特斯拉无人驾驶技术多少级，特斯拉全系车辆都将完全自动驾驶技术够格了吗

来源：整理时间：2023-08-07 19:34:02 编辑：亚灵电子网手机版

1，特斯拉全系车辆都将完全自动驾驶技术够格了吗

你好，现在特斯拉国内版本还是L2 级别，真正的无人驾驶是L4级别。还有两个级别差距，此外无人驾驶对路况要求很高，现在在国内，考虑高速或者快速路可以L2模式，

特斯拉全系车辆都将完全自动驾驶技术够格了吗

2，汽车怎么做到无人驾驶的

变形金刚变身……好吧，开个玩笑。无人驾驶汽车会配备各类车载传感器，包括卫星定位系统、图像采集系统、超声波探测器、毫米波雷达、激光测距系统等，以此来感知车辆位置、周围环境、道路状况、交通信号、人员和障碍物等，同时在计算机和网络的帮助下，自动规划行车路线，控制车辆的速度和转向，使车辆能够安全、可靠地在道路上行驶。本答案来自腾讯可持续社会价值事业部与中国儿童中心联合推出的系列科普图书《答案》，内容由领域科学家/专家校验通过。

汽车怎么做到无人驾驶的

3，Tesla技术到底是什么技术

特斯拉是一家极具创新性的公司，还不清楚该公司在提供什么颠覆性技术。电动汽车已经出现了很长一段时间（特斯拉出售电动汽车也有近十年时间），但该技术仍然没有内燃机出色，也没有后者经济实惠。根据特斯拉的官方数据，电池能量密度没有显示出驱动数字技术的指数级改进的那种增长。电池性能可能还要50年才能达到与矿物燃料同等的水平。无人驾驶汽车以及特斯拉基于人工智能、机器人等技术的改进实现全自动化生产的希望同样如此。也许，特斯拉使用当中的一部分或者所有的技术，就能找到解决方案，但目前他们还没能找到。当然，与此同时，特斯拉也不一定能够在任何的汽车技术军备竞赛中成为赢家。大多数的主流汽车公司都在大力投资发展同样的技术，有的公司可能也使用与特斯拉一样的零部件供应商。特斯拉于2014年将它所有的专利开源，等于完全放弃掉它本可以通过专有发明获得的竞争优势。就目前而言，该公司拥有同时具有豪华和可持续性特征的强大品牌。但不难看到，任何现有的高档车品牌——比如宝马、奔驰、沃尔沃和雷克萨斯——也可以说有同样的品牌特质。望采纳，谢谢！

我不会~~~但还是要微笑~~~：）

Tesla技术到底是什么技术

4，无人驾驶汽车什么时候会普及

估计要从2025年-2030年开始普及，但应用场景仍然有限制。在任何天气和任何条件下都能无人驾驶的最高等级L5汽车可能还需要更长时间才能出现。

无人驾驶汽车一直是人们努力的一个目标，只要有了无人驾驶汽车就可以不需要驾照也能开车上路了，这几乎是所有老人的愿望，为什么小编会说是老人们的愿望呢？因为很多老人都想去看一看自己工作的孩子，自己坐车又不安全，那么无人驾驶汽车真的实现的话，老人就可以随时随地的去看孩子了，完全不需要担心驾照和开车的安全问题，所以小编也十分的期待无人驾驶汽车能够真正的运用到生活当中。

无人驾驶汽车能实现普及恐怕还有七年至十年时间才会实现，目前只是刚投入市场阶段。

无人驾驶技术是近两年来非常火的话题，无论是有车还是没车的人，对于这项技术都非常感兴趣。这两年全球都在研究这项技术，而作为领军人物的特斯拉，在车上也已经率先搭载了无人驾驶技术，而且它的表现貌似还不错。国外有很多车主在驾驶汽车的时候，都会打开这一项技术来辅助自己驾驶。?国内这些年也在研究无人驾驶技术，并且现在已经放开了路测，北京、上海、深圳等地区已经成功拿到了测试名额。在这些城市的道路上，我们经常能够看到一些头上顶着“黑匣子”的汽车，这汽车其实就是一些无人驾驶汽车。因为现在这项技术还不是很成熟，所以车内还坐着检测人员，他们会实时观察探测到的数据，并且对此进行分析。?而车上的这些黑匣子，其实并不是一个摆设，它是一个中枢处理系统，而且也是一个大数据系统，里面装载了很多的大数据。车上也装着很多的摄像头，车辆在行驶的过程中就会将路上拍摄下来的情况上传到这个“黑匣子”里，然后再进行大数据的系统分析。?从目前测试的结果来看，无人驾驶技术还是比较可靠的，它们在拥挤路段以及红绿灯路段都能够及时作出反应。很多人现在已经很期待了，也都在纷纷呼吁快点普及，这样自己就不用考驾照了。不过很多人对于这项技术还是存在着质疑的，尤其是现在国内的道路状况瞬息万变，人开车的时候都有可能出错，依靠电脑来指挥的话，那是不是更容易出错？如果是无人驾驶出了事故的话，又应该由谁来承担责任？?大家有这些担心也是正常的，毕竟现在无人驾驶技术还没有完全成熟。现在无人驾驶只是处在一个测试阶段，如果要完全运用到我们的日常生活当中，可能还需要很长的时间。这项技术其实还是很值得期待的，有了它之后就可以完全解放我们的双手，或许真的可以实现不用驾照就能开车的梦想。

会的

5，无人驾驶还有多远

业界乐观的看法是，在2025年前后，真正意义的完全无人驾驶汽车将正式上路尽管无人车的智能水平令人叹服，但此前特斯拉公司由于自动驾驶而发生的事故，让人对无人驾驶仍不放心。实际上，无人驾驶和自动驾驶并不完全相同。倪凯说，无人驾驶完全不需要人为干预，汽车可以通过环境感知、行为决策、运动控制等技术完成一系列的行车动作。而自动驾驶也可以代替驾驶员控制车辆，但必要时依然需要人对车辆进行操控。目前，部分自动驾驶技术和辅助驾驶技术已经应用到了日常可见的汽车上，比如前后车距测量、自动泊车等功能。根据美国国家公路交通安全管理局公布的划分标准，智能汽车可以分为4个级别，分别为：驾驶辅助、半自动驾驶、高度自动驾驶、完全自动驾驶。第四级别属于全无人驾驶的最高级别，是汽车驾驶自动化、智能化程度最高的级别，也就是习惯所说的无人驾驶。无人驾驶与前三个级别不同。前三个级别智能汽车仍是交通工具，第四级别无人驾驶则是“四个轮子的电脑”。这也是两种不同的自动驾驶转型路线。第一种是“渐进演化”的路线，也就是说在传统的汽车上逐渐新增一些自动驾驶的功能，例如特斯拉汽车的自动驾驶功能就属于这种类型，也包括传统的汽车制造商。另外一种就是“一步到位”的路线，它们从一开始就是彻彻底底的自动驾驶汽车，例如Alphabet、百度。对研发者来说，安全是自动驾驶的根本出发点，两种发展方式并非完全矛盾。“渐进演化”的半自动车，其本质上还是一种为驾驶者优化体验的机制。目前已经允许驾驶员在道路上双手离开方向盘行驶。此外，利用一系列的传感器和摄像头，这些半自动驾驶汽车还能完成并线、自动泊车、在一条车道上行驶和自动刹车等操作。专家介绍说，以特斯拉为例，根据对于无人驾驶的标准，特斯拉的自动驾驶基本处于2级与3级之间，也就是说，特斯拉的自动驾驶或无人驾驶的服务对象都是司机，而非乘客。在使用时，驾驶者仍需保持驾车应有的机警，时刻留意车辆的行驶情况，以便在紧急情况下，随时接管车辆的控制权。此前特斯拉因为自动驾驶在美国佛罗里达州发生的事故中，调查发现驾驶员的注意力分散超过了7秒。而特斯拉自动辅助驾驶仍需要驾驶员始终全神贯注地监控交通环境，并准备好随时接管方向盘。“一步到位”的无人驾驶车，其实就是一个特殊的带着轮子的机器人，它的核心技术在“大脑”。本质上说，无人驾驶是一个软件或算法问题。它首先瞄准自动驾驶的最高级别，也就是4级无人驾驶，这个级别的无人驾驶服务对象是乘客。同时，汽车也被看作是新一代的移动计算终端，直接用最优的计算能力和最好的传感器以最大化保证安全，直接实现全无人驾驶，再试图在几年之内通过产业化的努力大幅降低传感器价格，从而缩短量产时间。业界乐观的看法是，在2025年前后，真正意义的完全无人驾驶汽车将正式上路。倪凯认为，目前无人驾驶技术依然处在研发及实验阶段，在实际投入量产前依然需要大量的工作。由于中国特殊的道路交通环境，想要解决国内自动驾驶技术发展中的问题，必须依赖于本土研发。目前，中国的人工智能研究已处于世界前沿，有关方面也在积极起草自动驾驶相关的行业标准及政策法规，这些都将有力推动自动驾驶乃至无人驾驶在中国的发展。

五年后

6，无人驾驶汽车什么时候进入市场

截止2020年，特斯拉汽车已经支持无人驾驶了。特斯拉表示，所有在工厂生产的特斯拉车型（包括Model3）将配备具有全自动驾驶功能的硬件，新硬件将从根本上提高车辆行驶的安全性。该系统包含8个摄像头，覆盖360度可视范围，对周围环境的监控距离最远可达250米。车辆配备的12个超声波传感器完善了视觉系统，探测和传感硬、软物体的距离接近上一代系统的两倍。而且增强版前置雷达可以穿越大雨、雾、灰尘，甚至前方车辆，从而提供周围更丰富的数据，保障无人驾驶的安全。扩展资料：从20世纪70年代开始，美国、英国、德国等发达国家开始进行无人驾驶汽车的研究，在可行性和实用化方面都取得了突破性的进展。中国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。2005年，首辆城市无人驾驶汽车在上海交通大学研制成功。世界上最先进的无人驾驶汽车已经测试行驶近五十万公里，其中最后八万公里是在没有任何人为安全干预措施下完成的。参考资料来源：人民网——特斯拉将标配无人驾驶

无人驾驶汽车目前在美国发展比较快，但都是在实验阶段。优步、谷歌、特斯拉都有无人驾驶汽车技术。但这个无人驾驶还比较初级。预计在2020年左右会有一个比较大的技术突破。但要普及的话，至少要等到20年以后。无人驾驶将会对人类的生活方式造成极大的冲击。人类各个领域要做重大变革才能迎接普及化的无人驾驶汽车时代。

目前还在试行阶段，估计要确保无人驾驶汽车基本不出问题才上市，至少要一年

在3月15日召开的上海国际信息化博览会上，多名汽车电子和汽车安全领域的人士告诉《IT时报》记者，完全的无人驾驶在5年内不太可能商用，对于车企来说，ADAS（高级驾驶辅助系统）是目前更为现实的选择;而在2015年末百度发布的无人驾驶汽车计划中，商用的时间表是2018年。无人驾驶≠自动驾驶无人驾驶与自动驾驶实际上是两种完全不同的概念，确切地说自动驾驶应该被称为“辅助驾驶”，而完全的自动化驾驶才能被称为无人驾驶。无人驾驶技术等级目前在自动驾驶技术等级中处于最高级，　利用人工智能AI的精密算法程序去替代驾驶者称为操控整个车辆的“大脑”，乘客可以在驾驶人与乘客中自由切换，无人驾驶车如同专属司机，听指挥行走。将行车的活完全交给了无人驾驶系统的人工智能AI，行程如何行驶，行驶速度控制在多少，都由无人驾驶车说了算。谷歌公司甚至认为无人驾驶车内可以将方向盘省去，车内无需人为操控部件。而自动驾驶虽然可以代替驾驶人操控车辆，但车辆的控制权仍在驾驶人手上。目前从技术的角度上来说，自动驾驶有两条发展方向：ADAS（Advanced Driver Assistance System）高级辅助驾驶与人工智能。ADAS的技术目前已经在量产车上普及，主要分担驾驶人的一些行车工作，如自适应巡航、车道保持功能、自动泊车等，驾驶操作由系统经过计算完成，但驾驶人仍需要负责车辆周边监控，保持驾车状态，以便随时接管车辆。后者的人工智能更接近与无人驾驶的状态，以AI切入自动驾驶，对技术与车辆有着更严格的要求，系统不仅仅是辅助、警告功能，还有着规划及对车辆的控制功能。目前为了更好的区分自动驾驶技术，美国汽车工程师学会将自动驾驶分为五个等级，目前大多数量产车都处于0级-2级之间。为了更好地区分不同层级的自动驾驶技术，国际汽车工程师学会在2014年发布了自动驾驶的六级分类体系，美国国家公路交通安全管理局（NHTSA）原本有自己的一套分类体系，但在2016年9月转为使用SAE的分类标准。今天绝大多数主流自动驾驶研究者已将SAE标准当作通行的分类原则。　在SAE的分类标准中，目前日常使用的大多数汽车处在第0级和第1级之间，碰撞告警属于第0级的技术，自动防碰撞、定速巡航属于第1级的辅助驾驶，自动泊车功能介于第1级和第2级之间，特斯拉公司正在销售的Autopilot辅助驾驶技术属于第2级技术。

未来技术成熟之后，一套完全无人驾驶系统成本可降至1~2万元，这将是消费者和车企都能接受的价格，但目前来看，要想实现对司机的完全替代，至少要到2020年以后，甚至到2030年才可能普及。无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。已经在许多国家投入使用，包括日本、瑞典以及美国等。

7，什么是人机共驾

人机共驾（Shared Autonomy）MIT 认为自动驾驶应该分为两个等级：一、人机共驾（Shared Autonomy）；二、全自动驾驶（Full Autonomy）。这样的分类方式不仅能够提供有建设性的指导方针，添加必要的限制条件同时还可以对要实现的目标进行量化设定。甚至，对每个类别下要实现的功能、对应的技术需求以及可能遇到的问题都可以划分出来。这个原则的核心在于对「人类驾驶员在环」的讨论。为了实现对车辆的有效控制，人和机器组成的团队必须共同保持对外部环境有充分的感知。目标是促使整个行业对「人机共驾」和「全自动驾驶」进行清晰地划分。需要指出的是，表 I 中的术语「Good」和「Exceptional」用来表示解决 1% 极端案例的优先级顺序。远程操控、V2X 和 V2I 等并非必须的技术，如果要使用的话需要达到特殊的能力要求。在实现高等级自动驾驶的方法上，传统思路全程都跳过了对「人」这个因素的考虑，精力主要集中在对地图、感知、规划以及表 I 中「全自动驾驶」一栏标注为「exceptional」的技术上。实际来看，考虑到目前的硬件和算法能力，这种解决方案对高精度地图、传感器套件的鲁棒性要求很高，提供的是较为保守的驾驶策略。而正如表 I 所述，「以人为中心」的自动驾驶汽车着眼点主要在司机身上。负责控制车辆的依然是人，但前提是要对人的状态、驾驶方式及之前的人机合作经验做充分的考量，同时把车辆的转向、加减速等交由人工智能系统负责。以特斯拉的 Autopilot 为例，之前 MIT 的研究显示，测试中有超过 30% 的行程都是由这套 L2 级驾驶辅助系统控制完成的。而如果人机共驾应用成功的话，应该能实现超过 50% 的机器控制率。在这次实验中，MIT 表示无人车系统在接管过程中呈现出了不同程度的能力，而人类驾驶员始终在密切关注着机器的动态，根据感知系统获得的信息及时预测可能发生的危险。二、从数据中学习（Learn from Data）从表 I 不难发现，这其中涉及的任何一项车辆技术都是数据驱动的，需要搜集大量的边缘案例数据，利用这些数据持续不断地优化算法。这个学习过程的目的应该是，通过大量数据实现从传统的模块化监督学习向端到端半监督式和无监督学习过渡。要实现车辆的自动驾驶，传统的方法，不管是哪个级别，几乎都不会大量的应用机器学习技术。除了在一些特殊的线下场景，比如 Mobileye 的视觉感知系统要进行车道线识别，或者是通用 Super Cruise 搭载的红外摄像头要对驾驶员头部动作进行预测等。特斯拉的 Autopilot 可能要比其他方案更进一步，在开发针对第二代硬件平台 HW 2.0 的软件算法时，在视觉感知上应用了越来越多监督机器学习的原理。但即便如此，对车辆的绝大部分控制以及对驾驶员状态监测的实现中，并没有利用大数据驱动的方式，也几乎不涉及线上学习的过程。而在目前业界进行的一些全自动驾驶技术的路测中，机器学习主要应用于环境感知这一环节。更甚的是，这些车辆采集到的数据，无论是从量还是多样性来看，和具备 L2 级自动驾驶能力的车型相比，逊色不少。特斯拉 Autopilot 对目标物、车道线的检测主要依赖机器学习算法进行 | ElectrekMIT 认为，「L2 级自动驾驶系统中机器学习框架使用的数据，从规模和丰富性的角度来看都具有足够的扩展能力，可以覆盖多变的、具有代表性、挑战性的边缘案例。」人机共驾（Shared Autonomy）要求同时搜集人和车辆的感知数据，挖掘分析后用于监督学习的标注。在 MIT 的实验过程中，驾驶场景感知、路径规划、驾驶员监控、语音识别以及语音聚合都应用了深度神经网络模型，可以通过搜集到的大量驾驶体验数据进行持续性的调校和优化。在进行数据采集时，MIT 表示并不会只局限于单一的传感器来源，而是对整个驾驶体验通盘考虑，并将所有的传感器数据流通过实时时钟（real-time clock）汇总、聚合，用于多个神经网络模型的标注。这种方式能够让驾驶场景与驾驶员状态能够很好地匹配起来，而在聚合的传感器数据流进行标注工作，使模块化的监督学习可以在数据规模允许时轻松地向端到端学习过渡。三、监督人类（Human Sensing）这个其实就是我们俗称的「驾驶员监控」。它指的是对驾驶员的整体心理以及功能特征，包括分心、疲惫、注意力分配和容量、认知负荷、情绪状态等的不同程度进行多维度的衡量和评估。目前除了通用 Super Cruise 在方向盘上装有一枚红外摄像头外，不管是搭载了 ADAS 驾驶辅助系统的量产车型，还是在路测的全自动驾驶汽车，绝大部分都没有提供任何有关驾驶员监控的软件和硬件。特斯拉 Model 3 其实也装了一枚车内摄像头，但目前尚未启用，具体功用官方表示要等软件更新后才知道。而基于视觉的解决方案以外，市面上还包括一些准确率不高的方式。比如特斯拉在方向盘上安装了扭矩传感器，也有的公司利用监测方向盘是否发生倒转的方式推断驾驶员是否出现疲劳情况。全新一代凯迪拉克 CT6 搭载的驾驶员监控系统由 Seeing Machines 提供 | 官方供图MIT 认为「对驾驶员状态的感知和监控是实现高效人机共驾的的第一步，同时也是最关键的一步。」在过去的二十多年里，来自机器视觉、信号处理、机器人等领域的专家都进行过相关课题的研究，目的都是在探讨如何尽可能保证驾乘人员的安全。此外，对驾驶员状态的监测对如何改善和提升人机交互界面、高级驾驶辅助系统 ADAS 的设计都有很大帮助。随着汽车智能程度的不断提高，如何准确、实时地探测到驾驶员的各种行为对打造安全的个性化出行体验尤为重要。比较有意思的一点是，从完全的手动驾驶到全自动驾驶，这其中涉及到不同模式切换的问题。一般来说双手脱离方向盘（handoff）就是一种信号，可能表示系统要做好接管的准备了，但还有什么其他更准确的信息可以用来判断，可能这也是「驾驶员监控」的研究人员需要持续思考的地方。四、共享的感知控制（Shared Preception-Control）通俗点来说，这相当于为整个自动驾驶系统增加了「一双眼睛和手」。目的是建立额外的感知、控制和路线规划机制。即便在高度自动驾驶系统运行状态下，也要及时地为驾驶员推送信息，将其纳入到整个驾驶过程中。研究全自动驾驶的目的就是为了完美地解决「感知-控制」的问题，考虑到人类的不靠谱和行为的不可测性。所以传统观点认为最简单的办法就是把人从开车这件事上排除掉，像十几年前在 DARPA 挑战赛中获胜的队伍一样。但和传统解决思路相反的是，MIT 提出的「以人为中心」的理论将人置于感知和决策规划闭环中的关键位置。因此，整车感知系统就变成了支持性的角色，为人类驾驶员提供外部环境信息，这其实也是为了解决机器视觉本身存在的局限性而考虑的。表 II MIT「以人为中心」自动驾驶系统执行的感知任务，包括对驾驶员面部表情、动作以及可驾驶区域、车道线以及场景内物体的检测 | MIT在 MIT 的研究中，工作人员围绕这个原则设计了几条关键的算法。表 II 是其中几个典型的案例。首先，从视觉上可以看到神经网络做出的判断、道路分割的区域以及对驾驶场景状态的预估的可信程度；其次，将所有的感知数据整合并输出融合式的决策建议，这样在表 IV 的场景下就能够对整体风险进行预估；再次，MIT 一直使用的是模仿学习：将人类驾驶员操控车辆时方向盘的动作作为训练数据，进一步优化端到端的深度神经网络；最后，MIT 使用的端到端的神经网络属于一个叫做「arguing machines（争论机器）」框架的一部分，它为主要的感知-控制系统（表 III）提供了来自人类的监督。这里的「争论机器框架」是 MIT 2018年提出的一个概念，它将主要 AI 系统与经过独立训练以执行相同任务的次要 AI 系统配对。该框架表明，在没有任何基础系统设计或操作知识的情况下，两个系统之间的分歧足以在人工监督分歧的情况下提高整体决策管道的准确性。表 III 对「争论机器」框架在「Black Betty」自动驾驶测试车上的应用和评估 | MIT表 IV 通过结合车内外感知系统数据得出的融合型决策能够充分预估可能发生的风险 | MIT五、深度定制化（Deep Personalization）这里涉及到一个「将人类融入到机器中」的概念。通过调整 AI 系统的参数，使其能够更适合人类操作并呈现出一定程度的定制化。最终的系统应该带有该驾驶员的行为特征，而不是像刚出厂时的普通配置一样。六、不回避设计缺陷（Imperfect by Design）对整个汽车工业而言，处于很多原因的考虑，进行工程设计时通常考虑最多的是「安全」，所以要尽可能地讲系统错误出现的频率和程度降至最低。换句话说，对自动驾驶而言，完美是目标，这也导致了在进行某些功能设计时，可能会因其「不完美」和「不确定」的性质而放弃这些可能是「必要」的设计。但是在 MIT 的研究看来，丰富、高效的沟通机制在设计用于实现「人机共驾」的人工智能系统时，是非常必要的因素。就「沟通」而言，系统存在的不完美对人和机器而言，在进行感知模型的交换和融合过程中，能够提供密集、多样的信息内容。如果将 AI 系统的不确定性、局限性和错误都隐藏起来，这也就错失了与人建立信任、深度理解关系的机会。MIT 认为，此前业界在设计半自动驾驶系统时所采取的「完美」思路，可能是迄今为止所犯的严重错误之一。而在开发「Black Betty」这辆无人车时，MIT 把人工智能系统的局限性通过文字和视觉的形式与人类进行充分沟通。例如将人类和机器对外部世界的感知视觉化，让驾驶员知晓 AI 系统的局限所在。研究人员表示这种方式相比只是提供「报警」或者「模糊的信号」，是最简洁有效的人机沟通方式。尽管这种沟通机制要实现还面临一些技术上的难题，比如视觉化的过程通常对芯片的算力和实时调用的能力要求很高。但值得机器人、自动化以及人机交互等领域共同关注并思考解决的办法。七、系统级的驾驶体验（System-Level Experience）目前，汽车工业的工程设计过程中，一个最主要的目标就是「安全」。另一个则是「降低成本」。第二个目标导向的是模块化、基于零部件的设计思考。但同样的模式在面向机器人、计算机视觉、机器学习等领域的人工智能系统设计中却有着迥异的理由。譬如在设计中重视单一功能（目标物检测等）的实现，能够有效测试该算法的合理性并逐步使之得到改善和优化。但是这个过程也难免会把注意力过渡集中在单一功能而忽略了系统的整体体验。在过去的几十年里，「系统工程」、「系统思考」这样的原则一直在指导着汽车工业产品的输出。然后，类似的思考却几乎没有应用在自动驾驶汽车的设计、测试和评估过程中。正如 MIT 上面提到的这六大原则，人和机器都不可避免会有缺陷，只有当「人机共驾」这个框架在系统层面上得到考虑时，这些缺陷才可能有机会成为优势。对「人机共驾」的永恒讨论不管短期还是长期来看，其实很难预测自动驾驶的哪条实现路径最终会成功，而且退一万步说，你甚至都不知道什么样的结果算得上是「成功」。在谈到研究目的时，MIT 希望一套自动驾驶系统能够同时满足「安全」、「愉悦的驾驶体验」和「提升的出行体验」这三个要求，而不是彼此妥善折中。而尽管「人机共驾」这个话题在过去的十年里，是包括汽车工业、机器人在内很多领域研究的焦点，但它仍值得更深入的探讨。在今年四月份的上海国际车展上，coPILOT 智能高级驾驶辅助系统，这是一套定位「L2+级」的自动驾驶辅助系统，目的是提高乘用车的安全性和驾驶舒适性。从产品名称不难看出，这套系统同样强调了「人机共驾」的概念。它配备了相应的传感器和功能，能够监控驾驶员并在发生潜在危险情况时触发警告。例如，当发生驾驶员注意力不集中、几乎完全未将注意力放在路面交通上或显示出瞌睡迹象等。所以人工智能扮演了「私人驾驶助手」的角色，这个产品理念与 MIT 的研究不谋而合。到底完美解决驾驶任务比完美管理人类的信任和注意力哪个更难？这是值得深思熟虑的问题。MIT 认为关于这个问题的讨论仍不会停止，不管是这篇论文还是「Black Betty」这台无人测试车，都是基于「人机共驾」研究的成果，MIT 认为它是开发「以人为中心」自动驾驶系统的必由之路。

①时间概念层面的，什么时候人开车，什么时候车自己开（纯无人驾驶），什么时候人和车一起开。 ②汽车驾驶性能层面的，随着无人驾驶技术发展，在驾车过程中，人起的作用越来越小，车的自主性越来越高。