【太平洋汽车网】自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

自动驾驶车辆仍有许多任务面临巨大的挑战，需要采用尖端的方法来解决。取代人类的认知和运动能力不是一件容易的事情，还需要很多年的努力。AI需要解决各种不同的任务，以便实现可靠和安全的自动驾驶。

本系列包括两篇文章，介绍无人驾驶汽车得以实现的AI应用，展示其挑战与成就，另外还探讨了与传统软件相比AI的本质，并在第二篇文章中进一步讨论了在自动驾驶领域开发、测试和部署AI技术的特定挑战。

1.自动驾驶车辆中的AI分析自动驾驶车是汽车工业中增长最快的领域，而人工智能则是自动驾驶车中最重要和最复杂的组成部分。图1所示为典型的自动驾驶车构成。

自动驾驶车辆对传送实时数据的传感器数量，以及对数据进行智能处理的需求可能会非常庞大。而AI被用于现代汽车的中央单元以及多个电子控制单元（ECU）中。

由于AI已在机器人等众多领域中得到应用，它自然成为自动驾驶的首选技术。人工智能和感知技术可以提供更安全、更具确定性的行为，从而带来燃油效率、舒适性和便利性等优势。

开发如自动驾驶车这样复杂的AI系统面临的挑战很多。AI必须与众多传感器交互，并实时使用数据。许多AI算法的计算量都很大，因此很难与内存和速度受限的CPU一起使用。现代车辆是一种实时系统，必须在时域中产生确定性结果，这关系到驾驶车辆的安全性。诸如此类的复杂分布式系统需要大量内部通信，而这些内部通信容易带来延迟，从而干扰AI算法做出决策。另外，汽车中运行的软件还存在功耗问题。越密集的AI算法消耗功率也越多，尤其对只依赖电池充电的电动车而言，这是一个很大的问题。

（图/文/摄：太平洋汽车网问答叫兽）

自动驾驶汽车需要联网吗

【太平洋汽车网】自动驾驶汽车需要联网。5G技术为自动驾驶赋能，主要在车联网和云计算两个层面。车联网的意义在于，替代“以特斯拉和Mobileye等以视觉感知系统”、“以waymo和奥迪A8等以摄像头和激光雷达为视觉感知系统”为代表进而实现L2+级别自动驾驶的方案。

汽车厂商开始研究引导式的自动驾驶。这种理念是基于路上铺设的磁条或电缆发出信号来引导车辆行进，听起来和现在工厂车间中的AGV小车或者地铁等轨道式交通有异曲同工之妙。其中的代表作有通用的Firebird和法国雪铁龙DS。

真正让自动驾驶有了长足发展的还是计算机和人工智能的出现。上世纪80年代，美国开始研制军用机器人，自主地面车辆（ALV）计划便是其中之一，ALV车辆上装配了中大型计算机、摄像机、激光雷达，能够在不依靠人工干预的前提下行进，但受困于当时的技术水平，信息处理、视觉感知都无法达到实际需求，ALV样车只能以4.8千米/小时的速度行驶了0.96千米，后续计划也随之搁置。

随着技术进一步发展，汽车厂商在不断研制自动驾驶技术的同时逐渐将部分技术先行应用在量产车上以增强车辆的安全性，比如1992年大众Futura概念车首创的半自动泊车技术、1998年丰田PROGRES首次搭载的ACC自适应巡航系统等等。与此同时，新兴互联网企业从另一维度出发，纷纷跨过ADAS阶段意欲打造更高级别的自动驾驶车辆。谷歌于2009年成立的GoogleX实验室便是为了研发L4/L5级别的自动驾驶车辆。百度则从自身优势的地图定位、算法、云计算入手，以Apollo开放联盟为基础，与硬件供应商和车企共同开发自动驾驶车辆。

（图/文/摄：太平洋汽车网问答叫兽）