想象一下，你驾驶员一辆车，于是以想从一个十字路口左转：这条路没交通信号灯或行驶标志你不仅必须在较慢的车流中寻找行经空档，还要保证一旦这样做到，右车道的车辆不会与你撞。这种「无维护左转」（即没交通信号灯或行驶标识引领的左转）有多个形式，略为不那么简单的版本是：当你在红绿灯处时，圆形绿灯（不是绿色箭头）转身让你行进，如果你想要向左转，就必需在迎面而来的车流中寻找一个空隙。你有可能没注意到，一个看起来非常简单的「左转」可能会引发一系列的问题。比如，司机要转至的车道有可能早已排起了长龙。这时，究竟该开始弯道还是等车队动起来后再行并转？或者是确认有空间能转至之后就马上弯道？对向车道有车辆过来吗？距离自己有多近？车辆移动速度多慢？能否及时已完成弯道？行人跑到要转至的车道中间吗？　　人类每天要应付如此简单思维过程上百万次，但是很多时候，还是不会错误。2010 年美国交通部的一项研究通过对多达 200 万起事故调查后找到，左转辨别犯规造成了其中 22.2% 的事故，而右转只占到其中的 1.2%左转再次发生的事故完全是右转的二十倍。美国租车巨头 UPS 甚至中止左转，规定司机抵达任何目的地的准确方法是防止左弯道；路线规划地图软件 Waze 甚至发售一项类似的功能，容许用户在没左转的情况下规划路线。「左转基本上是人类在简单的驾驶员世界中做到的最简单的事情了。」《驾车经济学:我们为什么这样驾车?》的作者 Tom Vanderbilt 这样说。1、为什么说道自动驾驶左转很难？右转有多更容易呢？只必须引领汽车转入右转车道，在许多十字路口，司机甚至可以在红灯的情况下右转，因此这对自动驾驶汽车来说十分非常简单。左转就有所不同了。路口简单的车流、蠢蠢欲动的行人、各种各样的标线与交通标志，对自动驾驶车辆的环境感官与预测都明确提出了极高的挑战。对于这种情况，人类司机一般是这样处置的：他们不会等候并仔细观察交通路况。如果左转的机会很少，他们不会调整自己的驾驶员策略：1）可能会加快得更慢，比如擅自左转，在车流中寻找空档；2）有时不会小心翼翼转入左边有车辆行经的车道，报以他们想弯道，并希望其他车辆留出空间，特别是在是在车流密集、移动较慢的情况下，他们必需「见缝插针」；3）或者企图在各车道之间寻找一个中间方位，再行从中首页间方位向左转，移动到目标车道。对人和自动驾驶汽车而言，左转必须仔细观察多方面的信息来辨别适合的改向时机，特别是在在无维护情况下的左转。目前，即使是最娴熟的自动驾驶汽车有可能也很难做流畅地左转。工程师们找到让无人车安全性左转是他们遇上仅次于难题之一。

在 Waymo 凤凰城总部附近的一个丁字路口，Waymo 的自动驾驶汽车在这个没信号灯的路口左转时，经常遇上困难去找将近机会并线紧贴长时间行经中的车流中。这条路的车速大约 70 公里/小时。人类司机迅速已完成的左转。Waymo 的自动驾驶汽车无法在无维护的情况下左转，车辆在交叉路口等候很长一段时间才能最后左转，严重影响在其身后的人类驾驶员的冷静。其他公司，如 Zoox、Nuro.ai、Pony.ai 的报告都高频叙述了无人车在路口左转时错误的问题。似乎，能否顺利完成左转，也沦为了取决于自动驾驶公司技术水平的一个最重要指标。麻省理工学院自动驾驶研究方向的教授这样形容左转：「每天都有很多挑战，左转完全在问题列表的最上方。」Waymo 不道德团队负责人、软件工程师 Nathaniel Fairfield 回应：无维护的左转是自动驾驶中最棘手的事情之一。Fairfield 率领的这个团队主要专心如何让自动驾驶汽车按照计划的路线驾驶员，解决问题还包括「让汽车相同在各自的车道」，「在驾驶员中作出决策并预测其他车辆的不道德」等多层问题。因此，要解决问题这个问题，很最重要的一点是，自动驾驶汽车必需与人类驾驶员的汽车有交互，并作出动态计算出来。如果自动驾驶汽车开始弯道时，必须计算出来其他人否不会滑行，这就像人类在做到某种程度的操作者时必须在心里作出预估一样。或者，自动驾驶车辆必须弄清楚如何「礼貌拒绝」其他车辆停下来。当然，有时路上的其他人并不都会因应这个催促。这就是为什么工程师们说道左转很难因为理解人的心思很难。据汽车之心（微信 ID：Auto-bit）理解，人类驾驶员可以通过手势或眼睛跟其他驾驶员展开非语言交流，通过彼此间微小的信号（比如手势、眼神、鸣笛、转向灯等）来辨别在复杂多变的交通状况下，什么时候才能安全性左转。然而自动驾驶汽车却做到将近这一点。原因在于，自动驾驶汽车并不用于大脑灰质和肌肉记忆，而是通过编程、AI 和车载感官系统（如激光、摄像头和雷达）换道。所以，教会一台机器在简单的交通状况中左转艰难无比。对自动驾驶汽车来说，辨别来车的距离和速度反而变为了非常简单的部分。通过 GPS 导航系统装置、摄像头、激光雷达和毫米波雷达等，自动驾驶汽车可以精确地测量任何在其路径上的物体的方位和速度。但自动驾驶无法辨别这些汽车和行人下一步将不会做到什么。因此，自动驾驶汽车必须背诵人类的心理来自其他司机和行人的错综复杂的信号来已完成路上特立独行艰难的操作者。这其中不仅牵涉到技术，还牵涉到心理学。2、人与车的博弈论：人类意图才是显然挑战对自动驾驶汽车来说，人类意图（Human intent）才是最显然的挑战。2017 年 5 月，Auroa CEO Chris Urmson 在卡耐基梅隆大学做到了为题《Perspectives on Self-Driving Cars》的演说。他提及，自动驾驶汽车作出的决择几乎依赖对人类驾驶员希望的解读和给定。想要作好这一点，不但要知道本车驾驶员的意图，还要推敲其他驾驶员的动向。为了阐述「人为因素」这一关键挑战，Urmson 剖析了三次倍受注目的自动驾驶事故。谷歌自动驾驶汽车与大巴撞在仅有的 25 次自动驾驶事故中，有一次事故必须谷歌自动驾驶汽车分担一定的责任。在这起事故中，谷歌无人车打算使用出有道弯道的方式来弯道，但是前方遇上了一堆沙袋。当交通灯变为绿灯后，它再行等几辆车驶出，然后看见一辆公交车。对于公交车司机来说，道路上有充足的空间让他进过去。但是对谷歌无人驾驶汽车来说，系统预测公交车不会滑行让无人车并线进去，但是这辆公交车并没，结果两辆车就撞到到了一起。Uber 自动驾驶汽车遭遇打滑事故在遭遇相当严重车祸前，Uber 的自动驾驶汽车正停在最左侧车道，其右侧的两车道首页由于车辆较多陷于了交通堵塞。Uber 测试车看自己车道流畅，必要自由选择了之后行经。不过这时，却有一位司机驾车向左并线想要必要左转，在并线时其他车辆遮盖了司机视线。司机有可能指出其他车辆不会减速慢行，于是必要划归了最左侧的车道，随后两车撞，Uber 的测试车必要被撞到卡住地。被撞到惨不忍睹的特斯拉 Model S即使特斯拉多次特别强调用于 Autopilot 时要将双手放到方向盘上，但这位遭遇车祸的司机却对该功能深信不疑。当时，车辆指出司机不会时刻留意路况，沦为最后一道安全性防线，但司机却实在 Autopilot 能处置这一场面。不过，他们都拢了，当那辆大卡车经常出现在汽车面前时，车主和汽车都没有找到它的不存在，因此可怕事故不可避免的再次发生了。此次事故后，特斯拉作出了不少调整，为的就是让车辆更加理解司机驾驶员时的状态。这起事故指出，想要用人类注意力来补充车辆的短板局限性相当大。上述案例某种程度体现了这样一个事实：为什么自动驾驶汽车与人交流的能力这么最重要。我们来考虑到这么一个问题：当你在没红绿灯的人行横道上行驶时，不会再次发生什么？一辆朝你驶向的汽车可能会滑行。当你在汽车前面走到时，你不会与司机展开眼神交流以确认他们看见你，司机不会因此行驶。现在，想象在上述情况下的自动驾驶汽车没有人来驾驶员，你怎么告诉这辆车否检测到了你？明白你要做到什么？要求为你行驶？像这种情况的交流，再次发生的频率有可能要比你想象的多，可能会牵涉到到行人，骑马自行车的人或者其他司机。自动驾驶汽车必须展开更加简单的交流。3、人与车：如何展开有效地交流？科学家曾明确提出了一项称作「心理理论」（theory of mind）的研究。

「心理理论」所指的是，通过他人的微小信号，例如声音、肢体语言甚至意味着看别人的眼睛，人类可以猜中到其他人想做到什么。「心理理论」是人类在挤迫的地铁站或是足球比赛中，能预测彼此的走左边还是右边。这个理论在司机和行人相似挤迫的十字路口的时候某种程度插手并起起到。这种插手十分及时而且你完全会意识到，人们开始互相交换一些肉眼可见的线索借以辨别能否安全性通过，一些信息通过非常微小的信号展开互相交换。如今的自动驾驶汽车没有到人类那么聪慧，它们无法辨识肢体信号或是来自人类的一瞥，这些信息对自动驾驶汽车来说还没任何意义。同时，「心理理论」的影响是双向的。人类某种程度无法解读一辆自动驾驶汽车的「点子」。如果一名行人想在绿灯的最后一秒冲过斑马线，一辆正在弯道的自动驾驶汽车不会停下还是之后弯道？如果没一位人类驾驶员在车里低头或挥手致意，行人怎么能告诉？因而行业有一个共识是：汽车厂商有可能必须研发新的信号系统来提示自动驾驶汽车的下一步行动，未来有可能必须像教小孩辨识交通信号等一样，让司机和行人可以辨识自动驾驶汽车收到的信号。在一篇报导中，硅谷的自动驾驶公司 Drive.ai 在这方面作出了很好的尝试：首先，Drive.ai 再行从视觉杀掉，将自动驾驶车队的外观喷涂程亮橙色，便于司机和行人辨识；其次，在车辆的左右两侧，还有跨越的蓝色彩条，彩条上则用白色字体标示了「自动驾驶汽车」的字样。Drive.ai 甚至弃用了「autonomous」这个简单单词，替换成了大家能看懂的「self-driving」。第三，车辆前部保险杠上也写出了「自动驾驶汽车」的字样，行人过马路时就能看见。第四，车身上挂着 4 块外置屏幕，产于在引擎盖、车身后部和两个前轮上方（每块 22.5X7.5 英寸大小）。这些屏幕当作车辆的「喉舌」。当车辆将要停下来给行人停下来时，显示屏不会再行闪光，随后表明「你再行过」的文字和行人穿越人行横道的图示。后方显示屏内容不会有所不同，车辆停下忠贞行人时，显示屏上不会经常出现「行人过马路」的字样。整个设计根据用户在测试中的对系统，仔细观察他们的反应展开递归。从传统汽车到自动驾驶汽车有一个很长的过渡时期，不过正是由于过渡时期，诸如 Drive.ai 这样的标准化解决方案还是不会被忽视。但一旦公路上跑的都是自动驾驶汽车，当所有汽车可以相互通信时，左转就不会显得非常简单。就像飞机塔台指挥官一样, 车-车之间的相互通信不会让所有汽车告诉彼此即将怎么行经。4、无法左转，不是算法问题？这个行业也有「保守」玩家。今年 5 月，Cruise 对外倾听，称之为在旧金山的简单环境中继续执行 1400 次无维护的左弯道。Cruise 解决问题左转难题的方式是，利用机器学习来应付左转挑战：Cruise 研发了一种算法，可以计算出来出有在左转之前，多个交叉路口中间的距离。实质上，交叉路口的地理因素是多样的，还包括车道的数量和方位，以及是不是类似于铁轨和人行横道这样的设施，更加最重要的是，还有动态的因素，还包括其他车辆如摩托车到大型卡车的速度等等。在建模中，Cruise 通过测量「指定间隙」长度这是汽车转入交叉路口和迎面而来的汽车转入交叉路口之间的时间距离，把这个值最大化以提升安全性, 然后在建模环境中大大锻炼，利用可视化工具分析数据，累积了大量数据之后，Cruise 就能作出不俗的左转决策。Waymo 也通过仿真建模测试和道路测试，某种程度不具备了这样的能力。Waymo 称之为，他们的车辆每天仿真里程可超过 1000 万英里。尽管可以通过仿真建模来取得「无维护左转」的经验，但 Waymo 在「左转」这件事上看上去稍微激进。去年 8 月，外媒报导 Waymo 的自动驾驶汽车不会自律规划路线，以尽量避免棘手的情况，如「尽量避免无维护下的左转或在高速公路行经」。一位 Waymo Early Rider 的早期成员就爆料，Waymo 为防止左转，绕着街区向右走了很长一段路。虽然 Waymo 声称不会定期「锻炼左转」，但 Waymo 看上去十分慎重，这家自动驾驶行业的标杆也否认：「高速公路上无维护的左转是最艰难的驾驶员操作者之一。由于是新技术，我们将慎之又慎，因为安全性是我们的重中之重。」知道在「左转」这件事上，Cruise 是不是可以说道「领先」Waymo 了。但话又说道回去，虽然自动驾驶汽车用于类似于「防止左转」策略可以增加很多困难，看起来是捷径，但从长远看，「左转难题」并没获得彻底解决。也有一种观点指出，当自动驾驶汽车在十字路口犹豫不决时，原因不是算法的问题，而是自动驾驶汽车找到在当前情况下继续执行左转的安全性余量太小: 风险太高。这个问题无法通过更佳的算法解决问题，而不能通过提升自动驾驶汽车可拒绝接受的风险水平展开优化。十字路口左转的风险各不相同十字路口的布局、物理特性以及其他交通参与者的潜在不道德范围，这些都无法被自动驾驶汽车转变。