最近，兩起駕駛事故再次把自動駕駛送上輿論的“風口浪尖”。當?shù)貢r間3月19日，一輛美國優(yōu)步科技公司的自動駕駛汽車撞上了一名正在過馬路的女子，成為首例自動駕駛汽車在開放道路撞傷行人致死的案例。3月30日，美國電動汽車制造商特斯拉公司承認，數(shù)天前發(fā)生的一起特斯拉汽車致命車禍，事發(fā)時汽車的自動輔助駕駛功能處于使用狀態(tài)。這不禁令人疑惑，自動駕駛技術究竟“靠不靠譜”？

人們對于自動駕駛技術的不懈追求，可以追溯至15世紀。早在1478年，達·芬奇就曾設計出預編程發(fā)條馬車的草圖。那時候的自動駕駛靠一個大型螺旋發(fā)條彈簧驅動，可以按照預先設定的路線實現(xiàn)車輛的自動駕駛。1939年紐約世界博覽會上，美國通用汽車公司首次展示了無人駕駛的概念車。隨后，研究人員對自動駕駛技術進行了初步探索，主要依靠在道路上預先埋設線圈實現(xiàn)車輛的行駛控制與定位。

正是嗅到了自動駕駛技術在軍事領域的巨大應用前景，從上世紀80年代開始，美國國防部高級研究計劃局掀起了資助智能車技術研究的熱潮。到1984年，研究人員制造了世界上第一輛真正意義上的自動駕駛車輛。該車綜合運用了激光雷達、計算機視覺和自動控制技術，可實現(xiàn)對周邊環(huán)境的感知和駕駛決策，在特定道路環(huán)境下最高時速可達31公里每小時。

自2004年以來，美國國防部高級研究計劃局先后多次舉辦無人駕駛挑戰(zhàn)賽和機器人挑戰(zhàn)賽，進一步激發(fā)了研究人員對自動駕駛汽車的深入研究熱情，成為自動駕駛汽車真正上路行駛的“推手”。歐洲也連續(xù)舉辦多次陸地機器人性能測試比賽，在真實場景下讓包括自動駕駛汽車在內的陸地機器人進行“比武打擂”。

自動駕駛汽車主要依靠車載傳感器感知道路環(huán)境和車輛位置，能自動規(guī)劃行車路線并“駕駛”車輛到達預定地點。由于集自動控制、體系架構、人工智能、視覺計算等眾多高新技術于一身，自動駕駛不僅是當今時代軍民融合的重要產物，也是衡量一個國家科研和工業(yè)實力的重要標志。

相比于普通機器人和無人機，無人化的自動駕駛汽車更具挑戰(zhàn)性。如何保證自動駕駛汽車在夜間、陽光、雨水、冰面和交通擁堵等復雜環(huán)境下安全行駛，如何為成員提供舒適的行車狀態(tài)，如何在戰(zhàn)場等危險條件下對突發(fā)事件做出反應，都考驗著自動駕駛技術的“真功夫”。

為實現(xiàn)“智慧”與“能力”的并存，現(xiàn)有的自動駕駛技術主要包括環(huán)境感知、決策規(guī)劃和車輛控制三部分。汽車內的各類傳感器就好比“駕駛員”的“五官”，可通過視覺、聽覺、觸覺等感官系統(tǒng)實時感知行駛環(huán)境和車輛狀態(tài)。目前常見的傳感裝置主要包括攝像頭、激光雷達、毫米波雷達等，可為自動駕駛提供海量的全方位行車信息。扮演自動駕駛“大腦”的是決策規(guī)劃系統(tǒng)，可對標識信息、路面信息、障礙物信息、定位信息等多種感知信息進行數(shù)據整合和信息處理。最終，車應該怎么開、車速是多少，都交給車輛控制系統(tǒng)來具體完成。

近年來，人們還嘗試將人工智能與機器學習引入自動駕駛，進一步提升自動駕駛的“行車經驗”。采用機器學習系統(tǒng)來分析描述道路的海量數(shù)據，可進一步實現(xiàn)自動駕駛對行車環(huán)境的實時準確感知。未來的智能化自動駕駛系統(tǒng)除可實現(xiàn)多目標檢測識別、車道線檢測外，還能在逆光、陰影等環(huán)境下更“聰明”地分析它在行駛時“看”到的圖像是什么，以便將分析結果及時反饋給車輛控制系統(tǒng)。這種自動駕駛技術一旦發(fā)展成熟，無人駕駛真正“上線”指日可待。

目前人們對于自動駕駛的“不放心”，主要原因是已經投入使用的自動駕駛技術還都只是較為初級的自動輔助駕駛?，F(xiàn)有的自動駕駛車輛離完全自動駕駛尚有差距，自動駕駛系統(tǒng)也會“自覺”地提醒駕車人握住方向盤，以便隨時接管駕駛。未來隨著傳感器設備和算法的改進，高度智能的自動駕駛汽車一定會馳騁在大街小巷。

尤其是在軍事應用領域，各類自動駕駛項目方興未艾。美國陸軍正在測試一輛自動駕駛的“悍馬”卡車，除可實現(xiàn)自動駕駛外，還能實現(xiàn)車載機槍的自主射擊，未來將用于在危險區(qū)域代替士兵執(zhí)行作戰(zhàn)任務。洛克希德·馬丁公司研發(fā)的自動駕駛系統(tǒng)，幾乎可安裝在所有軍用戰(zhàn)術輪式車輛上，能將士兵從“司機”崗位上解放出來，進一步提高戰(zhàn)斗效率。

未來裝配有自動駕駛系統(tǒng)的軍用車輛，全天候機動能力將得到顯著提升，不僅能實現(xiàn)在夜間無照明環(huán)境下悄然前行，也能緩解車輛駕駛員長時間駕駛的疲勞。