“眼睛”可观六路 反馈物体距离阅读交通标志
大多数无人驾驶汽车配备了传感技术“套装”，包括“一双眼”及“一把尺”——视觉传感器(例如相机)和监测传感器(测量目标距离的激光和雷达)。过去十年中，测量范围的传感器在商用开发系统中占据了主导地位，能可靠地反馈周围所有物体的距离，监测范围达到100米甚至更远。
激光通常只用于低水平和简单的任务中，比如躲避障碍物，确保不会撞上任何东西等。而雷达则是一些高档车的老搭档了，在巡航控制系统中至少“服役”了十年。近年来，低价位的汽车也纷纷采用了这一技术。不过，监测距离的传感器还是有其局限性，远程激光或雷达扫描能够向你反馈大致的信息，比如路人的姿势，却不会告诉你那个人的表情是平静还是惊慌。而且，由于大多数的标志都是靠看的，在阅读现有标识时，距离传感器也表现得很差。相比之下，像相机一样的视觉传感器弥补了这一缺陷，它们能够感知颜色和外观细节。
由于我们的驾驶环境在设计和建造时默认司机能够看到，所以，能够像人一样“眼观六路”的无人驾驶汽车更能适应现有的基础设施和标识。
“判断力”待加强 驾驶系统难以应对恶劣天气
不过，汽车并非装备了眼睛就能保证“视力”没问题。相机非常容易受到环境改变的影响，在路上最常遇到的就是昼夜循环。在黑暗的环境下，人工照明或远光灯会让系统很难判断前方到底有什么。
在寒冷的地区，街道两旁可能有不少大风吹成的雪堆，不仅完全模糊了线标，甚至连标识也很容易被埋、被遮挡。由于无人驾驶汽车的设计严格依赖道路法规，所以系统会变得很纠结。
这还不算完，最大的挑战往往出现在多重变化同时发生的时候，比如夜间行驶又赶上热带风暴。遇到这种组合就连人类司机都难免会发生事故，好在大多数情况下我们都小心谨慎、处理得当，而无人驾驶汽车就显得没那么可靠了。除了雨雪，冰、冰雹、雾、烟、霾、风、光和热都会对驾驶环境造成干扰。现在还没有一辆车能够证明遇到极端天气仍能可靠地行驶，目前大多数车能够处理的，不过是中等降雨程度。
对于盯着无人驾驶汽车这块蛋糕的各厂商来说，没有什么比开发出适应全天候无人驾驶车更大的挑战了。我们虽然有很多辆能够适应“大部分情况”的车，却没有一辆适应“所有情况”的车。天气的重要性无须赘述，仅在美国，超过20%的事故都和恶劣天气有关。
6月28日，无人驾驶车辆驶出赛道。当天，作为世界智能大会的重要活动，世界智能汽车挑战赛在天津拉开帷幕。 中新社记者 佟郁 摄
配备最强“大脑” 深度学习为镜头素材贴标签
为了不让无人驾驶汽车的一双眼睛成为摆设，开发人员就要给它们配备相应的“脑子”。这也是为什么许多无人驾驶汽车厂商都在开发深度学习系统，有了这门技术，它们轻易就能超越人类需要练习100个小时才能达到的“老司机”的境界。
英特尔公司收购移动眼也正是有此用意，这些深度学习系统通常需要大量的标签数据。收集原始数据虽然成本很高，但可行性高，方法也比较“简单粗暴”：只需在大量汽车上安装传感器和计算机，然后就等着它们在公路网中跑上个数百万小时吧。一旦跑回来，接下来的工作才是费时费工费脑子的，镜头记录下的大量素材需要处理，人、汽车、各类危险、交通灯、车道标记等都需要“贴标签”。移动眼公司意识到这种繁琐的工作偷不了懒，于是雇用了数百名员工专门为图像“贴标签”，这种脚踏实地的作风也使其成为了该领域的引领者。有了这些基础，未来，移动眼等其他公司会越来越多地使用模拟技术生成大部分数据，而不再靠人力了。
