在近日举办的2018年CCF-GAIR大会上，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任、中国自动化学会副理事长兼秘书长王飞跃，谈及自动驾驶目前所面临的一些技术、法规方面的难题，很可能在未来不复存在。而另外一方面自动驾驶是一项非常好的技术，但自动驾驶技术的成熟，还有漫长的路要走。

      自动驾驶之所以能重提，关键原因是当下的传感器、车联网的技术有了质的改变，因此谈自动驾驶的商业化应用，才成为了可能。

      从2009年开始，中国智能汽车未来挑战赛（IVFC）每年都举行，参赛的队伍基本都是学院派，从国防科大、上海交大、北理工、湖南大学、西安交大、清华大学，到军事交通学院、武汉大学、南京理工大学等等。

      自动驾驶车也从最开始的比行人慢，到跟随，超越，行驶的路况也从测试道路，标准路况，延伸到了高速公路、乡村道路以及越野道路。

      从一个高校科研、比赛的活动，走向如今的创业家开口必谈的“伟大商业愿景”，自动驾驶从孤陋寡闻到家喻户晓，用了不到数年的时间。但自动驾驶自身的技术难题，解决尚需时日。

      虚拟测试为主，少量路测为辅

      自动驾驶目前最难的问题，在于感知。即让车辆拥有对行驶环境的探测、认知能力，从硬件上目前的做法是通过摄像头、毫米波雷达、激光雷达等传感器抓取环境的三维要素，以期得到环境的全面信息。但各种传感器都各有优劣，从物理层面上探测环境所能达到的精度、距离都有限。以视觉为例，目前针对视觉计算研究汇总存在的实际数据获取和标准成本高、难以覆盖复杂环境、极端场景样本稀少、训练的模型适应性差等。这些场景的处理能力，是制约自动驾驶更进一步的核心。

      自动驾驶要模仿人类对世界的感知能力，虽然可以通过各种传感器来模仿人类的感官，但很难模拟人类的经验、学习能力。

      人在日常生活中，可以不断地积累各种汽车的经验知识，并在关键的时候产生作用，深度学习神经网络试图通过多层次，多维度的学习，来尽量逼近人类的学习认知能力。但计算机目前还很难举一反三，运用经验去灵活应对实际多变、未知的场景。

      为了让自动驾驶能够更快的学习实际环境，多数自动驾驶公司、OEM都会希望通过实际路测来不断积累样本库，以及处置突发情况的能力。但一方面实际路测成本高昂，非一般人能效仿，另一方面在实际场景中测试，会有极大的“安全隐患”。

      本质上来说，自动驾驶目前还是一个实验技术，因此如果直接投放到社会道路上，以路测养技术，是行不通的，人类会因此沦为试验标本。

      解决自动驾驶感知问题困难重重，但也并不需要为此杞人忧天。随着车联网的发展，5G的成熟，未来的道路将也会具有智能属性。

      届时，汽车并不需要像如今我们所追求的那样“敏感”，道路以及车辆信息可以在汽车间实时通达，汽车并不需要识别红绿灯、交通事故、障碍物，即可通过智能基础设施得到相应的信息，车与车之间也可以自由通讯，不需要检测，都可以令行禁止，畅通无阻。

      在自动驾驶的发展初期，应以虚拟测试为主，极少量路测为主。即90%的情况下是通过虚拟训练，提升自动驾驶感知技术，而以10%的情况路测验证。使得汽车逐渐在描述车辆、预测车辆、规划车辆方面，技艺日臻完善。

      自动驾驶也需要农村包围城市

      自动驾驶技术尚未成熟，前景遥远，那么对于自动驾驶公司而言，该怎样才能走出一条切实可行的道路呢？

      自动驾驶的商业化应用，应从小处入手，间而推广。简而言之，就是选取特定的场景，安全隐患下，投入较小，然后以小规模无人车应用试验，积累足够的经验。这些应用场景中，包括园区、小区、港口、特种行业，行业也可以涵盖物流、配送、矿山等。这种场景基本环境可控，人车以及无人车与普通车可以进行较好的区分，首先可以隔离无人车对人的安全隐患。