当汽车刚登上人类历史舞台的时候，人们把它称为“无马马车”，英文名字是horseless carriages。这种称呼在当时是非常有道理的，因为汽车的功能和马车一样，只是把马车的“牲畜发动机”替换成了“机械发动机”。在汽车诞生后的一个多世纪里，它已经重塑了人类的生活方式，并在今天成为必不可少的出行工具。
汽车的普及也带来了许多问题，如环境污染、交通拥堵等，但其中影响最大的问题就是层出不穷的车祸。可以这样说，车祸是人类最凶险的杀手之一，所谓车祸猛于虎也，它不但会导致个人和公共财产损坏，而且会造成人员伤亡。根据世界卫生组织的死亡原因统计数据，2017年全世界有110万人在车祸中丧生；而在中国，这个数字是10万人左右。
除了车祸以外，随着通勤时间的增加，汽车也将很多人的时间限制在了车轮之上，减少了人们自由的时间。驾驶员在驾驶中要集中精神，稍有松懈轻则违章，重则伤亡。世界上每个国家都设置了相关法律法规来限制人们有“危险”的驾驶行为，如醉酒驾车、开车使用手机等行为都是被严格禁止的。
而自动驾驶技术恰恰可以解决安全和自由两个问题。让计算机来代替人驾驶汽车，可以在不同程度上解放人类被方向盘束缚的问题，它还是一种理想的减少车祸的方案，因为：
①成熟的自动驾驶技术不会出现人类的危险驾驶行为，更不会故意冲撞；
②计算机依赖于快速的反应系统，它会比人类更快地对驾驶环境进行评估，并更快地采取安全措施，这必然会减少事故的发生。
当然，许多国家都意识到，自动驾驶技术还有重要的军事用途：广义的自动驾驶既包括了自动驾驶汽车也包括了自动驾驶飞机，这些自动驾驶的装备都可以成为军事武器，从而降低人类参与程度并减少人类伤亡数量。
人类的第一辆“无人驾驶”汽车诞生于1925年，距今已经有将近百年的时间。根据字面含义理解，自动驾驶包括无人驾驶，或者说无人驾驶是自动驾驶的高级阶段。
1925年，美国陆军的电子工程师弗朗西斯·侯迪纳制作了一辆“无人驾驶”的汽车，它更像是现在放大版的遥控汽车。人类通过电磁波来控制车辆的相关部件，如方向盘、离合器以及刹车装置等，这样车辆就可以在没有人“坐在上面控制”的情况下“自动驾驶”了。但很显然，这和现代的“自动驾驶”“无人驾驶”概念不同，因为车辆仍然需要有“人”通过电磁波来控制车辆，控制的人需要根据路况和外界条件进行判断，汽车自身并不能进行真正意义的“自动驾驶”。
这是可以理解的，因为在当时的条件下，人类还没有足够好的摄像头、雷达、激光仪器等可以代替人类视觉的装置来捕捉外界场景，也没有足够快的计算设备来分析这些场景——毕竟第一台电子计算机在20年后才会诞生。
第一辆符合现代标准的“自动驾驶”汽车叫作斯坦福厢车（Stanford Cart）（图10-1）。该车建造于1961年，最初的技术来源于执行月球探测任务的“月球表面自主行走”技术。根据资料，20世纪70年代早期，斯坦福厢车已经可以利用摄像头和当时的人工智能系统来绕过障碍物了。那时候的摄像头技术相对落后，只能采集黑白图像，而用来控制车辆的人工智能系统也是基于早期的机器学习技术，例如，在第三章讲的“决策树”方法就是其中一种。
图10-1 斯坦福厢车
现在看来，斯坦福厢车已具备了自动驾驶汽车的“雏形”，这表现在它共有下述特征。
①有外界环境采集设备，起到人类驾驶员双眼的作用；
②有处理系统，起到人类驾驶员大脑的作用。
但是斯坦福厢车距离实用还有巨大的距离，因为即使在最简单的室内场景，它每移动1米也需要20分钟！
1995年，在人工智能领域有颇多建树的卡内基·梅隆大学进行了一次“自动驾驶”测试。在该测试中，配备该校研发的自动驾驶技术的庞蒂克Trans Sport——NavLab 5（图10-2）成功穿越了美国，总行驶里程超过了5 000千米。这辆NavLab 5本身是一辆货车，在它的挡风玻璃前有一排摄像头，这些摄像头负责路况采集，而车厢内的计算机负责路线规划和方向把握。但美中不足的是，该车需要人类辅助“踩刹车”和“踩油门”，原因在于，尽管车载摄像头能够采集外界图像，但是计算机处理系统并不能成功识别所有的交通标识。
2001年，一场真正促使自动驾驶实用化的比赛正式登上历史舞台。为了发展自动驾驶技术，美国国防高等研究计划局（DARPA）举办了一场“制造+穿越”的比赛。该比赛使用各参赛队伍自主研制的自动驾驶汽车，要求参赛汽车能够自动驾驶横穿加利福尼亚州莫哈韦沙漠。莫哈韦沙漠路况复杂、环境恶劣，对当时的汽车制造和自动驾驶技术都提出了很高的要求。
图10-2 NavLab 5
在首场比赛中，尽管没有一个进入决赛的“选手”能完成全部比赛路线，但是这场比赛聚集了一个自动驾驶研究者组成的群体，这个群体后来主导了自动驾驶在不同领域的研究工作。
在这场比赛中，源于NavLab 5的卡内基·梅隆大学的沙漠风暴（Sandstorm）（图10-3）取得了最好的成绩。这是一辆经过改装的悍马，整个行程的大多数时间中，它都在自动驾驶。
对比NavLab 5，沙漠风暴除了摄像头外，还配置了昂贵的激光扫描仪、电子雷达，这些设备共同完成车外路况的采集；车辆自动驾驶的大脑是一个装满电子设备的机柜，质量达到1 000磅（约453.6千克），这是一个并行处理阵列，负责执行机器学习算法，可以指导车辆在崎岖的地形中找到可靠的行驶路线。
图10-3 沙漠风暴自动驾驶车
四年之后，“制造+穿越”的挑战赛继续进行，这一次自动驾驶取得突破性的进展，一共有五辆车完成了所有的路程。
在所有完成比赛的自动驾驶汽车中，速度最快的是斯坦福大学的斯丹利（Stanley）（图10-4）。这是一辆经过改装的大众途锐，它同样使用了高分辨率摄像头、阵列雷达和激光扫描仪。
斯丹利的体系与当前自动驾驶技术类似，它全程都依赖于机器学习处理和分析收集到的数据，并及时做出反应。这样的反应过程已经非常类似于人类驾驶员的处理过程了。
图10-4 自动驾驶汽车斯丹利正在沙漠中行驶
2007年，“制造+穿越”挑战赛最后一次举办。为了增加比赛难度，比赛场地选在了一个废弃的空军基地，并且对行驶路线进行了特别设计以验证机器的识别和反应能力。最后卡内基·梅隆大学与通用汽车合作制造的博斯（Boss）（图10-5）获得冠军。
博斯是一台经过改装的越野车，除了配备摄像头、雷达和激光扫描仪外，它还使用了一种新的全景雷达激光扫描系统。该系统可以提供360°的全景扫描数据，以帮助博斯对更多信息进行处理和分析从而做出更好的决策。
图10-5 自动驾驶汽车博斯
“制造+穿越”挑战结束后，在比赛中形成的诸多技术开始通过各种途径进行商业化。
2009年，斯坦福大学斯丹利的创建者塞巴斯蒂安·特伦承接了来自Google的任务：制造一辆有商业化前景的自动驾驶汽车，要求汽车能够自动在加利福尼亚州1 000英里（约1 609.3千米）公路上“正常”行驶。该任务如果能够实现，则意味着人类真正开发出了“能在公路上自动驾驶”的汽车。
塞巴斯蒂安·特伦招募了挑战赛中的许多优秀人才，对一辆普锐斯（Prius）（图10-6）进行改造。经过多次升级后，2011年，普锐斯完成了在加利福尼亚州道路上自动正常行驶1 000英里的任务。值得一提的是，普锐斯和比赛中的许多汽车不同，并没有特别多的传感器，它通过车身集成的大量摄像头和装配在车顶的全景激光雷达一体装置采集外界数据。
图10-6 普锐斯
在接下来的几年里，Google一直掌握着自动驾驶汽车领域的话语权，并且促使传统汽车工业开始重视自动驾驶。
2014年，Google又制造了一辆连车辆内饰设计都指向“无人驾驶”的新智能汽车，取名“飞行火焰”（Firefly）（图10-7）。飞行火焰没有方向盘，也没有制动和油门踏板，甚至没有驾驶员座位。在飞行火焰的开发过程中，Google使用了深度学习来提升它的环境识别能力，最终完成的飞行火焰比普锐斯更加智能，如在识别交通信号方面就更胜一筹。
2017年，Google组建的母公司Alphabet将它的自动驾驶团队独立出来成立了专注于自动驾驶的公司Waymo。基于深厚的技术积累和不断地创新，Waymo已是世界上最有实力的自动驾驶技术公司之一。
图10-7 飞行火焰
随着自动驾驶技术的不断突破，2015年以后，传统汽车制造商开始认真对待自动驾驶技术。2017年，梅赛德斯-奔驰在消费电子产品展（CES）上发布了一辆未来概念汽车F015（图10-8）。
图10-8 梅赛德斯-奔驰 F015
2017年，通用汽车发布了一款既不带方向盘也没有踏板的雪佛兰鲍尔特（Bolt）（图10-9）电动汽车，根据计划，该款车辆将在2019年下半年作为出租车推出。
图10-9 计划推出的鲍尔特出租车
值得一提的是，我国的自动驾驶技术也在迅速发展。2018年，互联网巨头百度公司的无人驾驶大巴“阿波龙”正式下线（图10-10）。根据百度官方的说明，这些完成总装的阿波龙即将发往北京、雄安、广州、日本东京等地区开展商业化运营。阿波龙的设计指向“无人驾驶”，没有方向盘、没有制动和油门踏板，当然也没有驾驶座位。
图10-10 阿波龙无人车
除了企业在不断突破自动驾驶技术外，政府也是自动驾驶的关键推动力量。许多国家都推出了多项措施和制度支持自动驾驶的发展，期望在自动驾驶的竞争中争得技术高点。其中一般都包含了对自动驾驶汽车进行测试的具体步骤和标准，同时也设置了详细的场景对自动驾驶技术进行考核，只有满足一定条件的自动驾驶汽车才能拿到正式的上路许可。
特别地，由于我国交通状况和路况都很复杂，自动驾驶所涉及的场景和应对难度也高于其他很多国家。例如，当前公认的中国道路模式包括6种天气和4种道路，组合起来共24个详细场景。
6种天气包括：白天；夜晚；雨天；雾环境；强风环境；雪环境。
4种道路环境分别为：高速公路模拟场景；城市测试环境；无标线道路；特定道路场景。
最高级的自动驾驶技术需要能够应付所有24个场景。尽管当前的自动驾驶技术还没有达到这个阶段，但是通过不断地改进和升级，相信未来一定能够实现全场景的自动驾驶。