自動(dòng)駕駛困難重重，左轉(zhuǎn)是自動(dòng)駕駛路上的阻礙之一，每攻克一個(gè)困難，我們離自動(dòng)駕駛就近一步。但最困難的不是技術(shù)，而是人類。

想象一下，你駕駛一輛車，正打算從一個(gè)十字路口左轉(zhuǎn)：

這條路沒有交通信號(hào)燈或停車標(biāo)志——你不僅需要在快速的車流中找到行駛空檔，還要確保一旦這樣做，右車道的車輛會(huì)與你相撞。

這種「無保護(hù)左轉(zhuǎn)」(即沒有交通信號(hào)燈或停車標(biāo)識(shí)引導(dǎo)的左轉(zhuǎn))有多個(gè)形式，稍微不那么復(fù)雜的版本是：

當(dāng)你在紅綠燈處時(shí)，圓形綠燈(不是綠色箭頭)示意讓你前進(jìn)，如果你想向左轉(zhuǎn)，就必須在迎面而來的車流中找到一個(gè)空隙。

你可能沒有注意到，一個(gè)看似簡單的「左轉(zhuǎn)」可能會(huì)引起一系列的問題。

比如，司機(jī)要轉(zhuǎn)入的車道可能已經(jīng)排起了長龍。

這時(shí)，到底該開始轉(zhuǎn)彎還是等車隊(duì)動(dòng)起來后再轉(zhuǎn)?或者是確定有空間能轉(zhuǎn)入之后就立刻轉(zhuǎn)彎?對(duì)向車道有車輛過來嗎?距離自己有多遠(yuǎn)?車輛移動(dòng)速度多快?能否及時(shí)完成轉(zhuǎn)彎?行人走到要轉(zhuǎn)入的車道中間嗎?

人類每天要應(yīng)對(duì)如此復(fù)雜思考過程上百萬次，但是很多時(shí)候，還是會(huì)出錯(cuò)。

2010 年美國交通部的一項(xiàng)研究通過對(duì)超過 200 萬起事故調(diào)查后發(fā)現(xiàn)，左轉(zhuǎn)判斷失誤導(dǎo)致了其中 22.2% 的事故，而右轉(zhuǎn)只占其中的 1.2%——左轉(zhuǎn)發(fā)生的事故幾乎是右轉(zhuǎn)的二十倍。

美國快遞巨頭 UPS 甚至取消左轉(zhuǎn)，規(guī)定司機(jī)到達(dá)任何目的地的正確方法是避免左轉(zhuǎn)彎; 路線規(guī)劃地圖軟件 Waze 甚至推出一項(xiàng)特殊的功能，允許用戶在沒有左轉(zhuǎn)的情況下規(guī)劃路線。

「左轉(zhuǎn)基本上是人類在復(fù)雜的駕駛世界中做的最復(fù)雜的事情了?！埂堕_車經(jīng)濟(jì)學(xué):我們?yōu)槭裁催@樣開車?》的作者 Tom Vanderbilt 這樣說道。

為什么說自動(dòng)駕駛左轉(zhuǎn)很難?

右轉(zhuǎn)有多容易呢?

——只需要引導(dǎo)汽車進(jìn)入右轉(zhuǎn)車道，在許多十字路口，司機(jī)甚至可以在紅燈的情況下右轉(zhuǎn)，因此這對(duì)自動(dòng)駕駛汽車來說十分簡單。

左轉(zhuǎn)就不同了。

——路口復(fù)雜的車流、蠢蠢欲動(dòng)的行人、各種各樣的標(biāo)線與交通標(biāo)志，對(duì)自動(dòng)駕駛車輛的環(huán)境感知與預(yù)測都提出了極高的挑戰(zhàn)。

對(duì)于這種情況，人類司機(jī)一般是這樣處理的：

他們會(huì)等待并觀察交通路況。如果左轉(zhuǎn)的機(jī)會(huì)很少，他們會(huì)調(diào)整自己的駕駛策略：

1)可能會(huì)加速得更快，比如強(qiáng)行左轉(zhuǎn)，在車流中找到空檔;

2)有時(shí)會(huì)小心翼翼進(jìn)入左邊有車輛行駛的車道，以示他們打算轉(zhuǎn)彎，并期望其他車輛騰出空間，尤其是在車流密集、移動(dòng)緩慢的情況下，他們必須「見縫插針」;

3)或者試圖在各車道之間找到一個(gè)中間位置，再從中間位置向左轉(zhuǎn)，移動(dòng)到目標(biāo)車道。

對(duì)人和自動(dòng)駕駛汽車而言，左轉(zhuǎn)需要觀察多方面的信息來判斷合適的轉(zhuǎn)向時(shí)機(jī)，尤其在無保護(hù)情況下的左轉(zhuǎn)。

目前，即使是最熟練的自動(dòng)駕駛汽車可能也很難做到流暢地左轉(zhuǎn)。工程師們發(fā)現(xiàn)讓無人車安全左轉(zhuǎn)是他們遇到最大難題之一。

在 Waymo 鳳凰城總部附近的一個(gè)丁字路口，Waymo 的自動(dòng)駕駛汽車在這個(gè)沒有信號(hào)燈的路口左轉(zhuǎn)時(shí)，常遇到麻煩——找不到機(jī)會(huì)并線切入正常行駛中的車流中。

這條路的限速約 70 公里/小時(shí)。人類司機(jī)很快完成的左轉(zhuǎn)。Waymo 的自動(dòng)駕駛汽車無法在無保護(hù)的情況下左轉(zhuǎn)，車輛在交叉路口等待很長一段時(shí)間才能最終左轉(zhuǎn)，嚴(yán)重影響在其身后的人類駕駛員的耐心。

其他公司，如 Zoox、Nuro.ai、Pony.ai 的報(bào)告都高頻描述了無人車在路口左轉(zhuǎn)時(shí)出錯(cuò)的問題。

顯然，能否順利完成左轉(zhuǎn)，也成為了衡量自動(dòng)駕駛公司技術(shù)水平的一個(gè)重要指標(biāo)。

麻省理工學(xué)院自動(dòng)駕駛研究方向的教授這樣形容左轉(zhuǎn)：「每天都有很多挑戰(zhàn)，左轉(zhuǎn)幾乎在問題列表的最上方?！?/p>

Waymo 行為團(tuán)隊(duì)負(fù)責(zé)人、軟件工程師 Nathaniel Fairfield 表示：無保護(hù)的左轉(zhuǎn)是自動(dòng)駕駛中最棘手的事情之一。

Fairfield 帶領(lǐng)的這個(gè)團(tuán)隊(duì)主要專注如何讓自動(dòng)駕駛汽車按照計(jì)劃的路線駕駛，解決包括「讓汽車固定在各自的車道」，「在駕駛中做出決策并預(yù)測其他車輛的行為」等多層問題。

因此，要解決這個(gè)問題，很重要的一點(diǎn)是，自動(dòng)駕駛汽車必須與人類駕駛的汽車有交互，并做出實(shí)時(shí)計(jì)算。

如果自動(dòng)駕駛汽車開始轉(zhuǎn)彎時(shí)，需要計(jì)算其他人是否會(huì)減速，這就像人類在做同樣的操作時(shí)需要在心里做出預(yù)估一樣。

或者，自動(dòng)駕駛車輛需要弄清楚如何「禮貌要求」其他車輛讓路。當(dāng)然，有時(shí)路上的其他人并不都會(huì)配合這個(gè)請求。

這就是為什么工程師們說左轉(zhuǎn)很難——因?yàn)榱私馊说男乃己茈y。

據(jù)汽車之心(微信 ID：Auto-bit)了解，人類駕駛員可以通過手勢或眼睛跟其他駕駛員進(jìn)行非語言交流，通過彼此間細(xì)微的信號(hào)(比如手勢、眼神、鳴笛、轉(zhuǎn)向燈等)來判斷在復(fù)雜多變的交通狀況下，什么時(shí)候才能安全左轉(zhuǎn)。然而自動(dòng)駕駛汽車卻做不到這一點(diǎn)。

原因在于，自動(dòng)駕駛汽車并不使用大腦灰質(zhì)和肌肉記憶，而是通過編程、AI 和車載感知系統(tǒng)(如激光、攝像頭和雷達(dá))換道。

所以，教會(huì)一臺(tái)機(jī)器在復(fù)雜的交通狀況中左轉(zhuǎn)困難無比。

對(duì)自動(dòng)駕駛汽車來說，判斷來車的距離和速度反而變成了簡單的部分。通過 GPS 導(dǎo)航裝置、攝像頭、激光雷達(dá)和毫米波雷達(dá)等，自動(dòng)駕駛汽車可以準(zhǔn)確地測量任何在其路徑上的物體的位置和速度。

但自動(dòng)駕駛不能判斷這些汽車和行人下一步將會(huì)做什么。

因此，自動(dòng)駕駛汽車需要讀懂人類的心理——來自其他司機(jī)和行人的微妙的信號(hào)——來完成路上最最困難的操作。這其中不僅涉及技術(shù)，還涉及心理學(xué)。

人與的車博弈：人類意圖才是根本挑戰(zhàn)

對(duì)自動(dòng)駕駛汽車來說，人類意圖(Human intent)才是最根本的挑戰(zhàn)。

2017 年 5 月，Auroa CEO Chris Urmson 在卡耐基梅隆大學(xué)做了題為《Perspectives on Self-Driving Cars》的演講。

他提到，自動(dòng)駕駛汽車做出的抉擇完全依賴于對(duì)人類駕駛員期望的理解和匹配。想做好這一點(diǎn)，不但要猜到本車駕駛員的意圖，還要揣摩其他駕駛員的動(dòng)向。

為了闡明「人為因素」這一關(guān)鍵挑戰(zhàn)，Urmson 剖析了三次備受關(guān)注的自動(dòng)駕駛事故。

在僅有的 25 次自動(dòng)駕駛事故中，有一次事故需要谷歌自動(dòng)駕駛汽車承擔(dān)一定的責(zé)任。

在這起事故中，谷歌無人車準(zhǔn)備采用出道轉(zhuǎn)彎的方式來轉(zhuǎn)彎，但是前方遇到了一堆沙袋。當(dāng)交通燈變成綠燈后，它先等幾輛車駛過，然后看到一輛公交車。

對(duì)于公交車司機(jī)來說，道路上有足夠的空間讓他開過去。

但是對(duì)谷歌無人駕駛汽車來說，系統(tǒng)預(yù)測公交車會(huì)減速讓無人車并線進(jìn)來，但是這輛公交車并沒有，結(jié)果兩輛車就撞到了一起。

在遭遇嚴(yán)重車禍前，Uber 的自動(dòng)駕駛汽車正停在最左側(cè)車道，其右側(cè)的兩車道由于車輛較多陷入了擁堵。Uber 測試車看自己車道順暢，直接選擇了繼續(xù)行駛。

不過這時(shí)，卻有一位司機(jī)駕車向左并線想直接左轉(zhuǎn)，在并線時(shí)其他車輛遮擋了司機(jī)視線。司機(jī)可能認(rèn)為其他車輛會(huì)減速慢行，于是直接并入了最左側(cè)的車道，隨后兩車相撞，Uber 的測試車直接被撞翻倒地。

即使特斯拉多次強(qiáng)調(diào)使用 Autopilot 時(shí)要將雙手放在方向盤上，但這位遭遇車禍的司機(jī)卻對(duì)該功能深信不疑。

當(dāng)時(shí)，車輛認(rèn)為司機(jī)會(huì)時(shí)刻注意路況，成為最后一道安全防線，但司機(jī)卻覺得 Autopilot 能處理這一場面。不過，他們都錯(cuò)了，當(dāng)那輛大卡車出現(xiàn)在汽車面前時(shí)，車主和汽車都沒發(fā)現(xiàn)它的存在，因此致命事故不可避免的發(fā)生了。

此次事故后，特斯拉做出了不少調(diào)整，為的就是讓車輛更了解司機(jī)駕駛時(shí)的狀態(tài)。這起事故表明，想用人類注意力來補(bǔ)足車輛的短板局限性很大。

上述案例或多或少反映了這樣一個(gè)事實(shí)：為什么自動(dòng)駕駛汽車與人交流的能力這么重要。

我們來考慮這么一個(gè)問題：

當(dāng)你在沒有紅綠燈的人行橫道上行走時(shí)，會(huì)發(fā)生什么?一輛朝你駛來的汽車可能會(huì)減速。

當(dāng)你在汽車前面走過時(shí)，你會(huì)與司機(jī)進(jìn)行眼神交流以確定他們看到你，司機(jī)會(huì)因此停車。

現(xiàn)在，想象在上述情況下的自動(dòng)駕駛汽車——沒有人來駕駛，你怎么知道這輛車是否檢測到了你?明白你要做什么?決定為你停車?

像這種情況的交流，發(fā)生的頻率可能要比你想象的多，可能會(huì)涉及到行人，騎自行車的人或者其他司機(jī)。自動(dòng)駕駛汽車需要進(jìn)行更復(fù)雜的溝通。

人與車：如何進(jìn)行有效溝通?

科學(xué)家曾提出了一項(xiàng)稱為「心理理論」(theory of mind)的研究。

「心理理論」指的是，通過他人的微小信號(hào)，例如聲音、肢體語言甚至僅僅看別人的眼睛，人類可以猜到其他人想要做什么。

「心理理論」是人類在擁擠的地鐵站或是足球比賽中，能預(yù)測彼此的走左邊還是右邊。

這個(gè)理論在司機(jī)和行人接近繁忙的十字路口的時(shí)候同樣介入并起作用。

這種介入十分及時(shí)而且你幾乎不會(huì)意識(shí)到，人們開始交換一些肉眼可見的線索用以判斷能否安全通過，一些信息通過相當(dāng)微小的信號(hào)進(jìn)行交換。

如今的自動(dòng)駕駛汽車沒到人類那么聰明，它們無法識(shí)別肢體信號(hào)或是來自人類的一瞥，這些信息對(duì)自動(dòng)駕駛汽車來說還沒有任何意義。

同時(shí)，「心理理論」的影響是雙向的。人類同樣無法理解一輛自動(dòng)駕駛汽車的「想法」。

如果一名行人打算在綠燈的最后一秒沖過斑馬線，一輛正在轉(zhuǎn)彎的自動(dòng)駕駛汽車會(huì)停下來還是繼續(xù)轉(zhuǎn)彎?如果沒有一位人類駕駛員在車?yán)稂c(diǎn)頭或揮手致意，行人怎么能知道?

因而行業(yè)有一個(gè)共識(shí)是：汽車廠商可能需要開發(fā)新的信號(hào)系統(tǒng)來指引自動(dòng)駕駛汽車的下一步行動(dòng)，未來可能需要像教小孩識(shí)別交通信號(hào)等一樣，讓司機(jī)和行人可以識(shí)別自動(dòng)駕駛汽車發(fā)出的信號(hào)。

在一篇報(bào)道中，硅谷的自動(dòng)駕駛公司 Drive.ai 在這方面做出了很好的嘗試：

首先，Drive.ai 先從視覺下手，將自動(dòng)駕駛車隊(duì)的外觀噴涂程亮橙色，便于司機(jī)和行人識(shí)別;

其次，在車輛的左右兩側(cè)，還有貫穿的藍(lán)色彩條，彩條上則用白色字體標(biāo)注了「自動(dòng)駕駛汽車」的字樣。Drive.ai 甚至棄用了「autonomous」這個(gè)復(fù)雜單詞，換成了大家能看懂的「self-driving」。

第三，車輛前部保險(xiǎn)杠上也寫了「自動(dòng)駕駛汽車」的字樣，行人過馬路時(shí)就能看到。

第四，車身上掛著 4 塊外置屏幕，分布在引擎蓋、車身后部和兩個(gè)前輪上方(每塊 22.5X7.5 英寸大小)。

這些屏幕充當(dāng)車輛的「喉舌」。當(dāng)車輛即將停下給行人讓路時(shí)，顯示屏?xí)乳W爍，隨后顯示「你先過」的文字和行人穿過人行橫道的圖示。后方顯示屏內(nèi)容會(huì)有所不同，車輛停下來禮讓行人時(shí)，顯示屏上會(huì)出現(xiàn)「行人過馬路」的字樣。

整個(gè)設(shè)計(jì)根據(jù)用戶在測試中的反饋，觀察他們的反應(yīng)進(jìn)行迭代。

從傳統(tǒng)汽車到自動(dòng)駕駛汽車有一個(gè)很長的過渡時(shí)期，不過正是由于過渡時(shí)期，諸如 Drive.ai 這樣的通用解決方案還是會(huì)被忽略。

但一旦公路上跑的都是自動(dòng)駕駛汽車，當(dāng)所有汽車可以互相通信時(shí)，左轉(zhuǎn)就會(huì)變得非常簡單。

就像飛機(jī)塔臺(tái)指揮一樣, 車-車之間的互相通信會(huì)讓所有汽車知道彼此將要怎么行駛。

不能左轉(zhuǎn)，不是算法問題?

這個(gè)行業(yè)也有「激進(jìn)」玩家。

今年 5 月，Cruise 對(duì)外發(fā)聲，稱在舊金山的復(fù)雜環(huán)境中執(zhí)行 1400 次無保護(hù)的左轉(zhuǎn)彎。

Cruise 解決左轉(zhuǎn)難題的方式是，利用機(jī)器學(xué)習(xí)來應(yīng)對(duì)左轉(zhuǎn)挑戰(zhàn)：Cruise 開發(fā)了一種算法，可以計(jì)算出在左轉(zhuǎn)之前，多個(gè)交叉路口中間的距離。

實(shí)際上，交叉路口的地理因素是多樣的，包括車道的數(shù)量和位置，以及有沒有類似鐵軌和人行橫道這樣的設(shè)施，更重要的是，還有動(dòng)態(tài)的因素，包括其他車輛如摩托車到大型卡車的速度等等。

在仿真中，Cruise 通過測量「選定間隙」長度——這是汽車進(jìn)入交叉路口和迎面而來的汽車進(jìn)入交叉路口之間的時(shí)間距離，把這個(gè)值最大化以提高安全性, 然后在仿真環(huán)境中不斷練習(xí)，借助可視化工具分析數(shù)據(jù)，積累了大量數(shù)據(jù)之后，Cruise 就能做出不錯(cuò)的左轉(zhuǎn)決策。

Waymo 也通過模擬仿真測試和道路測試，同樣具備了這樣的能力。Waymo 稱，他們的車輛每天模擬里程可達(dá)到 1000 萬英里。

盡管可以通過模擬仿真來獲得「無保護(hù)左轉(zhuǎn)」的經(jīng)驗(yàn)，但 Waymo 在「左轉(zhuǎn)」這件事上看起來略為保守。

去年 8 月，外媒報(bào)道 Waymo 的自動(dòng)駕駛汽車會(huì)自主規(guī)劃路線，以避免出現(xiàn)棘手的情況，如「盡量避免無保護(hù)下的左轉(zhuǎn)或在高速公路行駛」。

一位 Waymo Early Rider 的早期成員就爆料，Waymo 為避免左轉(zhuǎn)，繞著街區(qū)向右走了很長一段路。

雖然 Waymo 聲稱會(huì)定期「練習(xí)左轉(zhuǎn)」，但 Waymo 看起來十分謹(jǐn)慎，這家自動(dòng)駕駛行業(yè)的標(biāo)桿也承認(rèn)：「高速公路上無保護(hù)的左轉(zhuǎn)是最困難的駕駛操作之一。由于……是新技術(shù)，我們將慎之又慎，因?yàn)榘踩俏覀兊闹刂兄?。?/p>

不知在「左轉(zhuǎn)」這件事上，Cruise 是不是可以說「領(lǐng)先」Waymo 了。

但話又說回來，雖然自動(dòng)駕駛汽車使用類似「避免左轉(zhuǎn)」策略可以減少很多麻煩，看似是捷徑，但從長遠(yuǎn)看，「左轉(zhuǎn)難題」并沒有得到徹底解決。

也有一種觀點(diǎn)認(rèn)為，當(dāng)自動(dòng)駕駛汽車在十字路口猶豫不決時(shí)，原因不是算法的問題，而是自動(dòng)駕駛汽車發(fā)現(xiàn)在當(dāng)前情況下執(zhí)行左轉(zhuǎn)的安全余量太小: 風(fēng)險(xiǎn)太高。

這個(gè)問題不能通過更好的算法解決，而只能通過提高自動(dòng)駕駛汽車可接受的風(fēng)險(xiǎn)水平進(jìn)行優(yōu)化。

十字路口左轉(zhuǎn)的風(fēng)險(xiǎn)取決于十字路口的布局、物理特性以及其他交通參與者的潛在行為范圍，這些都不能被自動(dòng)駕駛汽車改變。

參考資料：

https://www.popsci.com/self-driving-cars-unprotected-left-turns

https://apps.bostonglobe.com/business/graphics/2017/04/driverless/series/teaching-a-driverless-car-to-turn-left/

https://www.driverless-future.com/?p=936