的车辆那样每天只运营一到两个小时。商用车辆车队在自动化技术仍在完善时提供了进一步的优势。更容易正确维护车队上的敏感组件，并且车队运营有利于在需要时对车辆进行远程支持。
自动驾驶的远程人工支持是一个重要的话题，但尚未受到应有的公众关注。几乎每一家没有车载人工驾驶员的ADS开发者都期望依靠车队管理中心的人员来帮助系统在需要时做出战术驾驶决策。人工助手可以弥补车辆上的硬件和软件故障，但主要是在具有挑战性的交通情况下提供建议，例如绕过暂时阻碍车辆预定路线的障碍物，确定何时可能需要违反交通规则来处理特定的异常情况，识别交警指挥交通的手势，以及识别车辆路径中的物体。一些开发者还在考虑远程驾驶功能，即车队管理中心的人员将驾驶车辆完成ADS无法处理的部分行程。这些远程支持功能在ADS部署的早期，即技术正在完善的过程中，将尤为重要。它们还将为许多工作将逐渐被ADS取代的驾驶员提供就业机会。远程驾驶的工作条件可能比传统的长途卡车驾驶更具吸引力，使驾驶员可以在离家近的地方工作，在那里他们可以避免与传统卡车驾驶相关的身体不适和安全风险。
尽管几年前最受欢迎的自动驾驶预期用途是自动叫车乘客服务，但人们的兴趣已显著转向货物的自动运输——长途州际公路上的重型卡车自动驾驶以及用于城市和郊区本地包裹递送的小型低速车辆。这种重点的转变在疫情之前就开始了，但在COVID危机期间加速了。叫车服务具有最有利的需求曲线、短途行程长度和在人口稠密的城市地区共享乘车。这些地方对于ADS来说是技术上最具挑战性的环境。相比之下，州际公路上的长途货运业务面临更简单的交通和道路基础设施条件，特别是如果自动驾驶行程的起点和终点直接连接到限制通行的高速公路。城市和郊区包裹递送可以使用对于人类乘员来说太小的车辆，并且可以在人行道或自行车道上以低速行驶。货运车辆还具有额外的优势，即它们可以被设计成格外小心地驾驶，以避免与其他道路使用者发生冲突，而无需担心乘客的不耐烦或保护自身乘员免受伤害的需求。
并非所有ADS公司都采用了这种方法。特斯拉是ADS部署行业其他公司的明显异类。它一直奉行传统的汽车行业模式，即销售私人拥有的个人车辆以满足所有用途，并试图通过在其当前的驾驶辅助系统基础上构建来提升其ADS能力，而不是设计一个具有所需更高水平的冗余和故障管理的系统。该公司最近将其方法重点放在完全依赖机器视觉上，避免使用提供有关车辆周围环境关键信息的互补传感器或精密地图和定位。
特斯拉的方法降低了生产成本，但似乎排除了在面对不可避免的交通和环境条件变化时实现安全可靠性能的可能性。该公司在其当前产品中使用“Autopilot”和“Full Self-Driving”的名称，给公众对其产品的能力造成了严重的困惑。更令人困惑的是，特斯拉的用户手册和致政府安全监管机构的信函已将该技术描述为驾驶辅助系统，而不是自动驾驶系统。事实上，特斯拉使用“Full Self-Driving”名称已经造成了严重的公众误解，以至于最初被称为谷歌“自动驾驶汽车项目”的Alphabet旗下公司Waymo宣布将不再使用“自动驾驶”一词。
在面对全部交通危险以及内部硬件和软件故障的同时，确保ADS运行的安全性仍然是部署的主要技术挑战。ADS研究人员和开发者已经研究了各种安全保证方法，但尚未就最佳选择达成共识。安全保证挑战远远超出技术考虑因素，而是始于更广泛的社会决策，即如何确定ADS投入公共服务“安全到什么程度才算足够安全”。需要就相关的安全衡量标准达成一致，以便监管机构和公众能够对公共部署感到放心。ADS开发者还需要学习如何以监管机构和公共利益团体能够清晰准确理解的方式呈现他们高度技术性的安全评估，以赢得信任和接受。
尽管一些观察家可能认为，在当前后炒作环境中，自动驾驶的“玫瑰花已不再鲜艳”，但目前的状况实际上标志着进步的迹象。对自动驾驶的机遇和挑战更为现实的看法将促使资源得到更好聚焦的投资，并使公众认知与现实相符。我们应该预计，在本十年内，在低密度农村高速公路上将实现一些有限的自动长途货运应用，以及在城市和郊区环境中实现自动本地小包裹递送。自动城市和郊区叫车服务也可能在有限的基础上提供，但其部署面临的特定地点挑战足以表明，这种情况不太可能很快达到全国范围。