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(shuō)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(wú)法識(shí)別，同樣仿佛不帶減速的一頭撞上…。

人們問(wèn)：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？

我們采訪了三位自動(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(wèn)題還是商業(yè)問(wèn)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(duì)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(lái)看，這驚魂一撞發(fā)生在今天早晨六點(diǎn)多，于臺(tái)灣嘉義的高速公路上。僅僅三四個(gè)小時(shí)后，現(xiàn)場(chǎng)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(lái)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(guò)往車輛注意，但好似沒(méi)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(méi)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(méi)有想像中慘烈。

報(bào)道還稱稱當(dāng)?shù)鼐竭M(jìn)行了酒精測(cè)試，酒測(cè)值是 0.00 mg/l。司機(jī)黃某稱當(dāng)時(shí)車輛開(kāi)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(shuō)明了特斯拉的熱度。

網(wǎng)上評(píng)論大多認(rèn)為車輛當(dāng)時(shí)處于 Autopiolt 狀態(tài)，「感覺(jué)（司機(jī)）在玩手機(jī)沒(méi)看路?！埂ⅰ高@一定睡了，因?yàn)檫@偵測(cè)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(guò)好險(xiǎn)有前面剎那一下，不然應(yīng)該更慘?！?/p>

當(dāng)然，也有特吹言論：「對(duì)特斯拉 AP 來(lái)說(shuō)，那不是一臺(tái)卡車，因?yàn)榭ㄜ嚥婚L(zhǎng)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(lái)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?！?/p>

是概率問(wèn)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(méi)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(lái)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(kāi)著 Model S ，在 Autopilot 狀態(tài)下撞到了一輛正在過(guò)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(guò)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(chǎng)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?gòu)?qiáng)調(diào)「自動(dòng)駕駛」。

從 Autopilot 的應(yīng)用來(lái)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(wèn)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(guò)一篇文章，認(rèn)為特斯拉在過(guò)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(wú)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(lái)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(guò)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(wú)法有效提取特征點(diǎn)，從而無(wú)法進(jìn)行有效的深度恢復(fù)（Structure from Motion， SFM）。」

換句話說(shuō)，它雖然能看到但無(wú)法辨別出廣告牌、天際線還是橫過(guò)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)生在臺(tái)灣的類似事故，用資深自動(dòng)駕駛工程師黃覺(jué)（化名）的話來(lái)說(shuō)，只要存在概率問(wèn)題就一會(huì)有概率事故發(fā)生，或早或晚。特斯拉目前并沒(méi)有解決這個(gè)「長(zhǎng)尾」問(wèn)題。

高精地圖、精準(zhǔn)定位的缺失？

特斯拉沒(méi)有解決，是解決不了，還是「還沒(méi)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(shuō)，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(shuō)，CameraRadar 這時(shí)候是不好使的，「靜止異型車」都是坑。

不過(guò)，黃覺(jué)覺(jué)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(cè)出這個(gè)場(chǎng)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(kāi)放的成本。」

從傳感器「能看到」的角度，視覺(jué)傳感器對(duì)大面積白色物體非常不敏感。

毫米波雷達(dá)則很難對(duì)靜態(tài)物體進(jìn)行檢測(cè)，「所有靜態(tài)物體，譬如大橋接縫、路上釘子、可樂(lè)管、非常緩慢移動(dòng)的物體等，對(duì) Radar 而言都很容易形成噪點(diǎn)，否則沒(méi)法開(kāi)?！?/p>

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

當(dāng)然，不是說(shuō)攝像頭、毫米波雷達(dá)不能做到，但相對(duì)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(jué)說(shuō)，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(guò)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?！傅@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(duì)?！肝铱催^(guò)這個(gè)地圖，但之前道路上沒(méi)有這個(gè)物體?！褂谑遣扇×诵袆?dòng)。

「一個(gè)比較內(nèi)部的信息是，特斯拉內(nèi)部對(duì)高精地圖的重視不夠?！裹S覺(jué)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(wèn)題還是商業(yè)問(wèn)題

必須要說(shuō)明，黃覺(jué)毫無(wú)疑問(wèn)是「激光雷達(dá)」派。而眾所周知，特斯拉是視覺(jué)路線，認(rèn)為人眼能解決的問(wèn)題，攝像頭同樣也能解決。

而在劉新光看來(lái)，雖然「?jìng)?cè)翻的白色貨柜車」或者「異型靜態(tài)車輛」對(duì)于任何廠家而言都是「坑」，但視覺(jué)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(wèn)題是數(shù)據(jù)訓(xùn)練，現(xiàn)在的特斯拉明顯沒(méi)有對(duì)這樣的特殊場(chǎng)景進(jìn)行過(guò)數(shù)據(jù)訓(xùn)練，進(jìn)而無(wú)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(wèn)攝像頭大哥：這是什么？結(jié)果攝像頭說(shuō)，我也沒(méi)看過(guò)呀?！?/p>

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

但是，為什么特斯拉沒(méi)有這樣做？

劉新光說(shuō)這可能不是個(gè)工程問(wèn)題，而是一個(gè)商業(yè)問(wèn)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(gòu)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(chǎng)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(chǎng)地，投入的研發(fā)力量，就為了解決這 0.005% 的極端情況?！?/p>

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(duì)這宗事故關(guān)注度這么高，一個(gè)原因是「這個(gè)就叫做過(guò)分宣傳帶來(lái)的反噬?！?/p>

的確如此？

車主濫用？

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

但黃覺(jué)有異議。

他認(rèn)為目前廠家在 L2 系統(tǒng)中太過(guò)于考慮用戶體驗(yàn)。雖然邏輯上沒(méi)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」。

譬如臺(tái)灣事故，車主在發(fā)現(xiàn)后已經(jīng)剎不住了?！甘孢m性做好了，但留給用戶的選擇空間也不多。」

黃覺(jué)說(shuō)為了用戶體驗(yàn)、為了舒適，「不急著剎車，將問(wèn)題往后推，一旦超過(guò)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(chǎng)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(zhēng)。」黃覺(jué)說(shuō)，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(shuō)一下「揮手」。

在臺(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(shuō)，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(chǎng)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(chǎng)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。」
責(zé)任編輯:pj