正文
自动驾驶最早的原型可能要算“斯坦福车”，这个20世纪60年代获得美国国家航空航天局(NASA)资助的项目在汉斯·莫拉维克(Hans Moravec)——被誉为“人工智能最坚定的支持者”——的努力下取得了巨大进展。莫拉维克通过远程图像来操控“斯坦福车”的运行，然而它逃脱了控制，直接驶上了繁忙的道路，追捕“叛逃机器人”成为无人车历史上诙谐的一笔。莫拉维克在机器视觉的探索中遭遇了很多挫折，后来有了著名的
莫拉维克悖论(Moravec’s Paradox)
——人类的高阶智能，比如推理、规划和下棋，计算机都能够轻易实现。而只有几个月大的婴儿就能驾轻就熟的低阶智能，如感知和运动配合，计算机都遥不可及。
美国国防部高级研究计划署(DARPA)为降低未来战争中士兵的伤亡，在2004年举办了第一届无人车“大挑战(Grand Challenge)”，可惜在沙漠中全军覆没。而随后的2005年成为了一段光辉岁月。卡内基梅隆大学的Red队是夺冠热门，其老大、机器人专家雷德·惠塔克(Red Whittaker)志在必得。在挑战者中，斯坦福大学的Stanley并不起眼，可是领队塞巴斯蒂安·特龙(Sebastian Thrun)矢志夺魁，这位同步定位与地图创建(SLAM)的先驱者从卡内基梅隆大学失意出走，试图在这场比赛中夺回尊严。卡内基梅隆大学的两辆车一路领先，可下半程几个松动的零件导致两辆车大幅减速，只获得第二和第三。Stanley虽然在比赛中出了几次事故，但未伤筋动骨，在删除了一些无关紧要的代码后竟然越跑越快，最终斩获200万美元奖金。在这次比赛中，很多车辆都使用了激光雷达、高精度的地理信息系统和惯性导航系统，直到今天仍然是很多无人车的标准配置。
2007年“城市挑战赛(Urban Challenge)”在卡内基梅隆大学卷土重来，这次他们准备充分，40人的队伍，除了两辆参赛的车辆，还有一辆补给车提供充足的零件替换。惠塔克终于摘得桂冠。在他的装备库里，第一次出现了一种新型的64线激光雷达，为了让这件装备投入使用，卡内基梅隆大学的工程师写了大量的驱动程序。这是由一家音箱厂商Velodyne的极客老板做出的，价值7~8万美元。在其后的近10年间，64线激光雷达成为全世界绝大多数无人车必须配置的组件。
自动驾驶的今生：企业精耕
![]()
谷歌的第一辆无人车是基于混电车Prius改装的，顶上装着64线激光雷达，以此建立高分辨率的三维环境模型或高精度地图。
谷歌的第二代无人驾驶车来自叫510 SYSTEMS的一个创业公司，其核心技术是Anthony Levandowski，是加州大学伯克利分校开发的，并非出自无人驾驶车三强（卡内基梅隆大学、斯坦福大学和麻省理工学院）。这家创业公司做的东西非常好，于是谷歌悄悄把这家公司买了下来，在其基础上开发出基于丰田Lexus的平台，一直到现在Lexus仍然是谷歌车队的主流车型，现在常在路上行驶的有20多辆。
谷歌的第三代无人驾驶车是真正的跃迁，这款车是完全重新设计的，做了很多思考和改进，比如移除了雨刷，因为并不需要有驾驶员在雨中看清路况。按照设计，这种车是没有方向盘的，但由于加州法律的限制，车里还是安装了一个游戏操纵杆作为方向盘。目前在路上行驶的这种车已有30多辆，同时谷歌还在进行大量的制造。
虽然谷歌的几十辆无人驾驶车累积的行程已达200多万英里，然而在实用性上面临着一定的问题：一是激光雷达等传感器太过昂贵，二是区区200多万英里不能证明无人驾驶足够安全或比人驾驶得更好。
另一条路线逐渐成为主流，他们从驾驶辅助和辅助驾驶开始，主攻以视觉为主的低价方案，试图实现快速商业化。其中翘楚是Mobileye和特斯拉，Mobileye的驾驶辅助系统已经安装在1000多万辆汽车上，而特斯拉的autopilot在短短7个月积累了1.3亿英里的自动驾驶里程。
Mobileye采用视觉地图，从视觉中提取的地图特别小，适合实时上传、通过众包的方式更新。事实上基于视觉的定位更接近于人的工作方式。我们根据道路上的标志来评估大致的位置，并且根据路面线条的变化做实时的决策（选哪一条车道，是否上匝道等）。那么，只须从视觉中提取出那些标志和线条，众包上传到地图（每公里只需10KB级别的数据），而行驶时可以通过视觉匹配来获得定位。
