無人駕駛車輛真要跑起來，需要解決感知、決策和執行等層面的技術問題。感知系統也稱為“中層控制系統”，負責感知周圍的環境，并進行識別和分析;決策系統也稱為“上層控制系統”，負責路徑規劃和導航;執行系統又稱為“底層控制系統”，負責汽車的加速、剎車和轉向。本文以“感知—決策—執行”的順序呈現，是因為這樣更加符合人類的駕駛模式。如，先看看前面——綠燈、周圍無行人——收集信息;然后做出決策——可以通行;最后執行決策——開過十字路口。

[[242547]]

自動駕駛的感知系統

感知系統的輸入設備具體包括光學攝像頭、光學雷達(LiDAR)、微波雷達、導航系統等。這些傳感器收集周圍的信息，為感知系統提供全面的環境數據。

光學攝像頭是目前最便宜也是最常用的車載傳感器，它的一大優點就是可以分辨顏色，因此也成為場景解讀的絕佳工具。但其缺點也很明顯：1.缺乏“深度”這一維度，沒有立體視覺就無法判斷物體和相機(可以換算為車輛)間的距離;2.對光線過于敏感，過暗或過強的光線以及二者之間的快速切變，比如駛入和駛出隧道都足以影響它的成像。

激光雷達，即利用激光來進行探測和測量。其原理是向周圍發射脈沖激光，遇到物體后反射回來，通過來回的時間差，計算出距離，從而對周圍環境建立起三維模型。激光雷達探測精度高、距離長;由于激光的波長短，所以可以探測到非常微小的目標，并且探測距離很長。微波雷達的原理和激光雷達類似，不過它發射的是無線電波而不是激光。微波雷達精度不及激光雷達，但勝在價格低、體積小，在某些車輛行駛輔助系統中已經得到了廣泛應用。同時，精度低反過來又成了微波雷達的優點，因為它較大的波長可以穿透霧、煙、灰塵等激光雷達難以穿透的障礙，較好免疫惡劣天氣。

光學攝像頭和雷達測量在感知環境中相輔相成，共同為無人駕駛車輛提供完整、準確的外部信息。有了“眼睛”接收信息，接下來就是利用深度學習等手段對信息進行識別。將多種傳感器的信息相互融合并不是一件容易的事情，可以利用韋伯斯的誤差反向傳播算法和先進的數字攝像技術對外界事物進行準確識別。

自動駕駛的感知系統不僅包括它的“眼睛”，還包括它的“大腦”——高精度地圖。人類駕駛者會調用記憶中熟悉的道路場景來輔助駕駛，自動駕駛也會通過高精度地圖獲取必要的環境信息特別是相對固定、更新周期較長的信息，如交通信號燈(請注意，這里是指物理的“燈”本身而非“燈的信號”即紅、黃、綠)、車道標記、路緣等。這些信息還可以與傳感器所獲得的“即時信息”相印證，從而實現“多傳感器融合”的效果，就像我們走路，不僅會用眼睛看前面的路，還會用耳朵聽身后的車，甚至會用鼻子聞路邊食品店里的香氣一樣。因此，自動駕駛去“感知”的不僅僅是“眼睛”，也是“大腦”。

自動駕駛的決策系統

自動駕駛決策系統負責路線規劃和實時導航，這里主要涉及高精度地圖，又稱“高清數字地圖”。無人駕駛汽車用的并不是普通的導航地圖，它在精確度和信息量上與普通地圖差別很大，因而被稱為“高精度地圖”。普通地圖比較粗糙——因為我們人類的認知能力足以“腦補”，通過簡單的二維線條的表示就知道了道路的走向，線條的交叉點表示十字路口——這讓目前的機器來“腦補”就太難了。高清數字地圖的精度一般在厘米級，而且是立體三維的，包含車道線、周圍設施的坐標位置等行車輔助信息。與人類當前使用的電子地圖相比，自動駕駛的高精度地圖還有一個重要差異在于，高精度地圖會收集道路激光雷達的反射強度——這是一個對人類駕駛者幾無價值而對“人工智能駕駛員”意義重大的道路特征，它變化很慢而且小，是幫助自動駕駛車輛光學雷達定位的一個理想特征值。通過光學雷達掃描獲取的信息跟已知的高精度地圖信息對比，就可以確定當前車輛的位置。

自動駕駛的決策系統不僅需要獨立的“智能車輛”，也需要“智能交通系統”的支持，如V2V等。在高精度地圖之外，另一個支持路徑規劃的技術是V2X，一般認為它是在V2I的基礎上發展起來的。V2X意指將車輛和環境形成一個“物聯網”，包括車對車、車對基礎設施，以及車對行人等一系列通信系統。如果車輛能夠直接“得到”，而不僅僅是“看到”信號燈的信息，就能保證絕對不闖紅燈。這里“得到”的意思是，比如在離交通燈還有100米、傳感器還“看不到”的時候，信號燈就主動“告訴”車輛自己的信號狀態及變化時長，自動駕駛車輛無需直接“看清”信號燈的內容(“看清”有時是很不容易的事情，大雨、暴雪天氣，狂風刮起的塑料袋，以及大貨車的遮擋，都足以讓車輛的攝像頭“看不見”交通信號燈)。此外，如果能夠提前得知周圍車輛的行車意圖，就能夠很大程度上避免事故的發生。

有了高精度數字地圖和V2X通信網絡，系統就可以應用搜索算法評估各種駕駛行為所花費的成本，包括信號燈等待時間、道路擁堵情況、路面維修情況等，以此獲得最佳行駛路徑。

自動駕駛的執行系統

執行系統也是底層控制系統，負責執行汽車的剎車、加速、轉向的具體操作。工程師們通過特制的“線控裝置”控制方向盤和油門，取代人類司機的手和腳，并配置多個處理器組成的子系統，以此來穩定、準確地控制汽車的機械系統。這些子系統，包括引擎控制單元(ECU)、制動防抱死系統(ABS)、自動變速箱控制系統(TCU)等，它們通過一個“總線”來進行內部通信，在汽車中稱作CAN總線協議。

CAN總線最關鍵的地方在于帶寬(bandwidth)和網絡穩定性。帶寬是指數據在網絡中傳輸的最大速率，通常以每秒多少bits為單位來計算。對于無人駕駛汽車來說，精準的控制和快速響應至關重要，這意味著要提高總線帶寬的傳輸速度，對需要處理龐大數據的無人駕駛系統而言存在較高挑戰。同時處理各個傳感器傳遞過來的數據流時，帶寬有時會面臨挑戰，系統速度會大為下降。對整個反應執行過程而言，CAN總線的響應時間變得很慢，這在實際駕駛中是不能接受的。其次，控制的平滑性也影響乘客體驗。此外，作為一個網絡，數據傳輸的安全性也不容忽視，如果黑客成功攻擊了CAN總線，就能對汽車進行控制。因此，提高底層網絡系統的防御能力和網絡容錯性非常重要。

通過以上感知、決策與執行三個系統分工合作，責任明確地控制汽車的運行，就可以使無人駕駛汽車具備理論上“行駛”的條件。但正如《無人駕駛》一書作者胡迪·利普森和梅爾巴·庫曼所指出的，“雖然這種技術幾近準備就緒，但是這一獨特技術所依存的社會環境可能還未準備妥當”。比如，相關立法較為滯后。然而，由于效率和安全方面的優勢，我們有理由相信：無人駕駛的時代終將到來。

(作者單位：浙江大學科技與法律研究中心、浙江大學光華法學院;中國人民大學哲學院)