想象一下，你駕駛一輛車，正打算從一個十字路口左轉(zhuǎn)：
這條路沒有交通信號燈或停車標志——你不僅需要在快速的車流中找到行駛空檔，還要確保一旦這樣做，右車道的車輛會與你相撞。
這種「無保護左轉(zhuǎn)」（即沒有交通信號燈或停車標識引導的左轉(zhuǎn)）有多個形式，稍微不那么復雜的版本是：
當你在紅綠燈處時，圓形綠燈（不是綠色箭頭）示意讓你前進，如果你想向左轉(zhuǎn)，就必須在迎面而來的車流中找到一個空隙。
你可能沒有注意到，一個看似簡單的「左轉(zhuǎn)」可能會引起一系列的問題。
比如，司機要轉(zhuǎn)入的車道可能已經(jīng)排起了長龍。
這時，到底該開始轉(zhuǎn)彎還是等車隊動起來后再轉(zhuǎn)？或者是確定有空間能轉(zhuǎn)入之后就立刻轉(zhuǎn)彎？對向車道有車輛過來嗎？距離自己有多遠？車輛移動速度多快？能否及時完成轉(zhuǎn)彎？行人走到要轉(zhuǎn)入的車道中間嗎？
人類每天要應對如此復雜思考過程上百萬次，但是很多時候，還是會出錯。
2010 年美國交通部的一項研究通過對超過 200 萬起事故調(diào)查后發(fā)現(xiàn)，左轉(zhuǎn)判斷失誤導致了其中 22.2% 的事故，而右轉(zhuǎn)只占其中的 1.2%——左轉(zhuǎn)發(fā)生的事故幾乎是右轉(zhuǎn)的二十倍。
美國快遞巨頭 UPS 甚至取消左轉(zhuǎn)，規(guī)定司機到達任何目的地的正確方法是避免左轉(zhuǎn)彎； 路線規(guī)劃地圖軟件 Waze 甚至推出一項特殊的功能，允許用戶在沒有左轉(zhuǎn)的情況下規(guī)劃路線。
「左轉(zhuǎn)基本上是人類在復雜的駕駛世界中做的最復雜的事情了�！埂堕_車經(jīng)濟學:我們?yōu)槭裁催@樣開車?》的作者 Tom Vanderbilt 這樣說道。
1、為什么說自動駕駛左轉(zhuǎn)很難？
右轉(zhuǎn)有多容易呢？
——只需要引導汽車進入右轉(zhuǎn)車道，在許多十字路口，司機甚至可以在紅燈的情況下右轉(zhuǎn)，因此這對自動駕駛汽車來說十分簡單。
左轉(zhuǎn)就不同了。
——路口復雜的車流、蠢蠢欲動的行人、各種各樣的標線與交通標志，對自動駕駛車輛的環(huán)境感知與預測都提出了極高的挑戰(zhàn)。
對于這種情況，人類司機一般是這樣處理的：
他們會等待并觀察交通路況。如果左轉(zhuǎn)的機會很少，他們會調(diào)整自己的駕駛策略：
1）可能會加速得更快，比如強行左轉(zhuǎn)，在車流中找到空檔；
2）有時會小心翼翼進入左邊有車輛行駛的車道，以示他們打算轉(zhuǎn)彎，并期望其他車輛騰出空間，尤其是在車流密集、移動緩慢的情況下，他們必須「見縫插針」；
3）或者試圖在各車道之間找到一個中間位置，再從中間位置向左轉(zhuǎn)，移動到目標車道。
對人和自動駕駛汽車而言，左轉(zhuǎn)需要觀察多方面的信息來判斷合適的轉(zhuǎn)向時機，尤其在無保護情況下的左轉(zhuǎn)。
目前，即使是最熟練的自動駕駛汽車可能也很難做到流暢地左轉(zhuǎn)。工程師們發(fā)現(xiàn)讓無人車安全左轉(zhuǎn)是他們遇到最大難題之一。
在 Waymo 鳳凰城總部附近的一個丁字路口，Waymo 的自動駕駛汽車在這個沒有信號燈的路口左轉(zhuǎn)時，常遇到麻煩——找不到機會并線切入正常行駛中的車流中。
這條路的限速約 70 公里/小時。人類司機很快完成的左轉(zhuǎn)。Waymo 的自動駕駛汽車無法在無保護的情況下左轉(zhuǎn)，車輛在交叉路口等待很長一段時間才能最終左轉(zhuǎn)，嚴重影響在其身后的人類駕駛員的耐心。
其他公司，如 Zoox、Nuro.ai、Pony.ai 的報告都高頻描述了無人車在路口左轉(zhuǎn)時出錯的問題。
顯然，能否順利完成左轉(zhuǎn)，也成為了衡量自動駕駛公司技術水平的一個重要指標。
麻省理工學院自動駕駛研究方向的教授這樣形容左轉(zhuǎn)：「每天都有很多挑戰(zhàn)，左轉(zhuǎn)幾乎在問題列表的最上方�！�
Waymo 行為團隊負責人、軟件工程師 Nathaniel Fairfield 表示：無保護的左轉(zhuǎn)是自動駕駛中最棘手的事情之一。
Fairfield 帶領的這個團隊主要專注如何讓自動駕駛汽車按照計劃的路線駕駛，解決包括「讓汽車固定在各自的車道」，「在駕駛中做出決策并預測其他車輛的行為」等多層問題。
因此，要解決這個問題，很重要的一點是，自動駕駛汽車必須與人類駕駛的汽車有交互，并做出實時計算。
如果自動駕駛汽車開始轉(zhuǎn)彎時，需要計算其他人是否會減速，這就像人類在做同樣的操作時需要在心里做出預估一樣。
或者，自動駕駛車輛需要弄清楚如何「禮貌要求」其他車輛讓路。當然，有時路上的其他人并不都會配合這個請求。
這就是為什么工程師們說左轉(zhuǎn)很難——因為了解人的心思很難。
據(jù)了解，人類駕駛員可以通過手勢或眼睛跟其他駕駛員進行非語言交流，通過彼此間細微的信號（比如手勢、眼神、鳴笛、轉(zhuǎn)向燈等）來判斷在復雜多變的交通狀況下，什么時候才能安全左轉(zhuǎn)。然而自動駕駛汽車卻做不到這一點。
原因在于，自動駕駛汽車并不使用大腦灰質(zhì)和肌肉記憶，而是通過編程、AI 和車載感知系統(tǒng)（如激光、攝像頭和雷達）換道。
所以，教會一臺機器在復雜的交通狀況中左轉(zhuǎn)困難無比。
對自動駕駛汽車來說，判斷來車的距離和速度反而變成了簡單的部分。通過 GPS 導航裝置、攝像頭、激光雷達和毫米波雷達等，自動駕駛汽車可以準確地測量任何在其路徑上的物體的位置和速度。
但自動駕駛不能判斷這些汽車和行人下一步將會做什么。
因此，自動駕駛汽車需要讀懂人類的心理——來自其他司機和行人的微妙的信號——來完成路上最最困難的操作。這其中不僅涉及技術，還涉及心理學。
2、人與車的博弈：人類意圖才是根本挑戰(zhàn)
對自動駕駛汽車來說，人類意圖（Human intent）才是最根本的挑戰(zhàn)。
2017 年 5 月，Auroa CEO Chris Urmson 在卡耐基梅隆大學做了題為《Perspectives on Self-Driving Cars》的演講。
他提到，自動駕駛汽車做出的抉擇完全依賴于對人類駕駛員期望的理解和匹配。想做好這一點，不但要猜到本車駕駛員的意圖，還要揣摩其他駕駛員的動向。
為了闡明「人為因素」這一關鍵挑戰(zhàn)，Urmson 剖析了三次備受關注的自動駕駛事故。
1：谷歌自動駕駛汽車與大巴相撞
在僅有的 25 次自動駕駛事故中，有一次事故需要谷歌自動駕駛汽車承擔一定的責任。
在這起事故中，谷歌無人車準備采用出道轉(zhuǎn)彎的方式來轉(zhuǎn)彎，但是前方遇到了一堆沙袋。當交通燈變成綠燈后，它先等幾輛車駛過，然后看到一輛公交車。
對于公交車司機來說，道路上有足夠的空間讓他開過去。
但是對谷歌無人駕駛汽車來說，系統(tǒng)預測公交車會減速讓無人車并線進來，但是這輛公交車并沒有，結(jié)果兩輛車就撞到了一起。
2：Uber 自動駕駛汽車遭遇翻車事故
在遭遇嚴重車禍前，Uber 的自動駕駛汽車正停在最左側(cè)車道，其右側(cè)的兩車道由于車輛較多陷入了擁堵。Uber 測試車看自己車道順暢，直接選擇了繼續(xù)行駛。
不過這時，卻有一位司機駕車向左并線想直接左轉(zhuǎn)，在并線時其他車輛遮擋了司機視線。司機可能認為其他車輛會減速慢行，于是直接并入了最左側(cè)的車道，隨后兩車相撞，Uber 的測試車直接被撞翻倒地。
3：被撞慘的特斯拉 Model S
即使特斯拉多次強調(diào)使用 Autopilot 時要將雙手放在方向盤上，但這位遭遇車禍的司機卻對該功能深信不疑。
當時，車輛認為司機會時刻注意路況，成為最后一道安全防線，但司機卻覺得 Autopilot 能處理這一場面。不過，他們都錯了，當那輛大卡車出現(xiàn)在汽車面前時，車主和汽車都沒發(fā)現(xiàn)它的存在，因此致命事故不可避免的發(fā)生了。
此次事故后，特斯拉做出了不少調(diào)整，為的就是讓車輛更了解司機駕駛時的狀態(tài)。這起事故表明，想用人類注意力來補足車輛的短板局限性很大。
上述案例或多或少反映了這樣一個事實：為什么自動駕駛汽車與人交流的能力這么重要。
我們來考慮這么一個問題：
當你在沒有紅綠燈的人行橫道上行走時，會發(fā)生什么？一輛朝你駛來的汽車可能會減速。
當你在汽車前面走過時，你會與司機進行眼神交流以確定他們看到你，司機會因此停車。
現(xiàn)在，想象在上述情況下的自動駕駛汽車——沒有人來駕駛，你怎么知道這輛車是否檢測到了你？明白你要做什么？決定為你停車？
像這種情況的交流，發(fā)生的頻率可能要比你想象的多，可能會涉及到行人，騎自行車的人或者其他司機。自動駕駛汽車需要進行更復雜的溝通。
3、人與車：如何進行有效溝通？
科學家曾提出了一項稱為「心理理論」（theory of mind）的研究。
「心理理論」指的是，通過他人的微小信號，例如聲音、肢體語言甚至僅僅看別人的眼睛，人類可以猜到其他人想要做什么。
「心理理論」是人類在擁擠的地鐵站或是足球比賽中，能預測彼此的走左邊還是右邊。
這個理論在司機和行人接近繁忙的十字路口的時候同樣介入并起作用。
這種介入十分及時而且你幾乎不會意識到，人們開始交換一些肉眼可見的線索用以判斷能否安全通過，一些信息通過相當微小的信號進行交換。
如今的自動駕駛汽車沒到人類那么聰明，它們無法識別肢體信號或是來自人類的一瞥，這些信息對自動駕駛汽車來說還沒有任何意義。
同時，「心理理論」的影響是雙向的。人類同樣無法理解一輛自動駕駛汽車的「想法」。
如果一名行人打算在綠燈的最后一秒沖過斑馬線，一輛正在轉(zhuǎn)彎的自動駕駛汽車會停下來還是繼續(xù)轉(zhuǎn)彎？如果沒有一位人類駕駛員在車里點頭或揮手致意，行人怎么能知道？
因而行業(yè)有一個共識是：汽車廠商可能需要開發(fā)新的信號系統(tǒng)來指引自動駕駛汽車的下一步行動，未來可能需要像教小孩識別交通信號等一樣，讓司機和行人可以識別自動駕駛汽車發(fā)出的信號。
在一篇報道中，硅谷的自動駕駛公司 Drive.ai 在這方面做出了很好的嘗試：
首先，Drive.ai 先從視覺下手，將自動駕駛車隊的外觀噴涂程亮橙色，便于司機和行人識別；
其次，在車輛的左右兩側(cè)，還有貫穿的藍色彩條，彩條上則用白色字體標注了「自動駕駛汽車」的字樣。Drive.ai 甚至棄用了「autonomous」這個復雜單詞，換成了大家能看懂的「self-driving」。
第三，車輛前部保險杠上也寫了「自動駕駛汽車」的字樣，行人過馬路時就能看到。
第四，車身上掛著 4 塊外置屏幕，分布在引擎蓋、車身后部和兩個前輪上方（每塊 22.5X7.5 英寸大�。�
這些屏幕充當車輛的「喉舌」。當車輛即將停下給行人讓路時，顯示屏會先閃爍，隨后顯示「你先過」的文字和行人穿過人行橫道的圖示。后方顯示屏內(nèi)容會有所不同，車輛停下來禮讓行人時，顯示屏上會出現(xiàn)「行人過馬路」的字樣。
整個設計根據(jù)用戶在測試中的反饋，觀察他們的反應進行迭代。
從傳統(tǒng)汽車到自動駕駛汽車有一個很長的過渡時期，不過正是由于過渡時期，諸如 Drive.ai 這樣的通用解決方案還是會被忽略。
但一旦公路上跑的都是自動駕駛汽車，當所有汽車可以互相通信時，左轉(zhuǎn)就會變得非常簡單。
就像飛機塔臺指揮一樣, 車-車之間的互相通信會讓所有汽車知道彼此將要怎么行駛。
4、不能左轉(zhuǎn)，不是算法問題？
這個行業(yè)也有「激進」玩家。
今年 5 月，Cruise 對外發(fā)聲，稱在舊金山的復雜環(huán)境中執(zhí)行 1400 次無保護的左轉(zhuǎn)彎。
Cruise 解決左轉(zhuǎn)難題的方式是，利用機器學習來應對左轉(zhuǎn)挑戰(zhàn)：Cruise 開發(fā)了一種算法，可以計算出在左轉(zhuǎn)之前，多個交叉路口中間的距離。
實際上，交叉路口的地理因素是多樣的，包括車道的數(shù)量和位置，以及有沒有類似鐵軌和人行橫道這樣的設施，更重要的是，還有動態(tài)的因素，包括其他車輛如摩托車到大型卡車的速度等等。
在仿真中，Cruise 通過測量「選定間隙」長度——這是汽車進入交叉路口和迎面而來的汽車進入交叉路口之間的時間距離，把這個值最大化以提高安全性, 然后在仿真環(huán)境中不斷練習，借助可視化工具分析數(shù)據(jù)，積累了大量數(shù)據(jù)之后，Cruise 就能做出不錯的左轉(zhuǎn)決策。
Waymo 也通過模擬仿真測試和道路測試，同樣具備了這樣的能力。Waymo 稱，他們的車輛每天模擬里程可達到 1000 萬英里。
盡管可以通過模擬仿真來獲得「無保護左轉(zhuǎn)」的經(jīng)驗，但 Waymo 在「左轉(zhuǎn)」這件事上看起來略為保守。
去年 8 月，外媒報道 Waymo 的自動駕駛汽車會自主規(guī)劃路線，以避免出現(xiàn)棘手的情況，如「盡量避免無保護下的左轉(zhuǎn)或在高速公路行駛」。
一位 Waymo Early Rider 的早期成員就爆料，Waymo 為避免左轉(zhuǎn)，繞著街區(qū)向右走了很長一段路。
雖然 Waymo 聲稱會定期「練習左轉(zhuǎn)」，但 Waymo 看起來十分謹慎，這家自動駕駛行業(yè)的標桿也承認：「高速公路上無保護的左轉(zhuǎn)是最困難的駕駛操作之一。由于……是新技術，我們將慎之又慎，因為安全是我們的重中之重。」
不知在「左轉(zhuǎn)」這件事上，Cruise 是不是可以說「領先」Waymo 了。
但話又說回來，雖然自動駕駛汽車使用類似「避免左轉(zhuǎn)」策略可以減少很多麻煩，看似是捷徑，但從長遠看，「左轉(zhuǎn)難題」并沒有得到徹底解決。
也有一種觀點認為，當自動駕駛汽車在十字路口猶豫不決時，原因不是算法的問題，而是自動駕駛汽車發(fā)現(xiàn)在當前情況下執(zhí)行左轉(zhuǎn)的安全余量太小: 風險太高。
這個問題不能通過更好的算法解決，而只能通過提高自動駕駛汽車可接受的風險水平進行優(yōu)化。
十字路口左轉(zhuǎn)的風險取決于十字路口的布局、物理特性以及其他交通參與者的潛在行為范圍，這些都不能被自動駕駛汽車改變。
