原创 谷歌的无人驾驶汽车意味着什么？

以下文章来自知乎 贾子枫 网友对问题“Google 无人驾驶汽车的发布意味着什么？”的回答。

没有人邀请。更让人神伤的是没有从专业的机器人角度的回答。看看机器人的历史和未来，Google car是一个里程碑。

虽然有答主是从事无人驾驶研发的，其实只是在辩白说Google的技术并没有遥遥领先，让各位外行的知乎看客不要大惊小怪。从而从技术的角度顺利拉低了Google car的意义。至于企业布局，物联网，商业前景，对不起，我是技术人员，我喜欢从技术发展的角度来分析问题，你们说的我觉得都对，但是并不是Google car所属的单一的意义，因为这些意义适用于很多其他的科技产品。

想给这个问题写一个回答，也是因为前两天看了IEEE Spectrum专门披露了Google car当年在内华达州和加州的测试报告，也算是感慨良多。做机器人的这些年，深知科技进步的不容易，一点一滴的突破都要靠从理论到工程实现到系统集成全方位的进步。有兴趣的朋友可以去看看 How Google’s Autonomous Car Passed the First U.S. State Self-Driving Test

首先我要提一下，Google car，是划分到机器人领域的（欢迎来探讨）。虽然它是个车，但算不上汽车领域；虽然东家是做搜索的，但就目前的产品来看完全不是什么互联网物联网车联网领域的。Google car是一个独立的，全自治的个体，所以“网”并不是必须的。Google car最初的领导者就是Sebastian Thrun，他和Wolfram Burgard，Dieter Fox早期做了很多移动机器人的研究，他们最出名的著作就是Probabilistic Robotics。

明确了Google car属于机器人学的范畴，我们才方便从机器人学的角度来分析Google car的意义。这又要牵扯出一个巨大的话题——机器人的过去，现在，未来——而且并没有什么标准答案。以前回答过的一个问题，有兴趣可以看看我对机器人发展的理解。想做机器人，有什么好的发展方向？ 不过之前的回答偏工程应用，今天尝试从更深层次的“概念”上来探讨一下。简单的说，是人来做世界模型？还是机器人自己来做世界模型？

之前的回答，我并没有分析为什么机器人是这样的一个发展趋势。其实这是机器人从简单到复杂，由傻到聪明的过程。人类的自然科学从一开始就建立在严密的逻辑和规则之上，机器人也是从空间上时间上都可以精确的执行任务开始，所以工业机器人早已遍布流水线。在这个问题中，机器人只是扮演人类解决问题时的一个工具。人类会精心的把环境，机器人的各种参数，要完成的任务全部建立在一个数学模型中，求解，这就是机器人的运动轨迹。人类利用自己对世界的理解来建立世界模型，把机器人放在里面，执行问题求解的结果。如果现在我要做一个会投篮的机器人，首先我要知道篮筐的准确大小，建立摄像头的投射模型，解出篮筐在摄像头坐标系的位置姿态。要知道篮球的重量（或者后期调参数来校准），电机的规格和控制系统，全部换算到世界坐标系计算进球的抛物线，然后计算球离开的速度，用逆运动学计算电机的角速度。。。差不多这样，后期就是各种调试，那么到底是机器人会投篮还是我会用这么一个机械装置投篮呢。。。这个阶段的机器人，没有基本的认知能力。当然随着工业机器人的发展，已经集成了越来越多的传感器，工业机器人变的聪明多了。

直到科学家们想把机器人从工厂的无人环境移到人类的环境中时，才发现原来其中的鸿沟有这么大。在一个很难建立模型的人类世界中，每天有无穷无尽的新情况发生，建立一个可以包含所有可能性的模型已经不太实际，只有尝试做一个有认知能力的智能系统。对于移动机器人来说，首先要有自身对环境的感知和表达，也就是SLAM，实时定位与建图，也是Sebastian Thrun主要的贡献所在 （某匿名回答提到Google暴力的离线建好了图。。）。Google car虽然已经可以应对很多道路情况，但并不完美。我自己猜想最难做的部分就是local navigation，实时的对周围环境建模并分析（是的，还是建模，而且还是非常工程的方式）。Google car还是使用了大量传统的方法，可是他们已经开始做“让系统自己去对环境做理解”。据我所知（Google披露的信息太少，很多都是茶余饭后听来的），Google将深度学习用在Google car的项目中，需要让Google car自己找出和决策相关的传感器信息。可能这也是百度深度学习实验室(Baidu IDL)要开展无人车项目的原因。与传统的机器人相比，如果Google car真正能够做到实用（尤其是在中国的道路上，因为这里更无规则和逻辑可言），工程上的突破也许有限，但会是第一个在复杂环境中替代人类劳动的机器人，也预示着服务型机器人将会大量的出现在我们生活中。

本来希望能回答的简洁明了，还是洋洋洒洒写的快要收不住尾了。写结论性的东西压力很大，随便扯一些有可能增进大家对机器人领域了解的东西。。。开始做移动机器人的时候，很多人都觉得离家庭机器人不远了。毕竟人是要快成年的时候才可以去考驾照，自然而然的想法就是在家里走的机器人要比在路上跑的机器人好做吧。结果发展到今天，无人车的进展比家用机器人领先了太多，自然和当年Darpa的推动以及Google的后续投入分不开，但我要说的是，无人车确实是一个很好的切入点，因为驾驶是一个比做家务更有逻辑，更有规则可以遵守的活动。从工程的角度来讲，无人车实现起来更容易。这也是 @Kevin Zhong 提到的Bosch和Continental也在做辅助驾驶，Audi现在高端点的车都有自动泊车系统。如果我们限定一下无人驾驶的环境，这就可以用建立世界模型的方法来解决，是一个工程问题。而且我上面提到的三个大佬全是德国人，德国解决工程问题的能力不容小觑。但Google要做的是全天候全路况的自动驾驶，这和其他无人车不是一个量级的研究。类似于Boston Dynamics的Petman，Wildcat和Honda的Asimo的区别。人类长于抽象思维，机器长于逻辑思维，传统的机器人方式，机器人的逻辑水平取决于工程人员，只有机器人自己具有了抽象能力，才可能获取我们意想不到的智能。

好好称赞了一下Google car，也许因为排名第一的答案有点低估Google car。话又说回来，虽然Google car已经非常接近一个司机的水准，这一天真的到来还不知道要多久。真正的智能系统，人类，出生时代码里有一些不明的固有信息，可以处理简单的条件发射，却能一直积累传感器输入，提取抽象信息，不断的做预测，决策，反馈，拥有惊人的记忆能力。在人成长的过程中，通过最简单的条件反射积累经验，直到掌握逻辑，遵守规则，甚至对这个世界这个社会了解到可以适应各种明文的规则，还可以利用潜规则钻空子。。。我可以说Google car已经往这个方向迈出一步了么？