# 克里斯·厄姆森：Aurora、谷歌、CMU 与 DARPA 的自动驾驶之路 > Aurora 首席执行官回顾谷歌自动驾驶、CMU 与 DARPA 挑战赛的经历与安全思路。 - 原标题：Chris Urmson: Self-Driving Cars at Aurora, Google, CMU, and DARPA - 期数：特别节目 - 发布日期：2019-07-22 - 嘉宾 / 主题：克里斯·厄姆森 - 网页版：https://lexfridman-cn.pages.dev/ep/chris-urmson/ - 官方页面：https://lexfridman.com/chris-urmson/ - 精读字数：约 7129 字（阅读约 16 分钟） > 本文为 lex.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 2004 年，DARPA 在莫哈韦沙漠办了第一届大挑战赛，奖金一百万美金。没有一辆车跑完全程。卡内基梅隆那支车队的技术总监叫克里斯·厄姆森（Chris Urmson），当时他还是个研究生。十五年后，他坐在 Lex Fridman 的麦克风前回忆这件事，说的是那句老话：**第一次我们确实没做成**。 在那个时间点，做这件事的人被同行视为半疯。全美只有卡内基梅隆一家机器人研究所，万一折在沙漠里，脸就丢大了。厄姆森的解释里有一句很关键的自我剖析，他称之为"无知者无畏的红利"：如果你并不知道一件事究竟有多难，你就会去试各种别人不敢试的路径，而这恰恰是那些更聪明、更谨慎的人拿不到的机会。 ## 惠特克看人的方式，看的是这个人能变成什么 带他们进沙漠的人是红·惠特克（Red Whittaker），机器人领域的传奇。厄姆森后来自己做了领导，被问到从惠特克身上学到什么，他讲了两条，第二条讲得比第一条久。 第一条是去碰那些真正难的东西，因为真正大的机会就藏在难的地方。第二条他说得更重：**看一个人，要看他能成为什么，而不是他现在是什么**。惠特克会把本科生、研究生直接推到负责人的位置上，给资源、给责任、给真正会砸锅的任务。换一个人来评估，大概会说这不就是个本科生吗，他懂什么。 厄姆森把这件事总结成"信任，但要去验证"。这套做法在机器人研究所有其现实基础：那里的人手永远不够，你必须让二十三四岁的人去决定一辆车在十字路口该怎么走。 ## 两次技术解锁：高清地图，和多线激光雷达 从第一届沙漠挑战赛到 2007 年的城市挑战赛，再到今天的公开道路，厄姆森认为中间有几次真正的台阶，并非同一种技术被不断打磨得更结实。 沙漠那一届，解锁整个问题的是**高清地图**。在此之前，野外机器人研究基本建立在"没有任何先验模型"的前提上，车开到哪儿算哪儿。而当时他们能做到分米级精度的环境模型，这一下把问题的复杂度框住了：车可以假设前方大概是什么样的地形，于是敢于提速。之前那种完全靠实时感知摸索的开法，速度上不去。 城市那一届，解锁问题的是**多线激光雷达**。它能生成中远距离、高分辨率的三维世界模型，用来理解车周围发生了什么。这在当年是改变游戏规则的东西。与此同时，一批在学术会议上"各领风骚半年"的技术终于走到了真实的舞台上。厄姆森特别提到贝叶斯估计和 SLAM：几年前你去开机器人会议，几乎每篇论文里都能找到 SLAM 的影子。看着这套东西在一个高度可见的场合真刀真枪跑起来，他觉得非常过瘾。 不过有一处细节值得掰开：城市挑战赛里他们做的其实不是实时的 SLAM。因为地图是提前建好的，车要做的是**定位**，用激光雷达或者摄像头把自己对齐到那张已有地图上。相对于此前那种朴素地相信 GPS 加惯导的做法，这一步很大。 ## 厘米级定位真正的麻烦，是地球本身在动 DARPA 给所有队伍发了同一份地图。听上去省事，实际上有个坑，直到今天还在绊人：坐标系。 你拿到一个经纬度，精确到小数点后很多位。如果你只关心米级精度，地球用哪个椭球模型描述根本无所谓。可一旦你要做到十厘米、一厘米，你就必须搞清楚这份数据用的是 NAD83 还是 WGS84。这两个标准对地球"不圆"这件事的建模方式不同，而且其中一个还牵涉**板块漂移**，需要按年份做基准转换。 拿到一张图是一回事，把这张图和现实对齐到厘米级，是另一回事。厄姆森说这件事当年既麻烦又有趣。 ## 2007 年的感知，已经有今天问题的雏形 被问到当年感知模块承担了多少工作，厄姆森的回答很坦率：肯定不如今天，毕竟十几年过去了，但核心的东西都在。 他们要跟踪其他车辆，跟踪距离超过一百米，因为需要汇入车流。他们用贝叶斯方法估计每辆车的状态，要预测这辆车几秒钟后会在哪儿。他们还要处理多假设：一辆车停在路口，可能右转，可能直行，可能左转，你得同时把三种未来都挂在账上。更麻烦的一层是，**自己的行为会改变对方的行为**。你往前蹭一点，对面那辆车可能就让你了，也可能不让。 这些事他们做得相对朴素，但它跑起来了。这就引出一个判断：自动驾驶的核心难点，十几年来的形状并没有大变，变的是容错空间。 ## 从假城市到真城市，差的不是技术名词 厄姆森列了几条差别，每一条都在放大问题的规模。 第一，**参与者真的不可预测**。路上绝大多数人开得规矩，但总有人不规矩，而且你无法预知是哪一个人、在哪一秒。 第二，**车辆种类是全集**。当年的空军基地里没有这一项。 第三，当年不需要处理自行车、行人、红绿灯。这些今天全在。 第四，也是最容易被忽略的一条：**当年只需要跑完 60 英里**。从 2006 年的视角看，跑完 60 英里就是胜利。今天的标准是几十万英里的运营寿命。同一套软件，面对的时间尺度差了三四个数量级。 还有一条环境上的差别他讲得很轻：那个基地是被人维护过的，路面平整，人和机器人之间还有隔离栏。真实世界没有这些。 ## 激光雷达是不是拐杖 马斯克说过一句广为流传的话：激光雷达是拐杖。Lex 把这个说法摆到厄姆森面前。 厄姆森先承认了对方逻辑的成立之处，而且承认得很干脆：人脑门上没长激光器，人靠被动视觉就能开车，这是存在性证明，无法反驳。他自己每天都这么干。 然后他换了个角度。他说，**激光雷达确实可以算拐杖，就像内燃机是通往电动车路上的拐杖一样**。任何技术最终都会被更优的技术替代，这不是什么需要辩护的事。真正的问题在于，地面交通这套系统本身是坏的。他提到当天早上看到的数字：去年一年，三万七千名美国人死在路上。这个数字不可接受。 所以他的判断标准很简单：任何能让自动驾驶更快落地、更早救人的技术，都该用。反对用激光器却接受一千六百万像素的摄像头，这个立场在他看来相当随意。这些都是工具箱里的零件，应该挑最好用的那件来解决问题。 > 这些只是技术零件。我们应该从工具箱里拿最好的工具去解决问题。（克里斯·厄姆森） ## 500 美元的方案能跑，50 美元的方案跑不了 Lex 提到车企最常挂在嘴边的词是成本，并顺势抛出一个让人不舒服的问题：能不能找到一套足够便宜、又足够安全的传感器组合？ 厄姆森对这个问题的前提做了修正。他认为"最便宜的传感器套件"这个提法本身就偏了，你真正要的是**经济上可行、同时能用**的套件。在这个前提下，剩下的全是毛利和成本优化的事。 他给了一个很直白的对比：如果 500 美元的方案能让系统工作，50 美元的方案不能，那便宜有什么意义？只要商业模型跑得通，就有经济空间。而经济空间很重要，因为那才是一门可持续生意的基础，也才是这套东西真正铺开到世界上的前提。 至于激光雷达的成本走势，他给了双向的判断。一方面，这项技术在原理上没有昂贵的理由，未来价格会大幅下降。另一方面，它一定会比图像传感器贵，因为 CMOS 或者芯片产线的规模化能力，远远强过机械加工的产线，这是产业结构决定的，短期改不了。 ## Level 2 的经济学，和 Level 4 的技术路线正在分叉 这是整场对话里最锋利的段落。厄姆森先做了一个澄清，他说这段话经常被曲解，所以他要讲得格外小心。 主动安全系统是好东西，应该做，应该装车，短期内就能减少事故和死亡。Level 2 指的是车辆同时控制两个轴：刹车和油门，或者刹车和方向盘。其中有一类 L2 系统是真正在辅助驾驶员的，这类系统他认为应该大力推广。 问题出在人因，出在公众对这套系统能力边界的误解，出在人们愿意给它的信任额度。他说自己现在对 Level 3 的担心反而更多一些，也对 L2 的宣传方式和交付方式更警惕，尤其是看厂商在人的因素上到底投了多少精力。 他举了一个让人不舒服的例子。就在那几周，媒体报道了一连串在特斯拉里睡觉的人。特雷弗·诺亚在节目里聊这件事，说这是一辆自动驾驶汽车，那为什么不能在里头睡。厄姆森的评价很直接：这是聪明人，资源丰富，依然会把一辆 L2 的车说成自动驾驶汽车。**它压根不是自动驾驶汽车，从来没被设计成自动驾驶汽车**。这些人在某个时点几乎必然会死，或者伤到别人。 接下来是他真正的论证，也是最值得慢读的一段。他认为由于经济逻辑不同，L2 这条技术路径会和真正实现无人驾驶的技术路径**分岔**。 理由是这样的：L2 产品的安全论证，建立在"驾驶员在负责、驾驶员在看着"这个前提上。有了这个前提，你就可以为了经济性放弃一部分漏检率。他举例说，一套前向碰撞缓解刹车系统，如果在一半的情况下驾驶员没注意到前车、系统替他刹住了，这已经是安全带级别的进步。但从经济角度看，你接下来该做的是把这个方案的成本压下去，装到尽可能多的车上。**压成本这件事，并不会提升漏检那一半的表现**。所以你在这条路上走得越远，越得不到一套能支撑无人驾驶的技术。 ## 1800 英里，和 8500 万英里 Lex 提了一个假设：如果全世界每个人都对这项技术的真实能力完全知情，L2 能不能被安全使用？ 厄姆森说不能，理由是他不相信那个世界存在。 人即使看到了统计数据，也会把它和自己的经验揉在一起。假设一个人每天开着 L2 上下 101 高速，来回 60 英里，开一个月，跑了 1800 英里，一次错都没出。这个体验非常有说服力。他会想，也许那些统计数据有别的解释，也许那些事故发生在很难的地方，反正我亲眼见它工作了一个月。 而真实的安全基准是多少？大约 8500 万英里才有一次死亡事故。1800 英里相比之下是一滴水。**人们凭亲身经验得到的风险估计，系统性地偏乐观，而且他们还是会继续信任它**，因为不信任很难。 厄姆森还补了一层：时间拉长到一两年，效果一样。而且随着这项技术从科技爱好者群体扩散到大众市场，早期用户或许能把理性维持得更久一点，后来的用户读一遍说明，再对照自己一个月的顺利体验，防线会崩得更快。 ## 怎么向世界证明一台车是安全的 厄姆森承认这个问题没有一句话答案，这是他少见的开场就先认输的时刻。 他的思路是叠加几层证据。第一层是过程：功能安全流程这类东西，作用是证明"我们是认真按规矩做的"。你如果相信我们描述的流程属实，就能对我们工程上的严谨度有一些信心。第二层是能力证据：仿真、单元测试、分解测试，加上一部分公开道路数据，共同说明这套系统确实能做到我们声称的事。第三层是背书：向 NHTSA 和各州监管机构做深入沟通，让这些以公共利益为职责、被公众信任的机构先被说服。 > 没有一句话的答案。我们只能拿出组合起来的证据，让别人相信我们既做得认真，也确实做得好。（克里斯·厄姆森） ## 脱离次数为什么是个坏指标 目前业界公开使用的指标是每多少英里人工接管一次。厄姆森说这个指标很快就会变成营销工具，各家调整测试设计就能让数字好看。他明确表示，自己曾向加州 DMV 书面表态，认为这不是个好指标。 他相信可以造出更好的指标体系，但不会是一个数字。方向是**按能力拆解**：识别红绿灯、左转穿过对向车流，这些具体任务人类驾驶员的失败率大概是多少，然后把自家系统的表现和这个基准对比。这些分项指标串起来，才能讲出一个有说服力的故事。 他还提到航空业的事件金字塔：最顶上是一次事故，往下是受伤、险兆、违反操作规程，每一层都建统计模型，用小事故的频率去推断大事故的概率。这套方法自动驾驶迟早要用，因为一次死亡在 8500 万英里的尺度上，即使把全美国的数据放在一起也很难直接比较。而自动驾驶汽车沾上的一次死亡，短期内获得的关注度是被极度放大的。 ## 让人坐进去，然后觉得无聊 公众对自动驾驶最热衷的讨论是电车难题。厄姆森没有多纠缠这个话题，他转向了另一个更实际的问题：怎么让人心服。 他的答案是让人亲自体验。他认为怀疑是合理的，人应该提问，应该质疑，因为这是个新东西，谁都没摸过。 他讲了自己做演示时最喜欢的一幕。带上一个人上高速，在 101 上以 65 迈的速度跑着，十分钟后对方转过头来问：**它就会这个？** 厄姆森的回答是，这是辆自动驾驶汽车，我也不太确定你还期待它做什么。 这件事的要害在于，它变得乏味了。而这恰恰是你想要的。他打了个比方：按开关的时候没人会去想电子是怎么从某处的发电厂被推进电线里的，你只会在它不亮的时候烦一下。这项技术该有的样子就是这样，退到背景里去，人可以在车里见同事、读文件，不用怕天黑。 ## 先做城市，而不是先跑高速卡车 被问到什么时候能看到万辆级的部署，厄姆森给了一个相对明确的判断：十年之内。 但他认为真正的分水岭不在数量。真正的节点是**一辆没有安全员的无人车在公共道路上连续运营**。跨过这一步，才算从零走到了一。之后才是规模化、商业模型、用户体验，才算从混合的科学工程研究变成工程与商业化。 Aurora 在选择切入场景时，行业的风向是卡车高速干线，因为人的直觉认为高速更容易：大家同向行驶，车道也宽一些。厄姆森说这个直觉大体成立，只是它忽略了关键的一点：**我们关心的不是大部分时间，是全部时间**。 一辆七万磅的卡车以 70 迈行驶，动能是惊人的。一旦出错，出的是大错。而这种极端情况出现得很少，意味着你学得慢。所以他判断，高速并不比城市简单，它只是难点更稀疏、更致命。 他们选择中速城市和郊区环境，逻辑有三层。两辆车在 25 迈相撞，结果不好，但人大概率能自己走下车。这类有潜在后果的场景出现频率高，学习速度快。风险对所有人来说都更低。而且它直接提供了从 A 到 B 的出行价值。城市搞定之后，高速那一块自然会掉出来。 ## 最该担心的不是大车，是自行车和行人 被问到夜里睡不着时想的是什么，厄姆森说的是弱势道路使用者，尤其是自行车和车、自行车和行人的组合。理由是物理上的：车里的人有铁皮护着，撞了后果可控；骑车的人和走路的人没有任何防护。 Lex 追问了一个博弈论层面的问题。如果你为了保护行人而开得谨慎又慢，行人会不会学会占你便宜？人在现实中是靠往前蹭来穿过人群的，这套算法写进车里，听上去并不体面。 厄姆森把它拆成两件事。第一件是他不担心有人故意走上马路来欺负无人车。理由很朴素：他自己开车时如果有人走到车前，他会停下来，气归气，但绝不会从人身上碾过去。人也不想被撞。唯一的增量风险是行人可能对无人车的识别能力信心不足，行为会略微不同，仅此而已。 第二件是穿过音乐会散场那种人流，他认为这属于技术路线图上更靠后的位置。算法本身其实很简单：慢慢往前挪，有人贴得很近就停。而且这种场景的速度是 1 迈，不是 30 迈，风险本来就很低。**这件事更像人机交互问题，而非算法问题**：车怎么通过视觉显示，让行人感到自己是被礼貌地请开的。 ## 如果有一根魔杖 Lex 换了个问法：如果能许一个愿，让系统的哪一部分立刻变完美，会加速整个进程？他特意加了一句，别说基础设施。 厄姆森说不是基础设施，是**感知加预测**。如果明天有人能给他一个完美的模型，把车周围发生过的、正在发生的、未来五秒将要发生的一切都说清楚，整个进程会被极大加速。 这个回答值得琢磨。它意味着今天最大的不确定性，还停留在"我看不清、我猜不准"这一层：并非车不知道怎么打方向盘。 ## 不盯着对手，是因为dead end太多 被问到主要竞争对手是谁、长期怎么赢，厄姆森的回答听上去像公关话术，但他给出了具体支撑。 他说他们很少花时间想战术层面的对手。这是个巨大且困难的问题，一批公司同时在攻，这对社会是好事，总得有人到达终点。 真正的优势在别处。一是领导团队的经验密度高，知道这片地形上哪些路是死的，尽量绕着走。二是招人：这件事有明确的使命，能吸引到很强的人。三是文化，让人觉得可以安静地花时间解决真正的问题，而不是疲于奔命。四是他讲得最实的一条：**早期就在基础设施和架构上重投入**。因为早期拿到了好的团队和好的投资人，他们不必把时间全耗在做 demo、从一个演示跳到下一个演示上，可以腾出手去建机器学习的基础设施、建路测数据回流的基础设施、建用数据加速工程迭代的基础设施。 这段话在 2019 年说出来，是整个行业分野的注脚。同样在做自动驾驶，有的公司在比谁的视频好看，有的公司在比谁的数据管道更粗。 ## 回到最初那个问题 访谈里有个细节，可能比任何技术判断都重要。 Lex 问，从沙漠到城市挑战赛，你个人是什么时候相信这件事能成的？厄姆森的回答像是反问：当然相信，不然你为什么要去做一件你认为完全不可能的事？他们知道会很难，不知道怎么做，也不知道第一次能不能成。事实证明第一次没成。 但正是那种"不知道有多难"的状态，让他们敢去试那些 wiser 的人不会试的方案。十五年后，同一个人站在一家自动驾驶公司的 CEO 位置上，面对的是另一种难题：他知道有多难了。三万七千人死在路上，8500 万英里才有一次死亡，人坐在车里十分钟就会开始过度信任，一套 50 美元能跑但跑不好的传感器方案会毁掉整条技术路线。 他知道得太清楚了。所以他给出的时间表是十年，落地点是中速城市，第一优先级是没有安全员的连续运营，而不是发布会上的视频。 这种克制，在一个被神秘和炒作同时笼罩的领域里，本身就是一种稀缺资源。 - **看到"自动驾驶"这个词，先问它管几个轴。**只管油门刹车是一回事，管方向盘是另一回事，出事时责任在车上还是在人身上，是第三回事。宣传语里几乎不会主动区分，你得自己去问。 - **用样本量给自己的体验打折。**一个月来回跑了 1800 英里一次没错，听着很有说服力，而人类驾驶的死亡基准大约是 8500 万英里一次。你亲眼所见的那点数据，不足以支撑你的信任。 - **别信单一指标。**任何一家公司公布"每万英里接管次数"，先看它有没有同时公布测试场景构成和接管判定标准。没有这两样，数字之间没有可比性。 - **看它敢不敢讲自己做不到什么。**只讲能力不讲边界的团队，要么没测过边界，要么在赌你不会问。 - **判断进度，盯一个节点：无安全员的连续商业运营。**demo、里程数、城市数量、融资额都是过程量，只有这个节点是 0 到 1。它一旦出现，后面的时间表才有讨论意义；它没出现，其他数字都是在不同的尺子上量。 - **留意那家公司在基础设施上的投入。**仿真、数据回流、评测体系这些不上新闻的东西，决定了它三年后是在迭代还是在重做。 - **把注意力留给自行车和行人。**讨论自动驾驶安全时，最该被追问的是弱势道路使用者的保护方案，而不是那辆七万磅的卡车能不能跑高速。