特斯拉 Autopilot 一直以来都争议不断。一边说它是新手们的福音，杜绝事故的好帮手，另一边却有人抨击它是事故的罪魁祸首。这套系统带来用户体验升级的同时也因为频发的安全事故而备受关注。
不可否认的是，特斯拉 Autopilot 让大家有机会一窥自动驾驶的未来，尽管它离真正意义上的「自动驾驶」还很远。毕竟软硬件的局限导致它最多只能实现 L2 级自动驾驶的能力，而这个阶段中「人」依然是主体，需要机器和人相互配合完成，所以这些关于 Autopilot 的争议全部都可以归属于典型的「人机共驾」问题。
在「完全自动驾驶」这个纯技术的难题还未普及实现之前，「人机共驾」问题是所有汽车企业、自动驾驶企业都需要突破解决的另一道难题。
这道难题的核心是「人」这个不确定因素。按照控制权的划分，「人机共驾」又可分为「双驾单控」和「双驾双控」两种模式。前者关注的是驾驶权的交接和人车在主驾、副驾时的问题；而后者关乎驾驶自信，在人车都有控制权的情况下，该相信哪方多一点。
所以要建立一套高效、体验舒适、安全的自动驾驶系统是及其复杂的。原因很简单，机器是必须要和人进行互动的。而且这个互动的过程不光牵扯到机器人学科，还囊括了机器学习、心理学、经济学及政策等领域的问题。同时它也对我们已有的认知和假设形成了挑战：到底人类的表现能有多糟？人工智能又会是多么强大的存在？
MIT 之前曾进行过一项关于「人机共驾」的课题研究，从设计和开发「以人为中心」自动驾驶系统的角度出发，提出了七大原则。这些指导原则中并没有把人类本质的复杂性剔除掉，而是将其融合到了整套系统中。这也恰恰是这套课题研究的精髓所在。
实验成果的展示我们可以在一辆叫做「Black Betty」的无人车上看到。它只搭载了摄像头，主要通过机器学习的方式进行外部环境感知，规划决策，驾驶员监控，语音识别、聚合以及管理人机双向操控的无缝切换（语音控制），方向盘上安装了扭矩传感器。通过下面的视频，大家可以看到这辆无人车的具体表现。
