如何讓自動駕駛汽車做的比人類駕駛員還要好?這在幾年前聽起來貌似是不可能的事情，因此人類駕駛員比汽車知道更多的東西，人類不僅能駕馭汽車，還能清楚的了解各種路況信息以及人的駕駛行為等。對于汽車來講，想要達到接近于人類駕駛員的水平，就必須要收集到大量的駕駛數據。
目前，擁有最多駕駛數據的兩家公司就是Tesla特斯拉和Waymo。
特斯拉和Waymo都試圖收集和處理大量的數據，用于研發自動駕駛技術。不過，這兩家公司的處理方式卻不相同。特斯拉通過目前現有的幾十萬輛車收集真實世界的車輛數據，包括它們的執行方式，因為其當前已經達到了半自動駕駛的能力。而Waymo源自于谷歌的自動駕駛項目，它使用了強大的計算機模擬系統，并從那些少量的真實車輛中去學習實踐。
每當一個新事物誕生，總會有人持不同意見。自動駕駛的支持者聲稱，自動駕駛技術將能夠減少意外車禍導致的死亡人數。要知道，在美國每年竟有4萬多人因意外車禍喪生，在中國這一數字要更高。
Intel認為，到2030年自動駕駛汽車每年銷售額將達到8000億美元，到2050年，每年銷售額可達7萬億美元。去年，摩根士丹利分析師亞當·喬納斯指出，“數據”比特斯拉本身更具有價值，只有足夠多的自動駕駛里程、數據、以及更多的自動駕駛數據才足以支撐特斯拉股票的增長。
特斯拉半自動駕實時狀態
當前，特斯拉正在通過所有客戶（現有幾十萬輛）的車輛來收集自動駕駛數據，這些客戶幾乎遍布全球，而且Autopilot半自動駕駛的使用率頗高，特斯拉正是通過它的隱私政策來收集這些信息。
不過，我們依然難以確定特斯拉通過Autopilot來收集到的里程數，因為特斯拉目前尚未公開聲明。根據IEEE Spentrum在2016年的數據，當時任職Autopilot的負責人表示，特斯拉已經收集了7.8億英里(約12.5億公里)的數據，其中1億英里(約1.6億公里)數據來自Autopilot。而同年晚些時候，馬斯克表示特斯來每天收集到的數據超過300萬英里(約482萬公里)。去年7月，其收集到總里程數超過50億英里(約80.4公里)，并且隨著特斯拉新車不斷售出，其收集到的數據里程也會呈現指數型增長。
這里需要注意的是，并非所有里程數據都來自Autopilot，Autopilot仍然只是一個半自動駕駛的狀態，不少人將其稱之為L2.5級別。不過即便如此，特斯來也會在未開啟Autopilot時收集如何處理不同場景的數據，這些數據都會回傳至特斯拉的數據庫，這些數據可以被用于更好的研究自動駕駛技術。
另一家擁有類似數據的公司是Waymo，該公司在今年2月底宣布它們已經模擬50億英里(約80.4公里)自動駕駛里程。同時也指出，其自動駕駛汽車已經在公共道路上進行了500萬英里的路測(約804萬公里)，這筆其它所有公司測試自動駕駛的里程數總和還要多。
Waymo全自動駕駛演示視頻
Waymo受到限制的是，它只通過約500-600輛左右的微型面包車隊收集真實世界的物理數據。特斯拉在全球范圍內擁有超過30萬輛汽車，這些汽車收集到的真實環境遠比Waymo的跟多樣、更復雜，而Waymo目前盡在美國少數幾個州展開測試。因此，即便特斯拉Autopilot屬于半自動駕駛，但其測試的物理環境要更具應用價值和學習價值。
當然，Waymo正在著手改善這一問題，其計劃在今年年底之前增加數千輛克萊斯勒小型汽車。近期，又和捷豹路虎合作，準備推出全電動I-Pace SUV的全自動駕駛車型。Waymo表示，未來幾年該公司自動駕駛車隊增加值2萬輛，這些汽車一旦上路測試，每天將能處理100萬次出行的數據。
在此之前，Waymo依然在高度依賴于谷歌強大的模擬系統，這里面遇到的問題就是計算機模擬并不能模擬出真實的路況和情景，因為現實的路況每天都會不一樣。這也是為什么特斯拉在現實世界中更為領先的原因。投資分析師塔莎·基尼說“我相信大家都同意Waymo的技術是目前最好的，但我認為很多人低估了特斯拉的數據收集的潛在力量”。
特斯拉汽車
收集數據的類型
這兩家公司在收集數據的類型和規模方面顯然是不同的，現階段Waymo的自動駕駛汽車共使用三種不同類型的Lidar激光雷達，5個雷達和8個攝像頭，特斯拉汽車業基本裝備8個攝像頭、12個超聲波傳感器和1個前置雷達。
相信大家也都熟悉，特斯拉并沒有在其自動駕駛汽車中采用Lidar激光雷達，雖然其和雷達很像，但它并不通過無線電波工作，而是通過每秒發出數百萬個激光信號，以及收集它們返回傳感器的時間，以此來測量距離。這樣就可以創建出超高分辨率的汽車周圍環境圖像，各個方向都可以測量到，前提是找到一個合適的位置，例如車頂。
捷豹I-Pace全電動 Waymo版SUV
由于傳感器自帶光源，因此其在晚上等黑暗場景下可以保持較高的精度，這一點很重要，因為相機目前在弱光環境下效果會變差，而雷達和超聲波也不及Lidar激光雷達精準。
行業內多數認為激光雷達是自動駕駛必要的條件，但馬斯克不這么認為。
但是，激光雷達既昂貴、體積又大，而且其工作還有一個物理轉動的零件(目前都是這樣)，把這樣出一套裝置放置在汽車上也會帶來一些問題，例如整車成本、外觀美觀性等。馬斯克則表示，激光雷達雖然很不錯，且能在現階段讓自動駕駛變得更容易，但特斯拉并不會采用這套系統，反而是通過基于攝像頭的系統來降低整車成本。
如果特斯拉可以在沒有這種技術的情況下開發自動駕駛汽車，那么這樣是一個巨大的優勢。這是一個風險更高的策略，最終效果也許會不錯。如果特斯拉能推出沒有Lidar激光雷達的自動駕駛汽車，那么那些主導Lidar的廠商或將遭到重大打擊。
當前，這還是一個長期的猜測。根據通用汽車的自動駕駛演技實驗室的主任Raj Rajkumar的說法，如果不采用激光雷達的數據，特斯拉會讓自己走的很難堪，并處于劣勢地位。(卡內基梅隆大學是一所因機器人技術而聞名的學校，Uber曾在2015年挖走了數十名研究員。)
激光雷達被很多業內人士視為自動駕駛汽車的必備工具，Rajkumar對特斯拉的自動駕駛技術(通過攝像頭來收集環境數據的方式)持懷疑態度，并說到，我認為特斯拉的硬件可能做不到完全自動駕駛。
目前，還不清楚特斯拉收集的數據包括哪些，根據其隱私政策現實，特斯拉有權獲取有關汽車的加速、加速度、剎車、電池使用的數據，并可以在事故發生期間記錄短視頻。這些數據可以遠程收集或者在到店服務的期間完成。值得注意的是，特斯拉隱私政策規定，只有特斯拉可以訪問“關于使用和操作的信息”。
同時，特斯拉也拒絕回復每個傳感器收集的數據類型，或者數量的體機等信息。Rajkumar講到，這些數據可以是一段視頻或超聲波數據等形式，但還不清楚特斯拉收集到的視頻是高保真清晰度還是經過壓縮處理的低碼率視頻。
Keeney也認同這個觀點，并表示：“Waymo的數據集更詳細，因為他們使用的是激光雷達，它比相機中獲得的信息多得多。”
如何應對挑戰
收集數據是一回事，但就連馬斯克也指出，處理數據也是一項艱巨的任務。馬斯克在去年夏天的一次財報電話會議上說:“處理這些數據，然后讓車輛利用這些數據進行學習，這實際上是個相當大的挑戰，因為數據量實在太大了。”
相比之下，Waymo對它的模擬似乎更有信心。據《大西洋月刊》去年夏天發布的一份報告稱，Waymo重新設計了其測試城市的全電腦模型，并且每天在這些虛擬城市中測試2.5萬輛“虛擬自動駕駛汽車”。
通過在計算機上建立真實的駕駛數據模型，可以運行數千種不同的場景，這有助于Waymo構建緊密的反饋循環，而這些測試數據隨后將被下載到測試車中。Waymo還在加州建立了一個專門的測試環境，在那里建立特定的街道特征或其它場景，可以給測試車輛模擬各種復雜的路況。
Rajkumar說，這個項目耗費了令人難以置信的投資、資源、時間和努力為代價的，這得益于母公司為Waymo提供了強力的支持，他認為特斯拉很難做到這一點。“特斯拉將不得不在這方面投入更多，并且要經歷一個高度勞動密集型的過程。”
馬斯克在兩年前發布的第二份特斯拉“總體規劃”中表示，自動駕駛技術要獲得真正的“全球監管批準”，需要大約60億英里的測試里程。實際上特斯拉很可能已經超過了這一目標，但它的汽車仍然無法實現完全自動駕駛。原定于在2017年進行的從洛杉磯到紐約的自動駕駛計劃已被推遲，自動駕駛系統的仍在不斷改進中。
沃爾沃半自動駕駛汽車
與此同時，Waymo正在以前所未有的速度積累著測試里程，目前也已接近60億英里這一大關，并且依然有數千輛汽車在等待測試。Waymo計劃在今年晚些時候推出使用無人駕駛汽車的商業叫車服務項目，該項目已經在亞利桑那州試行，這將進一步為其數據反饋循環提供支持。
其他競爭對手
特斯拉和Waymo是這一領域最為領先的兩家公司，但這一領域并不是只有這兩家公司表現突出，最引人注目的競爭對手就是：Uber。與特斯拉和Waymo相比，Uber采用了一種更隨意的方式進行自動駕駛測試，這也是以“除舊立新，快速突破”為座右銘的硅谷公司的典型特征。
2016年在匹茲堡開始測試后，Uber在舊金山的街道上投放了早期版本的半自動化沃爾沃汽車，但沒有獲得必要的國家許可，之后他們將測試轉移到了亞利桑那州。Uber最終同意了加州的基本要求，但它與國會議員們的妥協，讓這家公司落后于Waymo等競爭對手。
在三個州建立了測試車隊之后，Uber很快便開始積累測試里程。據《紐約時報》報道，截至2017年11月，它已在全國范圍內行駛了200萬英里。目前尚不清楚Uber的測試里程總量，而今年3月它的一輛測試車在在亞利桑那州撞死了一名行人，這使其技術水平也開始受到人們質疑。
通用自動駕駛概念汽車
Keeney說，在自動駕駛汽車領域，唯一與Waymo或特斯拉技術水平相當的公司，是一家老牌汽車公司：通用汽車。在收購了一家名為克魯斯自動化的公司后，通用汽車一直在其幫助下研發Bolt自動駕駛電動汽車，并且計劃在2019年試用商用自動駕駛服務。
通用汽車正在效仿Waymo的做法，通過生成和處理自動駕駛數據來訓練汽車的駕駛能力。但通用汽車的優勢在于其生產能力，Waymo和捷豹雖然達成了協議，將來也能發展成新產品，但實際上它們并沒有自己生產這些汽車。Keeney認為，一套垂直策略對公司發展是非常有好處的。
通用汽車與特斯拉一樣，也有半自動化汽車產品在售，但這種名為“超級巡航”的產品僅應用于一款凱迪拉克車型，也沒有很快擴散到其他車型上的跡象。在Keeney的眼中，這是通用汽車以及其他所有汽車制造商錯失的又一次機遇：“為什么不像特斯拉一樣，為在售的汽車裝上傳感器來收集數據?”
模擬環境的優勢
在自動駕駛領域還有一匹黑馬：NVIDIA，它可能不像特斯拉和Waymo一樣擁有動輒數十億英里的測試里程，但在自動駕駛領域卻有數以百計的公司正在使用它的技術。從上個月開始，NVIDIA向其他自動駕駛公司銷售一種被稱為“Drive Constellation”的產品，而這實際上就是一套現成的自動駕駛模擬設備。換句話說，這是NVIDIA在驗證自家的商業化自動駕駛技術。
NVIDIA自動駕駛部門的高級總監Danny Shapiro曾表示，獲得良好的仿真對開發自動駕駛汽車至關重要。工程師們必須研究所謂的“角落案例”，或者是不經常發生的情況。在現實世界中，雖然積累足夠多的測試里程后肯定會遇到闖紅燈、路怒癥、惡劣天氣等情況，但發生的頻次太低，也沒有足夠的時間來學習如何處理它們。
NVIDIA Drive Constellation系統
“在模擬環境下，我們可以每天24小時不間斷的模擬這些場景”，Danny Shapiro說，“這就是為什么任何公司都要首先模擬自動行駛里程。”通過降低進入門檻，NVIDIA讓那些沒有特斯拉和Waymo那樣龐大車隊規?；蜇斄χС值墓靖菀走M入這個領域。更重要的是，NVIDIA作為自動駕駛技術的供應商，可能有助于為自動駕駛模擬建立一個事實上的行業標準。
非營利研究機構蘭德公司的高級信息科學家Nidhi Kalra認為，由于目前很難評估私人公司自動駕駛模擬的質量水平，所以制定自動駕駛模擬的標準對于自動駕駛技術的發展至關重要。
“任何模擬器都是對現實世界的簡化，”Nidhi Kalra說，“如果模擬的只是山景城中的一條死路，就算你測試了10億英里又有什么價值呢?我不是說大家都在這樣做，但如果沒有明確的模擬標準，我們就無法明確這些測試里程的意義。”
Nidhi Kalra為蘭德公司撰寫了一系列關于自動駕駛技術的研究報告，其中包括2016年的一項研究，試圖確定在現實世界中需要多少測試里程才能證明自動駕駛汽車比人類安全。而Nidhi Kalra與報告的合著者Susan M. Paddock得出的結論是，自動駕駛汽車將需要“數億英里甚至數千億英里”的里程，才能從統計學角度獲得可靠的安全聲明。因此他們在報告中稱，還需要找到其他方法來證明安全性和可靠性。
Waymo克萊斯勒測試車
Nidhi Kalra認為，模擬測試可以達到這個目的，但需要對測試環境做出更多且更明確的要求。他表示，當一家公司表示說‘我們在模擬器中行駛了XX英里’時，只能對他說，嗯，恭喜你有個模擬器。
當自動駕駛汽車公司向監管機構或客戶證明他們已經開發出全自動無人駕駛技術的時候，最可能的衡量標準是它是否和人類駕駛一樣安全，也就是每X英里的撞車率，每X英里的傷害率，甚至每X英里的死亡率。
正如Nidhi Kalra和Susan M. Paddock在研究中指出的那樣，現實世界中很難證明這一點，而在徹底了解模擬測試的質量之前，模擬測試也無法證明這一點。“這很矛盾，” Nidhi Kalra說道，“在人們真正部署自動駕駛技術之前，可能會一直無法證明它的安全性。也許只有在自動駕駛汽車投入使用后，才能有確鑿的證據證明它有多安全。”
