0
雷鋒網(wǎng)按，“房間里的大象”這個外國成語跟“鱷魚的眼淚”一樣出名，它形容明明存在的問題卻被人刻意回避，因為討論這個問題會讓人不爽。如今，在自動駕駛領(lǐng)域，房間里也站著三頭大象，它們絕對值得我們正視。
下面，我們就一同來看看這三個被人刻意回避的關(guān)鍵問題：
世紀初的 DARPA 自動駕駛挑戰(zhàn)賽后，自動駕駛技術(shù)就受到了各方關(guān)注，數(shù)十億美元的熱錢更是大肆涌入，為的就是盡早實現(xiàn)自動駕駛技術(shù)的商業(yè)化落地。通常來說，自動駕駛汽車架構(gòu)中的一大核心是傳感器陣列（雷達、LiDAR、攝像頭），它們負責采集數(shù)據(jù)“喂”給感知系統(tǒng)以幫助車輛建立對外部環(huán)境的精確視角。基于該視角與任務(wù)，自動駕駛汽車就能自主導航到目的地。
詳細來說，三大傳感器中，LiDAR 負責精確的距離計算，雷達負責提供精確的速度（帶運動方向）信息，而攝像頭是目標識別的核心。
一般來說，人工智能算法會選擇一個類似于知識信息庫的模型，車輛在該模型中，會不斷且詳盡地觀察其整個環(huán)境。實際上，這是自動駕駛汽車為解決分心駕駛問題而提供安全價值主張的關(guān)鍵部分。
按照現(xiàn)有方案，工程人員會借助數(shù)據(jù)庫對人工智能引擎進行訓練，讓它們學會識別打了標簽的物體。當然，通過像素、點云或圖像雷達識別來自四面八方的物體是個困難事情。因為總是有物體會讓自動駕駛汽車感覺困惑，例如將人的圖像粘貼在車上的小貨車或推著自行車步行的人（當年的Uber的亞利桑那的案件）。這種解決問題的“數(shù)據(jù)向上”方案存在嚴重的穩(wěn)健性問題，因為總是缺少下一個有趣的訓練集，而核心識別系統(tǒng)似乎對像素級細節(jié)很敏感。
關(guān)鍵問題在于，這種方法能窮盡嗎？還是說相對于工程穩(wěn)健性有根本缺陷？我們是否需要一種不那么依賴訓練和高精度傳感器的新架構(gòu)？100 年前，尼古拉·特斯拉發(fā)明了交流電，而當時市場上的正統(tǒng)可是愛迪生的直流電。現(xiàn)在，我們是否需要新的特斯拉來發(fā)明新的“交流電”？
DSRC 誕生已經(jīng) 20 多年了，在此期間，主流交通行業(yè)均認為，DSRC 將成為下一代交通基礎(chǔ)設(shè)施的基礎(chǔ)。各種公共機構(gòu)對 DSRC 所推動的技術(shù)浪潮完備度，更是進行了無數(shù)的咨詢研究。然而，隨著 5G 技術(shù)的發(fā)展，是否有理由在技術(shù)和商業(yè)兩大層面對這一浪潮持懷疑態(tài)度呢?
從技術(shù)角度來看，如果站在自動駕駛提供商的角度，肯定不會將寶都壓在 DSRC 基礎(chǔ)設(shè)施的普及度上。在這樣的背景下，構(gòu)建方案時就要假設(shè) DSRC 完全不可用。除此之外，DSRC 的特殊技術(shù)優(yōu)勢在各種權(quán)衡與替代方案出現(xiàn)時可能就不那么引人注目了。
從商業(yè)角度考慮，誰愿意在 DSRC 基礎(chǔ)設(shè)施上砸數(shù)十億美元（或更多）資金呢？從現(xiàn)在的情況來看，5G 有完整的商業(yè)盈利模型，但 DSRC 沒有?？紤]到 FCC 最近針對 WiFi 頻譜使用所采取的行動，DSRC 是否真的可行呢？
計算機技術(shù)誕生初期，對其接受度最高的其實是零售商，他們用計算機來統(tǒng)計庫存和賬單。對零售商來說這些功能確實實用，但實體零售近些年來卻被電子商務(wù)打的毫無還手之力。
自動駕駛技術(shù)是否會成為交通行業(yè)的“庫存管理”呢？也就是說，自動駕駛確實非常有用，但“移動”人員的最有效方法不應(yīng)該是虛擬會議嗎？主要的經(jīng)濟功能，如教育，工作，娛樂，醫(yī)藥和購物，都在向網(wǎng)上轉(zhuǎn)移，這種趨勢對傳統(tǒng)運輸?shù)挠绊懯巧钸h的。如果變革持續(xù)下去，傳統(tǒng)運輸?shù)闹攸c將由個人擁有的乘用車轉(zhuǎn)向：
1. 電子商務(wù)推動的自動化物流；
2. 公共交通或出行即服務(wù)推動的最后一公里共享方案；
3. 遞送機器人主導的最后 100 米解決方案。
有趣的是，似乎 FCC 將 DSRC 頻譜讓給 WiFi 使用反而會使最安全的運輸形式成為可能。
“誰動了我的奶酪？” 是一個著名的激勵寓言，從本質(zhì)上來講，它是管理形式的變革。一些社區(qū)和組織處理得當，而另一些社區(qū)和組織則繼續(xù)回到原本存奶酪的舊地方，并想知道奶酪的去向。
運輸業(yè)正在發(fā)生巨大變化，而大象大小的奶酪在四處移動。
雷鋒網(wǎng)&雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
