自动驾驶离我们还有多远?

环境感知，规划决策是自动驾驶的重要部分。下面从学术和工业的角度看看自动驾驶离我们到底还有多远。

机器感知近几年在学术上有重大突破。主要贡献来自于深度学习在计算机视觉上的突破。代表性工作是深度学习在ImageNet 1000类物体分类精度超越人类的识别精度。
在感知之后，由感知到决策也取得重大学术进展。主要贡献来自于深度增强学习的应用。代表性工作是Google DeepMind团队设计的机器人在游戏(Atari games), 围棋(Alpha Go)上相继取得惊人成绩，在Nature上发表重量级论文。

由这些学术上的新元素和传统的感知、规划决策方法配合，自动驾驶在理论上可行性大幅提高。

所以，我们看到这两年在工业界，自动驾驶公司纷纷涌现。这其中包括Google, 百度等巨头公司, 也包括驭势科技、地平线机器人等创业公司。

从这些公司的实践形式看，大致分为2条路线：

1，从驾驶辅助系统到自动驾驶系统。

即先保守地先利用机器感知技术的突破，增强司机的环境感知能力。然后积累更多数据、更多经验做自动驾驶系统。
驾驶辅助系统的劣势在于不能真正实现人力解放和车辆共享。
地平线机器人等很多家公司已经推出驾驶辅助系统，或类似产品（像自动巡航）。

2，从局部自动驾驶到全局自动驾驶。

即从特定区域或特定场景自动驾驶到全路况全天候自动驾驶。像巴士自动驾驶，公园内自动驾驶等。
驭势科技等公司采用这类路线。

那么，自动驾驶离我们还有多远?
各大公司给出的时间基本在2020年以前。在工业界，现在有一大批时势英雄加入这个领域。在学术界，顶级学术研究团队也还在不断完善从感知到控制的各个细节。尤其印象深刻的还是Google DeepMind团队的学术进展，在人工智能顶会上有连续的重要论文产出，一点点垫实理论基础。
自动驾驶实现之后，会给我们带来什么样的便利？除了解放人力外，还可以共享车辆，缓解拥堵。车费也会降!
像比尔.盖茨在2000年左右的CES大会上揶揄汽车行业，“如果通用（汽车）的发展能像计算机行业一样的话，那今天人人都能开着仅售25美元的汽车，而且一加仑汽油可以跑1000英里。”