本文以（yǐ）Aeye的气（qì）球（qiú）挑战为（wéi）例，解释了（le）自动驾（jià）驶在未（wèi）来发展道路上还要解决（jué）的长尾问题。

portant;" />

卡耐基梅（méi）隆大学Argo Lab人工（gōng）智能（néng）无人驾驶研究（jiū）中（zhōng）心首席科学家约翰·多兰（lán）在一次采访（fǎng）中提到，自动（dòng）驾驶迟到的原因（yīn）归（guī）结为两（liǎng）点：底层技（jì）术和真实应用场景（jǐng）。在技术方面，自动驾驶的底层架构和大部分技术问题已经被解决，剩下的（de）5%的长尾问题（tí），逐渐成了（le）制约自动驾（jià）驶发展的（de）关键（jiàn）。这些问题包（bāo）括各种零碎的场景、极端的情况和无（wú）法（fǎ）预测的人类（lèi）行为。

为了（le）克服这些长尾（wěi）问题，目（mù）前很多公司都在（zài）进行大量真实路测实验来找到并解决这些边（biān）界化的难题（tí）。

最近，激光雷达公司Aeye就（jiù）做（zuò）了一次挑（tiāo）战，自动驾（jià）驶如何一（yī）个漂浮在路中央的（de）气球。通过在L4级无人（rén）驾驶汽车往往偏向避免碰撞，在（zài）这种（zhǒng）情况（kuàng）下（xià）,它们会采取的（de）规避动作或者踩刹车，来避免不必（bì）要的事故（gù）。而（ér）气球（qiú）是个软性（xìng）的（de）物体，可以直接无（wú）障碍的通过。

如果让（ràng）无人驾驶（shǐ）汽车（chē）判断出物体的性质来判断是否可以通过？

相机往往很难以区分障碍（ài）物的软、硬，一切在它（tā）眼中都只是像素。在（zài）这（zhè）种情况下，知觉训练（liàn）几乎是不可能的，因为在现实世界（jiè）中，软的物体可以呈（chéng）现出任（rèn）意形状、形式甚（shèn）至拟人化的状态（tài）。相机检（jiǎn）测性能是完全依靠适（shì）当的训练（liàn），通过把所（suǒ）有可能的外观排列组合（hé）来找到合（hé）适的（de）类别（bié），但是遇到太阳眩光、阴影或夜间行（háng）驶等（děng）条件下，对性能造成影响。

雷达对物体（tǐ）材料（liào）是敏感的。不（bú）含金属的软物体（tǐ）或（huò）者没（méi）有（yǒu）反射率的（de）物体，无法反射无线电波，所以雷达（dá）不能识（shí）别气球（qiú）。此外，雷达（dá）在训练中通常（cháng）会忽略静止的（de）物体，否则它会检测出成（chéng）千上万的目标（biāo），阻碍车辆（liàng）的（de）行驶。所以（yǐ）,即使气球是由反光金属塑料，但它漂浮在空气中，可（kě）能没有（yǒu）足够（gòu）的相对（duì）运动让（ràng）雷（léi）达探测（cè）到它。即使把相机和雷达组合在一起，也（yě）无（wú）法在（zài）任意条（tiáo）件下，做出正确的判（pàn）断。

相比之下，足够（gòu）密度的激光雷达点（diǎn）云，在提供足（zú）够的数据分类以及恰当的路径规划算法的情况下，可以检测像气球一类（lèi）的柔软（ruǎn）、可变形物体。收集足够（gòu）多的气球数据，并确（què）定其分类、形状和速（sù）度数据发送到域（yù）控制（zhì）器。激光雷达探测到（dào）气球，并将其标记为动态感兴趣（qù）的区（qū）域(ROI)，解决在此类条件下的长尾问题。

2019年，尽管一（yī）些公（gōng）开的（de）道路测（cè）试甚至无（wú）人（rén）车商用已（yǐ）经开始，同（tóng）时（shí）大部分技术问题已不再是（shì）问题，但是我（wǒ）们面临的车辆长尾问题仍不（bú）在少数。

有网友（yǒu）专门整理了（le）这些无人车很难做（zuò）出判断的场景，比如打伞的人，人在车后搬箱子（zǐ）、树倒（dǎo）在路（lù）中央（yāng）等（děng）等（děng）。

portant;" />

portant;" />

这些有人（rén）类行为参与的场景，就像正态分布（bù）曲线那（nà）样（yàng）。即使图像两端的（de）情况（kuàng）很少发生，我们的测试也（yě）要涵盖进去所（suǒ）有（yǒu）的人类行为情况。既要通过实际路测来（lái）发（fā）现，也要通（tōng）过无数的仿真（zhēn）测试，去创造（zào）、搭建足够的（de）数据来保证行驶的安全。

portant;" />

我们（men）坚（jiān）信，经过与（yǔ）长尾问题不断的纠（jiū）缠打磨，未来的自动驾（jià）驶系统将变（biàn）得越来越可靠。