为什么自动驾驶左转很难

想象一下你正在驾驶一辆汽车，正要从十字路口左转：这条路上没有红绿灯，也没有停车标志——你不仅需要快速找到空档并确保如果您这样做，右侧车道上的车辆将会与您相撞。

这种“无保护左转”（即没有红绿灯或停车标志的左转）有多种形式。

一个稍微不那么复杂的版本是：当你在红绿灯处时，一个圆形的绿灯（不是绿色箭头）表示让你继续前进，如果你想左转，你必须在迎面而来的车辆中找到间隙。

你可能没有注意到，一个看似简单的“左转”可能会引发一系列问题。

例如，驾驶员要转入的车道可能已经排好队。

这个时候，我们是应该开始转弯，还是等待车队开始行驶呢？或者在确保有空间可以转弯后立即转弯？对面车道是否有车辆驶来？离你有多远？车辆行驶的速度有多快？转弯能否及时完成？行人是否走到他们要转弯的车道中间？ 　　人类每天要处理如此复杂的思维过程数百万次，但很多时候，他们仍然会犯错误。

美国交通部2016年的一项研究调查了1万多起事故，发现左转判断错误导致了22.2%的事故，而右转只占1.2%——几乎所有事故都发生在转弯时左转是由右转引起的。

二十次。

美国快递巨头UPS甚至取消了左转，规定司机到达任何目的地的正确方式是避免左转；路线规划地图软件Waze甚至推出了一项特殊功能，允许用户无需左转即可规划路线。

“左转基本上是人类在复杂的驾驶世界中所做的最复杂的事情，”《开车经济学:我们为什么这样开车?》的作者 Tom Vanderbilt 说道。

1、自动驾驶为何左转困难？右转哪有那么容易？ - 只需引导汽车进入右转车道，在许多路口驾驶员甚至可以在红灯时右转，所以这对于自动驾驶汽车来说非常简单。

左转则不同。

——十字路口复杂的车流、准备移动的行人以及各种标线和交通标志，对自动驾驶车辆的环境感知和预测提出了极高的挑战。

这就是人类驾驶员通常处理此类情况的方式：他们等待并观察交通情况。

如果左转的机会很少，他们就会调整自己的驾驶策略：1）可能加速得更快，比如强行左转寻找车流间隙； 2）有时小心翼翼地进入有左侧车辆的车道，以表明自己打算转弯并期望其他车辆让出空间，尤其是在交通密集且缓慢行驶的情况下，必须“寻找一切机会”； 3）或者尝试在车道之间找到一个中间位置，然后从中间位置开始左转进入目标车道。

对于人和自动驾驶车辆来说，左转需要观察多方面的信息来确定合适的转弯力矩，尤其是在没有保护的情况下左转时。

目前，即使是最熟练的自动驾驶汽车也可能很难顺利左转。

工程师发现，让无人驾驶汽车安全左转是他们面临的最大挑战之一。

在 Waymo 凤凰城总部附近的一个丁字路口，Waymo 的自动驾驶汽车在没有红绿灯的情况下左转时经常会遇到麻烦 - 找不到机会并入正常交通。

这条道路的限速约为 70 公里/小时。

人类驾驶员很快完成了左转。

Waymo 的自动驾驶汽车在没有保护的情况下无法左转。

车辆在路口等待了很长时间才最终左转，严重影响了后面人类驾驶员的耐心。

Zoox、Nuro.ai 和 Pony.ai 等其他公司的报告经常描述自动驾驶汽车在十字路口左转时出错的问题。

显然，能否顺利完成左转也成为衡量自动驾驶公司技术水平的重要指标。

麻省理工学院一位研究自动驾驶的教授这样描述左转：“每天都有很多挑战，而左转几乎排在问题清单的首位。

”软件工程师兼 Waymo 行为团队负责人 Nathaniel Fairfield 表示：不受保护的左转是自动驾驶中最棘手的事情之一。

费尔菲尔德领导的团队专注于如何让自动驾驶汽车按照规划的路线行驶，解决包括“让汽车保持在各自车道上”、“在驾驶时做出决策并预测其他车辆的行为”等多层次问题。

因此，为了解决这个问题，自动驾驶汽车与人类驾驶汽车进行交互并进行实时计算非常重要。

如果自动驾驶汽车开始转弯，它需要计算其他汽车是否会减速，就像人类在做同样的动作时需要做出心理预测一样。

或者自动驾驶汽车需要弄清楚如何“礼貌地要求”其他车辆让道。

当然，有时路上的其他人并不总是同意这个请求。

这就是为什么工程师说左转很难——因为很难理解人类的思维。

据AutoHeart（微信ID：Auto-bit）介绍，人类驾驶员可以通过手势或眼神与其他驾驶员进行非语言交流，并通过彼此之间微妙的信号（如手势、眼神、喇叭、转向灯等）来进行交流。

确定在复杂多变的交通条件下何时可以安全左转。

然而，自动驾驶汽车却无法做到这一点。

原因是，自动驾驶汽车不是使用灰质和肌肉记忆，而是通过编程、人工智能和激光、摄像头和雷达等车载感知系统来改变车道。

因此，教机器在复杂的交通条件下左转是极其困难的。

对于自动驾驶汽车来说，判断迎面而来的汽车的距离和速度成为一个简单的部分。

使用 GPS 导航装置、摄像头、激光雷达和毫米波雷达，自动驾驶汽车可以准确测量路径上任何物体的位置和速度。

但自动驾驶无法判断这些汽车和行人接下来会做什么。

因此，自动驾驶汽车需要解读人类心理——来自其他驾驶员和行人的微妙信号——才能在道路上执行最困难的操作。

这不仅涉及技术，还涉及心理。

2、人与车的博弈：人的意图是根本挑战。

对于自动驾驶汽车来说，人类意图是最基本的挑战。

今年5月，Auroa首席执行官Chris Urmson在卡内基梅隆大学发表了题为“《Perspectives on Self-Driving Cars》”的演讲。

他提到，自动驾驶汽车做出的决策完全依赖于理解和匹配人类驾驶员的期望。

要做好这一点，你不仅要猜测自己车司机的意图，还要揣摩其他司机的动向。

为了说明“人为因素”的关键挑战，厄姆森分析了三起备受瞩目的自动驾驶事故。

谷歌自动驾驶汽车与公交车相撞 在仅有的 25 起自动驾驶事故中，谷歌自动驾驶汽车承担了部分责任。

在这起事故中，谷歌自动驾驶汽车正准备出口转弯，却在前面遇到了一堆沙袋。

当红绿灯变绿时，它等几辆车经过，然后看到一辆公共汽车。

道路上有足够的空间供公交车司机行驶。

但对于谷歌的自动驾驶汽车，系统预测公交车会减速让自动驾驶汽车排队，但公交车没有，两车相撞。

Uber的自动驾驶汽车遭遇侧翻事故。

在遭遇严重车祸之前，Uber的自动驾驶汽车停在最左侧车道，右侧两条车道因车辆较多而出现拥堵。

Uber测试车看到自己的车道畅通无阻，选择继续行驶。

然而此时，一名司机向左并线，想要直接左转。

并道时，其他车辆挡住了驾驶员的视线。

司机可能以为其他车辆会减速，所以直接并入了最左边的车道。

随后两车相撞，Uber的测试车直接被撞翻倒地。

惨遭车祸的特斯拉 Model S 尽管特斯拉一再强调使用 Autopilot 时必须把手放在方向盘上，但遭遇车祸的司机对这一功能却毫不怀疑。

当时，车辆认为驾驶员会时刻关注路况，成为最后一道安全防线，但驾驶员却觉得Autopilot可以应对这种场景。

然而，他们都错了。

当大卡车出现在汽车面前时，车主和汽车都没有注意到它的存在，因此致命事故不可避免地发生了。

事故发生后，特斯拉做了很多调整，让车辆能够更好地了解驾驶员在行驶时的状态。

该事件说明了利用人类注意力来弥补车辆缺陷的局限性。

上述案例或多或少反映了为什么自动驾驶汽车与人沟通的能力如此重要的事实。

让我们考虑这个问题：当你走在没有红绿灯的人行横道上时会发生什么？朝您驶来的汽车可能会减速。

当您走在汽车前面时，您会与司机进行眼神交流以确保他们看到您，这会导致司机停下来。

现在，想象一下上述场景中的自动驾驶汽车 - 方向盘后面没有人，你如何知道汽车是否检测到你？你明白你想做什么吗？决定为您停车吗？此类互动发生的频率比您想象的要高，并且可能涉及行人、骑自行车的人或其他司机。

自动驾驶汽车需要更复杂的通信。

3、人与车：如何有效沟通？科学家曾提出一项名为“心智理论”的研究。

“心理理论”指的是人类可以通过微小的信号来猜测别人想要做什么，比如他们的声音、肢体语言，甚至只是看他们的眼睛。

“心理理论”是人类如何在拥挤的地铁站或足球比赛中预测彼此会向左还是向右走。

当司机和行人接近繁忙的十字路口时，这一理论也会发挥作用。

这种干预是如此及时，你几乎没有意识到，人们开始交换一些看得见的线索来判断通行是否安全，一些信息是通过非常小的信号来交换的。

今天的自动驾驶汽车并不像人类那么聪明。

它们无法识别人类的身体信号或眼神。

这些信息对于自动驾驶汽车来说还没有任何意义。

同时，“心智论”的影响是双向的。

人类也无法理解自动驾驶汽车的“思想”。

如果行人在绿灯的最后一秒试图穿过斑马线，转弯的自动驾驶汽车会停下来还是继续转弯？如果车里没有人类司机点头或挥手，行人怎么会知道呢？因此，业界有一个共识，汽车制造商可能需要开发新的信号系统来指导自动驾驶汽车的下一步。

未来，他们可能需要教孩子们识别交通信号，以便司机和行人能够识别自动驾驶汽车发出的信号。

。

在一份报告中，硅谷自动驾驶公司Drive.ai在这方面做出了很好的尝试：首先，Drive.ai从愿景入手，将自动驾驶车队的外观涂成了亮橙色，让驾驶变得更加容易。

其次，车辆左右两侧有蓝色彩条贯穿，彩条上用白色字体标注“自动驾驶汽车”字样。

Drive.ai甚至抛弃了“自主”这个复杂的词，取而代之的是人人都能理解的“自动驾驶”。

第三，车辆前保险杠上还写有“自动驾驶汽车”字样，过马路的行人都可以看到。

第四，车身上挂有四块外屏，分布在引擎盖、车身后部以及两个前轮上方（各尺寸为22.5X7.5英寸）。

这些屏幕充当车辆的“喉舌”。

当车辆即将停车给行人让路时，显示屏会先闪烁，然后显示“您先走”文字和行人过人行横道的图标。

后显示屏的内容会有所不同。

当车辆停车让行人时，显示屏上会出现“行人过路处”字样。

整个设计是根据用户在测试和观察他们的反应时的反馈进行迭代的。

从传统汽车到自动驾驶汽车有很长的过渡期，但正是因为过渡期，像Drive.ai这样的通用解决方案才会被忽视。

但一旦道路上充满了自动驾驶汽车，并且所有汽车都可以相互通信，左转将变得非常简单。

就像飞机塔台控制器一样，车对车通信将使所有汽车了解彼此的行驶情况。

4.我不能左转，是不是算法问题？这个行业也不乏“激进”玩家。

今年5月，克鲁斯宣布在旧金山复杂的环境中进行了一次无保护的左转。

Cruise 正在利用机器学习解决左转难题：Cruise 开发了一种算法，可以计算左转前多个路口之间的距离。

实际上，交叉路口的地理情况是多种多样的，包括车道的数量和位置、铁轨和人行横道等设施的存在，更重要的是动态因素，包括摩托车到大型卡车等其他车辆。

速度等。

在模拟中，Cruise 通过测量“选定间隙”的长度（汽车进入十字路口和迎面而来的汽车进入十字路口之间的时间）最大化该值以提高安全性，然后在模拟环境中运行模拟。

经过不断的练习和利用可视化工具分析数据，克鲁斯在积累了大量的数据后，可以做出很好的左转决策。

Waymo 也通过模拟测试和道路测试实现了这一能力。

Waymo 声称他们的车辆每天可以模拟多达 10,000 英里。

虽然可以通过模拟获得“无保护左转”的经验，但 Waymo 在“左转”这件事上似乎略显保守。

去年8月，外媒报道称，Waymo的自动驾驶汽车会规划自己的路线，以避免出现棘手的情况，例如“试图避免无保护的左转或在高速公路上行驶”。

Waymo Early Rider 的一位早期成员透露，Waymo 绕着街区向右走了很长一段路，以避免左转。

尽管 Waymo 声称定期“练习左转”，但 Waymo 似乎非常谨慎。

这个自动驾驶行业的标杆也承认：“在高速公路上无保护的左转是最困难的驾驶操作之一。

因为……我们会对新技术持谨慎态度，因为安全是我们的首要任务。

我不知道Cruise是否可以说是在“左转”方面“领先”，但话又说回来，虽然自动驾驶汽车通过使用“避免左转”这样看似捷径的策略可以减少很多麻烦，但从长远来看。

也有观点认为，当自动驾驶汽车在路口犹豫时，原因不是算法问题，而是自动驾驶汽车发现安全裕度。

在当前情况下执行左转弯的风险太小：这个问题无法通过更好的算法来解决，只能通过提高自动驾驶汽车可接受的风险水平来优化转弯的风险。

十字路口的左转取决于十字路口的布局、物理特征以及其他交通参与者的潜在行为范围，而这些都无法被自动驾驶车辆改变。