司机的驾驶经验越丰富，在行驶过程中引发风险的几率就越低。有研究表明，人类驾驶员往往需要经过多年的实操，才能成长为胆大心细、尽职尽责的交通参与者。同样的，卡车司机们的见闻越广博，引发严重交通事故的可能性也越小。
同样的道理，也适用于自动驾驶系统。哪种自动驾驶平台的经验更丰富，它的驾驶安全性也就更出色。
既然驾驶经验如此重要，技术人员要怎么保证自己打造的计算机驾驶系统，能够充分积累起来自美国常规道路及高速公路的一手训练素材?
这个问题的答案，也许就是开创自动驾驶新时代的核心所在。
半拖卡车——计算机的学习之路
得益于传感器技术与人工智能(AI)的快速发展，自动驾驶卡车如今已经能够分析道路上的各种物体并快速做出响应决策。
这一切，在很大程度上是由训练出的深度学习算法所达成。通过不断向自动驾驶系统展示其他车辆、行人乃至障碍物等，我们的自动驾驶方案也一步步学会该如何做出适应反应。
这里需要注意的是，与人类不同，机器往往缺乏基本常识、无法处理前所未见的新状况。人类驾驶员在遇到意外障碍(例如突然窜出的野生动物)时会立即减速，这种决策源自我们以往经历过的类似情况或者基本推断，但计算机在这方面却总是显得“智商捉急”。
具体来讲，深度神经网络只能从训练时接触过的数据中学习，因此只要当前情况尚未出现在公共道路、封闭道路或者计算机模拟当中，算法就会瞬间陷入慌乱。
所以这就又回到了最初的问题：我们该怎么训练机器，保证它们能全面接触并积累起驾驶经验?
数据、数据、更多数据
Plus公司的目标，是帮助卡车自动驾驶系统从容处理长途道路上常见的各类交通与天气情况。除了封闭道路测试与计算机模拟之外，该公司的PlusDrive系统还在空旷道路上进行学习，引导卡车解决现实道路上可能遇到的障碍与突发状况。空中飞舞的垃圾、地面结冰、路边转动的风机叶片乃至左冲右突的摩托车，一切都得在系统的应对范围之内。
虽然这些所谓“拖尾”状况仅占全部路况中不足1%的比例，但却是决定整个自动行驶流程能否安全完成的关键。目前，全社会对计算机操作机器的安全期望或者说要求，也远远高于人类驾驶员。
数十亿英里的道路测试
从今年夏季开始，Plus会将其监督型自动驾驶系统投入工厂生产，并着手使用这套系统翻新现有卡车。到明年夏季，由PlusDrive驱动的数百辆自动卡车将正式上路拖运商业货物。
在整个训练期间，人类驾驶员同样需要坐在驾驶室内。类似于老司机带新手，Plus雇用的人类驾驶员会持续监督自动驾驶卡车的行驶方式，并在必要时快速介入以展示如何处理意外障碍。
Plus公司预计，在全面部署全自动驾驶汽车之前，其卡车车队将累积数十亿英里的总体行驶里程。凭借这种由专业驾驶员训练并验证自动系统的革命性实现方案，该公司有望更快累积起可观的学习里程。
卡车司机仍将存在，车队碳排放将显著降低
人类驾驶员同样能够从中获益。Plus监督下的自动驾驶卡车解决方案实际上提升了卡车司机的作用，可帮助他们快速提升技能，并为未来的自动驾驶技术做好准备。此外，这位数字化随车“大副”将帮助司机缓解长途路线上的驾驶疲劳感，让车队更容易招募到货运司机。
这套系统还有其他助益。目前，燃油消耗约占货运企业整体运营预算的三分之一，也是目前重型卡车中的开销大头。未来上线的自动驾驶系统将更了解道路情况，可实时获取GPS与天气数据，预先优化换挡与制动操作。Plus还建立起试点项目，证明即使是最出色的人类驾驶员相比，PlusDrive也能够将车辆油耗进一步降低10%——这将是经济效益与环境保护方面的双重胜利。
自动驾驶卡车的未来，在于当下
商业太空旅行、太阳能城市与自动驾驶汽车——作为影响未来生活形态的三大变量，前两种取决于经济性拐点何时到来，而第三种则完全取决于我们何时能为系统积累起充足的数据量。
Plus公司正努力构建起必要的信息反馈循环，他们旗下的卡车也在一刻不停地累积数据。众多安全意识最强、驾驶效率最高的顶尖人类驾驶员正用自己的反应为系统提供训练素材;工程师们则不断微调PlusDrive的算法与决策机制。也许， PlusDrive最终也将成为这批顶尖驾驶者中的一员。