爱华网
系列专题：《我们为什么这样开车：开车经济学》
如果这些情形已经很复杂，那么再思考一下通常在驾驶时，多数人所处的各种环境：不仅仅是杳无人烟的沙漠通道，还要考虑到闹市和乡下街道。理解了特伦的想法之后，我明白这正是他在思考的问题。特伦现在正处于国防部高级研究计划局城市挑战赛下一赛季的试验阶段。这一次道路选在城市，所以越野的"斯坦利"被淘汰，取而代之的是辆灵敏度高的晚辈"佐尼"（Junior）。"佐尼"是2006年生产的一款大众帕萨特车型。按照国防部高级研究计划局（DARPA）的规定，汽车应该在"时速达到20英里时，能够实现安全准确的无人驾驶，"包括"并入运行中的道路、在环道上行驶、顺利通过车辆繁多的十字路口以及绕过障碍。" 这些要求连我们人类也不一定做得到，不过很多司机每天都能顺利地进行多次演习。教会一部机器学会这些就要处理好基本问题：对没有规律可循的交通场景进行分析（我们经常如此），这已经是件大事。这不仅需要识别物体，还要理解物体之间的相互联系，不仅仅要考虑当下，还要考虑到以后。特伦举了一个实例：当一个人驾车行驶到安全岛或者看见静止的车辆时，他会做出不同的反应。"基本上你能够对静止的车辆做出反应，你可以排在车后面等候，"他说道，"如果是安全岛，你只需绕着开过去。人类在看到物体后能够立即识别，这是理所当然的。但是，想要通过分析图像数据，让车来理解前面出现的是一个安全岛，还不存在这样的技术。"在40米左右的位置以外，按照特伦的说法，"佐尼"也不知道正在靠近的物体是什么，它只把这个物体看成一个障碍。 和人比起来，"佐尼"在某些方面更有优势，这就是为什么有些像自适应巡航控制的机器设备（可以通过雷达信号来判断与前面车辆的距离，同时做出适当反应）已经开始在车内使用的原因。当计算其与前面车辆的距离时，就像ACC（自适应巡航控制系统）一样，"佐尼"比我们更加准确。斯坦福大学的研究员迈克尔·蒙特莫罗（Michael Montemerlo）说"佐尼"可精确到1米内的车距。"人们总会问：是否‘佐尼‘可以感觉到其他人的刹车灯，"蒙特莫罗说道。"我们的答案是‘不需要‘。‘佐尼‘可以精确计算另外一辆车的速度，由此判断这辆车是否会刹车。它可以直接确定对方的速度，而不是通过十分有限的信息了解到对方即将停车。"它比人类获取的信息还要多。 驾车不仅要考虑感觉的可信度，还要知道如何处理信息。对"斯坦利"来说，这种任务相对简单。"不过是机器人独自行驶在沙漠里，"蒙特莫罗说。"‘斯坦利‘"对外界的认识是基础性的，实际上外界在‘斯坦利‘眼里完全是几何图形。‘斯坦利‘的目标不过是选择平坦的道路而避免走崎岖的路。由于‘斯坦利‘对外界的了解很有限，它无法在市区环境下行驶。要在这种环境下行驶就一定要理解你看到的情形，还要对此理解得很透彻。"比如说，当我们接近一处刚刚变黄的交通灯时，我们会立刻开始一系列复杂的分析：黄灯会亮多久？我有时间（或者空间）刹车吗？如果加速我可以穿过去吗，要开多快才能成功？如果突然踩刹车，后挡板会不会被撞？有没有冲红灯摄像机？路面是不是湿的？我在岔路口会不会被抓，会不会妨碍交通？然后我们再做出决定。
