1700045340
1700045341
2007年，谷歌科研经费开支高达21亿美元，占公司年收入的12%。虽然不清楚21亿美元中有多少分配到无人驾驶的项目上，但我们可以做个对比，同年DARPA为其他所有团队分发了总共100万美元用于车子配置全套技术装备（含团队里学生购买比萨的钱）。
1700045342
1700045343
谷歌也有钱去支付精英人才的薪水。间接地，DARPA在系列挑战赛中的投资帮助谷歌公司突破瓶颈，加速发展。在DARPA挑战赛中崭露头角的精英随后成为谷歌公司无人驾驶计划“Chauffeur”的重要人才来源。塞巴斯蒂安·特伦在挑战赛结束后不久就被谷歌公司聘用了。
1700045344
1700045345
在后来的采访中，特伦讲述了谷歌公司是如何在挑战赛的人才中挑选目标……然后再扩张至其他类型的人才。当DARPA挑战赛的精英人才都被挖掘并输送到谷歌任职以后，谷歌又吸引了世界各地多个领域的最顶尖的人才前来任职，研究领域包括机器学习、机器人、接口设计和激光技术。
1700045346
1700045347
谷歌聘用的部分工程师最终为公司设计出，改装自丰田普锐斯（Prius）的第一代谷歌无人车。DARPA挑战赛的资深选手，安东尼·莱万多斯基（Anthony Levandowski），因为在伯克利大学上学时期就创造出全球第一部“无人摩托车”而扬名，他毕业后创立“510 Systems”创业公司。DARPA挑战赛结束后，“510 Systems”受聘于探索频道，给观众展示比萨外卖机器人。比萨外卖机器人的成功，引起了谷歌公司的注意。“510 Systems”的员工马吉思克（Majusiak）回忆称：“从那时候起，我们开始了与谷歌的合作……我们几乎承包了谷歌所有的硬件集成设备，谷歌只做软件。我们手上有汽车和底层控制系统，直接提供给谷歌使用。”2011年，5辆改装过的无人驾驶普锐斯问世，谷歌便整体收购了“510 Systems”。
1700045348
1700045349
资金和人才毫无疑问是大型重点科研先项目取得成功的关键因素。此外，还有第三种因素让谷歌公司的汽车在同行中脱颖而出：准备时间。机器学习软件，就像小孩子，需要时间去学习驾驶。历届DARPA挑战赛的参赛车辆是高校学生、教授和专业工程师团队长达12~18个月艰苦卓绝的心血结晶。由于DARPA挑战赛设立的规定，参赛公司没有充裕的科研时间，也不能私下在赛道上测试软件。为了确保比赛的公平，DARPA绝对禁止各个车队对车辆在街道、公路和模拟沙漠的酷热环境中进行赛前演练。车队只能在无法知晓比赛会遇到什么障碍、路况的情况下调试软件。到了比赛当天，各参赛队伍纷纷把自家企业的声誉都赌在赛道上，向公众展示他们的车子。
1700045350
1700045351
事实上，为了保住“知名软件公司”“对数据有着独到洞察力”等良好印象，谷歌公司私底下进行了一次无人驾驶汽车的科研试验。因此，媒体和公众将无从得知谷歌早期的技术错误（如果曾经存在过的话）。到2011年谷歌的普锐斯车队面向公众的时候，车辆已经被“学习”得接近完美，表现无可指摘。
1700045352
1700045353
“充裕的科研预算、天才般的研发团队、预留的训练时间”，受益于这三大因素，人们看起来谷歌似乎轻而易举就创造出了优秀的无人驾驶车队。我们认为谷歌公司成功的原因里，还有一样和以上三大因素同等重要：绝佳的时机。事实上在过去的几年内，摩尔定律的无形而强大的影响力与日俱增，重组创新进入全盛时期。今天，无人驾驶汽车的发展终于步入正轨：智能软件来指路，数据支持有保障。提供数据来源的设备包括高速数码摄像机、高清数字地图、激光雷达和GPS定位系统。
1700045354
1700045355
1700045356
1700045357
1700045358
图7.3 无人驾驶领域的人工智能技术应用。大部分的机器人系统采用了各种技术的结合。物体识别技术被用来监测实时路障和识别交通秩序，部分是人工智能技术最大的挑战（如图中最左的一栏所示）
1700045359
1700045360
1700045361
1700045362
1700045363
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043808]
1700045364
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 第八章 无人驾驶汽车全解读
1700045365
1700045366
无人驾驶汽车依靠不同种类的车载传感器回传的数据流来“听”和“看”，而车辆识别地理位置则是通过GPS定位系统和高清存储数字地图。让我们一起来深入了解一下，这些为汽车操作系统提供数据的硬件设施。
1700045367
1700045368
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043809]
1700045369
高清数字地图
1700045370
1700045371
人类通过识别鲜明的地标来熟悉新环境和认路，而无人驾驶汽车识别道路是靠GPS系统、视觉传感器和高清数字地图的指引。高清数字地图是详细、精确的模型，能提供某个区域最重要的地表特征信息。无人驾驶汽车用机器学习软件来处理实时交通路况，用内容详尽丰富、持续更新的高清数字地图来处理长时间的导航。
1700045372
1700045373
无人驾驶汽车通过高清数字地图上的GPS坐标来确定大致方位。然而，GPS坐标与真实的距离存在几英尺的误差，这不能满足无人驾驶汽车的需求。于是，工程师需要想办法用其他技术手段来弥补GPS数据的低精确度，达到准确定位的效果。因此，早期的无人驾驶汽车比较注重数字地图的数据存储，其次才是实时GPS定位及其产生的数据。随着机器学习软件和视觉传感器（尤其是数字摄像机）性能的提高，汽车操作系统越来越精准地计算出当前位置，因为传感器能够精准捕捉周围环境的特征，并通过实时数据流形成可靠的视觉提示。
1700045374
1700045375
高清地图的精确度区别于标准数字地图。高清地图既能反映大型地理特征，像是高山湖泊，也能反应诸如树木和人行道的分布等微观地形细部。应用在无人驾驶汽车领域的高清地图，重点呈现的是道路或十字路口的表层静态数据，比如车道线、路口交叉点、施工地段以及道路标志。
1700045376
1700045377
1700045378
1700045379
1700045380
图8.1 覆盖着传感器数据的十字路口高清地图
1700045381
1700045382
来源：HERE地图
1700045383
1700045384
为人类肉眼设计的传统地图是二维图形成像，用静态标记表示某个地方的著名地标。而高清地图有着强大的封闭式后端，高清地图所呈现的某个区域的图像，其背后是存储着数百万个地形细部的庞大数据库，每个数据还包含着地理位置、大小、方位等其他相关信息。
1700045385
1700045386
人类的大脑都储存着一幅高清的本地地图。事实上，我们的大脑拥有惊人的“自动更新”“自动修正”能力，让任何软件工程师和制图员都嫉妒不已。更新一幅高清地图是一个艰苦的过程，需要载着摄像机和激光雷达走遍区域中的每个地方。这个过程我们将在本章后面详细讨论。
1700045387
1700045388
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043810]
1700045389
数码相机