中国人工智能学会通讯——L3的挑战与量产 二、 如何突破 L2 的天花板，进入L3？...

二、 如何突破 L2 的天花板，进入L3？

光靠自动化解决不了无人驾驶，于是人工智能来了。汽车绝不是四个轮子加一个手机，我们人工智能工作者要对汽车人心存敬畏，开过好车的就知道汽车的人机设计非常好。

汽车是在开放的不确定性环境下行驶，人工驾驶常常会遇到偶发的事件，“常常”就是概率比较大，“偶发”就是概率比较小，一个驾驶员遇到这样的情况是必然的，什么情况呢？大雾、大雪、大雨、大风、狭小胡同、崎岖小道、傍山险路、积水、冰雪、地裂，以及地陷；红绿灯失效、道路施工、行人违规，以及熙熙攘攘农贸集散区等通行状况。连新手驾驶员都难以完成这些驾驶任务，而有经验的驾驶员往往能够灵活处置，那么自驾车如何应对呢？

在道路狭小的地方，如果一个无人驾驶遇到有人驾驶车，怎样办？一旦突破了自动驾驶所设置的窗口条件，如地理栅栏、气候栅栏，以及人文地俗栅栏，马上需要进行驾驶掌控权的交接。在这样的交接过程中的事故也许比纯粹的人工驾驶更危险，因此汽车拿驾照不是容易的事情。

L3的基本问题到底是要解决车的问题，还是解决人的问题？

车子的问题就是把车越做越好，做成软件定义的机器。而人是指把驾驶员的认知用机器人替代，要具有记忆能力、决策能力和行为能力，要实现自主驾驶，不但有技巧还要有个性。

汽车是从马车演变而来的，现在的动力可以达到100匹马力，但汽车远远不如马在不同负荷、不同天气、不同路面状况、不同车辆情况下的适应能力。汽车的感知、认知能力远不如马这个认知主体，老马识途，车不如马。在自动驾驶过程中，驾驶员和周边车辆的交互认知哪里去了？驾驶员的经验和临场处置能力由谁来替代？

重要结论：自动驾驶好在专注，传感器不会疲劳，但是自动驾驶难在拟人，不仅在车。驾驶员脑不等于驾驶脑。

人在回路中的预测与控制被驾驶脑取代

驾驶过程中，驾驶员在回路中的预测与控制是汽车自身无法替代的。轮式机器人驾驶脑应运而生，它不同于雷达等传感器的感知，要去完成包括记忆认知、计算认知和交互认知在内的驾驶认知，成为智能车产业化链条中的重要零部件，车载计算机和机器人操作系统也无法替代。

记忆、计算或和交互同样重要。计算机的计算能力已经超过人的能力，要把注意力转移到记忆、计算，以及交互上，靠一个车的计算机无法替代驾驶脑。

利用微电子技术，采用CPU+GPU+ PFGA+ASIC架构，生产专用芯片和板片，研发驾驶脑。

通过雷达传感器、视觉传感器、车姿传感器，以及定位传感器这四个感知通道，形成认知的态势图。这个形成以后，对数据的需求就会大大减少。

驾驶就是记忆，驾驶不是靠计算的，要强调记忆认知、交互认知和计算认知。

上图中驾驶员记忆分三个区：瞬间记忆、工作记忆，以及场景记忆。

创新：驾驶脑

●驾照：传感器替代不了，车厂替代不了。
●驾驶技能：驾照替代不了。
●路熟：地图替代不了。
●个性化驾驶和标杆驾驶。

经验驾驶员和标杆驾驶员

经验驾驶员不但要符合驾规，安全行驶，文明行驶，其经验还体现在节能技巧、驾乘舒适性、对不同动力学的车辆适应性等方面。世界上驾驶员的经验和行为，如同人的行走姿态，各个不同，可用驾驶行为作为驾驶员的身份识别，称为驾驶指纹。标杆驾驶员是经验驾驶员中的杰出代表。

智能车研发的困难，不仅仅是汽车动力学的性质和各种各样的传感器要求，更重要的是要研发和驾驶员一样的在线的机器驾驶脑，模拟实现人在回路的自主预测和控制，应对车辆行驶中的不确定性。

驾驶指纹和开车目的地无关

集图灵奖、诺贝尔经济学奖和美国心理学会终身成就奖于一身的人工智能早期学者赫伯特·西蒙（Herbert.A. Simon）的工作启发了我们，有了线控、数控汽车，通过深度学习，挖掘驾驶员对方向盘、动力踏板、制动踏板的驾驶行为大数据，就可以判断并获得特定驾驶员技巧的个性。驾驶技巧和开车目的地无关。

驾驶脑有个性，有在线学习能力，记忆许多驾驶事故的预防应对，还能和乘员聊天，和云上的驾驶超脑交互......

传统汽车仅仅是驾驶员的手、脚和力量的延伸，控制车辆行为的是人，线控汽车装备了传感器以后，用驾驶脑替代驾驶员认知，并获得驾驶指纹和驾驶技巧，使得汽车成为驾驶员自己，或者说让机器成为自己，应该是人工智能时代最有意义的问题之一。不同的驾驶脑，认知水平可以有差异，技巧和经验也可以有不同，但都具备了基本的驾驶认知能力，获得了驾照的自驾驶。有个性、有在线学习能力，有很多驾驶事故的预防应对能力，尤其重要的是我们还要关心驾驶超脑。