想证明无人驾驶更安全？可能需要500年

这是一个会让人有些沮丧的数字。

根据兰德公司的数学模型，若要在95%的置信区间内，证明无人驾驶比人类驾驶安全20%，需要110亿英里的驾驶里程数据。

“什么概念？今天我们头部的无人驾驶公司差不多是在百辆测试车的规模。如果不吃不喝不睡，不停地开，要开500年才能开到110亿英里。”25日，在PingWest品玩于杭州举行的2019科技创新者大会上，驭势科技联合创始人、董事长兼CEO吴甘沙感慨，这正是无人驾驶落地特别困难的地方。

你以为已经走完了90%的路，但剩下的10%，才最是折磨人。无人驾驶要真正应用，在安全这张考卷上，就必须答出100分。“而且不能只是一次100分，你要连续考1000万次100分。”

驭势科技联合创始人、董事长兼CEO吴甘沙

总有你见所未见的情况

在中国，难度还要加码。

四维图新是我国第一家获批T3路测牌照的位置服务提供商。去年，他们统计了北京到昆明测试道路的数据。往返5000公里路程，团队提取了大概3000多个场景，其中2000多个对目前以视觉为主的L3级别自动驾驶方案来说，都是难以处理的车道变化。“那部分山区里大概有5个隧道群，每个隧道群平均长度在50到100公里之间，最长的甚至超过了100公里。”四维图新自动驾驶AI负责人李阳说，这些场景很多是我国独有的。

四维图新自动驾驶AI负责人李阳

吴甘沙也感慨道路的复杂：“有五层的立交桥，波浪形桥，穿过屋子的桥……用大数据的前提是你见过，但是在中国，永远有你没见过的地方。”

李阳给出的解决方案是“分解”。比如，将真实道路中大于100万个的道路场景抽象成不到100种基本路口和道路类型。再复杂的路口，也可以用这100种遇到过的路口组合出来。

当然，无人驾驶也会碰到你永远不知道下一秒会怎么出招的驾驶员。李阳也想对此做分解——结合道路情况和汽车的姿态变化，预测车辆下一步行为。

商业化进程步子不能迈得太大

人如果犯错了，我们会原谅，并相信他下一次会改进。但如果机器犯错了，我们就再也不会信任他。

吴甘沙解释，这是机器犯错定律。无人驾驶商业化的步子不能迈得太大，不能冒险。但是，又一定得想办法刷下存在感，让用户建立对技术的信任。

实在等不了500年去做110亿英里的道路验证，怎么办？吴甘沙说，去做商业创新。

创新的应用场景可以有很多。一种场景是在停车场做自动代客泊车。到了停车场，主人离开，车辆自己找停车位。第二种，叫个性化公交。在吴甘沙的设想里，这种公交车不用太大，几人座足矣。车到乘客家门口接上人后，便汇入主干线中，和其他小车汇集到一起，此时，每辆车如同一节车厢。当需要驶向不同方向时，车厢可从大部队中脱离。第三种设想，是服务实体经济，比如在机场做无人物流拖车，减轻司机负担。

是的，可以先在特定场景把无人驾驶用起来。但是，道路验证的问题也必须解决。有没有可能缩短验证时间？

一条思路是增加测试车辆。如果能有1000万辆测试车，那么每辆车跑1100英里，就能完成验证。

吴甘沙想到的做法，是在现有车辆里搭载两套系统。一套是已被验证的、更为安全的主驾驶系统；另一套是更为先进的下一代自动驾驶系统，也是“影子系统”。主系统保证安全；影子系统，则默默收集数据，对驾驶情况作出自己的判断。研究人员通过对比两套系统的数据，进一步优化这一影子系统，优化过的影子系统再继续“潜伏”在车上收集数据……如此循环。

另一条思路，是让无人驾驶系统在更短的时间经历更为复杂的情况。你无法左右实体空间的天气和路况，但在虚拟空间，你可以成为造物主。

吴甘沙介绍，其团队把更多的测试放到虚拟空间，做仿真练习。在虚拟测试场中，模拟各种天气和各种交通状况，尽情做各种危险的、奇葩的测试……“我们可以利用生成性对抗网络，解决无穷无尽的现实生活中的测试案例。这样就可以使得这110亿英里能够更快、更安全地通过算力去实现。”

所有这些努力，是为了打造下一代驾驶智能：它具有背景知识和常识，拥有可被解释的智能，还能够举一反三。