近日，在武汉试运营的萝卜快跑在高峰期因经常堵塞交通而被人投诉，有网友反映测试车辆“行驶速度太慢”、“无缘无故罢工”、“没到目的地半路就停下了”等等奇葩问题。之后，萝卜快跑第一时间做出回应，称以上信息为恶意投诉、与事实不符。那么无人驾驶出租车（Robotaxi）模式出现问题，是否意味着自动驾驶技术不靠谱？
目前，无人驾驶技术尚未成熟
查询相关信息得知，萝卜快跑采用了百度Apollo的自动驾驶技术，包括感知、决策规划、控制等多个方面。百度Apollo在之前发布了自动驾驶大模型Apollo ADFM，支持L4级别的无人驾驶应用，此次在武汉测试的萝卜快跑模式，也是国内L4级别无人驾驶实际应用最早的测试之一。
萝卜快跑的技术原理其实并不复杂
首先，感知部分通过车载传感器实时收集周围环境的信息，如雷达、激光雷达、摄像头等，这些传感器能够捕捉到车辆周围的车辆、行人、道路标识、交通信号等关键信息，并将这些信息转化为数字信号供车辆处理。
接下来，决策规划部分利用先进的算法和人工智能技术，对感知到的环境信息进行分析和处理。通过路径规划算法，根据实时交通状况和道路条件，为车辆规划出最优的行驶路径。同时，通过对周围车辆和行人的行为进行预测，提前做出判断，采取相应的避让措施，确保行车安全。
最后，控制部分根据决策规划的结果，对车辆的行驶状态进行实时调整。结合深度学习和强化学习等技术，萝卜快跑能够在复杂的交通环境中做出正确的决策，并实时调整车辆的行驶速度、转向等，以适应各种突发情况。
当然，为了保证绝对安全，百度Apollo还实现了10重安全冗余设计，包括感知三冗余、计算单元双冗余、高精度定位三冗余等，以确保行驶过程中的安全性。
而从目前来看，可能问题更多地就出在“安全”这一项上，毕竟萝卜快跑路试除了试验效果，更重要的应该是针对真实路况的大数据收集以及训练决策大模型，实现优化决策的目的，而这一切的前提，就是必须保证测试的安全性。
当安全性为优先保证时，萝卜快跑出现行驶过程中速度慢、临时停车等现象就很容易理解了，这也证明，目前要实现真正的L4级别无人驾驶，技术上还存在不小的短板。
无人驾驶的难点在哪
其实说到底，就是大数据的样本还不够，Apollo ADFM大模型还需要更多数据来进行学习。
无人驾驶技术如何准确、实时地感知路况，并做出正确的决策，是一个巨大的挑战。尤其是在恶劣的天气条件下，如雨雪、雾霾等，感知系统的性能会受到影响，增加了无人驾驶的难度，同时，在真实路况下，更多的未知变量也同样非常麻烦，比如乱穿马路的电动自行车，随时变道的机动车，以及在上下班高峰期时突然增加的车流，这些都会对无人驾驶的感知、决策过程造成很大的干扰。
另一方面，由于是新事物，人们会特别关注无人驾驶的安全问题，就像前文提到，不管你技术多么成熟，都得在安全方面留出足够的冗余设计，确保在任何路况下都不能与行人及车辆发生碰撞，否则这个锅肯定是无人驾驶来接。
而且吧，无人驾驶目前最大的问题还是盈利前景不明朗，而技术升级却需要大把烧钱，所以说即便是技术还并未成熟，百度也要着急上马萝卜快跑测试项目，毕竟从目前来看，Robotaxi商业模式可能是少数在短期内能看到盈利的无人驾驶应用。
除了萝卜快跑，还有哪些品牌准备入局Robotaxi
作为资本的热捧项目，Robotaxi在近几年可以说是投资热点。除了百度萝卜快跑，全球范围内，Waymo、Cruise、Uber等科技巨头早已在Robotaxi领域展开布局，此外，文远知行、小马智行等创新型企业也在Robotaxi领域积极探索。
同时，随着新能源汽车市场的蓬勃发展，一些主机厂商如特斯拉、蔚来、小鹏汽车等也开始涉足Robotaxi领域。他们凭借在电动汽车领域的积累和经验，结合自动驾驶技术，也在着力加入竞争。
这些公司品牌的入局不仅为Robotaxi行业带来了更多的技术创新和商业模式创新，也推动了相关产业链的发展和完善。从传感器、芯片、算法等核心技术的研发，到车辆制造、地图服务、运营管理等产业链的整合，Robotaxi的发展正在形成一个庞大的生态系统。
结语
随着科技的不断进步，无人驾驶出租车（Robotaxi）有望成为未来交通出行的新趋势。然而，从萝卜快跑在武汉试运营遭遇的投诉来看，无人驾驶技术的成熟度和商业模式的可持续性仍面临不小的挑战。未来，随着无人驾驶技术的不断成熟和商业模式的逐步清晰，我们有理由相信，无人驾驶还是能够为人们带来更加便捷、安全、舒适的出行体验。
