雷鋒網 · 新智駕（公眾號AI-Drive）按：8月24日，騰訊汽車與汽車·創新港在上海聯合舉辦2017全球汽車AI大會。Google無人車之父、Udacity創始人Sebastian Thrun在這次大會上分享了他自2004年來開發自動駕駛汽車的經驗：

• DARPA是怎樣培養了第一批的自動駕駛開發團隊；

• Google無人車的技術路線形成；

• 未來自動駕駛會對生活產生什么樣的影響。

以下是Sebastian Thrun在現場的自述實錄，雷鋒網 (公眾號：雷鋒網) · 新智駕編輯整理。

DARPA Grand Challenge啟蒙了自動駕駛汽車的開發

我從事自動駕駛方面的研究已經超過10年，將近15年。

當我還是小孩，那時候我會看一些電視，電視和電影里經常有這樣一輛車不需要人類駕駛就可以在路面上疾馳。少年時期，我的一個朋友開車與一輛卡車相撞了，當場死去了。

我與自動駕駛真正結緣是從2004年開始。13年前，美國政府和美國國防部先進研究項目局（DARPA）舉辦了一個關于汽車的挑戰賽（DARPA Grand Challenge）。

這是2004年的挑戰賽，當時很多參賽隊伍是都是來自大學的車隊，DARPA Grand Challenge的目標是讓這些車輛在莫哈韋沙漠中行駛超過140英里。當時最大的車重達15噸，最小的車更像一個輪式機器人，來自加州伯克利大學。那一年，沒有一輛車跑完全程。

當時我還是斯坦福的教授，主要帶領學校的AI研究。我覺得我們得做得更好，所以就在斯坦福建立了自己的車隊，我們當時的目標是讓車能在道路上行駛。

我在斯坦福建立的第一個車隊，當時的資金也不夠，團隊成員都是我的學生。那時候我沒法給我的學生支付薪水，只能給他們講課作為回報。當我們開發這些車的過程中，遇到了非常多困難。

當時一些媒體采訪了我們和其他的自動駕駛研發團隊，這是CMU翻車的照片，這是Anthony Levandowski當時的參賽車，是一輛可以實現自平衡的摩托車，但當時它的性能表現都不太好。

2005年的時候，我們永遠都不會想到無人車以后會這樣成功，那時候只有極客會關心自動駕駛能不能實現。我們作為科研者，我們就是要把不可能變為可能。

2005年，斯坦福大學的參賽車Stanley在自動駕駛狀態下行駛了100多英里，差不多在沙漠里行駛了6個多小時。最后完成了挑戰，也是第一輛完成DARPA Grand Challenge的自動駕駛車。

Google無人車的技術演進

完成比賽之后，我在硅谷和Larry Page交流。他說他也看了當時的沙漠挑戰賽，后來我也跟大陸集團進行了合作，我們買了一輛二手的豐田普銳斯，然后把傳感器和計算硬件都裝到了這輛車上，比如說攝像頭、激光雷達，就成了Google最早的自動駕駛樣車。

2010年的Google無人車是一輛豐田普銳斯，2012年我們把它換成了雷克薩斯的SUV，再到2015年，就變成了大家比較熟悉的，很萌的豌豆車。

2010年到2011年之間，我們在舊金山做自動駕駛的測試，大家可以看到很多視頻里都頂著64線的激光技術，它所捕捉到的畫面可以將車周圍的環境和障礙物描述得非常清楚，精確度是非常高的，而且我們也知道車子本身的車速，這是一個360度的檢測能力，沒有任何盲點。所以那個時候我們有了激光雷達。

機器人擁有大象一般的記憶力，可以記下所有的東西，所以我們只要把所有的數據存進去，再進行數據的處理和分析，這樣可以讓整個的行駛變得安全。

我們的工作還有一個核心重點，就是定位。我們跟美國政府合作，因為他們有30多顆衛星，傳統衛星的精度只能達到2到3米，這是遠遠不夠的，我們希望更精確的定位。當你的定位精度達到厘米甚至毫米級，可以更好地了解你身邊的路況，而且還可以做到防患于未然。我們通過將激光雷達、3D相機還有其他的技術數據融合，來描述周邊自行車、行人、車輛的情況。

我們還經過數年開發了項目來追蹤所有的物體、行人、汽車、自行車來往穿梭的運動態勢。如果出現綠燈，是按照這方向移動，不止汽車，巴士、行人、自行車都在移動，我們再去看交叉點是什么，我們知道所有路口整個的交通信號燈設置是什么樣的，這樣有更好的方法來理解和預測這個交通環境的變化。

如果把上述這些放在一起，這是2013-2014年自動駕駛技術的成熟度，通過這個方式可以數字化車輛周圍的所有情況。

2008年我還在做AI和深度學習的研究，今天AI的技術已經發生了很大的變化，包括自動駕駛、AlphaGo等等，癌癥的診斷、遠程醫療也都是可以通過AI來進行的。其中有一項核心技術就是深度學習。

上世紀八十年代就有了深度學習的概念，我們通過一些計算機的編碼，可以讓機器自行學習，甚至機器可以通過自己的錯誤來學習。當你教孩子的時候，你不可能告訴他各種各樣的意外事故，不可能一條條地教給他。而是交給孩子一些規律之后，給他一個環境去學習、適應。對于計算機也是一樣，你把主要的規則輸入到計算機，計算機會通過深度學習的方式進行發散性的分析。但一個計算機學完之后，其他的計算機也會受益，這樣學習速度當然要超過人類。

自動駕駛對生活的改變

我還在Google開發無人車的時候，這是灣區的一位盲人斯蒂夫，他覺得自動駕駛對他的生活有很大的影響。他是一位50多歲的盲人，由于疾病失去了視力。有很多像斯蒂夫這樣的人，包括老年人和各種殘疾人士。

2014年，我們還和Uber合作了一個共享汽車的項目（EZGO）。共享汽車現在在中國也是非常流行了。實現自動駕駛之后，我們只要登陸APP去預約這個車，它就可以自己開過來，當你想要開車的話，你也可以之后自己開車，有這兩種模式可以選。

還有就是卡車司機，因為全球有很多的卡車司機，這是一個危險而且勞累的工作，我們希望自動駕駛能夠改善這種情況。

我們希望大家可以去思考一下過去的歷史，在過去歷史的基礎上再去思考一下未來。如果自動駕駛真的成為現實的話，差不多有10%的工作將會發生改變。不管是幾歲的小孩，還是年過半百的甚至百歲的老人都可以享受到自動駕駛。

我們只需要等待時間，我希望在未來就能夠把這種不可能變成可能。

雷鋒網推薦閱讀：

Google無人車之父、機器學習和200萬獎金的DARPA挑戰賽，自動駕駛時代是怎樣開啟的？

。