文|36氪每日商業(yè)精選
自動(dòng)駕駛“長(zhǎng)尾問(wèn)題”難以攻克，落地需要更多時(shí)間
過(guò)去幾年，很多公司都表示，自動(dòng)駕駛離我們?cè)絹?lái)越近了。然而，從全球范圍來(lái)看，L4級(jí)別的自動(dòng)駕駛汽車(chē)（高度自動(dòng)駕駛）仍處在測(cè)試或小范圍應(yīng)用階段。近日，36氪獨(dú)家采訪(fǎng)了卡耐基梅隆大學(xué)Argo Lab人工智能無(wú)人駕駛研究中心首席科學(xué)家約翰·多蘭，他從學(xué)者的角度分析了自動(dòng)駕駛技術(shù)的難點(diǎn)和現(xiàn)狀。在他看來(lái)，L5級(jí)別的“自動(dòng)駕駛”，也就是真正意義上的無(wú)人駕駛，仍然非常遙遠(yuǎn)。
多蘭把自動(dòng)駕駛遲到的原因歸結(jié)為兩點(diǎn)：底層技術(shù)和真實(shí)應(yīng)用場(chǎng)景。在技術(shù)方面，自動(dòng)駕駛的底層架構(gòu)和大部分技術(shù)問(wèn)題已經(jīng)被解決，剩下的5%的長(zhǎng)尾問(wèn)題，逐漸成了制約自動(dòng)駕駛發(fā)展的關(guān)鍵。這些問(wèn)題包括各種零碎的場(chǎng)景、極端的情況和無(wú)法預(yù)測(cè)的人類(lèi)行為。這些“長(zhǎng)尾問(wèn)題”困擾著學(xué)界和業(yè)界，是自動(dòng)駕駛難以攻克的艱深課題。
為了超越這些長(zhǎng)尾問(wèn)題，很多公司選擇增加真實(shí)實(shí)驗(yàn)。在多蘭看來(lái)，實(shí)驗(yàn)室數(shù)據(jù)和模型的精準(zhǔn)度和可信度，在現(xiàn)實(shí)環(huán)境中可能毫無(wú)價(jià)值。而且，多蘭表示...
主編點(diǎn)評(píng)：目前來(lái)看，自動(dòng)駕駛剩下的5%的長(zhǎng)尾問(wèn)題并不容易解決，真正意義上的自動(dòng)駕駛技術(shù)從成熟到推廣，還需要...
責(zé)任編輯：
