近年来，智能汽车成为全球汽车产业发展战略方向。一系列智能科技的应用助推了自动驾驶技术日渐成熟，然而，当前无人辅助的自动驾驶汽车要真正上路还有不小的距离。自动驾驶发展还需要解决哪些问题？日前在北京华夏幸福创新中心举行的全国博士后学术交流活动上，与会专家分享了他们的思考。

中国人工智能学会理事长、中国工程院院士李德毅说，当前自动驾驶的主流技术路线要求根据路况数据，生成对应不同环境的驾驶模式。理论上，这一自动驾驶模式必须输入无穷多的数据，形成无穷多的驾驶模式供计算机选择，但要实现这一点很困难。

李德毅认为，自动驾驶汽车要想走出特定场景、走向开放道路，必须具备主动学习的能力。人之所以接受培训后获得驾照，是因为我们预设驾驶员具有不断学习的能力，能越开越好。未来自动驾驶汽车应该是能自主学习的轮式机器人，无需驾驶员的辅助，能像人一样学习，否则就不能叫自动驾驶。李德毅说。

标准的争议也是自动驾驶面临的挑战之一。与会专家表示，尽管美国机动车工程学会提出自动驾驶从L0级到L5级分类标准，也逐渐得到产业界认可，但这一分类存在定义模糊，不同级别之间界限有待厘清等问题。

自动驾驶的安全性最受关注，但要通过道路测试来验证自动驾驶的安全性困难也不小。驭势科技首席执行官吴甘沙说，从统计学看，要证明一个自动驾驶系统比人的驾驶安全性能提升20%，需要110亿公里的道路测试数据，要获得这些数据仅仅通过几百台测试车是不可能的。

自动驾驶研发也有技术难题。现实中，智能化程度较低的辅助驾驶技术已经应用，但高级别的自动驾驶以机器为主导，应具备全部自动驾驶功能。当前，推进高级别的自动驾驶技术，产业界存在两种不同的研发路径。第一种是一步到位路线，即从一开始就研发彻彻底底的自动驾驶汽车；另一种则是步步为营路线，即在传统的汽车上逐渐新增一些自动驾驶的功能，最终过渡到完全自动驾驶的阶段。专家表示，前者将面临技术不成熟和成本高昂的问题，后者则容易被现实束缚，不易取得突破性进展。

吴甘沙认为，折中的路线或许有助于破解自动驾驶实现难题，即把全自动驾驶的技术应用于高频、刚需、可量产的场景，在提升技术成熟度和经济性的同时，积累更多的复杂场景数据，提高全自动驾驶技术的普适性。他认为，自动代客泊车、物流车和快速公交系统这几个场景符合高频、刚需、可量产的要求，有助于推动全自动驾驶技术落地和数据积累。