# 克里斯·厄姆森：Aurora、谷歌、CMU 與 DARPA 的自動駕駛之路 > Aurora 執行長回顧谷歌自動駕駛、CMU 與 DARPA 挑戰賽的經歷與安全思路。 - 原標題：Chris Urmson: Self-Driving Cars at Aurora, Google, CMU, and DARPA - 期數：特別節目 - 釋出日期：2019-07-22 - 嘉賓 / 主題：克里斯·厄姆森 - 網頁版：https://lex.qiaomu.ai/tw/ep/chris-urmson/ - 官方頁面：https://lexfridman.com/chris-urmson/ - 精讀字數：約 7129 字（閱讀約 16 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 2004 年，DARPA 在莫哈韋沙漠辦了第一屆大挑戰賽，獎金一百萬美金。沒有一輛車跑完全程。卡內基梅隆那支車隊的技術總監叫克里斯·厄姆森（Chris Urmson），當時他還是個研究生。十五年後，他坐在 Lex Fridman 的麥克風前回憶這件事，說的是那句老話：**第一次我們確實沒做成**。 在那個時間點，做這件事的人被同行視為半瘋。全美只有卡內基梅隆一家機器人研究所，萬一折在沙漠裡，臉就丟大了。厄姆森的解釋裡有一句很關鍵的自我剖析，他稱之為"無知者無畏的紅利"：如果你並不知道一件事究竟有多難，你就會去試各種別人不敢試的路徑，而這恰恰是那些更聰明、更謹慎的人拿不到的機會。 ## 惠特克看人的方式，看的是這個人能變成什麼 帶他們進沙漠的人是紅·惠特克（Red Whittaker），機器人領域的傳奇。厄姆森後來自己做了領導，被問到從惠特克身上學到什麼，他講了兩條，第二條講得比第一條久。 第一條是去碰那些真正難的東西，因為真正大的機會就藏在難的地方。第二條他說得更重：**看一個人，要看他能成為什麼，而不是他現在是什麼**。惠特克會把本科生、研究生直接推到負責人的位置上，給資源、給責任、給真正會砸鍋的任務。換一個人來評估，大概會說這不就是個本科生嗎，他懂什麼。 厄姆森把這件事總結成"信任，但要去驗證"。這套做法在機器人研究所有其現實基礎：那裡的人手永遠不夠，你必須讓二十三四歲的人去決定一輛車在十字路口該怎麼走。 ## 兩次技術解鎖：高畫質地圖，和多線鐳射雷達 從第一屆沙漠挑戰賽到 2007 年的城市挑戰賽，再到今天的公開道路，厄姆森認為中間有幾次真正的臺階，並非同一種技術被不斷打磨得更結實。 沙漠那一屆，解鎖整個問題的是**高畫質地圖**。在此之前，野外機器人研究基本建立在"沒有任何先驗模型"的前提上，車開到哪兒算哪兒。而當時他們能做到分米級精度的環境模型，這一下把問題的複雜度框住了：車可以假設前方大概是什麼樣的地形，於是敢於提速。之前那種完全靠實時感知摸索的開法，速度上不去。 城市那一屆，解鎖問題的是**多線鐳射雷達**。它能生成中遠距離、高解析度的三維世界模型，用來理解車周圍發生了什麼。這在當年是改變遊戲規則的東西。與此同時，一批在學術會議上"各領風騷半年"的技術終於走到了真實的舞臺上。厄姆森特別提到貝葉斯估計和 SLAM：幾年前你去開機器人會議，幾乎每篇論文裡都能找到 SLAM 的影子。看著這套東西在一個高度可見的場合真刀真槍跑起來，他覺得非常過癮。 不過有一處細節值得掰開：城市挑戰賽裡他們做的其實不是實時的 SLAM。因為地圖是提前建好的，車要做的是**定位**，用鐳射雷達或者攝像頭把自己對齊到那張已有地圖上。相對於此前那種樸素地相信 GPS 加慣導的做法，這一步很大。 ## 釐米級定位真正的麻煩，是地球本身在動 DARPA 給所有隊伍發了同一份地圖。聽上去省事，實際上有個坑，直到今天還在絆人：座標系。 你拿到一個經緯度，精確到小數點後很多位。如果你只關心米級精度，地球用哪個橢球模型描述根本無所謂。可一旦你要做到十釐米、一釐米，你就必須搞清楚這份資料用的是 NAD83 還是 WGS84。這兩個標準對地球"不圓"這件事的建模方式不同，而且其中一個還牽涉**板塊漂移**，需要按年份做基準轉換。 拿到一張圖是一回事，把這張圖和現實對齊到釐米級，是另一回事。厄姆森說這件事當年既麻煩又有趣。 ## 2007 年的感知，已經有今天問題的雛形 被問到當年感知模組承擔了多少工作，厄姆森的回答很坦率：肯定不如今天，畢竟十幾年過去了，但核心的東西都在。 他們要跟蹤其他車輛，跟蹤距離超過一百米，因為需要匯入車流。他們用貝葉斯方法估計每輛車的狀態，要預測這輛車幾秒鐘後會在哪兒。他們還要處理多假設：一輛車停在路口，可能右轉，可能直行，可能左轉，你得同時把三種未來都掛在賬上。更麻煩的一層是，**自己的行為會改變對方的行為**。你往前蹭一點，對面那輛車可能就讓你了，也可能不讓。 這些事他們做得相對樸素，但它跑起來了。這就引出一個判斷：自動駕駛的核心難點，十幾年來的形狀並沒有大變，變的是容錯空間。 ## 從假城市到真城市，差的不是技術名詞 厄姆森列了幾條差別，每一條都在放大問題的規模。 第一，**參與者真的不可預測**。路上絕大多數人開得規矩，但總有人不規矩，而且你無法預知是哪一個人、在哪一秒。 第二，**車輛種類是全集**。當年的空軍基地裡沒有這一項。 第三，當年不需要處理腳踏車、行人、紅綠燈。這些今天全在。 第四，也是最容易被忽略的一條：**當年只需要跑完 60 英里**。從 2006 年的視角看，跑完 60 英里就是勝利。今天的標準是幾十萬英里的運營壽命。同一套軟體，面對的時間尺度差了三四個數量級。 還有一條環境上的差別他講得很輕：那個基地是被人維護過的，路面平整，人和機器人之間還有隔離欄。真實世界沒有這些。 ## 鐳射雷達是不是柺杖 馬斯克說過一句廣為流傳的話：鐳射雷達是柺杖。Lex 把這個說法擺到厄姆森面前。 厄姆森先承認了對方邏輯的成立之處，而且承認得很乾脆：人腦門上沒長鐳射器，人靠被動視覺就能開車，這是存在性證明，無法反駁。他自己每天都這麼幹。 然後他換了個角度。他說，**鐳射雷達確實可以算柺杖，就像內燃機是通往電動車路上的柺杖一樣**。任何技術最終都會被更優的技術替代，這不是什麼需要辯護的事。真正的問題在於，地面交通這套系統本身是壞的。他提到當天早上看到的數字：去年一年，三萬七千名美國人死在路上。這個數字不可接受。 所以他的判斷標準很簡單：任何能讓自動駕駛更快落地、更早救人的技術，都該用。反對用鐳射器卻接受一千六百萬畫素的攝像頭，這個立場在他看來相當隨意。這些都是工具箱裡的零件，應該挑最好用的那件來解決問題。 > 這些只是技術零件。我們應該從工具箱裡拿最好的工具去解決問題。（克里斯·厄姆森） ## 500 美元的方案能跑，50 美元的方案跑不了 Lex 提到車企最常掛在嘴邊的詞是成本，並順勢丟擲一個讓人不舒服的問題：能不能找到一套足夠便宜、又足夠安全的感測器組合？ 厄姆森對這個問題的前提做了修正。他認為"最便宜的感測器套件"這個提法本身就偏了，你真正要的是**經濟上可行、同時能用**的套件。在這個前提下，剩下的全是毛利和成本最佳化的事。 他給了一個很直白的對比：如果 500 美元的方案能讓系統工作，50 美元的方案不能，那便宜有什麼意義？只要商業模型跑得通，就有經濟空間。而經濟空間很重要，因為那才是一門可持續生意的基礎，也才是這套東西真正鋪開到世界上的前提。 至於鐳射雷達的成本走勢，他給了雙向的判斷。一方面，這項技術在原理上沒有昂貴的理由，未來價格會大幅下降。另一方面，它一定會比影象感測器貴，因為 CMOS 或者晶片產線的規模化能力，遠遠強過機械加工的產線，這是產業結構決定的，短期改不了。 ## Level 2 的經濟學，和 Level 4 的技術路線正在分叉 這是整場對話裡最鋒利的段落。厄姆森先做了一個澄清，他說這段話經常被曲解，所以他要講得格外小心。 主動安全系統是好東西，應該做，應該裝車，短期內就能減少事故和死亡。Level 2 指的是車輛同時控制兩個軸：剎車和油門，或者剎車和方向盤。其中有一類 L2 系統是真正在輔助駕駛員的，這類系統他認為應該大力推廣。 問題出在人因，出在公眾對這套系統能力邊界的誤解，出在人們願意給它的信任額度。他說自己現在對 Level 3 的擔心反而更多一些，也對 L2 的宣傳方式和交付方式更警惕，尤其是看廠商在人的因素上到底投了多少精力。 他舉了一個讓人不舒服的例子。就在那幾周，媒體報道了一連串在特斯拉里睡覺的人。特雷弗·諾亞在節目裡聊這件事，說這是一輛自動駕駛汽車，那為什麼不能在裡頭睡。厄姆森的評價很直接：這是聰明人，資源豐富，依然會把一輛 L2 的車說成自動駕駛汽車。**它壓根不是自動駕駛汽車，從來沒被設計成自動駕駛汽車**。這些人在某個時點幾乎必然會死，或者傷到別人。 接下來是他真正的論證，也是最值得慢讀的一段。他認為由於經濟邏輯不同，L2 這條技術路徑會和真正實現無人駕駛的技術路徑**分岔**。 理由是這樣的：L2 產品的安全論證，建立在"駕駛員在負責、駕駛員在看著"這個前提上。有了這個前提，你就可以為了經濟性放棄一部分漏檢率。他舉例說，一套前向碰撞緩解剎車系統，如果在一半的情況下駕駛員沒注意到前車、系統替他剎住了，這已經是安全帶級別的進步。但從經濟角度看，你接下來該做的是把這個方案的成本壓下去，裝到儘可能多的車上。**壓成本這件事，並不會提升漏檢那一半的表現**。所以你在這條路上走得越遠，越得不到一套能支撐無人駕駛的技術。 ## 1800 英里，和 8500 萬英里 Lex 提了一個假設：如果全世界每個人都對這項技術的真實能力完全知情，L2 能不能被安全使用？ 厄姆森說不能，理由是他不相信那個世界存在。 人即使看到了統計資料，也會把它和自己的經驗揉在一起。假設一個人每天開著 L2 上下 101 高速，來回 60 英里，開一個月，跑了 1800 英里，一次錯都沒出。這個體驗非常有說服力。他會想，也許那些統計資料有別的解釋，也許那些事故發生在很難的地方，反正我親眼見它工作了一個月。 而真實的安全基準是多少？大約 8500 萬英里才有一次死亡事故。1800 英里相比之下是一滴水。**人們憑親身經驗得到的風險估計，系統性地偏樂觀，而且他們還是會繼續信任它**，因為不信任很難。 厄姆森還補了一層：時間拉長到一兩年，效果一樣。而且隨著這項技術從科技愛好者群體擴散到大眾市場，早期使用者或許能把理性維持得更久一點，後來的使用者讀一遍說明，再對照自己一個月的順利體驗，防線會崩得更快。 ## 怎麼向世界證明一臺車是安全的 厄姆森承認這個問題沒有一句話答案，這是他少見的開場就先認輸的時刻。 他的思路是疊加幾層證據。第一層是過程：功能安全流程這類東西，作用是證明"我們是認真按規矩做的"。你如果相信我們描述的流程屬實，就能對我們工程上的嚴謹度有一些信心。第二層是能力證據：模擬、單元測試、分解測試，加上一部分公開道路資料，共同說明這套系統確實能做到我們聲稱的事。第三層是背書：向 NHTSA 和各州監管機構做深入溝通，讓這些以公共利益為職責、被公眾信任的機構先被說服。 > 沒有一句話的答案。我們只能拿出組合起來的證據，讓別人相信我們既做得認真，也確實做得好。（克里斯·厄姆森） ## 脫離次數為什麼是個壞指標 目前業界公開使用的指標是每多少英里人工接管一次。厄姆森說這個指標很快就會變成營銷工具，各家調整測試設計就能讓數字好看。他明確表示，自己曾向加州 DMV 書面表態，認為這不是個好指標。 他相信可以造出更好的指標體系，但不會是一個數字。方向是**按能力拆解**：識別紅綠燈、左轉穿過對向車流，這些具體任務人類駕駛員的失敗率大概是多少，然後把自家系統的表現和這個基準對比。這些分項指標串起來，才能講出一個有說服力的故事。 他還提到航空業的事件金字塔：最頂上是一次事故，往下是受傷、險兆、違反操作規程，每一層都建統計模型，用小事故的頻率去推斷大事故的機率。這套方法自動駕駛遲早要用，因為一次死亡在 8500 萬英里的尺度上，即使把全美國的資料放在一起也很難直接比較。而自動駕駛汽車沾上的一次死亡，短期內獲得的關注度是被極度放大的。 ## 讓人坐進去，然後覺得無聊 公眾對自動駕駛最熱衷的討論是電車難題。厄姆森沒有多糾纏這個話題，他轉向了另一個更實際的問題：怎麼讓人心服。 他的答案是讓人親自體驗。他認為懷疑是合理的，人應該提問，應該質疑，因為這是個新東西，誰都沒摸過。 他講了自己做演示時最喜歡的一幕。帶上一個人上高速，在 101 上以 65 邁的速度跑著，十分鐘後對方轉過頭來問：**它就會這個？** 厄姆森的回答是，這是輛自動駕駛汽車，我也不太確定你還期待它做什麼。 這件事的要害在於，它變得乏味了。而這恰恰是你想要的。他打了個比方：按開關的時候沒人會去想電子是怎麼從某處的發電廠被推進電線裡的，你只會在它不亮的時候煩一下。這項技術該有的樣子就是這樣，退到背景裡去，人可以在車裡見同事、讀檔案，不用怕天黑。 ## 先做城市，而不是先跑高速卡車 被問到什麼時候能看到萬輛級的部署，厄姆森給了一個相對明確的判斷：十年之內。 但他認為真正的分水嶺不在數量。真正的節點是**一輛沒有安全員的無人車在公共道路上連續運營**。跨過這一步，才算從零走到了一。之後才是規模化、商業模型、使用者體驗，才算從混合的科學工程研究變成工程與商業化。 Aurora 在選擇切入場景時，行業的風向是卡車高速幹線，因為人的直覺認為高速更容易：大家同向行駛，車道也寬一些。厄姆森說這個直覺大體成立，只是它忽略了關鍵的一點：**我們關心的不是大部分時間，是全部時間**。 一輛七萬磅的卡車以 70 邁行駛，動能是驚人的。一旦出錯，出的是大錯。而這種極端情況出現得很少，意味著你學得慢。所以他判斷，高速並不比城市簡單，它只是難點更稀疏、更致命。 他們選擇中速城市和郊區環境，邏輯有三層。兩輛車在 25 邁相撞，結果不好，但人大機率能自己走下車。這類有潛在後果的場景出現頻率高，學習速度快。風險對所有人來說都更低。而且它直接提供了從 A 到 B 的出行價值。城市搞定之後，高速那一塊自然會掉出來。 ## 最該擔心的不是大車，是腳踏車和行人 被問到夜裡睡不著時想的是什麼，厄姆森說的是弱勢道路使用者，尤其是腳踏車和車、腳踏車和行人的組合。理由是物理上的：車裡的人有鐵皮護著，撞了後果可控；騎車的人和走路的人沒有任何防護。 Lex 追問了一個博弈論層面的問題。如果你為了保護行人而開得謹慎又慢，行人會不會學會佔你便宜？人在現實中是靠往前蹭來穿過人群的，這套演算法寫進車裡，聽上去並不體面。 厄姆森把它拆成兩件事。第一件是他不擔心有人故意走上馬路來欺負無人車。理由很樸素：他自己開車時如果有人走到車前，他會停下來，氣歸氣，但絕不會從人身上碾過去。人也不想被撞。唯一的增量風險是行人可能對無人車的識別能力信心不足，行為會略微不同，僅此而已。 第二件是穿過音樂會散場那種人流，他認為這屬於技術路線圖上更靠後的位置。演算法本身其實很簡單：慢慢往前挪，有人貼得很近就停。而且這種場景的速度是 1 邁，不是 30 邁，風險本來就很低。**這件事更像人機互動問題，而非演算法問題**：車怎麼透過視覺顯示，讓行人感到自己是被禮貌地請開的。 ## 如果有一根魔杖 Lex 換了個問法：如果能許一個願，讓系統的哪一部分立刻變完美，會加速整個程序？他特意加了一句，別說基礎設施。 厄姆森說不是基礎設施，是**感知加預測**。如果明天有人能給他一個完美的模型，把車周圍發生過的、正在發生的、未來五秒將要發生的一切都說清楚，整個程序會被極大加速。 這個回答值得琢磨。它意味著今天最大的不確定性，還停留在"我看不清、我猜不準"這一層：並非車不知道怎麼打方向盤。 ## 不盯著對手，是因為dead end太多 被問到主要競爭對手是誰、長期怎麼贏，厄姆森的回答聽上去像公關話術，但他給出了具體支撐。 他說他們很少花時間想戰術層面的對手。這是個巨大且困難的問題，一批公司同時在攻，這對社會是好事，總得有人到達終點。 真正的優勢在別處。一是領導團隊的經驗密度高，知道這片地形上哪些路是死的，儘量繞著走。二是招人：這件事有明確的使命，能吸引到很強的人。三是文化，讓人覺得可以安靜地花時間解決真正的問題，而不是疲於奔命。四是他講得最實的一條：**早期就在基礎設施和架構上重投入**。因為早期拿到了好的團隊和好的投資人，他們不必把時間全耗在做 demo、從一個演示跳到下一個演示上，可以騰出手去建機器學習的基礎設施、建路測資料迴流的基礎設施、建用資料加速工程迭代的基礎設施。 這段話在 2019 年說出來，是整個行業分野的註腳。同樣在做自動駕駛，有的公司在比誰的影片好看，有的公司在比誰的資料管道更粗。 ## 回到最初那個問題 訪談裡有個細節，可能比任何技術判斷都重要。 Lex 問，從沙漠到城市挑戰賽，你個人是什麼時候相信這件事能成的？厄姆森的回答像是反問：當然相信，不然你為什麼要去做一件你認為完全不可能的事？他們知道會很難，不知道怎麼做，也不知道第一次能不能成。事實證明第一次沒成。 但正是那種"不知道有多難"的狀態，讓他們敢去試那些 wiser 的人不會試的方案。十五年後，同一個人站在一家自動駕駛公司的 CEO 位置上，面對的是另一種難題：他知道有多難了。三萬七千人死在路上，8500 萬英里才有一次死亡，人坐在車裡十分鐘就會開始過度信任，一套 50 美元能跑但跑不好的感測器方案會毀掉整條技術路線。 他知道得太清楚了。所以他給出的時間表是十年，落地點是中速城市，第一優先順序是沒有安全員的連續運營，而不是釋出會上的影片。 這種剋制，在一個被神秘和炒作同時籠罩的領域裡，本身就是一種稀缺資源。 - **看到"自動駕駛"這個詞，先問它管幾個軸。**只管油門剎車是一回事，管方向盤是另一回事，出事時責任在車上還是在人身上，是第三回事。宣傳語裡幾乎不會主動區分，你得自己去問。 - **用樣本量給自己的體驗打折。**一個月來回跑了 1800 英里一次沒錯，聽著很有說服力，而人類駕駛的死亡基準大約是 8500 萬英里一次。你親眼所見的那點資料，不足以支撐你的信任。 - **別信單一指標。**任何一家公司公佈"每萬英里接管次數"，先看它有沒有同時公佈測試場景構成和接管判定標準。沒有這兩樣，數字之間沒有可比性。 - **看它敢不敢講自己做不到什麼。**只講能力不講邊界的團隊，要麼沒測過邊界，要麼在賭你不會問。 - **判斷進度，盯一個節點：無安全員的連續商業運營。**demo、里程數、城市數量、融資額都是過程量，只有這個節點是 0 到 1。它一旦出現，後面的時間表才有討論意義；它沒出現，其他數字都是在不同的尺子上量。 - **留意那家公司在基礎設施上的投入。**模擬、資料迴流、評測體系這些不上新聞的東西，決定了它三年後是在迭代還是在重做。 - **把注意力留給腳踏車和行人。**討論自動駕駛安全時，最該被追問的是弱勢道路使用者的保護方案，而不是那輛七萬磅的卡車能不能跑高速。