滴滴开放自动驾驶，真正意图是什么？

这个桔视，功能介绍也很明确，主要包括内外2个摄像头。内视摄像头可以识别车内司机的状态，比如是否存在疲劳驾驶或者抽烟打电话等行为，当然也可以录像，提高运营车辆的安全性；外视摄像头相当于一个“行车记录仪”，可以采集驾驶场景信息。

滴滴在桔视采集数据的基础上，利用算法筛选，将实际场景中的车道线、行人、车辆等抽象出来，导入仿真引擎中，进行自动驾驶算法的仿真训练。

事实上，Mobileye推动算法优化，也是依靠车载后装设备进行大规模的场景采集工作。特斯拉属于前装，但也要借助车主遇到的种种实际场景助其算法优化。

所以，只要桔视实实在在的具备场景采集能力，而滴滴也能够有效利用这些数据，那么，这会成为滴滴的核心优势，再凭借庞大的运营规模效应，快速迭代，有机会做到“后来居上”。

自动驾驶并不是一个多么新颖的概念。

真要追溯的话，在上世纪50年代，业界已经有了类似的畅想，当时是为了降低事故率，提高车辆驾驶的安全性。

只是，如今我们拿出了更接近自动驾驶终极效果的产品，但论成熟度，还需要不断精进。只是，千万别忽略了，自动驾驶的初衷没有变，仍是为了更安全的出行，将人为因素的影响降到最低。

面对新事物，我们总需保持谨慎，免不了会陷入一个“襁褓困境”。

正如在划定区域内进行自动驾驶的测试，虽然是公共开放道路，但测试车辆头顶那么硕大的激光雷达，车身再贴着明确的LOGO，正常路过的社会车辆谁还不远远地躲着它走？

所以，测试车辆的场景难度其实是大大降低的。但是，不去经历复杂的实际场景，这个襁褓中的孩子怎么可能长大？

话又说回来，当这个孩子的判断能力还不够强大时，为了安全，我们又不敢把它放在真正复杂的驾驶场景中去自我学习。所以，这就形成了“襁褓困境”，多数时候在裹足不前。

从目前看，解决的办法仍然是从实际场景中采集海量的数据，然后放入仿真引擎中，让机器进行自我学习，也就是“先修炼内功，在书本中阅尽各种复杂场景”，再“分阶段毕业”，慢慢开放真实的道路测试。

很显然，数据会成为自动驾驶的一处金矿。矿越大，挖的价值越大，挖矿技术更强，挖出的金子也会更多。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!