从自动驾驶看“机器人看到世界”的进化之路

科幻电影中，经常有各种高智能机器人的形象，或萌或暖或身手矫健或残忍邪恶，但是真的做成这样的机器人，还有很多问题，比如机器人该如何分辨感知眼前的一切，能否像人类一样通过眼睛分辨不同的物体？

用眼睛看世界，听起来很简单，实际上是亿万年进化的结果。人类视觉的形成需要有完整的视觉分析器，视网膜接受光的刺激，将光信号转变成生物电信号，通过视神经传递到大脑，结合人的经验和意识等构成视觉，进一步在大脑中形成形状、颜色等概念。

图1视觉的形成

如何让机器人看到这世界，这就得靠科学家帮助它们“进化”了。在图像识别技术诞生之前，摄像头拍摄到的画面对于计算机而言就是一堆数字，无法和具体事物形成关联，相当于只有眼睛没有大脑。图像识别技术让计算机能够提取图像的特征，将元素剥离出来。每个图像都有它的特征,如字母A有个尖，P有个圈、而Y的中心有个锐角等。图像识别系统通过分析这些特征，从而判断图像的含义。相机的人脸识别就是在分析我们的面部特征。

此外，时下最热门的自动驾驶也运用了图像识别技术：摄像头捕捉道路的画面，图像识别剥离出车辆、行人和指示牌等。但不同于照相机，自动驾驶时任何细小的差错都能酿成大祸，因此自动驾驶的汽车必须做到“眼观六路、耳听八方”，光有图像识别是远远不够的。

图像识别系统让汽车看到障碍物，包括行人、其他车辆、路牌等，并结合数据库和算法对障碍物进行分类分析。工程师提前“教育”行车电脑，红色圆圈的是路标，两条腿走路的是行人，方块的是货车……凡此种种，汽车对周遭的环境就有了基本的判断。

前文已经提到，图像识别也有失误的时候，但汽车可不能乱撞，这时就需要激光扫描仪。简单来说，激光扫描仪不断向外界发射光束，碰到障碍物时光束就会被反射，接收到反射信号就知道前方有障碍物。车身前后各布置了一个激光扫描仪，以此识别中远距离（80-150米）的障碍物，结合图像识别系统，蜥蜴可就无处藏身了。

但激光扫描仪也有“失明”的时候，当障碍物较近时，光束反射的时间极短，这就没法判断距离了。此时，汽车四周的超声波雷达就起到了重要作用，雷达是“第三只眼”。超声波雷达的原理与激光扫描仪类似，探头发射超声波，接收器接收反射信号，通过测量反射时间就知道障碍物的距离。一般而言，超声波的测距范围在5米以内，与激光扫描仪形成互补。

为方便大家理解，我们不妨把汽车观察世界比作一场考试，图像识别系统的工作就是写完整张试卷，激光扫描仪负责第一次检查，雷达则是“double check”。实际运用时，它们之间的配合要复杂得多。

图像识别+激光扫描仪+雷达=“火眼金睛”

你以为这就结束了么？No！No！No！

婴儿刚出生时对什么都很好奇，滚烫的开水都敢摸，因为他们不能将“开水”和“疼痛”联系起来，他们缺乏生活经验，它看到了每一个障碍物，但它仍缺乏“思考能力”。

它还需要一个大脑快速控制原型（Rapid prototyping controller）：

“火眼金睛”+快速控制原型=自动驾驶

快速控制原型调用了庞大的数据库和人工智能算法，这就是工程师赋予A7概念车的“人生经验”和“思考能力”。遇到行人要躲避、前方堵车要停车、有限速标志要减速，这些普通驾驶员都掌握的技能其实是工程师长期研发的结果，自动驾驶可是一个涉及多领域的交叉学科哦。