让谷歌“无人车之父”Sebastian Thrun都点赞的自动驾驶技术，是什么样的？就像老司机的操作一样——又快又稳。例如，面对走到机动车道上的行人，灵活操作避让，而不是小心翼翼地跟在后面：懂得审时度势，在繁忙的商业区，看哪条道车流量比较少，就果断变道：遇上从侧面突然冲出来的摩托，也能轻松避让，不慌不忙：没错，这是滴滴正在测试的最新自动驾驶系统。坐在驾驶座上的安全员，全程双手离开方向盘。
对于自动驾驶系统来说，更大的挑战在于逆光、夜间、大型车辆密集等场景。这些情况下，传感器设备和自动驾驶系统往往会遭遇更为复杂的干扰。那么滴滴的最新自动驾驶系统又表现如何？
占据镜头30%以上的大片光线，并不影响它判断红绿灯，依旧以正常速度继续行驶：夜间进行无保护左转时，面对对向直行车辆，也会迅速判明情况，而不是一味等待：路遇大车丝毫不惧，避让后方来车后，立刻选择变道超车：甚至在连续5小时完全无人接管的情况下，从白天开到夜晚，也没有发生什么事故。
一年前，滴滴自动驾驶在上海开放公众测试时，还是个谨慎的新手司机。如今，它已经变得更加游刃有余。那么问题来了，滴滴的自动驾驶“新手司机”，在短短一年时间内，究竟是经历了怎样的修炼，才有了如今这样更加接近人类司机的表现呢？
首先，还是要从感知技术的优化说起。不妨先以路遇大型车辆这个场景来举例。人类司机普遍有一个共识，开车上路，尽量避着大车走。其中一个重要原因是，大车自身的盲区多，也容易遮挡旁车的视线。对于传感器而言，这样的挑战同样存在。
在识别出大型车辆之后，不是单纯依靠机器学习的方式去进行跟踪，还要加入点云分割等技术，进一步判断大车的边界距离，增强自动驾驶系统对于大车边界的理解。另外一个对传感器考验不小的场景，是日落时分，司机们在路上经常遇见的逆光场景。
为了更自如地在夜幕中行驶，滴滴的自动驾驶系统也被专门训练出了夜间模式。一方面，是有针对性地收集夜间数据，训练专门的夜间模型——尤其对于摄像头来说，夜晚采集到的数据与白天截然不同，能看到的人和物、能看清的距离、识别的角度都可能发生变化。另一方面，同样是多传感器融合方案——融合3-4种平行的识别方式。
说完了感知方面的提升，在行为决策方面，滴滴自动驾驶系统又是怎么向人类老司机靠拢的呢？首先，在被投喂了大量人类司机驾驶车辆数据之后，滴滴自动驾驶系统对于交通参与者行为的预测准确性，有了明显的提升。这也是为什么面对与其他车辆、行人的博弈，如今的滴滴“老司机”显得更为自信。
滴滴自动驾驶，自2016年组建团队以来，已有5年研发历史。
起步并非最早，发展速度却绝对算是最快之一：2019年8月，滴滴官宣将自动驾驶业务升级为子公司，运营和研发架构一应俱全；2020年6月，RoboTaxi项目落地上海，正式开放公众自动驾驶测试体验；2020年11月，滴滴与北京汽车集团合作的新一代L4自动驾驶车亮相；同月，滴滴自动驾驶成为首家获得上海三个测试区牌照企业，总里程达530.57公里；现在，滴滴又发布了全球首个5小时连续无监管路测视频，测试车辆在环境感知、行为决策、运动规划与控制等方面的表现，连“无人车之父”都给予了极高的评价……