自动驾驶的前生今世：青铜时代

前言

现代计算机的出现，使自动驾驶进入了新纪元。其意义，不亚于人类开始使用青铜器。这几十年，自动驾驶技术的推进离不开国家政府的支持。出于技术储备和战略需要，日本、美国、欧洲相继布局。

“石器时代”的自动驾驶技术，注定不会成功。无线电明显不足以支撑如此复杂的工程，在新的技术出现之前，再多、再华丽的想象，无非就是空中楼阁而已。

这一困境，在1970年代得到了改变——现代计算机来了。

现代计算机有着神奇的魔力：每两年性能翻一倍，价格降一半。这种疯狂的进化方式，推动了无数领域的进步。其中，就有自动驾驶的两大技术基石：计算机视觉、人工智能。

CPU进化史

#1

日本：我要创新，我要当第一

1973年，第一次石油危机终结了日本的经济奇迹。为了应对国际竞争，日本开始将汽车、半导体列为主导产业，向技术性产业转型。

政府支持之下，大量资金和政策进入高新技术领域。70年代末，日本基本摆脱了石油危机的影响，汽车成为了世界品牌，占据了近五分之一的市场。

天时、地利、人和造就了自动驾驶研发土壤。1977年，日本通产省（现经产省，相当于我国的工信部）麾下的机械工程实验室，组装了一台具备障碍躲避能力的自动驾驶试验车。这是现代意义上的第一辆自动驾驶乘用车。

机械工程实验室自动驾驶车辆

道路识别单元和决策单元构成了整套自动驾驶系统。

道路识别单元包括两个摄像机、一个信号处理器。两个摄像机对称放置在车头，采集的视频信息，经过视频信号处理器后，输出道路特征信息，以供后续决策单元使用。

据相关论文介绍，摄像机的识别范围为5-10米，视角为40度。扫描一次时间为33毫秒，视频信号处理时间为2.3毫秒。计算机视觉第一次用在了自动驾驶领域。

决策单元本质上就是一台微型计算机，主要职责是根据输入道路特征信息提供车辆控制策略（转向、刹车、加速）。这台计算机内存只有8K，ROM（存储器）只有3K。

决策算法很简单，ROM中预置256种场景，根据传入的信号值，像查字典一样查找控制策略。

凭借摄像机与微型计算机，试验车可以在每小时30公里的速度下无人自动行驶。

#2

美国DARPA：卧榻之侧，岂容他人鼾睡

日本信息技术的突飞猛进，尤其是大张旗鼓的“第五代计算机计划”，引起了美国政府的警觉。

为了保持美国信息技术领先的地位，1983年，DARPA（国防高级研究计划局，原ARPA，互联网正源自这个机构）启动了战略计算计划(Strategic Computing Initiative，后文简称SCI)，预计投入10亿美元。

简单来说，这个计划是以人工智能为核心，分别为海军、陆军、空军研发三套军用产品。其中，针对陆军的产品为自主陆行车（Autonomous Land Vehicle，ALV），即军用自动驾驶车辆。

战略计算计划——SCI

SCI的立项充满故事性。那个年代，计算机领域的资金大户是DARPA。科学家们为了能够从DARPA拿到更多的经费发展人工智能技术（更具体的说，是专家系统），借第五代计算机之势，大谈日本威胁论。

但是，DARPA组建的专家团队去日本考察后，发现事实并非如此。日本的技术发展路线有诸多不合理之处，短时间内并不会对美国构成威胁。

然而，专家团队实在不忍心放弃如此难得的发展机遇，为获取研发经费，彼此心照不宣，马不停蹄地筹划方案。最终，整份方案以SCI命名后，提交给了国会。

那年，还有另外一份方案等待国会批准——SDI（战略防御计划，也称为星球大战计划）。这些科学家为了能够推进该项目，命名上都下足了功夫。SDI针对苏联，SCI遏制日本（名义上），很符合里根政府的风格。

1983年10月，DARPA宣布启动SCI。

对于此类项目，DARPA采用的是外包制。经过一系列的招投标过程，确定承包商后，DARPA提供资金和项目经理，共同推动项目进度。项目经理除了提需求、控制进度之外，也会深度参与到项目过程当中，有绝对的控制权。

宣布启动SCI 9个多月后，DARPA才确定将ALV项目交给马丁·玛丽埃塔公司推进，马里兰大学提供软件支持。两月后，卡内基梅隆大学也加入了进来。

马丁·玛丽埃塔公司有远程控制技术的研发经验，马里兰大学当时正在开发计算机视觉系统，而卡内基梅隆大学已经有自动驾驶测试车。这个组合目标性很明显，ALV基于视觉技术实现自动驾驶。

DARPA对项目组提出了两个目标：1. ALV能够根据地形特征、地标自主导航，可以识别障碍物并躲避；2. 1985年车速达到10公里/小时，1990年达到80公里/小时。

DARPA专家分析，60公里/小时的速度下，ALV运算速度需要达到每秒10～1000亿条指令（1～100GOPS），而1983年计算机也就停留在30～4000万条的水平。随着车速的增加，运算速度也需要成比例增加。

虽然不能说绝无可能实现，但难度非常非常大。

转眼，首次检验成果的日子来临。DARPA将第一次演示时间定在1985年5月，这也是国会举行预算听证会的日子。

由于只给了6个月的准备时间，马丁·玛丽埃塔公司和马里兰大学为应对演示，采用已有技术拼凑了一辆试验车。

车正面安装了一个采用CCD传感器的摄像头，用来采集视频信息；VICOM图像处理器识别环境特征；车载英特尔的单板机负责运算。演示还算成功，平均3.6公里/小时的速度，行驶了870米。

ALV

演示成功后，ALV项目开始加速。即使是SCI项目核心领导的离开，都没有影响研发进程。

1985年11月，激光雷达被用在了ALV上，用于识别障碍物特征。1987年，ALV完成了越野测试，能够轻松绕过沟壑、灌木丛、石头和陡坡。道路测试中，ALV最高时速达到了20公里/小时，能以8公里/小时的速度绕过垃圾桶。从数据上看，ALV似乎完成DARPA的两项要求。

但就在这时，DARPA专家组对ALV产生了质疑：东拼西凑一堆零件，只是为了完成演示，没有实际应用意义。

军方在看到ALV后，也直呼好家伙，这么大、那么慢、还涂成了白色，上了战场，这不活靶子嘛。

ALV，卒。

ALV

整个SCI计划中，卡内基梅隆大学恐怕是最大的赢家。它逐步替代了马里兰大学，成为了软件系统的主力。与此同时，他们也在独立发展自己的自动驾驶车辆——NAVlab。

ALV项目结束后，卡内基梅隆大学继续改项目。1989年，他们引入了神经网络技术（也是目前自动驾驶用得最多的技术）。90年代，卡内基梅隆大学赢得了军方的认可，拿到了国防部的经费。

NAVlab

#3

欧洲尤里卡：你们这自主爬行车，我们不要

美国与日本的竞争如火如荼，欧洲也坐不住了。1987年，为了应对日本和美国，尤里卡开始了普罗米修斯项目。尤里卡是欧洲的政府间组织，欧盟国家都是成员。

普罗米修斯项目获得了7.49 亿欧元投资，涵盖了从辅助驾驶到智能交通的一系列子项目。相比DARPA的SCI，目标非常清晰，规划井井有条，特别德国范儿。

慕尼黑联邦国防军大学、戴姆勒奔驰、宝马、沃尔沃、大众、博世等超过200家机构及企业直接或间接参与了该项目。

普罗米修斯项目

整个项目最核心的人物是慕尼黑联邦国防军大学的恩斯特·迪克曼斯。

在普罗米修斯项目启动前，迪克曼斯就和戴姆勒奔驰合作研发自动驾驶车辆了，在1987年推出了VaMoRs。VaMoRs采用纯视觉方案，最高速度达到了96公里/小时，各项技术指标大大超过了ALV。

迪克曼斯老爷子在2010年的采访中，忍不住说ALV 和 NAVlab是在爬行。

普罗米修斯由戴姆勒一手推动，后续的测试车也都是奔驰。迪克曼斯顺势成为项目的核心人物。借着VaMoRs的功绩，迪克曼斯成功说服项目组，放弃了高速公路埋电缆的技术方案。

VaMoRs

视觉系统，成为了普罗米修斯最大的亮点。

两台奔驰S500配置了这套视觉系统，分别被称为VaMP、VITA-2，在1994年，跑出了130公里/小时的速度，总里程上千公里。现在看来，这个成绩也是非常不可思议的。

VaMP

支撑VaMP背后的技术是4D模型，换句话说，就是动态3D对象分析技术。

当然，视觉技术并非完美。迪克曼斯团队依靠视觉算法虽然解决了很多问题，但是面对负障碍物（例如水坑）也束手无策。视觉系统无法分辨10厘米深水坑和1米水坑，这时候需要激光雷达进行辅助。

正如卡内基梅隆大学开发NAVlab那样，单一的感知系统无法识别所有的道路情况，也不存在完美通用的纯视觉驾驶方案。

即便是这样，这套4D系统似乎比如今一些已经商用化的视觉方案还要成熟。

VaMP摄像头画面：CAM1 长焦；CAM2 超长焦；CAM3，CAM4 广角

不像SCI项目那样提前终止，普罗米修斯是寿终正寝。1995年，按照计划，停止了该项目。而戴姆勒奔驰继续沿着这条路独立前进。

从日本的图形信号，到ALV的图像识别，再到普罗米修斯的动态3D，现代计算机诞生后，自动驾驶技术一路高歌。自动驾驶有了计算机，相当于人类学会了使用金属，从此进入了新纪元。

在自动驾驶的“青铜时代”，技术研究都有政府背景，目的也更多的是技术储备，而非商品化。技术成熟到一定程度，商品化是必然出路。于是，自动驾驶开始往铁器时代挺进。