按：本文整理自 MIT 研究科學家 Lex Fridman 與 Aurora CEO Chris Urmson 【1】的訪談視頻。由汽車之心（微信 ID：Auto-bit）編譯。
學者與新晉企業家的思想碰撞，會給我們帶來哪些新的行業洞見？
在這個 40 分鐘的訪談視頻裡，他們談論了以下話題：
1、卡耐基梅隆大學與 DARPA 挑戰賽
2、團隊領導力
3、自動駕駛哪部分最難？
4、激光雷達是否無用？
5、Level 2 自動駕駛與不可控的人類因素
6、L4 自動駕駛與安全
7、自動駕駛什麼時候可以大規模部署？
1、卡耐基梅隆大學與 DARPA 挑戰賽
Lex Fridman：DARPA 舉辦的自動駕駛挑戰賽和城市挑戰賽你都參加過。在這些重大比賽中，你獲得了什麼技術或哲學上的經驗？
Chris Urmson：在我看來，最重要的經驗就是我們有能力實現自動駕駛，這是 DARPA 大挑戰留給我最重要的財富。
當時我還是卡耐基梅隆大學機器人專業的學生，難度如此巨大的比賽挑動了每個人的興奮點，而且它確實酷勁十足。
那時選擇投身這樣一個幾乎不可能成功的比賽確實需要勇氣。好在，經過多次嘗試我們成功了，那種感覺真是令人激動。
Lex Fridman：當時，你認為哪部分實現的可能性更高？作為首席工程師，你肩上的擔子可不輕。
Chris Urmson：是的。那時候我是技術總監，和許多能人一起做了很多工作。至於我是否對實現自動駕駛有信心？當然了，誰也不會去做那些看似天方夜譚的事。
當時，我們只是覺得這項技術實現起來會很困難，沒想到是如此艱難，第一次嘗試就敗下陣來。
不過，我覺得這是上天送給我們的福利。當你不瞭解一件事的深淺時，多嘗試幾次總是有好處，這是那些高價諮詢師們給不了你的經驗。
Lex Fridman：你覺得比賽中團隊最大的痛點在哪？是機械？傳感器？軟硬件？算法？車輛定位？還是感知控制技術？
Chris Urmson：說實話，這項技術的樂趣就在這，因為它哪方面都很難，而且你還不能有短板。
就拿 DARPA 城市挑戰賽舉例，如果用現在的眼光來看，應該很容易。畢竟我們掌握了充足的城市數據，而且這裡不是沙漠，GPS 信號很好，所以做出比較精確的城市地圖不是問題。
那時，搞定所有工程工作讓我們對車輛進行控制和駕駛就已經是一大難題（當然現在也是難題）。
不過，最棘手的還是比賽的不確定性，我們甚至不知道賽會到底想讓我們幹什麼。
Lex Fridman：你是說，比賽前團隊對賽道完全不瞭解，甚至連勘路的工作都沒做過？
Chris Urmson：是的。我們根本不知道比賽線路，只能靠猜測。
現在回想那場比賽，那時大家都覺得 DARPA 至少得給些路點，好讓車輛沿著它們行駛。結果發現，比賽裡的參照物全靠自己發掘。好在，最後組委會提供一些軌跡給我們參考。
2、團隊領導力
Lex Fridman：現在你成了團隊領導，對於領導力這件事你有什麼看法？
Chris Urmson：這事得分好幾個方面來說。
第一，就是敢於嘗試那些困難的項目，因為這是團隊的好機會。
另一個就是要知人善用，不能只看到他們是誰，要發現他們能成為什麼樣的人。
這也是我從老領導 Red Whittaker（卡耐基梅隆大學教授）那裡學到的最有用的知識。
他會逐個審視學校的學生，教他們成為領導，挑大樑去完成一些艱鉅任務。如果換做別人，肯定會覺得這些學生都太嫩，他們什麼都不懂。
所以，我覺得對他人有信心是一個強大的武器。
按：本文整理自 MIT 研究科學家 Lex Fridman 與 Aurora CEO Chris Urmson 【1】的訪談視頻。由汽車之心（微信 ID：Auto-bit）編譯。
學者與新晉企業家的思想碰撞，會給我們帶來哪些新的行業洞見？
在這個 40 分鐘的訪談視頻裡，他們談論了以下話題：
1、卡耐基梅隆大學與 DARPA 挑戰賽
2、團隊領導力
3、自動駕駛哪部分最難？
4、激光雷達是否無用？
5、Level 2 自動駕駛與不可控的人類因素
6、L4 自動駕駛與安全
7、自動駕駛什麼時候可以大規模部署？
1、卡耐基梅隆大學與 DARPA 挑戰賽
Lex Fridman：DARPA 舉辦的自動駕駛挑戰賽和城市挑戰賽你都參加過。在這些重大比賽中，你獲得了什麼技術或哲學上的經驗？
Chris Urmson：在我看來，最重要的經驗就是我們有能力實現自動駕駛，這是 DARPA 大挑戰留給我最重要的財富。
當時我還是卡耐基梅隆大學機器人專業的學生，難度如此巨大的比賽挑動了每個人的興奮點，而且它確實酷勁十足。
那時選擇投身這樣一個幾乎不可能成功的比賽確實需要勇氣。好在，經過多次嘗試我們成功了，那種感覺真是令人激動。
Lex Fridman：當時，你認為哪部分實現的可能性更高？作為首席工程師，你肩上的擔子可不輕。
Chris Urmson：是的。那時候我是技術總監，和許多能人一起做了很多工作。至於我是否對實現自動駕駛有信心？當然了，誰也不會去做那些看似天方夜譚的事。
當時，我們只是覺得這項技術實現起來會很困難，沒想到是如此艱難，第一次嘗試就敗下陣來。
不過，我覺得這是上天送給我們的福利。當你不瞭解一件事的深淺時，多嘗試幾次總是有好處，這是那些高價諮詢師們給不了你的經驗。
Lex Fridman：你覺得比賽中團隊最大的痛點在哪？是機械？傳感器？軟硬件？算法？車輛定位？還是感知控制技術？
Chris Urmson：說實話，這項技術的樂趣就在這，因為它哪方面都很難，而且你還不能有短板。
就拿 DARPA 城市挑戰賽舉例，如果用現在的眼光來看，應該很容易。畢竟我們掌握了充足的城市數據，而且這裡不是沙漠，GPS 信號很好，所以做出比較精確的城市地圖不是問題。
那時，搞定所有工程工作讓我們對車輛進行控制和駕駛就已經是一大難題（當然現在也是難題）。
不過，最棘手的還是比賽的不確定性，我們甚至不知道賽會到底想讓我們幹什麼。
Lex Fridman：你是說，比賽前團隊對賽道完全不瞭解，甚至連勘路的工作都沒做過？
Chris Urmson：是的。我們根本不知道比賽線路，只能靠猜測。
現在回想那場比賽，那時大家都覺得 DARPA 至少得給些路點，好讓車輛沿著它們行駛。結果發現，比賽裡的參照物全靠自己發掘。好在，最後組委會提供一些軌跡給我們參考。
2、團隊領導力
Lex Fridman：現在你成了團隊領導，對於領導力這件事你有什麼看法？
Chris Urmson：這事得分好幾個方面來說。
第一，就是敢於嘗試那些困難的項目，因為這是團隊的好機會。
另一個就是要知人善用，不能只看到他們是誰，要發現他們能成為什麼樣的人。
這也是我從老領導 Red Whittaker（卡耐基梅隆大學教授）那裡學到的最有用的知識。
他會逐個審視學校的學生，教他們成為領導，挑大樑去完成一些艱鉅任務。如果換做別人，肯定會覺得這些學生都太嫩，他們什麼都不懂。
所以，我覺得對他人有信心是一個強大的武器。
Lex Fridman：能不能給大家簡單介紹下自動駕駛技術的進化過程？從 DARPA 挑戰賽到現在，技術是經歷了質變？還是說我們玩的依舊是當年那套東西，只是它變得更穩健了？
Chris Urmson：我們確實向前邁進了不少。
在 DARPA 自動駕駛挑戰賽上，我們唯一實質性解鎖的是高精地圖技術。
有了它，那些越野車才能在沙漠中穿行，這絕對是個重大創新。否則，車輛就會被前路複雜的環境所困，想保持一定的行駛速度更是不可能。
至於城市挑戰賽，我覺得最大的技術創新是激光雷達，它能生成高清 3D 模型，幫助車輛理解周邊環境。在我看來，這絕對是改變遊戲規則的技術突破。
除了激光雷達，那個年代我們還在技術上取得過很多進步，比如視覺評估。
那個時候，SLAM（即時定位與地圖構建）是機器人行業裡最火爆的概念，它是展會的常客，大家寫論文也都會提到它。
所以，視覺評估技術的橫空出世讓大家都異常興奮。
Lex Fridman：所以說，那個時代的技術突破大多數都是建立在激光雷達之上的？
Chris Urmson：事實上，我們當時做 SLAM 正起勁。
有了激光雷達，有了攝像頭，實時定位才算正式上位，大家也算擺脫了對 GPS 的迷信。
總得來說，當時大家為 SLAM 貢獻了很多力量，激光雷達並不是什麼決定性的突破創新，不過它的實際應用確實算一大進步。
Lex Fridman：也就是說，在城市挑戰賽時大家都做了地圖，那麼各個團隊有自己的方案嗎？你們之間有沒有進行「信息」共享？
Chris Urmson：DARPA 把地圖模型給了每個團隊，但我們得解決一個問題，那就是地圖精度。
因此，想拿出一套釐米級精度的地圖是我們當時最大的挑戰。
Lex Fridman：當時的感知技術是個什麼水平？
Chris Urmson：比現在差得多。不過，雖然時代不同，它們的內核卻極其相似。
我們的任務就是追蹤車輛，甚至是 100 米之外的，畢竟你得在路上變道。
我們要解決的問題現在也有，比如對其他車輛的動作進行預判，它們到底是繼續走直線還是左轉或右轉？
而且別忘了，自動駕駛汽車的行為也會對其他車輛產生影響。
Lex Fridman：那 10 年之後呢？
Chris Urmson：在我看來，最關鍵的一點就是我們處在變幻莫測的世界裡，道路上總會有其他參與者，比如行人，比如自行車，比如其他汽車。
他們大部分時間都遵章行駛，但也有放飛自我的時候，而這些變量就非常棘手。
Lex Fridman：這些變量主要來自行為還是感知上？
Chris Urmson：兩者都有。
要知道，10 年前參加比賽時我們不用考慮自行車，不用考慮行人，更不用看信號燈，而且車輛的行駛區域也要小很多。
3、自動駕駛哪部分最難？
Lex Fridman：從城市挑戰賽到「現實世界」，你有沒有遇到什麼真正艱鉅的新挑戰？
Chris Urmson：我覺得兩者之間最大的不同在於，現在我們是真槍實戰。
當然，和過去一樣，我們還沒能逃脫「可控環境」這個魔咒，但難度卻要高得多，畢竟那時能跑完 60 英里就算勝利。
從 2006 年的視角來看，60 英里這個距離已經相當遠了。但現在要跑的可是 50 萬英里。所以說，它們無法同日而語。
按：本文整理自 MIT 研究科學家 Lex Fridman 與 Aurora CEO Chris Urmson 【1】的訪談視頻。由汽車之心（微信 ID：Auto-bit）編譯。
學者與新晉企業家的思想碰撞，會給我們帶來哪些新的行業洞見？
在這個 40 分鐘的訪談視頻裡，他們談論了以下話題：
1、卡耐基梅隆大學與 DARPA 挑戰賽
2、團隊領導力
3、自動駕駛哪部分最難？
4、激光雷達是否無用？
5、Level 2 自動駕駛與不可控的人類因素
6、L4 自動駕駛與安全
7、自動駕駛什麼時候可以大規模部署？
1、卡耐基梅隆大學與 DARPA 挑戰賽
Lex Fridman：DARPA 舉辦的自動駕駛挑戰賽和城市挑戰賽你都參加過。在這些重大比賽中，你獲得了什麼技術或哲學上的經驗？
Chris Urmson：在我看來，最重要的經驗就是我們有能力實現自動駕駛，這是 DARPA 大挑戰留給我最重要的財富。
當時我還是卡耐基梅隆大學機器人專業的學生，難度如此巨大的比賽挑動了每個人的興奮點，而且它確實酷勁十足。
那時選擇投身這樣一個幾乎不可能成功的比賽確實需要勇氣。好在，經過多次嘗試我們成功了，那種感覺真是令人激動。
Lex Fridman：當時，你認為哪部分實現的可能性更高？作為首席工程師，你肩上的擔子可不輕。
Chris Urmson：是的。那時候我是技術總監，和許多能人一起做了很多工作。至於我是否對實現自動駕駛有信心？當然了，誰也不會去做那些看似天方夜譚的事。
當時，我們只是覺得這項技術實現起來會很困難，沒想到是如此艱難，第一次嘗試就敗下陣來。
不過，我覺得這是上天送給我們的福利。當你不瞭解一件事的深淺時，多嘗試幾次總是有好處，這是那些高價諮詢師們給不了你的經驗。
Lex Fridman：你覺得比賽中團隊最大的痛點在哪？是機械？傳感器？軟硬件？算法？車輛定位？還是感知控制技術？
Chris Urmson：說實話，這項技術的樂趣就在這，因為它哪方面都很難，而且你還不能有短板。
就拿 DARPA 城市挑戰賽舉例，如果用現在的眼光來看，應該很容易。畢竟我們掌握了充足的城市數據，而且這裡不是沙漠，GPS 信號很好，所以做出比較精確的城市地圖不是問題。
那時，搞定所有工程工作讓我們對車輛進行控制和駕駛就已經是一大難題（當然現在也是難題）。
不過，最棘手的還是比賽的不確定性，我們甚至不知道賽會到底想讓我們幹什麼。
Lex Fridman：你是說，比賽前團隊對賽道完全不瞭解，甚至連勘路的工作都沒做過？
Chris Urmson：是的。我們根本不知道比賽線路，只能靠猜測。
現在回想那場比賽，那時大家都覺得 DARPA 至少得給些路點，好讓車輛沿著它們行駛。結果發現，比賽裡的參照物全靠自己發掘。好在，最後組委會提供一些軌跡給我們參考。
2、團隊領導力
Lex Fridman：現在你成了團隊領導，對於領導力這件事你有什麼看法？
Chris Urmson：這事得分好幾個方面來說。
第一，就是敢於嘗試那些困難的項目，因為這是團隊的好機會。
另一個就是要知人善用，不能只看到他們是誰，要發現他們能成為什麼樣的人。
這也是我從老領導 Red Whittaker（卡耐基梅隆大學教授）那裡學到的最有用的知識。
他會逐個審視學校的學生，教他們成為領導，挑大樑去完成一些艱鉅任務。如果換做別人，肯定會覺得這些學生都太嫩，他們什麼都不懂。
所以，我覺得對他人有信心是一個強大的武器。
Lex Fridman：能不能給大家簡單介紹下自動駕駛技術的進化過程？從 DARPA 挑戰賽到現在，技術是經歷了質變？還是說我們玩的依舊是當年那套東西，只是它變得更穩健了？
Chris Urmson：我們確實向前邁進了不少。
在 DARPA 自動駕駛挑戰賽上，我們唯一實質性解鎖的是高精地圖技術。
有了它，那些越野車才能在沙漠中穿行，這絕對是個重大創新。否則，車輛就會被前路複雜的環境所困，想保持一定的行駛速度更是不可能。
至於城市挑戰賽，我覺得最大的技術創新是激光雷達，它能生成高清 3D 模型，幫助車輛理解周邊環境。在我看來，這絕對是改變遊戲規則的技術突破。
除了激光雷達，那個年代我們還在技術上取得過很多進步，比如視覺評估。
那個時候，SLAM（即時定位與地圖構建）是機器人行業裡最火爆的概念，它是展會的常客，大家寫論文也都會提到它。
所以，視覺評估技術的橫空出世讓大家都異常興奮。
Lex Fridman：所以說，那個時代的技術突破大多數都是建立在激光雷達之上的？
Chris Urmson：事實上，我們當時做 SLAM 正起勁。
有了激光雷達，有了攝像頭，實時定位才算正式上位，大家也算擺脫了對 GPS 的迷信。
總得來說，當時大家為 SLAM 貢獻了很多力量，激光雷達並不是什麼決定性的突破創新，不過它的實際應用確實算一大進步。
Lex Fridman：也就是說，在城市挑戰賽時大家都做了地圖，那麼各個團隊有自己的方案嗎？你們之間有沒有進行「信息」共享？
Chris Urmson：DARPA 把地圖模型給了每個團隊，但我們得解決一個問題，那就是地圖精度。
因此，想拿出一套釐米級精度的地圖是我們當時最大的挑戰。
Lex Fridman：當時的感知技術是個什麼水平？
Chris Urmson：比現在差得多。不過，雖然時代不同，它們的內核卻極其相似。
我們的任務就是追蹤車輛，甚至是 100 米之外的，畢竟你得在路上變道。
我們要解決的問題現在也有，比如對其他車輛的動作進行預判，它們到底是繼續走直線還是左轉或右轉？
而且別忘了，自動駕駛汽車的行為也會對其他車輛產生影響。
Lex Fridman：那 10 年之後呢？
Chris Urmson：在我看來，最關鍵的一點就是我們處在變幻莫測的世界裡，道路上總會有其他參與者，比如行人，比如自行車，比如其他汽車。
他們大部分時間都遵章行駛，但也有放飛自我的時候，而這些變量就非常棘手。
Lex Fridman：這些變量主要來自行為還是感知上？
Chris Urmson：兩者都有。
要知道，10 年前參加比賽時我們不用考慮自行車，不用考慮行人，更不用看信號燈，而且車輛的行駛區域也要小很多。
3、自動駕駛哪部分最難？
Lex Fridman：從城市挑戰賽到「現實世界」，你有沒有遇到什麼真正艱鉅的新挑戰？
Chris Urmson：我覺得兩者之間最大的不同在於，現在我們是真槍實戰。
當然，和過去一樣，我們還沒能逃脫「可控環境」這個魔咒，但難度卻要高得多，畢竟那時能跑完 60 英里就算勝利。
從 2006 年的視角來看，60 英里這個距離已經相當遠了。但現在要跑的可是 50 萬英里。所以說，它們無法同日而語。
4、激光雷達是否無用？
Lex Fridman：激光雷達對自動駕駛到底有多重要？
Chris Urmson：它確實是核心，不過在我看來，攝像頭和雷達也是核心。
如果穩健是目標，就得用上不同傳感器採集的數據。
Lex Fridman：對於 Elon Musk 的激光雷達無用論，你怎麼看？這是成長必須付出的代價？還是說大部分的感知任務其實攝像頭就能勝任？
Chris Urmson：人類駕駛汽車用的就是視覺能力，所以攝像頭決定論我也認同。
至於 Musk 的激光雷達無用論，我覺得這種提法沒什麼問題，很多年前電動車也不被行業認可。未來，任何技術最終都會被更強大的技術所代替。
在我看來，這個問題的核心是我們現在的交通方式出了問題。去年，有那麼多美國人在路上丟了性命，這是不可接受的。
無論哪種自動駕駛技術，只要能提升道路安全性，我們就應該使用。
所以，一直爭論到底用激光雷達還是攝像頭完全沒有意義，它們只是兩種技術罷了，誰能更好地解決問題就選誰。
Lex Fridman：降成本是汽車廠商的核心任務之一，那麼在你看來激光雷達未來價格會大幅下降嗎？如果沒有激光雷達，我們能實現 Level 4 嗎？
Chris Urmson：我覺得兩個問題的答案都是「Yes」，只是時間問題。
最廉價傳感器不是我們想要的，我們需要的是經濟上行得通的自動駕駛方案，在那之後我們才談論利潤和降成本的事。
也就是說，500 美元和 50 美元的系統，哪個可堪大用我們才會選哪個。
成本問題確實重要，它事關業務是否可持續以及未來的發展。所以，在激光雷達這個問題上，我覺得沒有所謂的價格基線。
當然，激光雷達肯定要比攝像頭貴，因為它需要很多處理單元，但肯定不可能一直賣高價。
我相信，只要有了正確的商業模式，降低成本不是問題。
按：本文整理自 MIT 研究科學家 Lex Fridman 與 Aurora CEO Chris Urmson 【1】的訪談視頻。由汽車之心（微信 ID：Auto-bit）編譯。
學者與新晉企業家的思想碰撞，會給我們帶來哪些新的行業洞見？
在這個 40 分鐘的訪談視頻裡，他們談論了以下話題：
1、卡耐基梅隆大學與 DARPA 挑戰賽
2、團隊領導力
3、自動駕駛哪部分最難？
4、激光雷達是否無用？
5、Level 2 自動駕駛與不可控的人類因素
6、L4 自動駕駛與安全
7、自動駕駛什麼時候可以大規模部署？
1、卡耐基梅隆大學與 DARPA 挑戰賽
Lex Fridman：DARPA 舉辦的自動駕駛挑戰賽和城市挑戰賽你都參加過。在這些重大比賽中，你獲得了什麼技術或哲學上的經驗？
Chris Urmson：在我看來，最重要的經驗就是我們有能力實現自動駕駛，這是 DARPA 大挑戰留給我最重要的財富。
當時我還是卡耐基梅隆大學機器人專業的學生，難度如此巨大的比賽挑動了每個人的興奮點，而且它確實酷勁十足。
那時選擇投身這樣一個幾乎不可能成功的比賽確實需要勇氣。好在，經過多次嘗試我們成功了，那種感覺真是令人激動。
Lex Fridman：當時，你認為哪部分實現的可能性更高？作為首席工程師，你肩上的擔子可不輕。
Chris Urmson：是的。那時候我是技術總監，和許多能人一起做了很多工作。至於我是否對實現自動駕駛有信心？當然了，誰也不會去做那些看似天方夜譚的事。
當時，我們只是覺得這項技術實現起來會很困難，沒想到是如此艱難，第一次嘗試就敗下陣來。
不過，我覺得這是上天送給我們的福利。當你不瞭解一件事的深淺時，多嘗試幾次總是有好處，這是那些高價諮詢師們給不了你的經驗。
Lex Fridman：你覺得比賽中團隊最大的痛點在哪？是機械？傳感器？軟硬件？算法？車輛定位？還是感知控制技術？
Chris Urmson：說實話，這項技術的樂趣就在這，因為它哪方面都很難，而且你還不能有短板。
就拿 DARPA 城市挑戰賽舉例，如果用現在的眼光來看，應該很容易。畢竟我們掌握了充足的城市數據，而且這裡不是沙漠，GPS 信號很好，所以做出比較精確的城市地圖不是問題。
那時，搞定所有工程工作讓我們對車輛進行控制和駕駛就已經是一大難題（當然現在也是難題）。
不過，最棘手的還是比賽的不確定性，我們甚至不知道賽會到底想讓我們幹什麼。
Lex Fridman：你是說，比賽前團隊對賽道完全不瞭解，甚至連勘路的工作都沒做過？
Chris Urmson：是的。我們根本不知道比賽線路，只能靠猜測。
現在回想那場比賽，那時大家都覺得 DARPA 至少得給些路點，好讓車輛沿著它們行駛。結果發現，比賽裡的參照物全靠自己發掘。好在，最後組委會提供一些軌跡給我們參考。
2、團隊領導力
Lex Fridman：現在你成了團隊領導，對於領導力這件事你有什麼看法？
Chris Urmson：這事得分好幾個方面來說。
第一，就是敢於嘗試那些困難的項目，因為這是團隊的好機會。
另一個就是要知人善用，不能只看到他們是誰，要發現他們能成為什麼樣的人。
這也是我從老領導 Red Whittaker（卡耐基梅隆大學教授）那裡學到的最有用的知識。
他會逐個審視學校的學生，教他們成為領導，挑大樑去完成一些艱鉅任務。如果換做別人，肯定會覺得這些學生都太嫩，他們什麼都不懂。
所以，我覺得對他人有信心是一個強大的武器。
Lex Fridman：能不能給大家簡單介紹下自動駕駛技術的進化過程？從 DARPA 挑戰賽到現在，技術是經歷了質變？還是說我們玩的依舊是當年那套東西，只是它變得更穩健了？
Chris Urmson：我們確實向前邁進了不少。
在 DARPA 自動駕駛挑戰賽上，我們唯一實質性解鎖的是高精地圖技術。
有了它，那些越野車才能在沙漠中穿行，這絕對是個重大創新。否則，車輛就會被前路複雜的環境所困，想保持一定的行駛速度更是不可能。
至於城市挑戰賽，我覺得最大的技術創新是激光雷達，它能生成高清 3D 模型，幫助車輛理解周邊環境。在我看來，這絕對是改變遊戲規則的技術突破。
除了激光雷達，那個年代我們還在技術上取得過很多進步，比如視覺評估。
那個時候，SLAM（即時定位與地圖構建）是機器人行業裡最火爆的概念，它是展會的常客，大家寫論文也都會提到它。
所以，視覺評估技術的橫空出世讓大家都異常興奮。
Lex Fridman：所以說，那個時代的技術突破大多數都是建立在激光雷達之上的？
Chris Urmson：事實上，我們當時做 SLAM 正起勁。
有了激光雷達，有了攝像頭，實時定位才算正式上位，大家也算擺脫了對 GPS 的迷信。
總得來說，當時大家為 SLAM 貢獻了很多力量，激光雷達並不是什麼決定性的突破創新，不過它的實際應用確實算一大進步。
Lex Fridman：也就是說，在城市挑戰賽時大家都做了地圖，那麼各個團隊有自己的方案嗎？你們之間有沒有進行「信息」共享？
Chris Urmson：DARPA 把地圖模型給了每個團隊，但我們得解決一個問題，那就是地圖精度。
因此，想拿出一套釐米級精度的地圖是我們當時最大的挑戰。
Lex Fridman：當時的感知技術是個什麼水平？
Chris Urmson：比現在差得多。不過，雖然時代不同，它們的內核卻極其相似。
我們的任務就是追蹤車輛，甚至是 100 米之外的，畢竟你得在路上變道。
我們要解決的問題現在也有，比如對其他車輛的動作進行預判，它們到底是繼續走直線還是左轉或右轉？
而且別忘了，自動駕駛汽車的行為也會對其他車輛產生影響。
Lex Fridman：那 10 年之後呢？
Chris Urmson：在我看來，最關鍵的一點就是我們處在變幻莫測的世界裡，道路上總會有其他參與者，比如行人，比如自行車，比如其他汽車。
他們大部分時間都遵章行駛，但也有放飛自我的時候，而這些變量就非常棘手。
Lex Fridman：這些變量主要來自行為還是感知上？
Chris Urmson：兩者都有。
要知道，10 年前參加比賽時我們不用考慮自行車，不用考慮行人，更不用看信號燈，而且車輛的行駛區域也要小很多。
3、自動駕駛哪部分最難？
Lex Fridman：從城市挑戰賽到「現實世界」，你有沒有遇到什麼真正艱鉅的新挑戰？
Chris Urmson：我覺得兩者之間最大的不同在於，現在我們是真槍實戰。
當然，和過去一樣，我們還沒能逃脫「可控環境」這個魔咒，但難度卻要高得多，畢竟那時能跑完 60 英里就算勝利。
從 2006 年的視角來看，60 英里這個距離已經相當遠了。但現在要跑的可是 50 萬英里。所以說，它們無法同日而語。
4、激光雷達是否無用？
Lex Fridman：激光雷達對自動駕駛到底有多重要？
Chris Urmson：它確實是核心，不過在我看來，攝像頭和雷達也是核心。
如果穩健是目標，就得用上不同傳感器採集的數據。
Lex Fridman：對於 Elon Musk 的激光雷達無用論，你怎麼看？這是成長必須付出的代價？還是說大部分的感知任務其實攝像頭就能勝任？
Chris Urmson：人類駕駛汽車用的就是視覺能力，所以攝像頭決定論我也認同。
至於 Musk 的激光雷達無用論，我覺得這種提法沒什麼問題，很多年前電動車也不被行業認可。未來，任何技術最終都會被更強大的技術所代替。
在我看來，這個問題的核心是我們現在的交通方式出了問題。去年，有那麼多美國人在路上丟了性命，這是不可接受的。
無論哪種自動駕駛技術，只要能提升道路安全性，我們就應該使用。
所以，一直爭論到底用激光雷達還是攝像頭完全沒有意義，它們只是兩種技術罷了，誰能更好地解決問題就選誰。
Lex Fridman：降成本是汽車廠商的核心任務之一，那麼在你看來激光雷達未來價格會大幅下降嗎？如果沒有激光雷達，我們能實現 Level 4 嗎？
Chris Urmson：我覺得兩個問題的答案都是「Yes」，只是時間問題。
最廉價傳感器不是我們想要的，我們需要的是經濟上行得通的自動駕駛方案，在那之後我們才談論利潤和降成本的事。
也就是說，500 美元和 50 美元的系統，哪個可堪大用我們才會選哪個。
成本問題確實重要，它事關業務是否可持續以及未來的發展。所以，在激光雷達這個問題上，我覺得沒有所謂的價格基線。
當然，激光雷達肯定要比攝像頭貴，因為它需要很多處理單元，但肯定不可能一直賣高價。
我相信，只要有了正確的商業模式，降低成本不是問題。
5、Level 2 自動駕駛與不可控的人類因素
Lex Fridman：你曾說過，現在的 Level 2 技術漏洞百出，因為人類因素太不可控。關於這個問題，你還有什麼補充的？
Chris Urmson：關於 Level 2，我的本意被曲解了。
在我看來，Level 2 主動安全技術相當重要，我們應該大力推廣。它能在不久的將來降低事故率，同時拯救生命。
當下的 Level 2 技術主要控制橫軸和縱軸，即車輛的轉向和加減速，它是駕駛員的好幫手，這點值得鼓勵。
不過，就像你說的，Level 2 也帶來了一些挑戰，比如人類因素帶來的風險和公眾的誤解。
有幾點我深信不疑，第一，人們肯定會過度信任這項技術，駕駛員在特斯拉里睡覺的新聞，我們可是時常看到。
最近我在一個視頻裡還看到一位名人稱特斯拉是自動駕駛汽車，那麼多人對自動駕駛還有深深的誤解，更別說普通人了。
事實上，特斯拉哪算的上自動駕駛，信了市場營銷，你可能哪天真的會死在車裡，或者傷到其他行人。
所以，各家廠商在宣傳和部署此類技術時得講究方式方法。
從成本上來講，Level 2 也和真正的自動駕駛有所區別，它們生活在完全不同的兩個世界。
Lex Fridman：在你看來，這不是逐步進化的過程，Level 2 和未來的全自動駕駛走的根本就是兩條路？
Chris Urmson：是的，Level 2 注重的是駕駛員輔助，所有安全項的設計都有一個前提，那就是駕駛員集中精神，所以車輛安全最終還是要駕駛員來負責。
從成本角度來看，Level 2 能成功完成幾次主動剎車，就是一個巨大進步，哪怕成功率只有 50%。
但歸根結底來說，它並不是自動駕駛技術。
Lex Fridman：這世界上有太多人容易輕信廠商宣傳，那麼，我們能做出不讓駕駛員過度信任的 Level 2 系統嗎？
Chris Urmson：恐怕不能。如果大家真能認識到其中的風險，你的假設就能成立。
可惜人們總是喜歡從自己的經驗出發，如果 Level 2 系統一直安全工作，也許一個月後他們就放鬆警惕了。不過，危險可能會在第 31 天到來。
當然，那些科技迷們肯定會更加小心，但大多數人沒這個覺悟，他們還是相信自己的經驗。
因此當 Level 2 大規模普及後，各種因為粗心大意引發的事故就會迅速多起來。
按：本文整理自 MIT 研究科學家 Lex Fridman 與 Aurora CEO Chris Urmson 【1】的訪談視頻。由汽車之心（微信 ID：Auto-bit）編譯。
學者與新晉企業家的思想碰撞，會給我們帶來哪些新的行業洞見？
在這個 40 分鐘的訪談視頻裡，他們談論了以下話題：
1、卡耐基梅隆大學與 DARPA 挑戰賽
2、團隊領導力
3、自動駕駛哪部分最難？
4、激光雷達是否無用？
5、Level 2 自動駕駛與不可控的人類因素
6、L4 自動駕駛與安全
7、自動駕駛什麼時候可以大規模部署？
1、卡耐基梅隆大學與 DARPA 挑戰賽
Lex Fridman：DARPA 舉辦的自動駕駛挑戰賽和城市挑戰賽你都參加過。在這些重大比賽中，你獲得了什麼技術或哲學上的經驗？
Chris Urmson：在我看來，最重要的經驗就是我們有能力實現自動駕駛，這是 DARPA 大挑戰留給我最重要的財富。
當時我還是卡耐基梅隆大學機器人專業的學生，難度如此巨大的比賽挑動了每個人的興奮點，而且它確實酷勁十足。
那時選擇投身這樣一個幾乎不可能成功的比賽確實需要勇氣。好在，經過多次嘗試我們成功了，那種感覺真是令人激動。
Lex Fridman：當時，你認為哪部分實現的可能性更高？作為首席工程師，你肩上的擔子可不輕。
Chris Urmson：是的。那時候我是技術總監，和許多能人一起做了很多工作。至於我是否對實現自動駕駛有信心？當然了，誰也不會去做那些看似天方夜譚的事。
當時，我們只是覺得這項技術實現起來會很困難，沒想到是如此艱難，第一次嘗試就敗下陣來。
不過，我覺得這是上天送給我們的福利。當你不瞭解一件事的深淺時，多嘗試幾次總是有好處，這是那些高價諮詢師們給不了你的經驗。
Lex Fridman：你覺得比賽中團隊最大的痛點在哪？是機械？傳感器？軟硬件？算法？車輛定位？還是感知控制技術？
Chris Urmson：說實話，這項技術的樂趣就在這，因為它哪方面都很難，而且你還不能有短板。
就拿 DARPA 城市挑戰賽舉例，如果用現在的眼光來看，應該很容易。畢竟我們掌握了充足的城市數據，而且這裡不是沙漠，GPS 信號很好，所以做出比較精確的城市地圖不是問題。
那時，搞定所有工程工作讓我們對車輛進行控制和駕駛就已經是一大難題（當然現在也是難題）。
不過，最棘手的還是比賽的不確定性，我們甚至不知道賽會到底想讓我們幹什麼。
Lex Fridman：你是說，比賽前團隊對賽道完全不瞭解，甚至連勘路的工作都沒做過？
Chris Urmson：是的。我們根本不知道比賽線路，只能靠猜測。
現在回想那場比賽，那時大家都覺得 DARPA 至少得給些路點，好讓車輛沿著它們行駛。結果發現，比賽裡的參照物全靠自己發掘。好在，最後組委會提供一些軌跡給我們參考。
2、團隊領導力
Lex Fridman：現在你成了團隊領導，對於領導力這件事你有什麼看法？
Chris Urmson：這事得分好幾個方面來說。
第一，就是敢於嘗試那些困難的項目，因為這是團隊的好機會。
另一個就是要知人善用，不能只看到他們是誰，要發現他們能成為什麼樣的人。
這也是我從老領導 Red Whittaker（卡耐基梅隆大學教授）那裡學到的最有用的知識。
他會逐個審視學校的學生，教他們成為領導，挑大樑去完成一些艱鉅任務。如果換做別人，肯定會覺得這些學生都太嫩，他們什麼都不懂。
所以，我覺得對他人有信心是一個強大的武器。
Lex Fridman：能不能給大家簡單介紹下自動駕駛技術的進化過程？從 DARPA 挑戰賽到現在，技術是經歷了質變？還是說我們玩的依舊是當年那套東西，只是它變得更穩健了？
Chris Urmson：我們確實向前邁進了不少。
在 DARPA 自動駕駛挑戰賽上，我們唯一實質性解鎖的是高精地圖技術。
有了它，那些越野車才能在沙漠中穿行，這絕對是個重大創新。否則，車輛就會被前路複雜的環境所困，想保持一定的行駛速度更是不可能。
至於城市挑戰賽，我覺得最大的技術創新是激光雷達，它能生成高清 3D 模型，幫助車輛理解周邊環境。在我看來，這絕對是改變遊戲規則的技術突破。
除了激光雷達，那個年代我們還在技術上取得過很多進步，比如視覺評估。
那個時候，SLAM（即時定位與地圖構建）是機器人行業裡最火爆的概念，它是展會的常客，大家寫論文也都會提到它。
所以，視覺評估技術的橫空出世讓大家都異常興奮。
Lex Fridman：所以說，那個時代的技術突破大多數都是建立在激光雷達之上的？
Chris Urmson：事實上，我們當時做 SLAM 正起勁。
有了激光雷達，有了攝像頭，實時定位才算正式上位，大家也算擺脫了對 GPS 的迷信。
總得來說，當時大家為 SLAM 貢獻了很多力量，激光雷達並不是什麼決定性的突破創新，不過它的實際應用確實算一大進步。
Lex Fridman：也就是說，在城市挑戰賽時大家都做了地圖，那麼各個團隊有自己的方案嗎？你們之間有沒有進行「信息」共享？
Chris Urmson：DARPA 把地圖模型給了每個團隊，但我們得解決一個問題，那就是地圖精度。
因此，想拿出一套釐米級精度的地圖是我們當時最大的挑戰。
Lex Fridman：當時的感知技術是個什麼水平？
Chris Urmson：比現在差得多。不過，雖然時代不同，它們的內核卻極其相似。
我們的任務就是追蹤車輛，甚至是 100 米之外的，畢竟你得在路上變道。
我們要解決的問題現在也有，比如對其他車輛的動作進行預判，它們到底是繼續走直線還是左轉或右轉？
而且別忘了，自動駕駛汽車的行為也會對其他車輛產生影響。
Lex Fridman：那 10 年之後呢？
Chris Urmson：在我看來，最關鍵的一點就是我們處在變幻莫測的世界裡，道路上總會有其他參與者，比如行人，比如自行車，比如其他汽車。
他們大部分時間都遵章行駛，但也有放飛自我的時候，而這些變量就非常棘手。
Lex Fridman：這些變量主要來自行為還是感知上？
Chris Urmson：兩者都有。
要知道，10 年前參加比賽時我們不用考慮自行車，不用考慮行人，更不用看信號燈，而且車輛的行駛區域也要小很多。
3、自動駕駛哪部分最難？
Lex Fridman：從城市挑戰賽到「現實世界」，你有沒有遇到什麼真正艱鉅的新挑戰？
Chris Urmson：我覺得兩者之間最大的不同在於，現在我們是真槍實戰。
當然，和過去一樣，我們還沒能逃脫「可控環境」這個魔咒，但難度卻要高得多，畢竟那時能跑完 60 英里就算勝利。
從 2006 年的視角來看，60 英里這個距離已經相當遠了。但現在要跑的可是 50 萬英里。所以說，它們無法同日而語。
4、激光雷達是否無用？
Lex Fridman：激光雷達對自動駕駛到底有多重要？
Chris Urmson：它確實是核心，不過在我看來，攝像頭和雷達也是核心。
如果穩健是目標，就得用上不同傳感器採集的數據。
Lex Fridman：對於 Elon Musk 的激光雷達無用論，你怎麼看？這是成長必須付出的代價？還是說大部分的感知任務其實攝像頭就能勝任？
Chris Urmson：人類駕駛汽車用的就是視覺能力，所以攝像頭決定論我也認同。
至於 Musk 的激光雷達無用論，我覺得這種提法沒什麼問題，很多年前電動車也不被行業認可。未來，任何技術最終都會被更強大的技術所代替。
在我看來，這個問題的核心是我們現在的交通方式出了問題。去年，有那麼多美國人在路上丟了性命，這是不可接受的。
無論哪種自動駕駛技術，只要能提升道路安全性，我們就應該使用。
所以，一直爭論到底用激光雷達還是攝像頭完全沒有意義，它們只是兩種技術罷了，誰能更好地解決問題就選誰。
Lex Fridman：降成本是汽車廠商的核心任務之一，那麼在你看來激光雷達未來價格會大幅下降嗎？如果沒有激光雷達，我們能實現 Level 4 嗎？
Chris Urmson：我覺得兩個問題的答案都是「Yes」，只是時間問題。
最廉價傳感器不是我們想要的，我們需要的是經濟上行得通的自動駕駛方案，在那之後我們才談論利潤和降成本的事。
也就是說，500 美元和 50 美元的系統，哪個可堪大用我們才會選哪個。
成本問題確實重要，它事關業務是否可持續以及未來的發展。所以，在激光雷達這個問題上，我覺得沒有所謂的價格基線。
當然，激光雷達肯定要比攝像頭貴，因為它需要很多處理單元，但肯定不可能一直賣高價。
我相信，只要有了正確的商業模式，降低成本不是問題。
5、Level 2 自動駕駛與不可控的人類因素
Lex Fridman：你曾說過，現在的 Level 2 技術漏洞百出，因為人類因素太不可控。關於這個問題，你還有什麼補充的？
Chris Urmson：關於 Level 2，我的本意被曲解了。
在我看來，Level 2 主動安全技術相當重要，我們應該大力推廣。它能在不久的將來降低事故率，同時拯救生命。
當下的 Level 2 技術主要控制橫軸和縱軸，即車輛的轉向和加減速，它是駕駛員的好幫手，這點值得鼓勵。
不過，就像你說的，Level 2 也帶來了一些挑戰，比如人類因素帶來的風險和公眾的誤解。
有幾點我深信不疑，第一，人們肯定會過度信任這項技術，駕駛員在特斯拉里睡覺的新聞，我們可是時常看到。
最近我在一個視頻裡還看到一位名人稱特斯拉是自動駕駛汽車，那麼多人對自動駕駛還有深深的誤解，更別說普通人了。
事實上，特斯拉哪算的上自動駕駛，信了市場營銷，你可能哪天真的會死在車裡，或者傷到其他行人。
所以，各家廠商在宣傳和部署此類技術時得講究方式方法。
從成本上來講，Level 2 也和真正的自動駕駛有所區別，它們生活在完全不同的兩個世界。
Lex Fridman：在你看來，這不是逐步進化的過程，Level 2 和未來的全自動駕駛走的根本就是兩條路？
Chris Urmson：是的，Level 2 注重的是駕駛員輔助，所有安全項的設計都有一個前提，那就是駕駛員集中精神，所以車輛安全最終還是要駕駛員來負責。
從成本角度來看，Level 2 能成功完成幾次主動剎車，就是一個巨大進步，哪怕成功率只有 50%。
但歸根結底來說，它並不是自動駕駛技術。
Lex Fridman：這世界上有太多人容易輕信廠商宣傳，那麼，我們能做出不讓駕駛員過度信任的 Level 2 系統嗎？
Chris Urmson：恐怕不能。如果大家真能認識到其中的風險，你的假設就能成立。
可惜人們總是喜歡從自己的經驗出發，如果 Level 2 系統一直安全工作，也許一個月後他們就放鬆警惕了。不過，危險可能會在第 31 天到來。
當然，那些科技迷們肯定會更加小心，但大多數人沒這個覺悟，他們還是相信自己的經驗。
因此當 Level 2 大規模普及後，各種因為粗心大意引發的事故就會迅速多起來。
5、L4 自動駕駛與安全
Lex Fridman：我也與其他人討論過自動駕駛，到最後，大家的重點就是該不該把自己的生命交給機器人，所以我們還是得說說安全問題。你們準備怎麼向世界證明，自動駕駛汽車絕對安全？
Chris Urmson：這項工作確實很難，因為沒有標準答案。
首先，我們得展示那些費盡心血的工作，比如功能安全過程，這是我們在工作中解決問題的指引，也是建立初步信任的方法。
接著就是拿各種證據，比如向公眾展示自動駕駛汽車的能力，這其中包括模擬、組件測試、分解測試和一些路測數據。
最終，說服公眾相信自動駕駛還得靠對話，這一步需要深度，也需要時間。這個目標很簡單，就是讓大家相信自動駕駛有利於保護公眾利益，它值得公眾信任。
這一步完成了，我們就離成功不遠了。
Lex Fridman：如果這種方法失敗了，你覺得我們能拿出個度量標準或者數字來評判自動駕駛汽車的安全性嗎？
Chris Urmson：當然可以，而且不只是一個數字。
現在我們只是在內部進行，未來會公開更多信息，比如人類在不同任務下的表現以及他們的失誤率。
最終，參考航空業的相關經驗，再結合法律法規，我們就能拿出數據模型進行對比，讓數據為自動駕駛汽車正名。
Lex Fridman：說到自動駕駛汽車，公眾會最先想到那個經典的「電車難題」，那麼你們準備怎麼贏得大家的「芳心」，讓他們接受自動駕駛汽車是生命中不可分割一部分的事實？
Chris Urmson：我會讓他們去體驗。
說實話，自動駕駛是全新物種，大家連摸都沒摸過，沒有疑惑才不正常。
與此同時，用戶熟悉自動駕駛的過程也是我們不斷提升並降低成本的好機會。等大家嘗試並喜歡上自動駕駛汽車後，就會把它當成自己生活中不可或缺的一部分。
這樣的事我見多了，很多人在試乘自動駕駛汽車前都滿腹狐疑，但十分鐘後他們就打消了自己的擔憂。
科技就是這樣，你不需要完全瞭解其中原理，只要好用就行了。
這也是我們對自動駕駛技術的期望，它只要在後面默默提供完美的用戶體驗並安全把每個人送到目的地就行。
按：本文整理自 MIT 研究科學家 Lex Fridman 與 Aurora CEO Chris Urmson 【1】的訪談視頻。由汽車之心（微信 ID：Auto-bit）編譯。
學者與新晉企業家的思想碰撞，會給我們帶來哪些新的行業洞見？
在這個 40 分鐘的訪談視頻裡，他們談論了以下話題：
1、卡耐基梅隆大學與 DARPA 挑戰賽
2、團隊領導力
3、自動駕駛哪部分最難？
4、激光雷達是否無用？
5、Level 2 自動駕駛與不可控的人類因素
6、L4 自動駕駛與安全
7、自動駕駛什麼時候可以大規模部署？
1、卡耐基梅隆大學與 DARPA 挑戰賽
Lex Fridman：DARPA 舉辦的自動駕駛挑戰賽和城市挑戰賽你都參加過。在這些重大比賽中，你獲得了什麼技術或哲學上的經驗？
Chris Urmson：在我看來，最重要的經驗就是我們有能力實現自動駕駛，這是 DARPA 大挑戰留給我最重要的財富。
當時我還是卡耐基梅隆大學機器人專業的學生，難度如此巨大的比賽挑動了每個人的興奮點，而且它確實酷勁十足。
那時選擇投身這樣一個幾乎不可能成功的比賽確實需要勇氣。好在，經過多次嘗試我們成功了，那種感覺真是令人激動。
Lex Fridman：當時，你認為哪部分實現的可能性更高？作為首席工程師，你肩上的擔子可不輕。
Chris Urmson：是的。那時候我是技術總監，和許多能人一起做了很多工作。至於我是否對實現自動駕駛有信心？當然了，誰也不會去做那些看似天方夜譚的事。
當時，我們只是覺得這項技術實現起來會很困難，沒想到是如此艱難，第一次嘗試就敗下陣來。
不過，我覺得這是上天送給我們的福利。當你不瞭解一件事的深淺時，多嘗試幾次總是有好處，這是那些高價諮詢師們給不了你的經驗。
Lex Fridman：你覺得比賽中團隊最大的痛點在哪？是機械？傳感器？軟硬件？算法？車輛定位？還是感知控制技術？
Chris Urmson：說實話，這項技術的樂趣就在這，因為它哪方面都很難，而且你還不能有短板。
就拿 DARPA 城市挑戰賽舉例，如果用現在的眼光來看，應該很容易。畢竟我們掌握了充足的城市數據，而且這裡不是沙漠，GPS 信號很好，所以做出比較精確的城市地圖不是問題。
那時，搞定所有工程工作讓我們對車輛進行控制和駕駛就已經是一大難題（當然現在也是難題）。
不過，最棘手的還是比賽的不確定性，我們甚至不知道賽會到底想讓我們幹什麼。
Lex Fridman：你是說，比賽前團隊對賽道完全不瞭解，甚至連勘路的工作都沒做過？
Chris Urmson：是的。我們根本不知道比賽線路，只能靠猜測。
現在回想那場比賽，那時大家都覺得 DARPA 至少得給些路點，好讓車輛沿著它們行駛。結果發現，比賽裡的參照物全靠自己發掘。好在，最後組委會提供一些軌跡給我們參考。
2、團隊領導力
Lex Fridman：現在你成了團隊領導，對於領導力這件事你有什麼看法？
Chris Urmson：這事得分好幾個方面來說。
第一，就是敢於嘗試那些困難的項目，因為這是團隊的好機會。
另一個就是要知人善用，不能只看到他們是誰，要發現他們能成為什麼樣的人。
這也是我從老領導 Red Whittaker（卡耐基梅隆大學教授）那裡學到的最有用的知識。
他會逐個審視學校的學生，教他們成為領導，挑大樑去完成一些艱鉅任務。如果換做別人，肯定會覺得這些學生都太嫩，他們什麼都不懂。
所以，我覺得對他人有信心是一個強大的武器。
Lex Fridman：能不能給大家簡單介紹下自動駕駛技術的進化過程？從 DARPA 挑戰賽到現在，技術是經歷了質變？還是說我們玩的依舊是當年那套東西，只是它變得更穩健了？
Chris Urmson：我們確實向前邁進了不少。
在 DARPA 自動駕駛挑戰賽上，我們唯一實質性解鎖的是高精地圖技術。
有了它，那些越野車才能在沙漠中穿行，這絕對是個重大創新。否則，車輛就會被前路複雜的環境所困，想保持一定的行駛速度更是不可能。
至於城市挑戰賽，我覺得最大的技術創新是激光雷達，它能生成高清 3D 模型，幫助車輛理解周邊環境。在我看來，這絕對是改變遊戲規則的技術突破。
除了激光雷達，那個年代我們還在技術上取得過很多進步，比如視覺評估。
那個時候，SLAM（即時定位與地圖構建）是機器人行業裡最火爆的概念，它是展會的常客，大家寫論文也都會提到它。
所以，視覺評估技術的橫空出世讓大家都異常興奮。
Lex Fridman：所以說，那個時代的技術突破大多數都是建立在激光雷達之上的？
Chris Urmson：事實上，我們當時做 SLAM 正起勁。
有了激光雷達，有了攝像頭，實時定位才算正式上位，大家也算擺脫了對 GPS 的迷信。
總得來說，當時大家為 SLAM 貢獻了很多力量，激光雷達並不是什麼決定性的突破創新，不過它的實際應用確實算一大進步。
Lex Fridman：也就是說，在城市挑戰賽時大家都做了地圖，那麼各個團隊有自己的方案嗎？你們之間有沒有進行「信息」共享？
Chris Urmson：DARPA 把地圖模型給了每個團隊，但我們得解決一個問題，那就是地圖精度。
因此，想拿出一套釐米級精度的地圖是我們當時最大的挑戰。
Lex Fridman：當時的感知技術是個什麼水平？
Chris Urmson：比現在差得多。不過，雖然時代不同，它們的內核卻極其相似。
我們的任務就是追蹤車輛，甚至是 100 米之外的，畢竟你得在路上變道。
我們要解決的問題現在也有，比如對其他車輛的動作進行預判，它們到底是繼續走直線還是左轉或右轉？
而且別忘了，自動駕駛汽車的行為也會對其他車輛產生影響。
Lex Fridman：那 10 年之後呢？
Chris Urmson：在我看來，最關鍵的一點就是我們處在變幻莫測的世界裡，道路上總會有其他參與者，比如行人，比如自行車，比如其他汽車。
他們大部分時間都遵章行駛，但也有放飛自我的時候，而這些變量就非常棘手。
Lex Fridman：這些變量主要來自行為還是感知上？
Chris Urmson：兩者都有。
要知道，10 年前參加比賽時我們不用考慮自行車，不用考慮行人，更不用看信號燈，而且車輛的行駛區域也要小很多。
3、自動駕駛哪部分最難？
Lex Fridman：從城市挑戰賽到「現實世界」，你有沒有遇到什麼真正艱鉅的新挑戰？
Chris Urmson：我覺得兩者之間最大的不同在於，現在我們是真槍實戰。
當然，和過去一樣，我們還沒能逃脫「可控環境」這個魔咒，但難度卻要高得多，畢竟那時能跑完 60 英里就算勝利。
從 2006 年的視角來看，60 英里這個距離已經相當遠了。但現在要跑的可是 50 萬英里。所以說，它們無法同日而語。
4、激光雷達是否無用？
Lex Fridman：激光雷達對自動駕駛到底有多重要？
Chris Urmson：它確實是核心，不過在我看來，攝像頭和雷達也是核心。
如果穩健是目標，就得用上不同傳感器採集的數據。
Lex Fridman：對於 Elon Musk 的激光雷達無用論，你怎麼看？這是成長必須付出的代價？還是說大部分的感知任務其實攝像頭就能勝任？
Chris Urmson：人類駕駛汽車用的就是視覺能力，所以攝像頭決定論我也認同。
至於 Musk 的激光雷達無用論，我覺得這種提法沒什麼問題，很多年前電動車也不被行業認可。未來，任何技術最終都會被更強大的技術所代替。
在我看來，這個問題的核心是我們現在的交通方式出了問題。去年，有那麼多美國人在路上丟了性命，這是不可接受的。
無論哪種自動駕駛技術，只要能提升道路安全性，我們就應該使用。
所以，一直爭論到底用激光雷達還是攝像頭完全沒有意義，它們只是兩種技術罷了，誰能更好地解決問題就選誰。
Lex Fridman：降成本是汽車廠商的核心任務之一，那麼在你看來激光雷達未來價格會大幅下降嗎？如果沒有激光雷達，我們能實現 Level 4 嗎？
Chris Urmson：我覺得兩個問題的答案都是「Yes」，只是時間問題。
最廉價傳感器不是我們想要的，我們需要的是經濟上行得通的自動駕駛方案，在那之後我們才談論利潤和降成本的事。
也就是說，500 美元和 50 美元的系統，哪個可堪大用我們才會選哪個。
成本問題確實重要，它事關業務是否可持續以及未來的發展。所以，在激光雷達這個問題上，我覺得沒有所謂的價格基線。
當然，激光雷達肯定要比攝像頭貴，因為它需要很多處理單元，但肯定不可能一直賣高價。
我相信，只要有了正確的商業模式，降低成本不是問題。
5、Level 2 自動駕駛與不可控的人類因素
Lex Fridman：你曾說過，現在的 Level 2 技術漏洞百出，因為人類因素太不可控。關於這個問題，你還有什麼補充的？
Chris Urmson：關於 Level 2，我的本意被曲解了。
在我看來，Level 2 主動安全技術相當重要，我們應該大力推廣。它能在不久的將來降低事故率，同時拯救生命。
當下的 Level 2 技術主要控制橫軸和縱軸，即車輛的轉向和加減速，它是駕駛員的好幫手，這點值得鼓勵。
不過，就像你說的，Level 2 也帶來了一些挑戰，比如人類因素帶來的風險和公眾的誤解。
有幾點我深信不疑，第一，人們肯定會過度信任這項技術，駕駛員在特斯拉里睡覺的新聞，我們可是時常看到。
最近我在一個視頻裡還看到一位名人稱特斯拉是自動駕駛汽車，那麼多人對自動駕駛還有深深的誤解，更別說普通人了。
事實上，特斯拉哪算的上自動駕駛，信了市場營銷，你可能哪天真的會死在車裡，或者傷到其他行人。
所以，各家廠商在宣傳和部署此類技術時得講究方式方法。
從成本上來講，Level 2 也和真正的自動駕駛有所區別，它們生活在完全不同的兩個世界。
Lex Fridman：在你看來，這不是逐步進化的過程，Level 2 和未來的全自動駕駛走的根本就是兩條路？
Chris Urmson：是的，Level 2 注重的是駕駛員輔助，所有安全項的設計都有一個前提，那就是駕駛員集中精神，所以車輛安全最終還是要駕駛員來負責。
從成本角度來看，Level 2 能成功完成幾次主動剎車，就是一個巨大進步，哪怕成功率只有 50%。
但歸根結底來說，它並不是自動駕駛技術。
Lex Fridman：這世界上有太多人容易輕信廠商宣傳，那麼，我們能做出不讓駕駛員過度信任的 Level 2 系統嗎？
Chris Urmson：恐怕不能。如果大家真能認識到其中的風險，你的假設就能成立。
可惜人們總是喜歡從自己的經驗出發，如果 Level 2 系統一直安全工作，也許一個月後他們就放鬆警惕了。不過，危險可能會在第 31 天到來。
當然，那些科技迷們肯定會更加小心，但大多數人沒這個覺悟，他們還是相信自己的經驗。
因此當 Level 2 大規模普及後，各種因為粗心大意引發的事故就會迅速多起來。
5、L4 自動駕駛與安全
Lex Fridman：我也與其他人討論過自動駕駛，到最後，大家的重點就是該不該把自己的生命交給機器人，所以我們還是得說說安全問題。你們準備怎麼向世界證明，自動駕駛汽車絕對安全？
Chris Urmson：這項工作確實很難，因為沒有標準答案。
首先，我們得展示那些費盡心血的工作，比如功能安全過程，這是我們在工作中解決問題的指引，也是建立初步信任的方法。
接著就是拿各種證據，比如向公眾展示自動駕駛汽車的能力，這其中包括模擬、組件測試、分解測試和一些路測數據。
最終，說服公眾相信自動駕駛還得靠對話，這一步需要深度，也需要時間。這個目標很簡單，就是讓大家相信自動駕駛有利於保護公眾利益，它值得公眾信任。
這一步完成了，我們就離成功不遠了。
Lex Fridman：如果這種方法失敗了，你覺得我們能拿出個度量標準或者數字來評判自動駕駛汽車的安全性嗎？
Chris Urmson：當然可以，而且不只是一個數字。
現在我們只是在內部進行，未來會公開更多信息，比如人類在不同任務下的表現以及他們的失誤率。
最終，參考航空業的相關經驗，再結合法律法規，我們就能拿出數據模型進行對比，讓數據為自動駕駛汽車正名。
Lex Fridman：說到自動駕駛汽車，公眾會最先想到那個經典的「電車難題」，那麼你們準備怎麼贏得大家的「芳心」，讓他們接受自動駕駛汽車是生命中不可分割一部分的事實？
Chris Urmson：我會讓他們去體驗。
說實話，自動駕駛是全新物種，大家連摸都沒摸過，沒有疑惑才不正常。
與此同時，用戶熟悉自動駕駛的過程也是我們不斷提升並降低成本的好機會。等大家嘗試並喜歡上自動駕駛汽車後，就會把它當成自己生活中不可或缺的一部分。
這樣的事我見多了，很多人在試乘自動駕駛汽車前都滿腹狐疑，但十分鐘後他們就打消了自己的擔憂。
科技就是這樣，你不需要完全瞭解其中原理，只要好用就行了。
這也是我們對自動駕駛技術的期望，它只要在後面默默提供完美的用戶體驗並安全把每個人送到目的地就行。
7、自動駕駛什麼時候可以大規模部署？
Lex Fridman：我們不說未來，大家聽預言都聽煩了。公眾只想知道自動駕駛汽車什麼時候能大規模部署？至少得達到 1 萬輛這個門檻？
Chris Urmson：10 年之內肯定能實現，這點自信我還是有的。
Lex Fridman：那麼在你看來，自動駕駛汽車的部署什麼時候才算有了質變？
Chris Urmson：答案很簡單，什麼時候公路上的自動駕駛汽車取消了安全駕駛員。
在這之後，我們就能考慮如何擴大規模，如何打造用戶體驗，以及如何創新商業模式了。
Lex Fridman：安全駕駛員會先從哪個區域的自動駕駛汽車上消失？是高速還是城市？或是其他什麼特定區域？
Chris Urmson：我覺得應該是城市或者郊區。
大多數人覺得，高速路況才是最適合自動駕駛的，因為大家都朝一個方向開，而且不會有行人或自行車進入。
可惜事實並非如此，因為在自動駕駛模式下，我們必須 100% 考慮，而不是考慮大部分情況。一旦大貨車出了問題，在那個時速下造成的破壞就太大了。
換到城市，較低速度下即使出了問題，也不會那麼嚴重。
在技術完全成熟前，事故難以避免，所以大家肯定會選擇風險更低的城市或郊區環境。更多的投入當然意味著更快的進步。
Lex Fridman：關於自動駕駛汽車的部署時間線現在大家眾說紛紜，有的說10 年，有的說 20 年，還有人說 30 年。在你看來，什麼樣的技術突破能改變自動駕駛落地的時間進程？
Chris Urmson：我覺得感知和預測能力更重要，如果明天你就能拿出個完美模型，我們的研發馬上就能向前進一大步。
按：本文整理自 MIT 研究科學家 Lex Fridman 與 Aurora CEO Chris Urmson 【1】的訪談視頻。由汽車之心（微信 ID：Auto-bit）編譯。
學者與新晉企業家的思想碰撞，會給我們帶來哪些新的行業洞見？
在這個 40 分鐘的訪談視頻裡，他們談論了以下話題：
1、卡耐基梅隆大學與 DARPA 挑戰賽
2、團隊領導力
3、自動駕駛哪部分最難？
4、激光雷達是否無用？
5、Level 2 自動駕駛與不可控的人類因素
6、L4 自動駕駛與安全
7、自動駕駛什麼時候可以大規模部署？
1、卡耐基梅隆大學與 DARPA 挑戰賽
Lex Fridman：DARPA 舉辦的自動駕駛挑戰賽和城市挑戰賽你都參加過。在這些重大比賽中，你獲得了什麼技術或哲學上的經驗？
Chris Urmson：在我看來，最重要的經驗就是我們有能力實現自動駕駛，這是 DARPA 大挑戰留給我最重要的財富。
當時我還是卡耐基梅隆大學機器人專業的學生，難度如此巨大的比賽挑動了每個人的興奮點，而且它確實酷勁十足。
那時選擇投身這樣一個幾乎不可能成功的比賽確實需要勇氣。好在，經過多次嘗試我們成功了，那種感覺真是令人激動。
Lex Fridman：當時，你認為哪部分實現的可能性更高？作為首席工程師，你肩上的擔子可不輕。
Chris Urmson：是的。那時候我是技術總監，和許多能人一起做了很多工作。至於我是否對實現自動駕駛有信心？當然了，誰也不會去做那些看似天方夜譚的事。
當時，我們只是覺得這項技術實現起來會很困難，沒想到是如此艱難，第一次嘗試就敗下陣來。
不過，我覺得這是上天送給我們的福利。當你不瞭解一件事的深淺時，多嘗試幾次總是有好處，這是那些高價諮詢師們給不了你的經驗。
Lex Fridman：你覺得比賽中團隊最大的痛點在哪？是機械？傳感器？軟硬件？算法？車輛定位？還是感知控制技術？
Chris Urmson：說實話，這項技術的樂趣就在這，因為它哪方面都很難，而且你還不能有短板。
就拿 DARPA 城市挑戰賽舉例，如果用現在的眼光來看，應該很容易。畢竟我們掌握了充足的城市數據，而且這裡不是沙漠，GPS 信號很好，所以做出比較精確的城市地圖不是問題。
那時，搞定所有工程工作讓我們對車輛進行控制和駕駛就已經是一大難題（當然現在也是難題）。
不過，最棘手的還是比賽的不確定性，我們甚至不知道賽會到底想讓我們幹什麼。
Lex Fridman：你是說，比賽前團隊對賽道完全不瞭解，甚至連勘路的工作都沒做過？
Chris Urmson：是的。我們根本不知道比賽線路，只能靠猜測。
現在回想那場比賽，那時大家都覺得 DARPA 至少得給些路點，好讓車輛沿著它們行駛。結果發現，比賽裡的參照物全靠自己發掘。好在，最後組委會提供一些軌跡給我們參考。
2、團隊領導力
Lex Fridman：現在你成了團隊領導，對於領導力這件事你有什麼看法？
Chris Urmson：這事得分好幾個方面來說。
第一，就是敢於嘗試那些困難的項目，因為這是團隊的好機會。
另一個就是要知人善用，不能只看到他們是誰，要發現他們能成為什麼樣的人。
這也是我從老領導 Red Whittaker（卡耐基梅隆大學教授）那裡學到的最有用的知識。
他會逐個審視學校的學生，教他們成為領導，挑大樑去完成一些艱鉅任務。如果換做別人，肯定會覺得這些學生都太嫩，他們什麼都不懂。
所以，我覺得對他人有信心是一個強大的武器。
Lex Fridman：能不能給大家簡單介紹下自動駕駛技術的進化過程？從 DARPA 挑戰賽到現在，技術是經歷了質變？還是說我們玩的依舊是當年那套東西，只是它變得更穩健了？
Chris Urmson：我們確實向前邁進了不少。
在 DARPA 自動駕駛挑戰賽上，我們唯一實質性解鎖的是高精地圖技術。
有了它，那些越野車才能在沙漠中穿行，這絕對是個重大創新。否則，車輛就會被前路複雜的環境所困，想保持一定的行駛速度更是不可能。
至於城市挑戰賽，我覺得最大的技術創新是激光雷達，它能生成高清 3D 模型，幫助車輛理解周邊環境。在我看來，這絕對是改變遊戲規則的技術突破。
除了激光雷達，那個年代我們還在技術上取得過很多進步，比如視覺評估。
那個時候，SLAM（即時定位與地圖構建）是機器人行業裡最火爆的概念，它是展會的常客，大家寫論文也都會提到它。
所以，視覺評估技術的橫空出世讓大家都異常興奮。
Lex Fridman：所以說，那個時代的技術突破大多數都是建立在激光雷達之上的？
Chris Urmson：事實上，我們當時做 SLAM 正起勁。
有了激光雷達，有了攝像頭，實時定位才算正式上位，大家也算擺脫了對 GPS 的迷信。
總得來說，當時大家為 SLAM 貢獻了很多力量，激光雷達並不是什麼決定性的突破創新，不過它的實際應用確實算一大進步。
Lex Fridman：也就是說，在城市挑戰賽時大家都做了地圖，那麼各個團隊有自己的方案嗎？你們之間有沒有進行「信息」共享？
Chris Urmson：DARPA 把地圖模型給了每個團隊，但我們得解決一個問題，那就是地圖精度。
因此，想拿出一套釐米級精度的地圖是我們當時最大的挑戰。
Lex Fridman：當時的感知技術是個什麼水平？
Chris Urmson：比現在差得多。不過，雖然時代不同，它們的內核卻極其相似。
我們的任務就是追蹤車輛，甚至是 100 米之外的，畢竟你得在路上變道。
我們要解決的問題現在也有，比如對其他車輛的動作進行預判，它們到底是繼續走直線還是左轉或右轉？
而且別忘了，自動駕駛汽車的行為也會對其他車輛產生影響。
Lex Fridman：那 10 年之後呢？
Chris Urmson：在我看來，最關鍵的一點就是我們處在變幻莫測的世界裡，道路上總會有其他參與者，比如行人，比如自行車，比如其他汽車。
他們大部分時間都遵章行駛，但也有放飛自我的時候，而這些變量就非常棘手。
Lex Fridman：這些變量主要來自行為還是感知上？
Chris Urmson：兩者都有。
要知道，10 年前參加比賽時我們不用考慮自行車，不用考慮行人，更不用看信號燈，而且車輛的行駛區域也要小很多。
3、自動駕駛哪部分最難？
Lex Fridman：從城市挑戰賽到「現實世界」，你有沒有遇到什麼真正艱鉅的新挑戰？
Chris Urmson：我覺得兩者之間最大的不同在於，現在我們是真槍實戰。
當然，和過去一樣，我們還沒能逃脫「可控環境」這個魔咒，但難度卻要高得多，畢竟那時能跑完 60 英里就算勝利。
從 2006 年的視角來看，60 英里這個距離已經相當遠了。但現在要跑的可是 50 萬英里。所以說，它們無法同日而語。
4、激光雷達是否無用？
Lex Fridman：激光雷達對自動駕駛到底有多重要？
Chris Urmson：它確實是核心，不過在我看來，攝像頭和雷達也是核心。
如果穩健是目標，就得用上不同傳感器採集的數據。
Lex Fridman：對於 Elon Musk 的激光雷達無用論，你怎麼看？這是成長必須付出的代價？還是說大部分的感知任務其實攝像頭就能勝任？
Chris Urmson：人類駕駛汽車用的就是視覺能力，所以攝像頭決定論我也認同。
至於 Musk 的激光雷達無用論，我覺得這種提法沒什麼問題，很多年前電動車也不被行業認可。未來，任何技術最終都會被更強大的技術所代替。
在我看來，這個問題的核心是我們現在的交通方式出了問題。去年，有那麼多美國人在路上丟了性命，這是不可接受的。
無論哪種自動駕駛技術，只要能提升道路安全性，我們就應該使用。
所以，一直爭論到底用激光雷達還是攝像頭完全沒有意義，它們只是兩種技術罷了，誰能更好地解決問題就選誰。
Lex Fridman：降成本是汽車廠商的核心任務之一，那麼在你看來激光雷達未來價格會大幅下降嗎？如果沒有激光雷達，我們能實現 Level 4 嗎？
Chris Urmson：我覺得兩個問題的答案都是「Yes」，只是時間問題。
最廉價傳感器不是我們想要的，我們需要的是經濟上行得通的自動駕駛方案，在那之後我們才談論利潤和降成本的事。
也就是說，500 美元和 50 美元的系統，哪個可堪大用我們才會選哪個。
成本問題確實重要，它事關業務是否可持續以及未來的發展。所以，在激光雷達這個問題上，我覺得沒有所謂的價格基線。
當然，激光雷達肯定要比攝像頭貴，因為它需要很多處理單元，但肯定不可能一直賣高價。
我相信，只要有了正確的商業模式，降低成本不是問題。
5、Level 2 自動駕駛與不可控的人類因素
Lex Fridman：你曾說過，現在的 Level 2 技術漏洞百出，因為人類因素太不可控。關於這個問題，你還有什麼補充的？
Chris Urmson：關於 Level 2，我的本意被曲解了。
在我看來，Level 2 主動安全技術相當重要，我們應該大力推廣。它能在不久的將來降低事故率，同時拯救生命。
當下的 Level 2 技術主要控制橫軸和縱軸，即車輛的轉向和加減速，它是駕駛員的好幫手，這點值得鼓勵。
不過，就像你說的，Level 2 也帶來了一些挑戰，比如人類因素帶來的風險和公眾的誤解。
有幾點我深信不疑，第一，人們肯定會過度信任這項技術，駕駛員在特斯拉里睡覺的新聞，我們可是時常看到。
最近我在一個視頻裡還看到一位名人稱特斯拉是自動駕駛汽車，那麼多人對自動駕駛還有深深的誤解，更別說普通人了。
事實上，特斯拉哪算的上自動駕駛，信了市場營銷，你可能哪天真的會死在車裡，或者傷到其他行人。
所以，各家廠商在宣傳和部署此類技術時得講究方式方法。
從成本上來講，Level 2 也和真正的自動駕駛有所區別，它們生活在完全不同的兩個世界。
Lex Fridman：在你看來，這不是逐步進化的過程，Level 2 和未來的全自動駕駛走的根本就是兩條路？
Chris Urmson：是的，Level 2 注重的是駕駛員輔助，所有安全項的設計都有一個前提，那就是駕駛員集中精神，所以車輛安全最終還是要駕駛員來負責。
從成本角度來看，Level 2 能成功完成幾次主動剎車，就是一個巨大進步，哪怕成功率只有 50%。
但歸根結底來說，它並不是自動駕駛技術。
Lex Fridman：這世界上有太多人容易輕信廠商宣傳，那麼，我們能做出不讓駕駛員過度信任的 Level 2 系統嗎？
Chris Urmson：恐怕不能。如果大家真能認識到其中的風險，你的假設就能成立。
可惜人們總是喜歡從自己的經驗出發，如果 Level 2 系統一直安全工作，也許一個月後他們就放鬆警惕了。不過，危險可能會在第 31 天到來。
當然，那些科技迷們肯定會更加小心，但大多數人沒這個覺悟，他們還是相信自己的經驗。
因此當 Level 2 大規模普及後，各種因為粗心大意引發的事故就會迅速多起來。
5、L4 自動駕駛與安全
Lex Fridman：我也與其他人討論過自動駕駛，到最後，大家的重點就是該不該把自己的生命交給機器人，所以我們還是得說說安全問題。你們準備怎麼向世界證明，自動駕駛汽車絕對安全？
Chris Urmson：這項工作確實很難，因為沒有標準答案。
首先，我們得展示那些費盡心血的工作，比如功能安全過程，這是我們在工作中解決問題的指引，也是建立初步信任的方法。
接著就是拿各種證據，比如向公眾展示自動駕駛汽車的能力，這其中包括模擬、組件測試、分解測試和一些路測數據。
最終，說服公眾相信自動駕駛還得靠對話，這一步需要深度，也需要時間。這個目標很簡單，就是讓大家相信自動駕駛有利於保護公眾利益，它值得公眾信任。
這一步完成了，我們就離成功不遠了。
Lex Fridman：如果這種方法失敗了，你覺得我們能拿出個度量標準或者數字來評判自動駕駛汽車的安全性嗎？
Chris Urmson：當然可以，而且不只是一個數字。
現在我們只是在內部進行，未來會公開更多信息，比如人類在不同任務下的表現以及他們的失誤率。
最終，參考航空業的相關經驗，再結合法律法規，我們就能拿出數據模型進行對比，讓數據為自動駕駛汽車正名。
Lex Fridman：說到自動駕駛汽車，公眾會最先想到那個經典的「電車難題」，那麼你們準備怎麼贏得大家的「芳心」，讓他們接受自動駕駛汽車是生命中不可分割一部分的事實？
Chris Urmson：我會讓他們去體驗。
說實話，自動駕駛是全新物種，大家連摸都沒摸過，沒有疑惑才不正常。
與此同時，用戶熟悉自動駕駛的過程也是我們不斷提升並降低成本的好機會。等大家嘗試並喜歡上自動駕駛汽車後，就會把它當成自己生活中不可或缺的一部分。
這樣的事我見多了，很多人在試乘自動駕駛汽車前都滿腹狐疑，但十分鐘後他們就打消了自己的擔憂。
科技就是這樣，你不需要完全瞭解其中原理，只要好用就行了。
這也是我們對自動駕駛技術的期望，它只要在後面默默提供完美的用戶體驗並安全把每個人送到目的地就行。
7、自動駕駛什麼時候可以大規模部署？
Lex Fridman：我們不說未來，大家聽預言都聽煩了。公眾只想知道自動駕駛汽車什麼時候能大規模部署？至少得達到 1 萬輛這個門檻？
Chris Urmson：10 年之內肯定能實現，這點自信我還是有的。
Lex Fridman：那麼在你看來，自動駕駛汽車的部署什麼時候才算有了質變？
Chris Urmson：答案很簡單，什麼時候公路上的自動駕駛汽車取消了安全駕駛員。
在這之後，我們就能考慮如何擴大規模，如何打造用戶體驗，以及如何創新商業模式了。
Lex Fridman：安全駕駛員會先從哪個區域的自動駕駛汽車上消失？是高速還是城市？或是其他什麼特定區域？
Chris Urmson：我覺得應該是城市或者郊區。
大多數人覺得，高速路況才是最適合自動駕駛的，因為大家都朝一個方向開，而且不會有行人或自行車進入。
可惜事實並非如此，因為在自動駕駛模式下，我們必須 100% 考慮，而不是考慮大部分情況。一旦大貨車出了問題，在那個時速下造成的破壞就太大了。
換到城市，較低速度下即使出了問題，也不會那麼嚴重。
在技術完全成熟前，事故難以避免，所以大家肯定會選擇風險更低的城市或郊區環境。更多的投入當然意味著更快的進步。
Lex Fridman：關於自動駕駛汽車的部署時間線現在大家眾說紛紜，有的說10 年，有的說 20 年，還有人說 30 年。在你看來，什麼樣的技術突破能改變自動駕駛落地的時間進程？
Chris Urmson：我覺得感知和預測能力更重要，如果明天你就能拿出個完美模型，我們的研發馬上就能向前進一大步。
Lex Fridman：當下道路參與者中，最讓你頭疼的是哪個？車輛、行人還是自行車？
Chris Urmson：我最擔心的還是自行車和行人，因為他們完全沒有保護，而有安全氣囊的汽車風險就要小得多。
所以，我們得多留意行人和自行車。
Lex Fridman：對行人多加保護的話，就意味著車輛會減速，他們甚至會反過來利用這一點去給自動駕駛汽車找麻煩（比如碰瓷）。如果是人類司機，大不了繞過去就好，但自動駕駛汽車呢？在技術上我們有什麼好的解決方案嗎？
Chris Urmson：先說一點，如果我看到橫過馬路的人，肯定會停車讓行而不是繞過去。
眼下確實有人利用這一點橫穿馬路，但面對自動駕駛汽車，他們就得掂量掂量，畢竟誰也不想出車禍。
機器的心思可能比人更難猜，所以我並不擔心行人造成的道路混亂。算法上很簡單，探測到有人接近就停下來，所以基本沒什麼風險。
Lex Fridman：所以這不是算法問題，而是體驗問題。再問最後一個問題，當下 Aurora 的主要競爭對手是誰？你準備如何擊敗它們？
Chris Urmson：眼下，我們還是更關心自己。
之前我也多次提到，自動駕駛是個非常複雜的難題，很多公司都在著手解決。我們沒時間去找假想敵以及擊敗它們的戰略，要想走得更快，就得先對整個行業有深入瞭解，儘量躲開前進路上的陷阱。
其次，吸引認同我們使命的員工。
除此之外，對基礎設施和架構的持續投資也相當重要，它們是公司未來的加速器。
我們不會把時間都花在演示上。相反，機器學習、數據提取及應用等基礎建設更為
重要。
對這些領域的持續投資，才是 Aurora 未來能否繼續走下去的關鍵。
注：【1】Chris Urmson，曾是谷歌自動駕駛項目二號人物。
在 2006 年美國國防部高級研究計劃局（DARPA）挑戰賽中，他是卡內基梅隆大學（CMU）自動駕駛團隊的關鍵工程師。
在 2007 年 DARPA 城市挑戰賽（Urban Challenge）中，他是冠軍組 CMU 團隊的核心領導者之一。
隨後，Urmson 加入谷歌，成為谷歌自動駕駛軟件部門的負責人。正是他，將谷歌自動駕駛從概念車變成現實，幫助團隊將這項技術從研究階段轉向工程階段。
如今，他是自動駕駛新創公司 Aurora 的創始人兼 CEO。
Aurora 成立於 2017 年初。今年 2 月，Aurora 敲定 5.3 億美元 B 輪投資，由紅杉資本領投，亞馬遜、殼牌等巨頭跟投。拿到這筆投資後，Aurora 估值達到 25 億美元。今年 6 月，它又獲得現代/起亞的投資。
可以說，在 Urmson 的帶領下，Aurora 已成為全球範圍內備受關注的自動駕駛公司之一。
（更多行業交流與討論，歡迎添加微信 autobitxyz 加入汽車之心社群。）