今天上午，上面這三則視頻穿越海峽，以極快速度傳遍了大陸社交網(wǎng)絡(luò)和車主社群。

視頻說的是同一件事：一輛 Model 3 在高速公路行駛時(shí)，一頭撞上了側(cè)翻在地的一輛白色貨柜車。Model 3 車頭甚至插入了貨柜中。

這一事件迅速讓人聯(lián)想起特斯拉 2016、2019 的兩宗 Autopilot 致命車禍——同樣是白色貨車，同樣是無法識(shí)別，同樣仿佛不帶減速的一頭撞上….

人們問：Model 3 的 Autopilot 方案是不是依然存在著致命的 BUG？我們又怎么正確認(rèn)識(shí) Autopiolt….僅僅去指責(zé)用戶的濫用？

我們訪問了三位自動(dòng)駕駛領(lǐng)域內(nèi)的資深工程師，有知名大廠的總監(jiān)，也有自動(dòng)駕駛公司的硬件負(fù)責(zé)人，得到了一些有趣的回答，譬如，

這是工程問題還是商業(yè)問題？

特斯拉在高精地圖、慣性傳感器、精準(zhǔn)定位上的投入不足？

在漏報(bào)和誤報(bào)之間，寧愿漏報(bào)不愿誤報(bào)是對還是錯(cuò)？

站在路邊揮手的貨車司機(jī)，能不能成為一個(gè)警示標(biāo)識(shí)？

以下，Enjoy！

Model 3 再現(xiàn) AP 驚魂一撞

從視頻來看，這驚魂一撞發(fā)生在今天早晨六點(diǎn)多，于中國臺(tái)灣嘉義的高速公路上。僅僅三四個(gè)小時(shí)后，現(xiàn)場視頻就穿越海峽，傳遍了大陸社交網(wǎng)絡(luò)、車主社群。

從畫面來看，一輛白色 Model 3 一頭撞上了一輛側(cè)翻在地的白色貨柜車。高處的監(jiān)控視頻還顯示，Model 3 在臨近貨柜車之前曾有制動(dòng)動(dòng)作，但不知為何依然以很高速度撞上了側(cè)翻車輛，甚至讓貨柜車向后挪動(dòng)了幾米。

此外，貨柜車司機(jī)事發(fā)前已經(jīng)站在了前方，搖手示意過往車輛注意，但好似沒有起到警示作用。

根據(jù)當(dāng)?shù)孛襟w報(bào)道，這起事故并沒有人員傷亡。Model 3 車頭有所毀壞，但好在貨柜車裝的是早餐食材，因此 Model 3 雖然撞破了貨車車頂，但被「奶油沙拉」所緩沖，事故并沒有想像中慘烈。

報(bào)道還稱稱當(dāng)?shù)鼐竭M(jìn)行了酒精測試，酒測值是 0.00 mg/l。司機(jī)黃某稱當(dāng)時(shí)車輛開啟了 Autopilot 輔助駕駛系統(tǒng)，時(shí)速約 110 公里每小時(shí)，發(fā)現(xiàn)前方有車時(shí)剎了車但為時(shí)已晚。

視頻的廣泛傳播，說明了特斯拉的熱度。

網(wǎng)上評論大多認(rèn)為車輛當(dāng)時(shí)處于 Autopiolt 狀態(tài)，「感覺（司機(jī)）在玩手機(jī)沒看路。」、「這一定睡了，因?yàn)檫@偵測到大貨車司機(jī)時(shí)有剎了一下，之后剎車放了繼續(xù)撞，不過好險(xiǎn)有前面剎那一下，不然應(yīng)該更慘。」

當(dāng)然，也有特吹言論：「對特斯拉 AP 來說，那不是一臺(tái)卡車，因?yàn)榭ㄜ嚥婚L那樣子，它可能已經(jīng)融入了遠(yuǎn)方的天際。從另一個(gè)角度來看，這車不會(huì)白白犧牲，每次意外的累積就是特斯拉的進(jìn)步方式。」

是概率問題就一定有概率發(fā)生

上面那段話我們其實(shí)挺熟悉，兩岸一家親果然沒錯(cuò)。當(dāng)然，也會(huì)有反諷。譬如「自動(dòng)避讓高潮尬吹，一頭撞上集體沉默」之類的。

只是，「每次意外的累積」到底是不是「特斯拉的進(jìn)步方式」？從這宗事故來看，起碼值得商榷。

很多人都會(huì)將今天發(fā)生的事故與 2016、2019 年兩宗特斯拉 Autopilot 致命車禍聯(lián)想在一起。

2016 年 5 月，佛羅里達(dá)州一位名叫 Joshua Brown 的 40 歲男子開著 Model S ，在 Autopilot 狀態(tài)下撞到了一輛正在過馬路中的白色拖掛卡車，Model S 直接切頭，駕駛員死亡。這是特斯拉 Autopilot 的第一起致死事故。

三年之后的 2019 年 3 月，同樣在佛羅里達(dá)，一輛 Model 3 以 110 公里時(shí)速側(cè)面撞擊了一輛正在穿過馬路的白色拖掛卡車。Model 3 同樣處于自動(dòng)駕駛模式，司機(jī)以及 Autopilot 系統(tǒng)未做任何回避動(dòng)作，車輛同樣被「切頭」，50 歲男性司機(jī)當(dāng)場死亡。

這兩宗事故當(dāng)時(shí)都引起軒然大波，甚至引發(fā)了特斯拉與 Mobileye 的決裂（原因之一），特斯拉此后也修改了關(guān)于「Autopilot」的表述，不再強(qiáng)調(diào)「自動(dòng)駕駛」。

從 Autopilot 的應(yīng)用來看，我們認(rèn)可特斯拉官方的解釋——AP 的出現(xiàn)，事實(shí)上減少了道路上的交通事故。但我們并不認(rèn)為，特斯拉已經(jīng)解決了「白色貨柜車」的 BUG 問題。

廣州自動(dòng)駕駛公司文遠(yuǎn)知行在去年曾經(jīng)發(fā)表過一篇文章，認(rèn)為特斯拉在過去幾年進(jìn)行了 1 次重大傳感器方案升級(jí)，3 次計(jì)算平臺(tái)升級(jí)以及數(shù)次重大軟件版本升級(jí)，但還是無法解決這一已知致死（足夠嚴(yán)重）的Bug。（未包括 FSD 的升級(jí)）

從傳感器角度來看，他們認(rèn)為特斯拉的傳感器配置只有前向廣角近距離攝像頭可以有效「看到」正在橫過馬路的白色拖掛卡車，但「基于單目攝像頭獲取深度也受到拖掛車白色涂裝影響無法有效提取特征點(diǎn)，從而無法進(jìn)行有效的深度恢復(fù)(Structure from Motion, SFM)。」

換句話說，它雖然能看到但無法辨別出廣告牌、天際線還是橫過馬路的白色貨柜車。加上廣角攝像頭只能看到約 50m 處的車輛，在高時(shí)速下（30米/s)下，留給系統(tǒng)的反應(yīng)時(shí)間只有短短 2 秒，遠(yuǎn)遠(yuǎn)滿足不了剎車所需的時(shí)間與距離。

而今天發(fā)生在中國臺(tái)灣的類似事故，用資深自動(dòng)駕駛工程師黃覺（化名）的話來說，只要存在概率問題就一會(huì)有概率事故發(fā)生，或早或晚。特斯拉目前并沒有解決這個(gè)「長尾」問題。

高精地圖、精準(zhǔn)定位的缺失？

特斯拉沒有解決，是解決不了，還是「還沒解決？」其他車廠又是否有能力解決？

某大廠資深工程師劉新光（化名）說，目前全球量產(chǎn)車其實(shí)都會(huì)遇到這個(gè)坑。另一家大廠的自動(dòng)駕駛總監(jiān)張衛(wèi)（化名）也說，Camera\Radar 這時(shí)候是不好使的，「靜止異型車」都是坑。

不過，黃覺覺得奧迪裝在 A6、A7 等車型上的 L3 級(jí)自動(dòng)駕駛系統(tǒng)「能夠穩(wěn)定檢測出這個(gè)場景」，因?yàn)閵W迪的系統(tǒng)使用了激光雷達(dá)，但「代價(jià)很大，光激光雷達(dá)硬件成本大概 300、400 美金，還不包括軟件開放的成本。」

從傳感器「能看到」的角度，視覺傳感器對大面積白色物體非常不敏感。

毫米波雷達(dá)則很難對靜態(tài)物體進(jìn)行檢測，「所有靜態(tài)物體，譬如大橋接縫、路上釘子、可樂管、非常緩慢移動(dòng)的物體等，對 Radar 而言都很容易形成噪點(diǎn)，否則沒法開。」

激光雷達(dá)由于檢測回波能量、白色面發(fā)射率高，因而對大面積白色物體容易識(shí)別。

當(dāng)然，不是說攝像頭、毫米波雷達(dá)不能做到，但相對于激光雷達(dá)而且的確是比較難。尤其是如何在快速移動(dòng)中做到「高可信度」。

黃覺說，從技術(shù)角度看要精準(zhǔn)識(shí)別路上的障礙物有兩種方式。

一種是單機(jī)識(shí)別，譬如通過激光雷達(dá)的 3D 信息，發(fā)現(xiàn)前方斜率出現(xiàn)變化，認(rèn)為有障礙物于是采取了動(dòng)作。「但這個(gè)比較笨」，而且需要算法的特別訓(xùn)練；

另一種則是基于高清地圖（譬如 Mobiley 的 REM），甚至雷達(dá)特征地圖（博世目前在推進(jìn)）進(jìn)行比對。「我看過這個(gè)地圖，但之前道路上沒有這個(gè)物體。」于是采取了行動(dòng)。

「一個(gè)比較內(nèi)部的信息是，特斯拉內(nèi)部對高精地圖的重視不夠。」黃覺告訴我們，特斯拉的 IMU 慣性傳感器是不足的，這會(huì)導(dǎo)致行駛時(shí)很難做到非常精準(zhǔn)的車道級(jí)定位。

工程問題還是商業(yè)問題

必須要說明，黃覺毫無疑問是「激光雷達(dá)」派。而眾所周知，特斯拉是視覺路線，認(rèn)為人眼能解決的問題，攝像頭同樣也能解決。

而在劉新光看來，雖然「側(cè)翻的白色貨柜車」或者「異型靜態(tài)車輛」對于任何廠家而言都是「坑」，但視覺路線是能解決這個(gè) Corner Case（極端情況或者小概率事件） 的，前提是算法能識(shí)別。

劉新光認(rèn)為關(guān)鍵問題是數(shù)據(jù)訓(xùn)練，現(xiàn)在的特斯拉明顯沒有對這樣的特殊場景進(jìn)行過數(shù)據(jù)訓(xùn)練，進(jìn)而無法識(shí)別出有一個(gè)大貨車橫在那里。

「就好像毫米波能識(shí)別出前方有個(gè)東西，但不確定是什么，然后去問攝像頭大哥：這是什么？結(jié)果攝像頭說，我也沒看過呀。」

他認(rèn)為只要有技術(shù)方案，特斯拉肯定可以通過 OTA 解決這個(gè)問題。目前看沒有解決，只是說明這一問題的優(yōu)先級(jí)沒有在前面。特斯拉完全能通過數(shù)據(jù)閉環(huán)，對這樣一個(gè) Corner case 做出應(yīng)對。

但是，為什么特斯拉沒有這樣做？

劉新光說這可能不是個(gè)工程問題，而是一個(gè)商業(yè)問題。

他告訴我們，這種極端情況即使特斯拉有那么車在路上跑，但依然是小概率的。它必須購買、采集更多的數(shù)據(jù)，然后在臺(tái)架上跑、在算法上跑，此后再搭建場地做適應(yīng)性訓(xùn)練。

「這個(gè)代價(jià)有多高？你想想，時(shí)間、設(shè)備，搭建場地，投入的研發(fā)力量，就為了解決這 0.005% 的極端情況。」

而相較于這樣昂貴的工程解決方法，車廠其實(shí)還有零成本的方法，那就是「交付時(shí)反復(fù)強(qiáng)調(diào)不是全自動(dòng)駕駛。」

至于現(xiàn)在大家對這宗事故關(guān)注度這么高，一個(gè)原因是「這個(gè)就叫做過分宣傳帶來的反噬。」

的確如此？

車主濫用？

就 L2 系統(tǒng)而言，中國臺(tái)灣事故，包括 2016 年、2019 年的致死事故，都可以說車主濫用了 Autopiolt 系統(tǒng)。

但黃覺有異議。

他認(rèn)為目前廠家在 L2 系統(tǒng)中太過于考慮用戶體驗(yàn)。雖然邏輯上沒錯(cuò)，但在實(shí)際操作中，會(huì)讓「人在最困難的地方，做最艱難的決定」。

譬如中國臺(tái)灣事故，車主在發(fā)現(xiàn)后已經(jīng)剎不住了。「舒適性做好了，但留給用戶的選擇空間也不多。」

黃覺說為了用戶體驗(yàn)、為了舒適，「不急著剎車，將問題往后推，一旦超過了系統(tǒng)判定能力，留給司機(jī)的決策時(shí)間就會(huì)很短。場景越復(fù)雜，越是剝奪了司機(jī)提早做決策的權(quán)限。」

目前的自動(dòng)駕駛研發(fā)已經(jīng)脫離了「安全、不安全」的二元思考，「大家都在跟概率做斗爭。」黃覺說，在 L4 級(jí)的自動(dòng)駕駛研發(fā)中，他們要求的是不能漏報(bào)，這與 L2 的策略完全不同。

最后說一下「揮手」。

在中國臺(tái)灣事故中，能很清楚看到側(cè)翻貨車的司機(jī)在前方揮手。劉新光說，高速公路原本就不應(yīng)該有人，因此在 NOA 等類似功能設(shè)計(jì)時(shí)，可以將「路人揮手」這樣的場景納入決策依據(jù)。

一旦傳感器捕捉到，就可以判定前方出現(xiàn)了緊急狀況，即使不采取行動(dòng)，也應(yīng)該警示駕駛者注意。而他們一定會(huì)把這樣的場景寫入算法中。

「自動(dòng)駕駛，本質(zhì)上是數(shù)據(jù)驅(qū)動(dòng)。更多的數(shù)據(jù)，覆蓋更多的極端情況，優(yōu)化出更好的算法。」

返回第一電動(dòng)網(wǎng)首頁 >