8月10日的一起交通事故，讓自動(dòng)駕駛又成了爭議的焦點(diǎn)。一輛小鵬P7在高架路上，追尾撞上了一輛停靠在路上的故障車，站在前車車尾的人被撞飛身亡。
網(wǎng)傳小鵬車主的聊天記錄稱，他當(dāng)時(shí)開啟了駕駛輔助系統(tǒng)，但車輛在撞擊前沒有發(fā)出任何警告，也沒有做出剎車動(dòng)作——車輛沒有識別出前方路況。
小鵬方面回應(yīng)媒體稱，交警部門已經(jīng)立案處理，小鵬將全力配合相關(guān)部門進(jìn)行事故調(diào)查，并協(xié)助客戶處理后續(xù)相關(guān)事宜。小鵬沒有回應(yīng)車禍時(shí)車主是否開啟了輔助駕駛功能。
又一次血的教訓(xùn)，引發(fā)了人們對自動(dòng)駕駛安全性的擔(dān)憂。在半年前，小鵬汽車剛發(fā)生過一起類似事故。一位湖南岳陽的小鵬P7車主，在開啟輔助駕駛功能的狀態(tài)下，撞上一輛前方橫停的側(cè)翻車輛，幸好沒有造成人員傷亡。
再往前推，一年前，蔚來ES8一位車主，在沈海高速涵江段開車撞上一輛公路養(yǎng)護(hù)車，不幸逝世。根據(jù)當(dāng)時(shí)的報(bào)道，知情人士稱，他啟動(dòng)了輔助駕駛功能，但車輛未能識別車道內(nèi)前方的樁桶和養(yǎng)護(hù)車。
故障車、側(cè)翻車、養(yǎng)護(hù)車，是這三起事故爆發(fā)的導(dǎo)火線，它們都是靜止物體。對靜止物體的識別，直到今天依然是自動(dòng)駕駛的一大難題。這個(gè)難題在過去已經(jīng)造成了多起車禍，類似的事故在未來或許還會繼續(xù)出現(xiàn)。
自動(dòng)駕駛為什么就是識別不了靜止物體?對于這項(xiàng)新技術(shù)，還值得車主們繼續(xù)信任嗎?
誰釀成了這場車禍?
小鵬P7的這起事故，目前警方還沒有給出定論，但結(jié)合公開的路面視頻和相關(guān)資料，我們嘗試大致還原事件經(jīng)過。
事故中涉及到三方——小鵬P7車主、小鵬的輔助駕駛系統(tǒng)、故障車。事故的發(fā)生，是因?yàn)榍败嚢l(fā)生故障，停在了高架橋路段最左側(cè)的快車道上，在車道上正常行駛的小鵬P7，沒有剎車或避讓，發(fā)生了追尾。
問題是，小鵬P7為什么沒有發(fā)現(xiàn)前面的故障車?網(wǎng)傳小鵬P7車主的說法是，他開了輔助駕駛系統(tǒng)，系統(tǒng)沒識別，正巧當(dāng)時(shí)自己還分神了。在高架橋路段，車道上突然出現(xiàn)一個(gè)靜止物體，這是自動(dòng)駕駛中最容易出事故的場景。而本次事故的場景比正常情況還要更復(fù)雜一些。
首先，前車是停在高架橋最左側(cè)的快車道上，車道上的車輛車速非常快，后車要避讓的話只能向右側(cè)車道變道;其次也是更關(guān)鍵的，前車停下后，車主下車打開了后備箱，后來又關(guān)上后備箱站在車尾。
有分析認(rèn)為，前車車尾站人的狀態(tài)，可能導(dǎo)致車輛無法識別。因?yàn)樾※iP7要識別遠(yuǎn)方前車，主要靠傳感器識別前車尾蓋和尾燈特征。不過在這起事故里，小鵬P7不僅沒有識別出前方車輛，也沒有識別出車輛后的人。
攝像頭和毫米波雷達(dá)，是輔助駕駛系統(tǒng)中最重要的兩個(gè)傳感器。2020年初推出的小鵬P7，XPILOT 2.5系統(tǒng)搭載了5個(gè)攝像頭、3個(gè)毫米波雷達(dá)，XPILOT 3.0系統(tǒng)升級成14個(gè)攝像頭、5個(gè)毫米波雷達(dá)。
攝像頭跟人眼一樣，看到的是圖像，毫米波雷達(dá)看到的是波段，利用多普勒現(xiàn)象來感知物體的相對速度和角度。小鵬P7通過安裝在前風(fēng)擋玻璃上的攝像頭探測車道線，車輛前向毫米波雷達(dá)探測前車距離和障礙物。
按照網(wǎng)傳小鵬P7事故車主的說法，他那輛車是XPILOT 2.5系統(tǒng)。一位汽車行業(yè)人士對深途分析，XPILOT 2.5的輔助駕駛配置，攝像頭可以識別目標(biāo)類型，但是對于行人的識別一般超過60公里/時(shí)的車速就都很難了;毫米波雷達(dá)會過濾掉靜止目標(biāo)，一般只有毫米波雷達(dá)和攝像頭同時(shí)認(rèn)為在同一點(diǎn)有靜止目標(biāo)，才會具備較高的置信度用于規(guī)控。
如果按網(wǎng)傳聊天記錄，車主當(dāng)時(shí)設(shè)定的車速是80km/h，則已經(jīng)超過了車輛感知系統(tǒng)對行人的識別范圍。軟件工程師“數(shù)據(jù)里奧斯”對深途說：“小鵬P7前車的狀態(tài)，對于輔助駕駛系統(tǒng)而言肯定是更大的干擾。而且跟車速也有關(guān)系，車速越快計(jì)算反應(yīng)越慢。”
自動(dòng)駕駛業(yè)內(nèi)人士劉菲鴻對深途分析，“從事故視頻來看，那個(gè)場景對于輔助駕駛的感知任務(wù)來說是一個(gè)corner case，也就是目前落地的感知技術(shù)難以解決的場景。”
靜態(tài)物體，為何成了高速路“天坑”?
為什么高速路上的一個(gè)靜止物體，會成為感知系統(tǒng)的corner case?識別出靜止物，究竟難在哪?
數(shù)據(jù)里奧斯認(rèn)為，車輛行駛時(shí)，系統(tǒng)并不是不能識別靜止的物體，而是不能準(zhǔn)確地將對本車行駛有影響和干擾的靜止物體篩選出來。“其實(shí)都可以識別出來，但是沒辦法判斷到底要不要避讓，因?yàn)榈缆飞系倪@些靜止物體不好標(biāo)記，標(biāo)記出來又很容易被誤判。”
這可以理解為：寧可不識別，也不能經(jīng)常誤剎車。“比起經(jīng)常幽靈剎車，識別不出來更容易寬容。”他說。這里涉及到的感知設(shè)備，就是我們在上文提到的攝像頭和毫米波雷達(dá)。攝像頭需要用機(jī)器學(xué)習(xí)來訓(xùn)練識別物體，毫米波雷達(dá)靠電磁波的反射情況來識別測距。
但這兩個(gè)傳感器都有自己的局限。對于攝像頭而言，靜態(tài)物體類別多，形態(tài)千差萬別，需要大量的樣本訓(xùn)練，而側(cè)翻的卡車、打開后備箱的車尾、停在路邊的養(yǎng)護(hù)車，都不是常見的樣本，在訓(xùn)練不夠的情況下就容易識別不了。
比如著名的“白色卡車”，特斯拉曾多次與白色卡車相撞，因?yàn)樘厮估妮o助駕駛系統(tǒng)沒有識別出卡車車身，而是錯(cuò)將其識別為天空，最終導(dǎo)致誤判。
毫米波雷達(dá)的局限性也很明顯。車道上停放的汽車、金屬標(biāo)牌，以及一些非標(biāo)的靜止障礙物，都會因?yàn)槔走_(dá)的分辨率、回波等問題導(dǎo)致識別失誤。
汽車的感知系統(tǒng)扮演的是人眼的角色，人眼有一個(gè)特點(diǎn)，就是對運(yùn)動(dòng)物體很敏感，毫米波雷達(dá)跟人眼一樣具備這個(gè)特點(diǎn)，但對靜止物體比較容易“忽視”。
“這是毫米波雷達(dá)的核心技術(shù)弱點(diǎn)。”和高資本高級投資經(jīng)理陳子穎對深途說，在她看來，毫米波雷達(dá)的角分辨率低，是行業(yè)一直想要突破的技術(shù)難點(diǎn)，雷達(dá)信號的分辨率會直接影響成像精度，看得清楚和看不清楚有很大的差別。
“一般來說天線越多，波束角越窄，雷達(dá)性能越強(qiáng)，而增加天線的方式通常是MIMO(大規(guī)模陣列)方案和多芯片級聯(lián)的方案，但前者存在信號干擾的問題，后者存在級聯(lián)數(shù)量有限的問題，所以角分辨率始終難以突破到1°以下。”她說。
在技術(shù)沒有突破的情況下，對靜態(tài)物體的識別，會一直是輔助駕駛的一大痛點(diǎn)。
理想汽車CEO李想曾說：“目前攝像頭+毫米波雷達(dá)的組合像青蛙的眼睛，對于動(dòng)態(tài)物體判斷還好，對于非標(biāo)準(zhǔn)的靜態(tài)物體幾乎無能。視覺在這個(gè)層面的進(jìn)展幾乎停滯，哪怕是動(dòng)態(tài)，車輛以外的識別率也低于80%。”
李想說這段話的時(shí)間是2019年，當(dāng)時(shí)特斯拉Model 3直接撞上一輛正在作業(yè)的道路清掃車，車主不幸身亡。如今三年時(shí)間過去了，情況似乎也并沒有太大改觀。
技術(shù)上該如何解決?
高速路上的靜止物體，就像是自動(dòng)駕駛路上的一只攔路虎，時(shí)不時(shí)跳出來嚇人。這個(gè)問題該如何解決?
劉菲鴻對深途說，問題可能不在靜止上，而是在這些較為罕見的、低頻出現(xiàn)的場景，比如高速路上有側(cè)翻卡車，這種場景的出現(xiàn)的頻率太低了。在目前的技術(shù)框架下，瓶頸還是在罕見場景的數(shù)據(jù)量上，而不在于傳感器。
他認(rèn)為，目前的感知是基于數(shù)據(jù)驅(qū)動(dòng)的，比如讓系統(tǒng)識別貓和狗，貓的圖片有20個(gè)，狗的圖片有2000個(gè)，那么系統(tǒng)對狗的識別就會好于貓的識別。所以一個(gè)場景“稀缺”，那么就是一個(gè)corner case。
不過目前的技術(shù)瓶頸在于，“雖然單個(gè)稀缺的場景數(shù)據(jù)量是少的，但稀缺的場景類別數(shù)卻并不少。尷尬的地方之一就在這里。”按照這個(gè)邏輯，要讓自動(dòng)駕駛系統(tǒng)持續(xù)進(jìn)化，就需要源源不斷“投喂”大量的數(shù)據(jù)，覆蓋盡可能多的稀缺場景，讓系統(tǒng)在學(xué)習(xí)中增強(qiáng)識別能力。
這其實(shí)是特斯拉當(dāng)前的方案。特斯拉一直堅(jiān)持神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)，在算法上發(fā)力，而不是像國內(nèi)的造車新勢力那樣堆料，增加傳感器數(shù)量。特斯拉Model 3和Model Y的傳感器配置，在相同價(jià)位車型中，屬于偏低水平，但算法彌補(bǔ)了傳感器的不足。
馬斯克認(rèn)為，靠純視覺方案，在數(shù)據(jù)足夠的情況下，特斯拉也可以變得跟人一樣駕駛車輛，包括識別靜止物體。
“這里面的策略是關(guān)鍵，因此特斯拉通過每一輛車做視覺數(shù)據(jù)采集，不斷優(yōu)化算法模型，會覆蓋大部分場景，但還是存在無可預(yù)估的風(fēng)險(xiǎn)。” 國內(nèi)一家計(jì)算機(jī)視覺上市公司的內(nèi)部人士對深途說。風(fēng)險(xiǎn)的確是存在的，直到現(xiàn)在，特斯拉在靜態(tài)物體的識別上也沒有太大改進(jìn)。
陳子穎認(rèn)為，多傳感器融合是更安全的方案，因?yàn)槲锢韺拥木窒藓茈y完全突破，一旦遇到新的corner case冒出來，就又是人命關(guān)天的大事。特斯拉現(xiàn)在采取這樣的方案，還是更多基于傳感器的成熟度和成本角度考慮。“他們永遠(yuǎn)只用最成熟的方案，未來隨著技術(shù)成熟和成本降低，我相信特斯拉也不會非要堅(jiān)守視覺這條路徑。”
“先解決物理上的局限再談數(shù)據(jù)的局限比較可行，就像要求盲人都能靠順風(fēng)耳來識路，這個(gè)難度豈不是更大。”她說。國內(nèi)車企更多走了另一條路——提升傳感器數(shù)量和性能，比如研發(fā)4D毫米波雷達(dá)，推動(dòng)激光雷達(dá)量產(chǎn)上車。
當(dāng)年的特斯拉白色貨車事故，車上用的就是傳統(tǒng)缺乏高度信息的毫米波雷達(dá)，所以置信度低，遠(yuǎn)距離只能依賴圖像傳感器，最終難以擺脫物理層的局限性造成車禍。
隨著4D毫米波分辨率提高，置信度上升，識別前方有高度2米的車廂后，這個(gè)信息會立刻反饋到?jīng)Q策系統(tǒng)提前做出剎車預(yù)判，整個(gè)安全性會高很多。
激光雷達(dá)則提供了另一種可能。國內(nèi)的造車新勢力在今年推出的新車型中，大部分都加入了激光雷達(dá)，比如蔚來ES7、理想L9、小鵬G9等。
“未來傳統(tǒng)毫米波雷達(dá)的缺陷會慢慢被4D毫米波補(bǔ)上，但是論精度，4D毫米波雷達(dá)始終不及激光雷達(dá)，所以毫米波雷達(dá)和激光雷達(dá)最終還是會以互相冗余補(bǔ)充的方式并存。”陳子穎對深途分析。
總體而言，要繞過靜態(tài)物體這個(gè)“致命殺手”，輔助駕駛還有很長的路要走。
輔助駕駛還值得信任嗎?
每一次輔助駕駛事故，都給行業(yè)敲響了警鐘。但造成嚴(yán)重后果，不完全是系統(tǒng)的原因，車主也難逃其咎。在網(wǎng)傳聊天記錄中，小鵬P7事故中的車主說自己當(dāng)時(shí)“分神了”，這是很致命的一個(gè)錯(cuò)誤。
輔助駕駛不是自動(dòng)駕駛，再怎么強(qiáng)調(diào)都不為過。這項(xiàng)功能現(xiàn)在還不能解放司機(jī)的雙手，起到的只是“輔助”作用。車還得司機(jī)自己來開，遇到緊急情況要接管，出了事故司機(jī)要擔(dān)責(zé)。
去年的蔚來車禍之后，新造車行業(yè)冷靜了許多，過去那些浮夸、不負(fù)責(zé)任的宣傳變少了，風(fēng)險(xiǎn)提示加強(qiáng)了。
比如新用戶要開啟小鵬的輔助駕駛系統(tǒng)，必須經(jīng)過考試，在考題中就有提到，如果遇到低速或靜止的清掃車、橫停的事故車，系統(tǒng)有可能無法識別，應(yīng)立即接管車輛。特斯拉、蔚來等車企也在用戶手冊中提醒，車輛前方的靜止車輛或障礙物，系統(tǒng)可能無法識別和剎停。
但這些考試或提示，究竟對車主起到了多大的警示作用，很難評估。
在網(wǎng)上，經(jīng)常會有一些車輛開著輔助駕駛高速飛馳的視頻，車主拿著手機(jī)在發(fā)消息或玩游戲，還有人甚至坐在后排，完全讓車自己開。這些人或許是出于炫耀，亦或是出于獵奇，但暴露的是僥幸心理。
這種僥幸心理的形成，建立在日常使用中建立的信任之上?；蛟S車主在平時(shí)開啟輔助駕駛功能時(shí)，系統(tǒng)都有優(yōu)異表現(xiàn)，甚至超出車主預(yù)期，但這并不代表系統(tǒng)就具備了應(yīng)對所有極端場景的能力。而那些罕見的corner case，往往是在不經(jīng)意間出現(xiàn)的，而且致命。
“人工智能可以識別80%、90%，哪怕是99.999%，但達(dá)不到100%。但往往出事就是那0.00X%的不能識別造成的。這是AI的局限性。”一家自動(dòng)駕駛公司內(nèi)部人士對深途說。
深途接觸過多位Robotaxi安全員，他們坐在號稱具備L4級無人駕駛能力的Robotaxi上，讓車輛在測試運(yùn)營路段自動(dòng)駕駛，但隨時(shí)做好接管準(zhǔn)備。多位安全員表示，這個(gè)過程比自己開車還要累，因?yàn)樾枰⒁饬Ω叨燃小?ldquo;方向盤不在你手里，你不知道什么時(shí)候就突然要接管，絲毫大意不得。”
羅馬不是一天建成的，自動(dòng)駕駛要真正大規(guī)模應(yīng)用，無論是在技術(shù)還是法規(guī)上，都還有很多要突破的障礙。對于車主而言，這需要時(shí)間、耐心，更需要風(fēng)險(xiǎn)意識。
無論車企再怎么宣傳，車主都需要時(shí)刻牢記，現(xiàn)在的自動(dòng)駕駛都是L2向L3無限逼近的階段，還不能完全依賴傳感器去做決策。陳子穎認(rèn)為，人作為主要駕駛責(zé)任人這個(gè)前提一定要明確，“否則就是拿自己或他人的生命當(dāng)自動(dòng)駕駛發(fā)展中的墊腳石，代價(jià)真的太大了。”
標(biāo)簽： 自動(dòng)駕駛 又一次血的教訓(xùn) 靜止物體的識別 對于這項(xiàng)新技術(shù)
