“蘿卜快跑“問世的熱潮從武漢輻射到全國，為本就火熱的智能駕駛話題再添了一把薪柴。然而，從小馬智行到Apollo GO，再到如今的蘿卜快跑，Robotaxi的概念早已不是新鮮事物，智能駕駛的課題也已經歷了近一個世紀的浮沉。

早在1925年，美國發明家弗朗西爾·弗裡曼（Francis Houdina）就展示了一輛通過無線電控制的汽車，這輛車能夠在紐約市的街道上行駛，是自動駕駛技術的最初嘗試之一。

進入20世紀60年代，達特茅斯學院的約翰·麥卡錫（John McCarthy）首次提出了“自動駕駛”概念，設想通過計算機來控制車輛，實現自主駕駛的目標。此后，智能駕駛技術逐步發展，尤其在1984年，美國國防高級研究計劃署（DARPA）聯合陸軍啟動了自主地面車輛（ALV）研究計劃，這一計劃為無人駕駛技術的研究奠定了基礎。

人工智能的飛躍發展使得智能駕駛落地成為現實，智能駕駛的發展可以分為多個階段。美國汽車工程師學會（SAE）將自動駕駛技術細分為六個級別，分別是無自動化（L0）、駕駛支持（L1）、部分自動化（L2）、有條件自動化（L3）、高度自動化（L4）和完全自動化（L5）。

在最低的L0級別下，車輛完全依賴傳統駕駛員進行操作，所有駕駛任務都由駕駛員負責。而在L4和L5級別，車輛能夠實現高度自動化駕駛，完成了從L4特定區域或條件的自主駕駛到L5級別在任何條件下自主駕駛，駕駛員完全不需要介入的“Mind Off”。

自動駕駛技術的實現依賴於三個核心環節：環境感知、決策規劃和控制執行。環境感知、決策規劃及控制執行是自動駕駛技術的三大核心環節。環境感知模塊是自動駕駛的基礎，實時獲取周圍環境的數據。在獲取環境信息后，決策規劃階段的任務是分析和處理這些數據，以確定車輛的行駛策略。最后，控制執行模塊負責將決策規劃的結果轉化為具體的駕駛操作。如同人類司機駕駛一樣，先要通過觀測知道路況信息，再進行分析進行駕駛決定，最后肢體執行大腦的決策信息駕駛汽車。

環境感知技術是自動駕駛系統的核心組成部分，依賴於多種傳感器來獲取和理解車輛周圍的環境信息。此外，基於視覺感知的技術通過計算機視覺技術對獲取的圖像進行分析，完成物體識別、目標檢測、三維重建以及距離測量等任務。例如，圖像目標檢測技術能夠識別和定位圖像中的重要目標，如行人、車輛和交通標志﹔而圖像語義分割技術不僅僅是標注目標位置，還能精確地描繪目標邊緣，歸類到不同的物體類別，提供詳細的場景理解。

行為決策與路徑規劃的關鍵環節這一部分決定了車輛在復雜的交通環境中如何行動，其中的一種方法是通過設定一個“效用函數”來評估不同決策的優劣，綜合考慮了安全性、舒適性和效率等因素的效用函數決策，例如在遇到行人過馬路時，系統會優先選擇停下，因為這在效用函數中有更高的安全分數。

路徑規劃是決定車輛如何從一個點安全高效地到達另一個點的關鍵步驟，通常分為三個層次：道路級、車道級和行駛級。道路級規劃是從起點到目的地的路徑選擇，類似於人們在導航系統中設定目的地。車道級規劃是在確定了總體路徑后，考慮到車道特性、交通標志和信號等因素，確保車輛在適當的車道上行駛，實現安全和流暢的交通流。行駛級規劃則是涉及車輛的具體駕駛操作，如加速減速、變道和避障，實時響應周圍的環境變化，處理突發情況。高效的路徑規劃，車輛能夠確保行駛的流暢性和安全性，為乘客提供舒適的乘車體驗。

控制執行則是要求車輛能夠平穩且精准地跟蹤規劃好的軌跡，為了實現這一目標，系統通常應用自動控制理論，結合車輛的動力學和運動學約束，生成相應的控制指令。

通過前文的介紹可以發現，傳統的方法依賴多個工程模塊的緊密協作，每個模塊各司其職，環環相扣，缺一不可。然而，隨著人工智能技術的迅猛發展，端到端智能駕駛技術或將承擔重要的未來使命。它突破了模塊化的局限，通過一個統一的神經網絡系統將整個駕駛過程銜接。

端到端技術在自動駕駛領域的實現依賴於深度學習模型，這猶如給汽車配備了一位經驗豐富的“超級司機”，這位超級司機不僅能夠根據眼前的路況做出反應，還能根據過去的經驗預見即將發生的情況。所有的傳感器——攝像頭、激光雷達、毫米波雷達等——就是它的眼睛和耳朵，時刻捕捉周圍環境的信息。而這些信息會被直接輸入到“超級司機”的大腦中，通過大量數據的訓練，模型會根據這些輸入做出判斷，並轉化為具體的駕駛指令。

這種方法的優勢在於它將整個駕駛過程整合為一個統一的系統，避免了傳統方法中各模塊之間可能出現的“信息脫節”現象。傳統自動駕駛系統中的每個模塊，就像是接力賽中的每一棒，必須無縫銜接才能確保整個過程的順暢。而端到端技術則更像是一位全能運動員，從頭到尾一氣呵成，不再需要任何中間的傳遞。

在應用落地上不同的是，特斯拉的FSDv12通過深度學習模型直接從傳感器數據中提取信息，而蘿卜快跑項目則通過結合車端算法與遙控駕駛結合，具有安全保障與合理的應急處理方案。

進入2023年，我國自動駕駛政策重心逐步轉向支持車型量產和商業化運營，加速高級別自動駕駛技術的成熟以及創新商業模式的發展。這一變化標志著政策方向從之前的鼓勵擴大道路測試和試點范圍，轉向更實際的產業化推進。而Robotaxi無人駕駛出租車作為自動駕駛等級中的L4乃至更高級的市場應用，已經在多地開展了商業化運營試點。此外，作為城市道路的新生態，控制成本，運營服務，仍是市場落地亟需考慮的問題。

作者：中國科學院長春光學精密機械與物理研究所研究生蔡文垂

審核：三一智礦科技有限公司高級工程師馮超

分享讓更多人看到