人工智能：智能驾驶
智能驾驶是指搭载先进的智能系统和多种传感器设备（包括摄像头、雷达、导航设备等），具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人工驾驶的技术。
国际自动机工程师学会（SAE International）制定了J3016自动驾驶分级标准，该标准将自动驾驶技术分为L0～L5六个等级。
L0代表由人类驾驶员全权操控汽车的传统人工驾驶技术。
L1、L2代表汽车的自动驾驶系统只作为驾驶员的辅助系统，但能够持续承担汽车横向或纵向某一方面的自主控制，完成感知、认知、决策、控制、执行这一完整过程，其他如预警提示、高级驾驶辅助系统（Advanced Driver Assistance System，ADAS）不能完成这一完整的流程，不在自动驾驶技术范围之内。自动驾驶，即汽车至少在某些具有关键安全性的控制功能方面（如转向、节气门或制动）无须驾驶员直接操作即可自动完成控制动作。自动驾驶汽车一般使用车载传感器、全球定位系统（Global Positioning System，GPS）和其他通信技术设备获得信息，针对安全状况进行决策规划，并在某种程度上恰当地实施控制。自动驾驶包括无人驾驶。
无人驾驶专指L4、L5等级，即在驾驶员不介入的情况下汽车可以完成全自动驾驶的控制动作，无人驾驶指向自动驾驶技术发展的最终形态。
1925年8月，美国街上首次出现了一辆“貌似”无人驾驶的汽车，一位名叫Francis P.Houdina的美国陆军电子工程师坐在后面的一辆车里，通过发射无线电波操控前面那辆无人驾驶汽车的转向盘、离合器和制动系统。
20世纪60年代，在斯坦福国际研究院（SRI International）的前身斯坦福研究院（Stanford Research Institute）诞生了机器人Shakey。Shakey具备独立自动驾驶能力，它也是第一个具有完整感知、规划和控制能力的机器人。Shakey之父是斯坦福国际研究院的创始人之一，“科学怪才”查尔斯·罗森（Charles Rosen）。
20世纪70年代，中国也迈出了探索智能驾驶的脚步，学术界和产业界相继进行了相关研究。1978年，清华大学齐国光教授的课题组开始研究自动驾驶，学术界正式迈进智能驾驶领域，随后何克忠教授的HTMR课题组于1986年开始接力研究。同时，国家也立项展开相关研究，1980年，哈尔滨工业大学、沈阳自动化研究所和国防科技大学参与了国家立项的“遥控驾驶的防核化侦察车”项目。
直到20世纪90年代初，中国终于诞生了第一辆智能驾驶汽车，名为ATB-1（Autonomous Test Bed-1）。该车由北京理工大学、南京理工大学、国防科技大学、清华大学和浙江大学联合研究，随后，在此版本上迭代而生ATB-2，其速度较第一代提升了3～4倍。
进入21世纪后，国内相关院所加大了研究力度，同时与相关汽车企业进行合作。通过数十年的技术积累，2003年国防国防科技大学与中国第一汽车集团有限公司合作研究出红旗CA7460，该车在正常交通状态的高速公路上，在自动驾驶状态下，峰值速度可达到170km/h，并且实现了自动超车功能。
与此同时，国际上对智能驾驶的研究也逐渐开始活跃。2003年“第二次海湾战争”刚刚开始，沙漠行动中的士兵伤亡情况引起美国国防部的注意，美国国防部设想用无人驾驶技术解决这一棘手问题。随后一年，美国国防部高级研究计划局（Defense Advanced Research Projects Agency，DARPA）开始布局无人驾驶汽车挑战赛“Grand Challenge”，并于2004年3月13日启动比赛。挑战赛场地设置在沙漠之中，还原了沙漠行动的使用情景，参与者被要求用无人驾驶汽车沿着15号公路穿过240km的沙漠道路。然而比赛的结果却不尽如人意，参赛车辆全军覆没，获得第一名的卡内基梅隆大学的车辆仅仅走完了11.78km的路程。
第二年，比赛难度增加，比赛地点的海拔更高，并且赛道设置了100多个急转弯。同时，比赛队伍的技术也大有提升，共有5辆无人驾驶汽车完成了212km的赛程。冠军车辆Stanley来自斯坦福团队，原车由大众汽车提供、大众电气研究实验室联合打造，英特尔研究院帮助其提升视觉能力。
在2007年，DARPA首次进行了城市地形的挑战赛，赛道60英里（1英里=1.609344km），比赛时间为6小时。当年共有11支车队参加比赛，其中一些车队在前几年的比赛中已经积累了不少经验，如卡内基梅隆大学车队。卡内基梅隆大学组建了一支40人的队伍，车队包括两辆参赛车和一辆补给车。在如此精心的准备下，卡内基梅隆大学夺冠而归，并获得200万美元的奖金，斯坦福赛车队获得亚军。值得一提的是，64线激光雷达首次出现在卡内基梅隆大学的装备库中，随后数年，64线激光雷达成为无人驾驶汽车的必要配件。
2009年，谷歌（Google）公司进军智能驾驶领域，并招募斯坦福大学的无人驾驶汽车教授Sebastian Thrun进行智能驾驶的开发与研究。随后，Sebastian Thrun教授对丰田普锐斯（Prius）车型进行改装。该车通过安装轮速传感器读取高精度轮速信息；通过摄像头识别交通信号灯；车顶配备Velo-dyne 64线激光雷达，车辆前方还安装了测速毫米波雷达。
2009年，Prius完成了100英里的无人接管自动驾驶任务，成为谷歌公司自动驾驶的里程碑；2010年，新闻界首次对谷歌公司自动驾驶进行了相关报道，当时，谷歌公司的无人驾驶汽车已经完成了14万英里的测试里程；2011年，谷歌公司在政府游说专家的协助下使内华达州成为美国第一个允许自动驾驶汽车上路测试的州。
智能驾驶系统的核心在于人工智能算法，通过车载传感器采集数据，然后利用人工智能算法，可对车辆周围环境进行感知，依靠感知信息进行路径规划和驾驶决策，最后通过横、纵向控制来控制智能驾驶汽车的执行器，完成智能驾驶。
智能驾驶汽车离不开几项关键技术，从宏观层面来看，智能驾驶主要包含环境感知、路径规划、驾驶认知和决策控制等核心技术。作为实现智能驾驶的基础，感知系统通过配备车载传感器采集智能驾驶汽车内部和车身周围的信息。而为了保证感知系统所采集的数据的完备性、实时性和精确性，目前研究人员针对不同功能已研发出多种传感器，例如，单/双目相机、红外相机、毫米波雷达、激光雷达和超声波雷达，以及全球定位系统和惯性测量单元等。
智能驾驶的关键技术包括环境感知技术、决策规划技术和车辆控制技术，其中环境感知技术是智能驾驶汽车行驶的基础；决策规划技术是智能驾驶汽车行驶的核心；车辆控制技术是智能驾驶汽车行驶的实现方法，这三项技术相辅相成，共同构成智能驾驶系统。智能驾驶的整个流程归结起来分三步：首先，通过雷达、相机、车载网联系统等对外界的环境进行感知和识别；然后，在传感感知融合信息的基础上，通过智能算法学习外界场景信息，规划车辆运行轨迹，实现拟人化控制车辆，使其融入交通流中；最后，跟踪决策规划的轨迹目标，控制车辆的节气门、制动和转向等驾驶动作，调节车辆行驶速度、位置和方向等状态，以保证汽车的安全性、操纵性和稳定性。
因此，智能驾驶系统将驾驶认知形式化，基于对驾驶场景的感知与认知，设计通用的智能驾驶软件架构。在这一架构中，智能决策模块并不直接与传感器信息发生耦合，而是基于对多传感器的感知与定位等信息综合形成的。
尽管各智能驾驶汽车研制单位对系统架构的划分不尽相同，技术研究中侧重点也不同，但基本都要涵盖七个层面：传感器层、感知层、认知层、控制层、人机交互层、公共服务层、执行层等，下面依次介绍各层主要功能。
传感器层：由雷达传感器、视觉传感器、GPS、车身传感器等组成，主要完成采集传感器数据的任务。其中为实现传感器即插即用，需要规范各类传感器的标准数据格式，即将传感器特有的数据格式转换为智能驾驶汽车能处理的标准格式，并将采集到的传感器数据送入感知层处理。
感知层：主要分析传感器数据，实现道路边界检测、障碍检测、交通标识检测、车身状态估计等，为智能驾驶汽车规划决策提供基础。
认知层：通过分析从感知层得到的环境数据和自身数据，决策出智能驾驶汽车的驾驶模式。在精细电子地图上确定车辆位置，并根据目标点坐标生成行驶轨迹。同时，在人为干预或避让障碍物的情况下轨迹的生成也会受到影响。
控制层：依据轨迹数据和当前车辆状态控制车辆，使其按轨迹行驶。同时，接收人为干预指令，进行加速、减速和转向操作。该层直接将控制指令输出至车辆的加速系统、制动系统和转向控制器。
人机交互层：接收驾驶员的指令并输出至控制层。同时，也可以通过声音和图像反馈环境和车辆自身信息，供驾驶员参考。
公共服务层：为以上各层服务，主要包括数据通信、数据记录、地图文件读写等。
执行层：直接关联车辆的电控模块，接收控制指令，完成驾驶动作，如加/减节气门、电动转向操作、电源控制等。