热点：为什么对于自动驾驶来说 向“左转”是件难事

想象一下你打算开车在十字路口向左拐。

这条路上没有信号灯和停车标志。 除了在高速车流中找到行驶空档位外，还需要确认右车道的车辆与你相撞。

这个“无保护左转”(也就是不被信号灯和停车标志吸引的左转)有几种形式，但不太多的复杂版本如下。

在红绿灯的地方，表示圆形的绿灯而不是绿色箭头使你前进。 如果你想左转，必须在对面来的车流中找到空的间隙。

也许没有观察到看起来简单的“左转”可能会引起一系列问题。

比如司机转入的车道上可能已经排着长龙。

这个时候，应该开始转弯还是等队伍开动后再转弯？ 还是如果明确了可以转入空之间就马上转弯？ 车辆来对面车道吗？ 离自己有多远？ 车辆的移动速度有多快？ 你能及时完成转弯吗？ 行人走到进入的路中间吗？

人类每天必须应对这么多杂乱的思考过程几百万次，但往往会犯错误。

年美国交通部的一项研究调查了200多万起事故，结果发现左转评价错误引起了其中22.2%的事故，右转几乎只占其中1.2%左转事故的20倍。

美国快递巨头ups取消左转，决定司机到达哪个目的地的正确方法是不左转。 路线规划地图软件waze还提供了特别的功能，使客户可以规划路线而无需左转。

“左转基本上是人多、拥挤的驾驶世界上最多、繁杂的事件。 “驾驶经济学:我们为什么这样开车？ 》的作者tom vanderbilt先生这样说。

1、你为什么说自动驾驶左转不容易？

向右拐有多容易？

只要把车诱进右转车道，司机就可以在多个十字路口闯红灯右转。 因为这对自动驾驶车来说非常简单。

向左拐就不同了。

十字路口很多杂乱的车流、蠢蠢欲动的行人、各种标志和交通标志，对自动驾驶车辆的环境感知和预测提出了极高的挑战。

对于这种情况，人类司机通常这样解决。

他们会等交通路况来注意。 如果左转的机会少，他们会调整自己的驾驶战略。

1 )可能会强行向左拐，在车流中找到空文件等，加速得更快。

2 )表示左侧车辆要小心进入行驶车道转弯，有时希望其他车辆在空之间空出。 特别是在车流密集、移动缓慢的情况下，他们需要“看缝针”。

3 )或者在各车道之间找到中间位置，从中间位置向左拐，试图移动到目标车道。

对人和自动驾驶车来说，左转需要注意多方面的消息评价适当的转向时机，特别是没有保护的左转。

即使是现在最熟练的自动驾驶车也可能不容易顺利地向左拐。 工程师们发现安全地左转无人驾驶汽车是他们面临的最大课题之一。

在waymo凤凰城总部附近的丁字路口，waymo的自动驾驶车在没有这个信号灯的路口左转时，经常遇到麻烦而进入正常行驶中的车流。

这条路的限速大约是70公里/小时。 人类司机马上左转。 waymo的自动驾驶车没有保护不能向左拐，在十字路口等了很长时间后最终不能向左拐，很大程度上影响了它后面的人类司机的忍耐。

zoox、nuro.ai、pony.ai等其他企业的报告高频记述了无人车在十字路口左转时发生错误的问题。

很明显，能否顺利完成左转成为衡量自动驾驶企业技术水平的重要指标。

麻省理工大学自动驾驶研究方向的教授说:“每天都有很多挑战，左转几乎在问题清单的最上面。 "。

waymo行动小组负责人、软件工程师nathaniel fairfield说，不受保护的左转是自动驾驶最棘手的事件之一。

fairfield带领的这个团队重点是让自动驾驶车按计划驾驶，如“将汽车固定在各自的车道上”、“在驾驶中做出决定，预测其他车辆的行动”等。

因此，为了处理这个问题，自动驾驶车必须与人类驾驶的车相互作用，进行实时计算是非常重要的。

自动驾驶汽车开始转弯时，需要计算别人是否减速。 这就像人类进行同样的操作时需要在心里进行估计一样。

或者，自动驾驶车辆需要明确其他车辆是如何“有礼貌地要求”的。 当然，有时路上的其他人不配合这个要求。

所以工程师们说向左拐不容易。 了解人心不容易。

根据汽车心(微信id:auto-bit )，人类驾驶者用手势和眼睛与其他驾驶者进行非语言交流，以手势、眼神接触、无声、转向灯等详细信号，在各种各样的交通状况下，什么时候安全 但是自动驾驶车做不到。

因为为了自动驾驶汽车，避免大脑灰质和肌肉的记忆，通过编程、ai、车载探测系统(激光、相机、雷达等)进行切换。

因此，一台机器在很多杂乱的交通情况下向左拐是非常困难的。

对自动驾驶车来说，评价来车的距离和速度反而成了简单的部分。 利用gps导航装置、相机、激光雷达、毫米波雷达等，自动驾驶车可以准确地测量其路径上物体的位置和速度。

但是，自动驾驶不能评价这些汽车和行人下一步要做什么。

因此，自动驾驶汽车需要人类心理阅读来自其他司机和行人的微妙信号，完成路上最难的操作。 这不仅涉及技术，还涉及心理学。

人与车的游戏:人的意图才是根本挑战。

对自动驾驶车来说，人的意图才是最根本的挑战。

年5月，auroa ceo chris urmson在卡内基梅隆大学发表了题为“perspectives on self-driving cars”的演讲。

他说，自动驾驶车的选择完全依赖于人类驾驶者期望的理解和匹配。 要做到这一点，不仅要推测本车司机的意图，还需要推测其他司机的动向。

为了明确“人为因素”的重要挑战，urmson对备受瞩目的自动驾驶事故进行了三次分析。

谷歌自动驾驶车与公共汽车相撞

唯一的25次自动驾驶事故中，一次事故需要谷歌自动驾驶车承担一定的责任。

在这次事故中，谷歌无人车本打算用出道转弯的方法转弯，但前方出现了很多沙袋。 信号灯变绿后，先等几辆车经过，再看公共汽车。

对公共汽车司机来说，道路上有足够的空之间。

但是在谷歌无人驾驶汽车中，系统预测公共汽车减速，无人车并行进入，但没有这辆公共汽车。 结果两辆车相撞了。

uber自动驾驶车发生翻车事故

在遭遇严重的交通事故之前，uber的自动驾驶车停在最左边的车道上，但右边的2条车道因为车辆多而陷入了堵车。 uber测试车看到自己的车道很畅通，选择了继续直接行驶。

但是，这时，一个司机想把车排在左边直接向左拐，排队的时候其他车辆挡住了司机的视线。 司机可能认为其他车辆会减速，所以直接组装在最左边的车道上，然后车辆相撞，uber的测试车直接翻倒了。

严重碰撞的特斯拉model s

即使特斯拉多次强调采用自动坑时双手放在方向盘上，遭遇交通事故的司机也确信其功能。

当时车辆认为司机会经常观察路况，成为最后的安全防线，但司机认为autopilot能解决这一场面。 但是他们错了。 当那辆大型卡车出现在车前时，车主和车都没有发现它的存在。 因为这场致命的事故是不可避免的。

这次事故后，特斯拉做了很多调整，让车辆了解司机开车时的状态。 这起事故表明，试图用人的观察力补充车辆的短板极限很大。

上述例子反映了为什么自动驾驶汽车与人交流的能力这么重要的事实。。

我们考虑一下这样的问题吧。

走在没有信号灯的人行横道上时会怎么样？ 开向你的车可能会减速。

走在车前面的时候，和司机进行眼神交流，清楚他们在看你，司机就这样停车。

想象一下现在这种情况下的自动驾驶车没有人开。 你怎么知道这辆车是否检测到你？ 我知道你会做什么吗？ 我决定为你停车了吗？

这种情况的交流可能比你想象的频率多，可能涉及行人、骑自行车的人或其他司机。 自动驾驶汽车需要更多复杂的信息表现。

3、人和车:如何进行比较有效的信息表现？

科学家曾经提出了一项名为“心理理论”( theory of mind )的研究。

所谓“心理理论”，就是只看声音、肢体语言甚至别人的眼睛，就能让人类推测别人想做什么。

“心理理论”是在人类拥挤的地铁站和足球比赛中，可以预测彼此的走路方式是左还是右。

这个理论在司机和行人接近繁忙的十字路口时也同样介入发挥作用。

这种干预非常及时，为了评价人们是否能安全通过，开始交换肉眼可见的线索，几乎没有注意到新闻用相当小的信号交换。

现在的自动驾驶车没有人类聪明，无法识别肢体信号和来自人类的一瞥，这些消息对自动驾驶车来说没有意义。

而且，“心理理论”的影响是双向的。 人类也不能理解自动驾驶车的“想法”。

如果行人打算在绿灯的最后一秒冲过人行横道，转弯中的自动驾驶车是停还是继续转弯？ 如果车上没有一个人点头或挥手致意，行人怎么知道？

因此，汽车制造商有可能需要开发用于引导自动驾驶汽车下一步的新信号系统的共识，将来需要像告诉孩子交通信号等那样，使司机和行人能够识别来自自动驾驶车的信号

有报道说硅谷的自动驾驶企业drive.ai在这方面做了很好的尝试。

首先，drive.ai首先从视觉开始，把自动驾驶车的外观涂成橙色，方便司机和行人的识别。

其次，车辆左右有串通的蓝色色条，色条上用白色字体表示为“自动驾驶车”。 drive.ai抛弃了许多“autonomous”的杂语，换成了大家都能理解的“self-driving”。

第三，车辆的前部保险杠上也写着“自动驾驶车”的文字，行人过马路时可以看到。

第四，车身上挂着四块外接屏幕，分布在发动机罩、车身后部、两个前轮上(每块22.5x7.5英寸大小)。

这些屏幕作为车辆的“喉罩”。 车辆要给行人让路时，显示屏会闪烁，显示“请先走”的复印件和行人通过人行横道的图标。 后面的显示器复印件不同。 车辆停下来向行人道谢后，显示屏上会显示“行人过街”的文字。

整个设计根据客户测试中的反馈，注意并重复他们的反应。

从以前汽车传来到驾驶汽车有很长的过渡期，正因为是过渡期，所以drive.ai这样的通用处理方案才被无视。

但是，在道路上行驶的是自动驾驶车，所有的车都可以相互通信的话，向左拐就变得很容易了。

就像飞机塔命令一样，车与车之间的相互通信会让所有的车知道彼此是如何行驶的。

4、不能左转。 不是算法的问题吗？

这个领域也有“激进”的玩家。

今年5月，cruise对外发声，在旧金山许多杂乱的环境中执行了1400次无保护的左转。

cruise处理左转课题的方法是利用机器学习来应对左转课题。 cruise开发了计算左转前多个十字路口之间的距离的算法。

实际上，交叉路口的地理因素是车道的数量和位置、有无线路和人行横道等设施，更重要的是从摩托车到大型卡车的其他车辆的速度等动态因素。

在模拟中，cruise通过测量“选择间隙”的长度来测量汽车进入交叉路口的时间距离，将该值最大化以提高安全性，在模拟环境中继续练习，用可视化工具分解数据，积累大量数据，

waymo也通过了模拟测试和道路测试，同样具备这样的能力。 waymo说，他们的车辆每天模拟行驶距离将达到1000万英里。

通过模拟可以得到“无保护左转”的经验，但waymo因为“左转”看起来有点保守。

去年8月，外国媒体报道了waymo的自动驾驶车自主计划路线，“尽量不要在没有保护的左转和高速公路上行驶”。

一位waymo early rider的早期成员在街区周围向右走了很长的路，以免waymo向左拐。

waymo主张定期进行“左转练习”，但waymo看起来很谨慎，该自动驾驶领域的基准也承认“高速公路上没有保护的左转是最难的驾驶操作之一。 &hellip； &hellip； 是新技术。 我们会慎重又慎重。 因为安全是我们的关键。 "。

因为是“向左拐”，所以巡航者不知道能不能称之为“领先”韦莫。

但是，自动驾驶车通过采用“不向左转弯”的战略，可以减少很多麻烦，看起来像是捷径，但长期来看“向左转弯的问题”没有被彻底处理。

如果自动驾驶车在十字路口犹豫不决，原因不是算法的问题，而是发现自动驾驶车在现状中执行左转的安全余量太小:也有风险太高的看法。

这个问题不能用更好的算法处理，只能通过提高自动驾驶车可接受的风险水平来优化。

交叉路口左转的风险取决于交叉路口的布局、物理特征和其他交通参加者的潜在行动范围，这些不会被自动驾驶车改变。