车企用无人驾驶技术吹的牛 到底要多久才能实现？

[车友头条-原创]  

单纯从性能上看，现阶段的高清摄像头和雷达的性能显然是要优于人眼的，那为什么不论采用哪种技术路线，应用驾驶辅助系统的车辆仍无法避免事故的发生呢？

这背后就涉及到数据处理的能力，与之息息相关的就是人工智能和深度学习算法。人工智能好比我们的大脑，需要将传感器和摄像头收集来的海量数据进行快速分类，弄清楚可行驶区域和非可行驶区域，另外还得分清楚障碍物的类别和距离。

在常见的与驾驶辅助系统相关的事故当中，多半是数据收集和处理环节出现了问题。比如摄像头因为光线原因没有发现前方障碍物，或者是驾驶辅助系统的电脑没有正确判断障碍物类型而导致其对车辆下达了错误的指令。

光让驾驶辅助系统看得清，选得对还不算完，它还需要知道该往哪里去。首先，搭载无人驾驶系统的车辆需要清楚地知道自己在哪里，然后依靠高精度地图获取更丰富的信息并且计算行驶轨迹。

当然，上述这些只是构成无人驾驶系统的基本元素。这就好比一个普通人需要成为司机，他必须具备身体健康且通过驾培考试等条件一样。但是，如果仅仅只有这些，那么无人驾驶系统就跟一个新手司机一样，不太能适应复杂多变的驾驶环境。

新手司机需要经历实习期及后续长时间的上路驾驶来积累经验，从而让驾驶技能熟练，对于突发事件的判断也更为准确。无人驾驶系统也需要有类似的过程来不断完善运转逻辑。但海量的数据，尤其是来自真实环境的数据其采集成本是相当高昂的。

虽然可以依靠成本相对低廉的虚拟场景进行数据积累，但就如同你不可能仅凭赛车模拟器就成为顶级车手一样，无人驾驶系统也必须经过真实环境的考验。

想想看你之所以能够熟悉通勤路线上的道路状况、车流量等信息，是因为你几乎每天都要开车走上相同的道路。如果去到不熟悉的路段，你的驾驶风格是不是会变得更谨慎一些。无人驾驶系统也需要相应的学习环境。