从科幻电影中的未来设想，到如今逐步融入我们日常生活的真实场景，自动驾驶技术的发展历程充满了探索与突破。在正式进入公众视野之前，自动驾驶技术已经默默耕耘了整整二十年：民间自研，巨头先行，资涌潮争，行业凛冬，另辟蹊径，冬尽春来。作为自动驾驶领域的积极参与者，狗熊机器人深感荣幸能亲眼见证并参与到这一伟大变革中。今日，就让我们以“狗熊”视角，为大家述说这段往事。无人驾驶概念的提出，最早可以追溯到上世纪20年代，但往后数十年间都未能从探索中走向深入。直到2004年，DARPA（美国国防部高等研究计划局）组织了第一届野外无人驾驶挑战赛（Grand Challenge），自动驾驶迈出了它的“一小步一大步”，从概念走向实战应用。2005年，第二届挑战赛上，斯坦福大学团队的无人车凭借5个激光雷达，成功完成了约200公里的沙漠自动驾驶挑战，夺得桂冠。第二届DARPA挑战赛中获得冠军的斯坦福大学团队无人车
在DARPA挑战赛的推动下，以感知(Perception)、规划（Planning）、控制（Control）为核心架构的自动驾驶技术成为了业界的统一认识。而在挑战赛中大放异彩的激光雷达，则逐渐成为了感知层的核心硬件。
巨头先行
与许多其他人工智能领域的故事一样，热衷于前沿技术研究的谷歌（Google），成为了第一个进军自动驾驶的重量级角色，成为自动驾驶的领航者。
2007年，在谷歌联合创始人Larry Page的招募下，DARPA挑战赛中斯坦福大学团队的领队Sebastian Thrun加入谷歌，领导Google街景的研究。正是在研究街景项目的过程中，两位大拿发现，高精地图在自动驾驶领域的巨大潜力。
谷歌街景
2009年，谷歌自动驾驶项目「Project Chauffeur」正式启动，汇聚了大量DARPA挑战赛中的精英人才。
该项目在技术上延续了DARPA挑战赛的核心思路，即利用多传感器感知周遭环境，进而进行路径规划，最终由线控系统执行驾驶指令。
谷歌第一代自动驾驶测试车辆
通过激光雷达与高精地图的融合，谷歌自动驾驶车辆取得了显著的进步，激光雷达可以精确测算车辆和各类障碍物的动态距离，而高精地图则通过精准定位减轻了感知系统的压力，以此应对复杂多变的道路环境。
经过长时间的游说，2011年9月，美国内华达州通过自动驾驶法案；2012年5月，谷歌获得内华达州颁发的首张自动驾驶测试牌照。而在此之前，谷歌的无人驾驶车辆已悄然驶过了超过一百三十万英里的测试里程。
2014年，谷歌推出自研自产的全自动驾驶原型车Firefly，配备了摄像头、毫米波雷达、激光雷达和超声波等传感器，并融合了Google地图与云服务等优势资源，同时还取消了方向盘、油门和踏板。
至此，技术的摸索、人才的积累、法律的完善，在谷歌的努力下，自动驾驶似乎不再遥不可及，行业迎来了大量资本的瞩目与涌入。一时间，高科技企业、汽车制造商及初创公司纷纷投身其中，融资热潮不断攀升，自动驾驶领域从谷歌的单一引领，迅速演变为多方势力激烈角逐的态势。这一年，谷歌将自动驾驶业务独立，成立了Waymo，成为首个获准在公共道路上无人驾驶的商业化企业，短短两年后估值从700亿美元狂飙到1750亿美元。同年，国内自动驾驶领域的先行者百度，获得了美国加州政府颁发的无人车上路测试牌照。
此外，SAE（美国汽车工程师学会）在这一年提出了至今仍被广泛采纳的自动驾驶等级界定标准。与此同时，在加州的另一个角落，特斯拉于开始自主研发自动驾驶系统——FSD（完全自动驾驶）。特斯拉创始人Elon Reeve Musk认为：既然人类能通过视觉感知进行驾驶，那么机器也必然可以。因此，FSD采用了摒弃激光雷达的非传统路径，并在后来逐步取消高精度地图、传感器和雷达的应用，发展出自动驾驶的新流派——纯视觉。
在一片繁荣的景象中，业界普遍认为自动驾驶即将迎来爆发式增长，企业纷纷喊出“三年量产，五年商用”的口号。然而，期望膨胀得有多快，泡沫幻灭得就更快，自动驾驶行业竟径直驶向了寒冬。2022年10月，背靠福特和大众，曾在2020年7月估值超过70亿美元的自动驾驶行业巨头——Argo AI宣布倒闭。一个巨头倒下的背后，是“尸横遍野”的残酷现实。公司破产、项目停摆、股价下滑、资金链断裂，是当时自动驾驶行业的真实写照。
投资人早悉自动驾驶行业是一个“资金黑洞”，但导致这些企业迟迟未能商业化落地的“长尾问题”，成为了压死这些企业的最后一根稻草。一直以来，自动驾驶技术依赖于人工编写的规则代码来驱动。然而现实世界中的不可控因素太多，人工代码难以覆盖所有现实场景，尤其是那些虽然概率极低但仍有可能发生的边缘事件。这些人工代码难以触及的盲区，便是“长尾问题”。由于“长尾问题”的存在，自动驾驶系统始终无法保证在任何情况下均能做出正确的决策，形成了“行百里者半九十”的困境。“长尾问题”的现实体现：
2023年10月，一名行人被一辆由人类驾驶的汽车撞倒，导致行人被卷入了正处于自动驾驶状态下的Cruise车辆车底，而车辆将行人拖拽了近6米后才得以停下。当月月底，Cruise因“事故频发”，被吊销了无人驾驶牌照。
在鲜为人知的角落里，一批初创企业和传统重工巨头，则选择在特定的场景或封闭园区内，挖掘自动驾驶的应用潜力。以狗熊机器人为例，自2020年进军自动驾驶领域以来，迅速崭露头角。2022年，推出搭载低速无人驾驶系统的首款产品——智能观光车X2，在智能观光车细分领域上遥遥领先。2023年便在全国多个园区和景区实现商业化运营，成功构建商业闭环。今年，再次推陈出新，实现L4级自动驾驶，并且发布了更小而灵活的智能漫游车X2mini，以满足更多元化的应用场景和需求。
此外，无人驾驶技术的广泛应用还体现在多个领域：九识智能的无人驾驶物流配送车、友道智途的无人驾驶港口码头专用车、宇通重工的无人驾驶环卫车，以及易控智驾的无人驾驶矿卡等，自动驾驶并不仅仅局限在日常的用车场景。
值得一提的是，像扫地机器人、送餐机器人等运用双目摄像头或激光雷达技术的机器人，某种程度上也是自动驾驶技术的衍生产品。另外还有将应用场景转移到水路上的，例如欧卡智舶的无人驾驶清洁船。
这些理性而多元的探索与实践，拓宽了自动驾驶技术的应用边界，使得自动驾驶未来发展似乎明朗了些。2022年11月，基于Transformer架构的Chat GPT发布，瞬间引爆了全球互联网，拉开了生成式人工智能技术革命的序幕。回溯至一年多前的2021年9月，特斯拉对自动驾驶代码进行了重构，推出了基于“Transformer+BEV（鸟瞰图视角）”技术的FSD，将感知部分交给大模型，显著提升了自动驾驶的感知能力。2023年12月，特斯拉开始陆续推送FSD V12，实现了首个“端到端”的大模型自动驾驶。即将感知、规划和控制三大模块整合在一起，打破模块壁垒，精简系统架构，提升运行效率。“端到端”自动驾驶的出现，使特斯拉的人工规则算法从V11版本的30万行锐减至2000行，完全颠覆了原有的自动驾驶方案。
得益于特斯拉庞大的行车数据资源作为深度学习样本，FSD V12在在处理复杂交通情况时更加灵活和智能，能够更好地模拟人类的驾驶行为和决策过程。2024年5月，百度在武汉发布第六代萝卜快跑无人驾驶汽车，车上搭载了支持L4级自动驾驶的大模型Apollo ADFM。目前，国内无人出租车服务试运行的队伍日益壮大，百度、小马智行、如祺出行等企业竞相角逐。
2024年10月，特斯拉“Robotaxi Day”发布会上，没有方向盘和踏板的无人驾驶出租车Cybercab和无人驾驶巴士Robovan惊艳亮相。
2024年11月，Waymo宣布出租车服务现在对洛杉矶的所有用户开放，至此，凤凰城、旧金山、洛杉矶三大城市的用户均已能享受到Waymo提供的无人驾驶出租车服务。Waymo无人驾驶出租车
经过一轮激烈的行业洗牌后，自动驾驶行业似乎正重返正轨。科幻电影中描绘的未来景象，再一次浮现在眼前。
