奧迪全新A8刷了朋友圈，我們收集了一些關於L3自動駕駛的觀點

昨天下午，大家被一輛號稱SAE L3的自動駕駛量產車刷屏了。奧迪正式發布的全新一代A8，可以在擁堵路況中實現自動駕駛。但是在不久之前，另一家主機廠沃爾沃正式表態，我們是不會量產L3自動駕駛汽車的。

為什麼大家對量產L3存在不同看法？量產L3到底面臨了哪些技術難點？

借第四屆國際智能網聯汽車技術年會的機會，車雲菌和很多業內人士談了談他們對L3的看法，收穫了很多出乎意料的答案。最後我們發現，一個好的商業模式或許能為L3找到不錯的量產場景。

L3引發的技術難題

我們先了解一下L3的分水嶺位置意味著什麼。

放到整個自動駕駛進程中，L3是從駕駛輔助進階到自動駕駛的第一個階段，也是實現未來L4、L5的前提。在很長的一段時間裡，L3都會存在，也無法省略，它是一個不斷磨練技術，使整個系統成熟到可以自己負責的特殊時期。

和L2相比，L3自動駕駛汽車對周邊環境的監控由系統全權負責，這意味著車子在滿足自動駕駛條件時，要具備100%感知周圍環境的能力；和L4相比，L3會遇到「人類離開一段時間后突然接到通知但依然能回來繼續開車」的情況，這表明L3要在自動駕駛系統失效時安全地完成駕駛權交接。

從技術角度來看，上面兩個要求是非常苛刻的。

目前感測器配置方案還不能達到100%感知周圍環境的能力。我們發現到L3自動駕駛階段，不少車都加上了激光雷達作為冗餘。但北京歐百拓信息科技發展有限公司CEO劇學銘告訴我們，即便如此也只是剛剛達到L3的配置標準，現階段的感測器融合大多還是目標層融合，為了達到高階自動駕駛所需的可靠性，要進一步細化到特徵融合和數據融合。

退一步來看，即便感測器可以看清楚周圍的所有場景，也很難追蹤其他交通角色的下一步動作。自動駕駛汽車如何判斷路邊行人下一步是否會沖向車道？ 過十字路口時，腳踏車、行人、車輛混合爭奪路權的時候，自動駕駛汽車還能找出一條自己的路嗎？

很多人在用深度學習解決這個疑難雜症，但是就像擦到籃筐的籃球，你無法判斷下一秒是落入框中還是滑下籃板，運動趨勢本身就會受到很多隨機因素的影響。

人機交互方面的挑戰在於，駕駛員離開駕駛情境的時間越長，順利接管的時間也會越長，要回答安全接管這個問題，第一步是定義「哪些是需要接管的情況」。

對此，自動駕駛汽車至少要清楚兩方面的信息：一個方面是車況判斷，是後視鏡壞了還是核心感測器壞了；一方面是外部環境判斷，是大雨天，施工等複雜路況。上海機動車檢測認證技術研究中心技術支持（研究） 部部長於峰指出，「這些都是自動駕駛汽車判斷系統安全性要考慮的問題，都需要車廠在車輛開發階段提前定義。」

然後要討論的是「怎樣安全交接」的問題。不少人提供的思路是，儘可能利用感測技術來延長交接時長，如果給駕駛員預留充足的反應時間，是可以解決安全接管這個問題的。

同濟大學汽車安全技術研究所所長朱西產給出了幾個案例，比如利用V2X等技術，在更早的時候預知接管需要，通過聯網預知惡劣天氣臨近。博世底盤控制系統區駕駛輔助系統工程總監趙姝岩介紹，當緊急接管情況發生時，車輛按照緊急情況可以分幾次給出提醒，同時根據周圍路況做減輕危險的處理，例如先逐漸減速靠邊，隨著自動駕駛等級的提高，可以自動駕駛到服務區等。

但是依然有很多人提醒車雲菌，作為一個靠譜的L3自動駕駛人機交互系統，你必須假設車輛有時是沒法自己開到路邊的，而且駕駛員很可能是叫不醒的。

當L3遇到量產

有一種尷尬叫L3式的尷尬。

L3需要的研發投入不比L4少，兩者在技術上的差別，很可能像做全套綜合考題，L3可以做到60分，偶爾可以答個70分，L4則可以基本維持在80分的水平。但L3顯然不如L4穩定並且適應範圍廣泛，那麼消費者願不願意接受60、70分的產品，又願意為它付出多少錢呢？

因此L3要不要量產，就在於各家對痛點場景的挖掘了。

持L3可量產態度的人認為：雖然L3相比L4有更多不確定性，不如讓L3專門做60分難度的題庫並且做到100分的表現吧。就像我們平日開車不用掌握越野技能，L3自動駕駛只要在擅長的領域施展身手就可以了。

工程院院士李德毅在他的演講結尾處就總結道：「用一輛車解決所有問題是不可能的，L3量產可以分不同場景」。豐田汽車前瞻研發及工程執行總經理葛卷清吾也提到，「我們提到3級自動駕駛時，會先去定義條件，也就是SAE自動駕駛分級中ODD的概念」。

葛卷清吾認為，自動泊車就是一個適合L3的場景，但是國道和高速公路的自動駕駛因為車速太快，駕駛員是沒法快速反應接管的，就不適合L3。第一個喊出量產L3自動駕駛的奧迪則是選中了城市擁堵路況的自動駕駛，功能的觸發前提是比較安全的低速情況。

我們覺得這個策略也符合」用戶痛點是產品起點「的原則。這樣來看，主機廠其實不是在根據L3的定義去生產一輛自動駕駛汽車，而是在尋找適合運用自動駕駛技術的場景，只不過在這個場景恰好符合L3的定義。頻繁踩踏剎車和尋找停車位都是目前的出行痛點，L3正好是可以成為解決這些痛點的產品。

當然，幫助L3找到歸宿還需要一個好的商業模式。

當時沃爾沃公開表示不會做L3自動駕駛時，提到了平衡成本和功能的考慮——支撐L3的技術需要一大筆支出，但駕駛員仍然沒法完全放鬆下來，還要分心關注什麼時候接管駕駛，所以功能性價比不高。

對於這個問題，密西根大學土木與環境系教授、交通研究所研究員、 智能網聯交通研究中心主任劉向宏向我們拋出了一個截然不同的觀點：L3的量產車不會賣給普通駕駛員，而是銷售給運營商，由專業的駕駛員來操控或者一直有人在後台觀察。對於駕駛員成本高昂的公共交通領域而言，這部分成本是可被接受和消化的。

如果要舉例的話，很接近我們常常在新聞上看到的自動駕駛小巴，行駛路況簡單，車速也不會很快，在雲端的調控平台會有人工實時監管車輛，在遇到處理不了的情況時，車輛會停車等待人工排除問題，人工後台還能起到安撫車內乘客的作用。

再加上上文也提到的，L3是一個特殊時期，讓系統在這個過程里不斷打磨直到自負其責。L3級別的自動駕駛車上路后可以收集更多在模擬軟體、試驗場以及有限路測時間裡無法遇到的邊緣情況（Edge Situation，一些出現率極低的疑難情況）。從這樣的情況來看，讓L3自動駕駛在可控情況下上路除了是一種商業策略，也是一種技術鋪墊。

車雲小結

我們發現，自動駕駛汽車的能力是流動性的。比如一輛定義為L4的車，在一些沒有遇到的場景前會降級為L3，一輛定義為L3的車也會因為限定條件提供的足夠保障，讓它看起來很像一輛L4。在自動駕駛技術不夠成熟的情況系，Level好像也不是那麼唯一。

L5在自動駕駛一定是最終方向，不過在套路了我們原本關心的L3問題后，我們覺得應該思考一個新話題——讓掌握不同自動駕駛能力的車先跑起來，在真正需要的場景去解決那些實際問題。