（要闻）无人车上路要跨过这些坎

本篇文章1084字，读完约3分钟

近年来，智能汽车已经成为全球汽车工业发展的战略方向。一系列智能技术的应用促进了自主驾驶技术的成熟。但是，无人自主车要真正上路，还有很长的路要走。自主驾驶的发展需要解决哪些问题？日前在北京华夏幸福创新中心举行的全国博士后学术交流活动上，与会专家分享了自己的想法。

中国人工智能学会主席、中国工程院院士李德意表示，目前主流的自主驾驶技术路线要求根据路况数据生成不同环境对应的驾驶模式。理论上，这种自动驾驶模式必须输入无限的数据，形成无限的驾驶模式供计算机选择，但很难实现这一点。

李德意认为，自动驾驶汽车要想走出特定的场景，走向开阔的道路，就必须具备主动学习的能力。“人们之所以在接受培训后获得驾照，是因为我们预先假定司机具有不断学习的能力，能够越来越好地驾驶。未来的自动驾驶汽车应该是可以自主学习的轮式机器人。他们可以像人一样在没有司机帮助的情况下学习，否则不能称之为自动驾驶。”李德意说。

标准纠纷也是自动驾驶面临的挑战之一。与会专家表示，虽然美国机动车工程学会提出的l0至l5自动驾驶分类标准已逐渐被业界认可，但这种分类存在定义模糊等问题，不同层次之间的界限需要明确。

自主驾驶的安全性是最受关注的，但很难通过路试来验证自主驾驶的安全性。时宇科技CEO吴甘沙表示，从统计的角度来看，需要110亿公里的道路测试数据才能证明一个自动驾驶系统将人的驾驶安全性能提高了20%，而仅仅通过数百辆测试车是不可能获得这些数据的。

自主驾驶的发展也存在技术难点。现实中已经应用了不太智能的辅助驾驶技术，但高级自动驾驶是面向机器的，应该具备所有自动驾驶功能。目前，行业内有两种不同的研发路径来推广高水平的自主驾驶技术。第一种是“一步走”路线，从一开始就开发一款完全自动驾驶的汽车；另一种是“循序渐进”的路线，即在传统汽车上逐渐增加一些自动驾驶功能，最终过渡到全自动驾驶的阶段。专家表示，前者将面临技术不成熟、成本高的问题，而后者容易受到现实的束缚，难以取得突破性进展。

吴甘沙认为，折中路线可能有助于解决自动驾驶的问题，即将“全自动驾驶”技术应用于高频、按需、量产场景，同时提高技术成熟度和经济性，积累更复杂的场景数据，提高“全自动驾驶”技术的通用性。他认为，自动停车服务、物流车辆、快速公交系统的场景满足了高频率、按需、量产的要求，有助于推动全自动驾驶技术的落地和数据积累。

人工智能被认为是推动自动驾驶的重要驱动力之一。华夏幸福产业研究院院长顾强表示，未来人工智能将加速包括自主驾驶在内的诸多领域的突破。人工智能不仅将推动无人驾驶时代的到来，还将深刻影响汽车产业链的各个环节。