這幾年，無人駕駛汽車特別火爆，Google、特斯拉等高科技公司將更多的資源和精力投入到無人駕駛汽車的研發當中，意圖在未來實現汽車自動駕駛，從而改變人類的駕車體驗。

無人駕駛的概念的本質就是實現“機器換人”，而我和我的團隊則提倡汽車實現智能駕駛，即汽車“雙駕雙控”，并且研發了“駕駛腦”：汽車向人學習怎么開車，實現汽車和人的駕駛交互。

駕駛過程中的人車交互毋庸多言，即駕駛員根據自身的腳感、手感、路感、體感獲得的交互認知，達到靈巧操作，確保行車安全和乘員舒適、讓車省油。

駕駛員對周邊環境和車流的交互，是指車輛行進中，駕駛員對道路環境變化和周邊流量不停地進行交互，用車的運動行為讓周邊車輛感知自身的存在，通過燈語、笛語、手勢等和附近車輛、行人溝通，認知的結果轉為對自身車輛的控制。如果駕駛員不和周邊環境進行交互，只是憑借自己的主觀判斷認為車該怎么開，道路勢必會造成擁堵。

那么以后自動駕駛汽車會不會也造成道路擁堵呢？由于自動駕駛模式缺少交互認知能力，受到不按規則的人工駕車干擾，預設的自動駕駛門檻立馬崩潰，幾乎全都轉為人工駕駛，這就是自動駕駛陷阱。所以我們認為特斯拉的自動駕駛不可靠，把手放在方向盤上，只能叫作輔助駕駛，而我們追求汽車實現自動駕駛，讓汽車成為一個認知主體，成為一個交互輪式機器人。

汽車有了自動駕駛成為輪式機器人，它需要和各種人進行交互，分別是駕駛員（可空缺）、程序員、乘員、互聯網遠端的車主、互聯網遠端的服務請求和互聯網遠端的黑客，通過和這六種人的交互才能保證輪式機器人能自主駕駛，能安全駕駛，更能懂“人情世故”，實現駕駛交互的應用。

輪式機器人應該具在線交互認知。我們的團隊研發出“駕駛腦”，其實這才是無人駕駛在線認知的真正核心。“駕駛腦”的功能決定了它不只是簡單的自動駕駛，而是要和駕駛員“取經”。輪式機器人的“駕駛腦”在駕駛員開車時能“默默地”學習，把駕駛員在線交互認知轉化為機器駕駛腦，并和機器行為融合在一起，讓駕駛員調教機器開車，讓大數據開車。

因此，智能車研發的困難，不僅僅是汽車動力學的性質和各種各樣的傳感器要求，更重要的是要研發和駕駛員一樣在線的“機器駕駛腦”，模擬實現人腦回路的自主預測和控制，應對車輛行駛中的不確定性。

我們把“駕駛腦”比喻為對應的“駕照”、“駕齡”、“路熟”、個性化駕駛和標桿駕駛，因為“駕駛腦”通過和人之間的駕駛交互已經學會了開車，擁有了駕照，也有了相應的駕齡，并且在學習駕駛的過程中掌握了大量的路況信息，形成互聯網地圖替代不了的“路熟”，同時也具有了獨特的個性化駕駛。通過這些信息的積累與分析，“駕駛腦”成為了駕駛高手，這大大減少、簡化了實時處理的數據量。

輪式機器人向駕駛員學習開車，這是正學習的過程。人們通過深度學習來認知如何去開車，同時攝像頭等車載傳感器記錄下行車中的駕駛態勢，通過把人的認知和汽車的駕駛態勢融合形成駕駛態勢認知圖庫，并由駕駛記憶棒認證提取。當輪式機器人在自主駕駛的時候，通過搜索記憶棒中相同的認知，自主操控油門、制動和方向盤，實現駕車態勢的自主判斷，而不是由互聯網去控制，可大大提高駕駛的安全和效率。

人常常是在錯誤中學習的，在實踐中吸取事故教訓是提高駕駛認知水平的重要環節。因此機器人也需要從駕駛事故中吸取教訓，防止相同的駕駛事故再次發生，這是自學習中的負學習。

  （本文轉載自電子發燒友網，如有侵權，請聯系刪除）