先发后至—自动驾驶的奇幻漂流（二）

导言：从20世纪20年代到20世纪60年代，自动驾驶技术方案从最开始的无线电控制方案到后续的电缆控制方案，再到图像控制方案自动驾驶在短短的40年间已经经历了三次技术迭代。通过一次次尝试，研究人员逐渐探索出一套切实可行的技术方案。在上一期中，我们介绍了斯坦福大学的“Stanford Cart”项目，其启发了现代自动驾驶系统的“感知—预测”部分。于此同时，现在自动驾驶系统中的“路径规划”与“人工智能”两大技术也在斯坦福大学中生根发芽。本期我们不将时间线向后推，而是着重介绍同一时期另外两项技术的集大成者—Shakey

自动驾驶的发展离不开两位“幕后英雄”的助力——计算机技术和人工智能技术。没有这些技术的加持，自动驾驶就像没有轮胎的汽车，根本无法行驶。计算机为自动驾驶提供了强大的“大脑”，负责处理海量数据，而人工智能则是“神经系统”，帮助车辆实时做出决策。所以，在我们深入探讨自动驾驶的未来之前，不妨先看看这两项技术是如何一步步发展起来的。

点石“成金”的计算机

随着两次工业革命的轰鸣，蒸汽机和电力的发明将人类社会从手工时代带入了机械化和电气化的生产新纪元。洲际铁路横贯大洲，跨洋航道贯通海洋，曾经彼此孤立的国度和大陆被无形的经济和信息纽带紧密连接在一起，全球经济的脉搏逐渐跳动得更加有力。然而，伴随着生产力的腾飞，人类面临的新挑战也愈加复杂。如何更有效地处理不断增长的信息流？如何提升计算和决策的效率？在这个急需更高效工具的时代背景下，计算技术的诞生便成为了必然的下一步。

早在19世纪，英国数学家查尔斯·巴贝奇（Charles Babbage）设计了“差分机”，这一宏伟的机械构想被视为现代计算机的雏形。尽管由于当时的技术限制，巴贝奇的梦想未能付诸实现，但他的设想开启了人类追求更强大计算工具的道路。艾伦·图灵（Alan Mathison Turing）在1936年提出了“图灵机”概念，奠定了现代计算理论的基础，也为人工智能的未来发展提供了方向。

然而，真正推动计算机技术进入实用化阶段的是第二次世界大战期间对快速信息处理和计算能力的迫切需求。1946年，美国成功研制出了世界上第一台通用电子计算机——ENIAC。尽管它占地170平方米、耗电巨大，但其运算速度远远超越了以往的机械设备。ENIAC的诞生标志着计算机时代的正式开启。

20世纪50年代晶体管的出现促成了集成电路的发明，计算机的体积得以大幅度缩小，计算速度与稳定性也得到了大幅度的加强。1964年，IBM发售了著名的IBM System/360计算机成功将原本至少需要占据半个房间大小的计算机缩小为一个配电箱大小，是的计算机的车载化成为可能。

创造“思维”的人工智能

随着计算机技术的突破，人类开始尝试赋予机器某种“智能”。1950年，艾伦·图灵在其著名的论文《计算机器与智能》中提出了“图灵测试”，用于评估机器是否能够通过与人类对话表现出智能行为。这个概念成为了人工智能领域的奠基石，也开启了人类对智能机器的探索。

人工智能的真正起点可以追溯到1956年，那一年，约翰·麦卡锡（John McCarthy）在达特茅斯学院组织了一场会议，这场会议标志着人工智能作为一个独立学科的正式诞生。在达特茅斯会议上，麦卡锡、马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）以及赫伯特·西蒙（Herbert Simon）等人提出了一个大胆的设想：机器不仅能执行预设的任务，还能够通过学习和推理，逐步模仿人类的智能行为。在这次会议上，“人工智能”这个术语首次被提出。麦卡锡等人乐观地预测，机器在不久的将来就能模仿人类的智能。这次会议被广泛认为是人工智能领域正式形成的起点。

LISP编程语言

在达特茅斯会议之后，多个AI研究项目相继启动。1958年，麦卡锡麻省理工学院开发了LISP编程语言，这种语言至今仍在人工智能领域中广泛使用。与此同时，人工智能领域的科学家们开始开发能够处理逻辑推理的系统。次年，麦卡锡和马文·明斯基在麻省理工学院创立了人工智能实验室，致力于将机器学习、计算机视觉等技术付诸实践。

1959年，亚瑟·塞谬尔（Arthur Samuel）提出了“机器学习”的概念，他是第一个让计算机学会自我改进的科学家。他通过编写能够玩跳棋的程序，使得计算机不仅能够依照预定规则操作，还能通过对局逐步提高自己的游戏能力。这项研究揭示了机器学习的巨大潜力，即通过数据的积累和自我优化，机器可以在不需要明确编程指导的情况下变得越来越智能。

1961年，赫伯特·西蒙和艾伦·纽厄尔（Allen Newell）开发了“通用问题求解器”（GPS），这是第一个尝试模拟人类解决问题过程的程序。GPS是基于规则推理的通用系统，能够通过一系列逻辑步骤来解决各种不同类型的问题。尽管GPS并不完美，但它开创了如何让计算机以“类似人类”的方式处理问题的研究方向。

1964年，约瑟夫·魏岑鲍姆（Joseph Weizenbaum）开发了一个早期的自然语言处理程序，名为ELIZA。这个程序能够模拟心理治疗师与患者的对话，通过简单的关键词匹配和句子重组与用户互动，展示了机器与人类对话的潜力。虽然ELIZA并没有真正的理解能力，但它为自然语言处理的未来发展铺平了道路。

截止到1965年，计算机的小型化与人工智能技术的发展都达到了一个恰到好处的境地。随着晶体管取代真空管，计算机变得更加高效、紧凑，为人工智能技术的进一步发展提供了坚实基础。与此同时，人工智能领域在逻辑推理、自然语言处理等方面取得了初步成果，使得两者的进展在这一时期相互促进，推动了智能机器研究进入新的阶段。正因如此，现代自动驾驶的两个关键技术准备就绪，紧接着，人类历史上第一最接近现代自动驾驶系统的原型机“Shakey”由此诞生。

可以“思考”的Shakey

Shakey机器人是由斯坦福研究所（SRI International）在1966年开始开发的，它的名字取自其行动时轻微的摇晃。作为当时最先进的智能机器人之一，Shakey的开发项目由美国国防高级研究计划局（DARPA）资助，旨在探索如何将人工智能技术应用于自主移动机器人。

在Shakey之前，大多数机器人只能按照预设的路径或规则行动，而无法根据环境的变化进行自主决策。Shakey是第一个能够结合传感器数据、逻辑推理和规划来执行任务的机器人，这使得它成为人工智能和机器人技术领域的重要里程碑。

Shakey配备了多种传感器，包括超声波测距仪、三角红外测距仪。摄像头和碰撞检测传感器。这套传感器配置与现代自动驾驶系统的传感器已经颇为相似。研究人员还将一台小型化计算机集成到了Shakey的机身内，使其能够处理复杂的指令。此外，Shakey还配备了一根无线电接收器，使得研究人员可以远程发送任务指令，实现对机器人的实时控制。

这套技术方案赋予了Shakey多种能力。首先是感知能力，摄像头和距离传感器让Shakey能够“看到”并感知周围环境。通过计算机视觉技术，Shakey可以识别物体、墙壁和障碍物。虽然它的视觉系统相对基础，但在当时极具创新性。通过图像处理，Shakey能够将二维视觉数据转换为一个可理解的“物理世界”模型，这使它能够在室内环境中导航，并根据障碍物的位置调整路径。

其次，Shakey具备逻辑推理和任务规划的能力。研究人员为其开发了一种名为STRIPS（Stanford Research Institute Problem Solver）的算法，这是一种自动规划和推理系统。STRIPS的核心功能是将复杂的任务分解为多个子任务，并按逻辑顺序逐步完成。例如，在任务“进入房间并推动盒子”中，Shakey会先规划如何到达房间，接着在到达后执行推盒子的动作，而不是一次性处理所有任务。基于这种逻辑推理，Shakey能够根据初始状态和目标状态的不同，自动生成行动计划，使其具备了一定的“智能行为”。它不仅可以执行预设的命令，还能根据环境变化重新评估任务，并动态调整行动路径。

最后，Shakey具备环境建模和行动执行的能力。通过感知周围的障碍物、墙壁和其他物体，它能够创建一个简单的环境模型。Shakey将空间划分为多个区域，并依据规划的路线进行自主导航。尽管它的移动方式有限，但Shakey无需人类干预即可在空间中独立行走。这种自主导航的能力标志着从固定路线执行转向真正的自主行动，成为自动驾驶技术迈向自主决策的关键一步。

自1966年Shakey问世以来，项目团队对其进行了多次迭代优化，在后续的研发过程中，一些关键技术应运而生。比如，广为人知的A*最短路径算法，它帮助Shakey在复杂环境中规划最优路线；霍夫变换为其图像识别提供了更加精准的几何检测；可视性图表方法则大大提升了空间建模和导航的效率。而最重要的，STRIPS算法奠定了任务分解和逻辑推理的基础。这些技术不仅推动了Shakey的成功，也成为现代自动驾驶系统中应用最为广泛的核心技术，至今仍然是智能导航和决策系统的基础。

结语：本期我们详细介绍了现代自动驾驶技术的雏形——Shakey机器人及其背后的一系列创新技术。Shakey不仅展示了早期人工智能和机器人技术的巨大潜力，还为自动驾驶系统的感知、规划与导航奠定了基础。自Shakey问世以来，自动驾驶技术在计算能力、感知系统、算法优化等方面不断取得飞跃性进展。可以说，Shakey开启了这场技术变革的序章，而从那时起，自动驾驶技术便一路高歌猛进，在人工智能和科技创新的推动下，正朝着全面实现智能驾驶的未来快速迈进。

欢迎线上购买《汽车之友》杂志

北京时尚

成都杂志铺

扫码进店，线上购买，快递到家

获取更多图文资讯，欢迎关注《汽车之友》微信公众号

获取更多视频资讯，敬请关注《汽车之友》视频号