无人驾驶车辆会成未来新的平台，有很多信息都是在车里被消费。
百度无人驾驶研讨会演示车型
氧分子网科技 8月22日报道
一直以来类似无人驾驶这些技术都是谷歌等国外科技公司的“专利”，国内公司基本无缘，不过，今年以来百度也开始变“酷”，百度内部的无人驾驶技术也在快速研发。
据消息人士透露，百度今年8月召开了无人驾驶技术研讨会，除探讨汽车传感和控制系统研发外，百度还在进行数据采集工作，着手绘制国内高精度三维环境地图。
这些留下一个疑惑，一向并不“酷”的百度长期处于躺着赚钱的舒服状态，如今为何要研发无人驾驶，项目是由百度什么部门负责，未来无人驾驶技术又能给百度带来哪些价值？
百度为何要做无人驾驶
要回答这个问题，首先得从百度成立深度学习实验室，涉足人工智能领域说起。百度深度学习实验室有着世界上最大的神经网络基础架构，在这个基础架构上可让百度做酷的应用。
百度研究院副院长余凯介绍说，百度做无人驾驶有3方面原因：
1，认同无人驾驶能使百度的驾驶变得更安全，希望通过无人驾驶使行驶这件事获得没有交通事故的体验；
2，很少人开车从北京到上海，大家更愿意选择飞机或火车，因为需要驾驶十几个小时，如智能驾驶成现实，很多人会愿意让车带自己去上海，从而省去到飞机场和火车站的时间；
3，大都市里有非常普遍的交通堵塞问题，或喝醉酒后想找代驾，如有无人驾驶司机就可以完全放松，这也是科研院校、汽车厂商或互联网公司研发无人驾驶技术的重要因素。
余凯介绍说，百度不仅是搜索公司，也是地图服务商，地图业务重视数据，如百度在下一个五年或下一个十年布局上，能在下一代地图上占得先机，会对百度的意义非常大。
其原因在于，无人驾驶和辅助驾驶对地图信息精度要求很高，下一代地图精度可能是厘米级，厘米级精度包含许多信息，是传统地图所不具备的，如车道信息、交通标志红绿灯信息。
无人车上的摄像头GPS信息不断被无人车辆或者高级辅助驾驶车辆搜集，这些信息本身能给百度带来完全不同的动态地图，动态地图在下一个十年会成为非常重要的数据服务形式。
另一方面，无人驾驶车辆会成未来新的平台，有很多信息都是在车里被消费，如需要人驾驶情况下，可能90%精力都花在车上，一旦无人车实现，90%的精力可在车里做自己的事。
百度可让用户在车里消费百度的信息，不管是百度搜索、百度地图还是音乐服务，这都是很大的业务。此外，下一代的车会有越来越多传感器，每个车辆上都会有一个摄像头。
余凯说，无人驾驶作为机器人领域的特殊应用，也是百度一项技术储备。如在百度不仅研发无人车也研发无人飞机，这些技术相通，一旦平台技术成熟，就可以成为百度新业务增长点。
项目仍在秘密研发阶段
当前谷歌已发布其开发的无人驾汽车，此车可自动驾驶无需人工控制。百度无人驾驶车项目则仍处于秘密开发阶段，并未披露太多当前进展。
不过，余凯披露百度无人驶研发项目细节：分三个模块—感知环境、完成任务和控制指令：
第一部分感知环境，通过传感器去感知车驾驶环境，包括车道线、交通标志、静态和动态环境，及周围行人和车辆。
第二部分完成任务是指根据汽车需要完成的任务，如用户想回家或是想去办公室，汽车会根据当前的动态环境和静态环境，来制定下一步的决策。
第三部分是控制指令，是把决策转换成实际对车控制指令，如一个油门、一个刹车命令。百度目前主攻的是对于环境数据的感知。
余凯说，百度在高速公路上做数据采集，并把这些数据放在同一坐标系下同步定位与制图。一开始的三圈，如果拿原始数据不完全对齐，百度要通过技术让最后的车型轨迹完全对齐。
百度通过激光雷达采集三维地图数据，也针对二维图像做工作，如检测车道线、交通标志，路面上左拐右拐标志，通过二维和三维协作，存成特定格式就成无人驾驶的基础。
无人驾驶不仅是技术问题，也涉及法律法规的问题。余凯指出，无人驾驶需到交管部门批准，才能采集到必要数据，达到测绘要求，无人驾驶技术在保险业务上也需有突破和创新。
此外，无人驾驶涉及数据安全性和保密性，很多人不希望出行轨迹被不同互联网公司、不同车商搜集，在保护个人隐私和国家信息安全方面大家需要考虑更多细节。
余凯说，无人车作为新兴的事物，被广大人民群众接受需要过程，所以无人车经过一个半成熟、成熟需要铺开的渠道时，会同样经历阵痛，没有一个系统能100%做到没有事故。一旦无人车第一个事故发生，如何鉴定责任方，如何公关危机都是无人驾驶车的新课题。
无人车离上路，仍有十亿英里模拟里程。
在无人驾驶车领域，技术的每一步发展都必须以保障个人安全为丈量，由是它的发展除了将带给人们欢喜鼓舞的便利之外，也引发了对其安全性的担忧。本文作者Michael Dempsey在“How to drive 10 billion miles in an autonomous vehicle”一文中分享了另一种解决思路，即利用模拟技术预演可能遇到的行车场景，并认为该逻辑能够进一步加深人们对于相关领域的认知。
谷歌、特拉斯、Zoox……还有更多公司借助模拟的方法力图使无人驾驶车的行驶里程尽快达到十亿英里。目前，无人驾驶车的发展存在两个瓶颈：一是官方对于车辆最低里程数的要求。二是实验和测试模型仍待优化。
工程师基于大数据完善无人车辆的行使模型，实验场景从太阳光到传感器，再从不同角度的传感器到汽车前方的飞行障碍以及异常的外界行为等。
而问题在于在重现现实场景并不容易，也不安全。
兰德的一份报告发现，如果要测试无人驾驶的安全性是否达到可以接受的程度，实则需要上万英里甚至数十亿英里的实验里程作证明。
“即使作最合理的打算，现有的无人驾驶车也需要几十年甚至数百年的时间才能完成预定的里程测试。而如果将测试放在现实道路上，则会是一个不可能完成的任务。”
用什么方法才能不断提高无人驾驶车辆的可靠性？
像Uber、Lyft和Zoox这样的公司诞生于大城市，并在一定条件下进行运作以降低自身的技术壁垒。但是这可能适用于世界各地的Uber们，而像传统的原始设备制造商则选择通过不断更新汽车的自动化功能来弥合与共享技术的差距。
因此，我们可以绕过在目前需要大量数据的传统技术方法，而建构起能够进行推理和学习小量数据的模型。公司在去年被Uber收购的加里·马库斯花了几年时间研究这个问题，但此类学习模型至今还没有在无人机中成为现实。
不要忘了仿真模拟
从软件到硬件的仿真模拟被合理建模时，就会为公司实验和测试他们的汽车模式提供可能性。
这包括各种各样的应用场景，包括交通、司机行为、天气以及道路环境等。
还要考虑传感器的使用情形。需要多少个相机和雷达？它们应该被放置在哪里？应该使用哪种模型硬件？
同时，灵活的随机排列也十分重要。基于此，在路上就不需要把车队和可靠的司机紧紧绑在一起。
我们仍未抵达终点
如今，诸如Vires、TaSS PreScan、CarSim、Oktal ScanNer和ROS Gazebo等产品给工程师模拟传感器及其发生机制和机械结构提供了可能。 尽管它们各有所长，但却同时忽视了对于模拟而言至关重要的领域，这包括过分简化现有的传感器输出，以及对环境如何影响自主模型的复杂程度的了解。
然而随着技术的不断发展，我们必须考虑如何以高保真的方式执行、插入和测试硬件与软件的融合之物。
高保真的模拟环境
虽然模拟大多数传感器对于外界的感知存在困难，但是简单的模拟在车辆上的应用越来越普遍。
由于低成本的LiDARs未实现的承诺和高端单元的短缺使得OEMs和Tier 1的可伸缩性变得困难，因此光学相机被报以期待。
模拟相机的模拟数据与输入的数据没有误差，因此为了正确地测试对外界感知程度，工程师需要建构出逼真的模拟环境。但是建造一个复杂的模拟光圈则非常昂贵且存在困难，因此没有人能够为了打造一辆无人汽车而模拟这个环境。
大约在一年前，我遇到了克雷格。当时他正在发布一个他称之为DeepDrive的东西。我后来得知，作为早期的工程师之一，他利用游戏兜售1.37亿美元的开发成本重现现实世界的场景，并通过展示高保真度的景象…来支持无人驾驶汽车。
几个月后，克雷格加入了一家名为Uber的小型初创公司，专注于研究模拟。
普林斯顿大学的一个研究小组详细介绍了使用GTA V的优势。它将世界范围划分为100平方英里、400万人、262种车辆、1167种不同的生物、14种天气条件、以及在城市、农村和林地环境中的7万多条动态路段。
模拟行使里程真的有用吗？
对于模拟里程效用的观点不一
支持一方认为，模拟可以用来模拟罕见情况和基线数据，罕见的情况是指难以重现或足够随机的场景。如果无人驾驶能够提供99%的可靠性，因为大部分场景已经通过模拟得以优化。而AI 或ML的一些未来技术迭代则允许我们在没有事先数据预备的情况下，对极端情况做出反应。
排除特殊情况之外，仿真对于构建基础数据集也非常有用，并且在此基础上不断进行进一步的测试。
反对一方则认为与此相对应的是：模拟环境不够好以至于不能高效地生成模型。通常，这是一个环境与车辆交互的场景，并且很难在现实场景中复现。此外，还存在着图像保真度过低的情景。
从模拟虚拟到在现实情形下的强化学习
为了帮助解决有关数据质量的一些问题，研究人员正在测试将虚拟图像输入转化为现实模型的可能性，以改进模拟实验。
谷歌曾放出消息，虽然许多政府机构还不愿意将模拟英里数作为规定中的自主驾驶测试所需里程的一部分，但随着对模拟的监管变得更加明确，这种情况可能会发生变化。
模拟是必要的
如果精确度足够高，那么模拟是有价值的。诚然，模拟可能不会解决的最后1%的自主驾驶问题。但如果技术可靠，那么在未来可以让模型完成更好的场景识别或应对更大范围的场景。
许多公司对此表示赞同。包括特斯拉，Zoox，Comma.ai，Drive .ai和极光创新公司都在积极招聘模拟工程师。
在无人驾驶领域之外
模拟技术的使用能够扩展到无人驾驶领域之外。虽然我们可以借此理解无人机如何感知周围的世界，但除此之外我们也能更好地明白交通、驾驶行为，甚至是行人行为的潜在逻辑。
退一步讲，一个模拟环境中存在足够多的特定模型和动态生命，因此我们也可以更好地理解机器人，它们将与我们的真实世界和数字世界发生交互。
像Improbable这样的公司已经瞄准了这个潜在市场。投资者们也已经认识到，该技术作为未来模拟世界的建筑师其所隐藏的价值。
我们才刚刚触及这项技术的表明。许多公司正在大力发展该项技术，一些初创公司也已经开始开发独立的软件。随着研究深入，预计会有各种各样的新选手进入市场。那些最早成功人有机会成为早期的领导者，或能带领其他人更好地进行阶段式的发展。