8月10日的一起交通事故，让自动驾驶又成了争议的焦点。一辆小鹏P7在高架路上，追尾撞上了一辆停靠在路上的故障车，站在前车车尾的人被撞飞身亡。
网传小鹏车主的谈天纪录称，他那时开启了驾驶辅助系统，但车辆在撞击前没有发出任何忠告，也没有做出刹车动作——车辆没有识别出前方路况。
小鹏方面回应媒体称，交警部门已经立案处置，小鹏将全力配合相关部门举行事故观察，并协助客户处置后续相关事宜。小鹏没有回应车祸时车主是否开启了辅助驾驶功效。
又一次血的教训，引发了人们对自动驾驶平安性的担忧。在半年前，小鹏汽车刚发生过一起类似事故。一位湖南岳阳的小鹏P7车主，在开启辅助驾驶功效的状态下，撞上一辆前方横停的侧翻车辆，幸好没有造成职员伤亡。
再往前推，一年前，蔚来ES8一位车主，在沈海高速涵江段开车撞上一辆公路养护车，不幸逝世。凭证那时的报道，知情人士称，他启动了辅助驾驶功效，但车辆未能识别车道内前方的桩桶和养护车。
故障车、侧翻车、养护车，是这三起事故发作的引前线，它们都是静止物体。对静止物体的识别，直到今天依然是自动驾驶的一浩劫题。这个难题在已往已经造成了多起车祸，类似的事故在未来或许还会继续泛起。
自动驾驶为什么就是识别不了静止物体？对于这项新手艺，还值得车主们继续信托吗？
谁酿成了这场车祸？
小鹏P7的这起事故，现在警方还没有给出定论，但连系公然的路面视频和相关资料，我们实验大致还原事宜经由。
事故中涉及到三方——小鹏P7车主、小鹏的辅助驾驶系统、故障车。事故的发生，是由于前车发生故障，停在了高架桥路段最左侧的快车道上，在车道上正常行驶的小鹏P7，没有刹车或避让，发生了追尾。
问题是，小鹏P7为什么没有发现前面的故障车？网传小鹏P7车主的说法是，他开了辅助驾驶系统，系统没识别，正巧那时自己还分神了。在高架桥路段，车道上突然泛起一个静止物体，这是自动驾驶中最容易失事故的场景。而本次事故的场景比正常情形还要更庞大一些。
首先，前车是停在高架桥最左侧的快车道上，车道上的车辆车速异常快，后车要避让的话只能向右侧车道变道；其次也是更要害的，前车停下后，车主下车打开了后备箱，厥后又关上后备箱站在车尾。
有剖析以为，前车车尾站人的状态，可能导致车辆无法识别。由于小鹏P7要识别远方前车，主要靠传感器识别前车尾盖和尾灯特征。不外在这起事家园，小鹏P7不仅没有识别出前方车辆，也没有识别出车辆后的人。
摄像头和毫米波雷达，是辅助驾驶系统中最主要的两个传感器。2020年头推出的小鹏P7，XPILOT 2.5系统搭载了5个摄像头、3个毫米波雷达，XPILOT 3.0系统升级成14个摄像头、5个毫米波雷达。
摄像头跟人眼一样，看到的是图像，毫米波雷达看到的是波段，行使多普勒征象来感知物体的相对速率和角度。小鹏P7通过安装在前风挡玻璃上的摄像头探测车道线，车辆前向毫米波雷达探测前车距离和障碍物。
根据网传小鹏P7事故车主的说法，他那辆车是XPILOT 2.5系统。一位汽车行业人士对深途剖析，XPILOT 2.5的辅助驾驶设置，摄像头可以识别目的类型，然则对于行人的识别一样平常跨越60公里/时的车速就都很难了；毫米波雷达会过滤掉静止目的，一样平常只有毫米波雷达和摄像头同时以为在统一点有静止目的，才会具备较高的置信度用于规控。
若是按网传谈天纪录，车主那时设定的车速是80km/h，则已经跨越了车辆感知系统对行人的识别局限。软件工程师“数据里奥斯”对深途说：“小鹏P7前车的状态，对于辅助驾驶系统而言一定是更大的滋扰。而且跟车速也有关系，车速越快盘算反映越慢。”
自动驾驶业内人士刘菲鸿对深途剖析，“从事故视频来看，谁人场景对于辅助驾驶的感知义务来说是一个corner case，也就是现在落地的感知手艺难以解决的场景。”
静态物体，为何成了高速路“天坑”？
为什么高速路上的一个静止物体，会成为感知系统的corner case？识别出静止物，事实难在哪？
数据里奥斯以为，车辆行驶时，系统并不是不能识别静止的物体，而是不能准确地将对本车行驶有影响和滋扰的静止物体筛选出来。“实在都可以识别出来，然则没设施判断到底要不要避让，由于蹊径上的这些静止物体欠好符号，符号出来又很容易被误判。”
这可以明白为：宁愿不识别，也不能经常误刹车。“比起经常幽灵刹车，识别不出来更容易宽容。”他说。这里涉及到的感知装备，就是我们在上文提到的摄像头和毫米波雷达。摄像头需要用机械学习来训练识别物体，毫米波雷达靠电磁波的反射情形来识别测距。
但这两个传感器都有自己的局限。对于摄像头而言，静态物体种别多，形态千差万别，需要大量的样本训练，而侧翻的卡车、打开后备箱的车尾、停在路边的养护车，都不是常见的样本，在训练不够的情形下就容易识别不了。
好比著名的“白色卡车”，特斯拉曾多次与白色卡车相撞，由于特斯拉的辅助驾驶系统没有识别出卡车车身，而是错将其识别为天空，最终导致误判。
毫米波雷达的局限性也很显著。车道上停放的汽车、金属标牌，以及一些非标的静止障碍物，都市由于雷达的分辨率、回波等问题导致识别失误。
汽车的感知系统饰演的是人眼的角色，人眼有一个特点，就是对运动物体很敏感，毫米波雷达跟人眼一样具备这个特点，但对静止物体对照容易“忽视”。
“这是毫米波雷达的焦点手艺弱点。”和高资源高级投资司理陈子颖对深途说，在她看来，毫米波雷达的角分辨率低，是行业一直想要突破的手艺难点，雷达信号的分辨率会直接影响成像精度，看得清晰和看不清晰有很大的差异。
“一样平常来说天线越多，波束角越窄，雷达性能越强，而增添天线的方式通常是MIMO（大规模阵列）方案和多芯片级联的方案，但前者存在信号滋扰的问题，后者存在级联数目有限的问题，以是角分辨率始终难以突破到1°以下。”她说。
在手艺没有突破的情形下，对静态物体的识别，会一直是辅助驾驶的一大痛点。
理想汽车CEO李想曾说：“现在摄像头+毫米波雷达的组合像田鸡的眼睛，对于动态物体判断还好，对于非尺度的静态物体险些无能。视觉在这个层面的希望险些阻滞，哪怕是动态，车辆以外的识别率也低于80%。”
李想说这段话的时间是2019年，那时特斯拉Model 3直接撞上一辆正在作业的蹊径清扫车，车主不幸身亡。现在三年时间已往了，情形似乎也并没有太大改观。
14岁少年打赏主播4万元全部追回 还获赠一套试卷
14岁少年打赏主播4万元全部追回 还获赠一套试卷
手艺上该若何解决？
高速路上的静止物体，就像是自动驾驶路上的一只拦路虎，时不时跳出来吓人。这个问题该若何解决？
刘菲鸿对深途说，问题可能不在静止上，而是在这些较为罕有的、低频泛起的场景，好比高速路上有侧翻卡车，这种场景的泛起的频率太低了。在现在的手艺框架下，瓶颈照样在罕有场景的数据量上，而不在于传感器。
他以为，现在的感知是基于数据驱动的，好比让系统识别猫和狗，猫的图片有20个，狗的图片有2000个，那么系统对狗的识别就会好于猫的识别。以是一个场景“稀缺”，那么就是一个corner case。
不外现在的手艺瓶颈在于，“虽然单个稀缺的场景数据量是少的，但稀缺的场景种别数却并不少。尴尬的地方之一就在这里。”根据这个逻辑，要让自动驾驶系统连续进化，就需要源源不停“投喂”大量的数据，笼罩尽可能多的稀缺场景，让系统在学习中增强识别能力。
这实在是特斯拉当前的方案。特斯拉一直坚持神经网络和机械学习，在算法上发力，而不是像海内的造车新势力那样堆料，增添传感器数目。特斯拉Model 3和Model Y的传感器设置，在相同价位车型中，属于偏低水平，但算法填补了传感器的不足。
马斯克以为，靠纯视觉方案，在数据足够的情形下，特斯拉也可以变得跟人一样驾驶车辆，包罗识别静止物体。
“这内里的战略是要害，因此特斯拉通过每一辆车做视觉数据采集，不停优化算法模子，会笼罩大部门场景，但照样存在无可预估的风险。” 海内一家盘算机视觉上市公司的内部人士对深途说。风险简直是存在的，直到现在，特斯拉在静态物体的识别上也没有太大改善。
陈子颖以为，多传感器融合是更平安的方案，由于物理层的局限很难完全突破，一旦遇到新的corner case冒出来，就又是性命关天的大事。特斯拉现在接纳这样的方案，照样更多基于传感器的成熟度和成本角度思量。“他们永远只用最成熟的方案，未来随着手艺成熟和成本降低，我信托特斯拉也不会非要坚守视觉这条路径。”
“先解决物理上的局限再谈数据的局限对照可行，就像要求瞽者都能靠顺风耳来识路，这个难度岂不是更大。”她说。海内车企更多走了另一条路——提升传感器数目和性能，好比研发4D毫米波雷达，推动激光雷达量产上车。
昔时的特斯拉白色货车事故，车上用的就是传统缺乏高度信息的毫米波雷达，以是置信度低，远距离只能依赖图像传感器，最终难以脱节物理层的局限性造成车祸。
随着4D毫米波分辨率提高，置信度上升，识别前方有高度2米的车厢后，这个信息会马上反馈到决议系统提前做出刹车预判，整个平安性会高许多。
激光雷达则提供了另一种可能。海内的造车新势力在今年推出的新车型中，大部门都加入了激光雷达，好比蔚来ES7、理想L9、小鹏G9等。
“未来传统毫米波雷达的缺陷会逐步被4D毫米波补上，然则论精度，4D毫米波雷达始终不及激光雷达，以是毫米波雷达和激光雷达最终照样会以相互冗余弥补的方式并存。”陈子颖对深途剖析。
总体而言，要绕过静态物体这个“致命杀手”，辅助驾驶另有很长的路要走。
辅助驾驶还值得信托吗？
每一次辅助驾驶事故，都给行业敲响了警钟。但造成严重结果，不完全是系统的缘故原由，车主也难逃其咎。在网传谈天纪录中，小鹏P7事故中的车主说自己那时“分神了”，这是很致命的一个错误。
辅助驾驶不是自动驾驶，再怎么强调都不为过。这项功效现在还不能解放司机的双手，起到的只是“辅助”作用。车还得司机自己来开，遇到紧要情形要接受，出了事故司隐秘担责。
去年的蔚来车祸之后，新造车行业镇定了许多，已往那些夸张、不认真任的宣传变少了，风险提醒增强了。
好比新用户要开启小鹏的辅助驾驶系统，必须经由考试，在考题中就有提到，若是遇到低速或静止的清扫车、横停的事故车，系统有可能无法识别，应立刻接受车辆。特斯拉、蔚来等车企也在用户手册中提醒，车辆前方的静止车辆或障碍物，系统可能无法识别和刹停。
但这些考试或提醒，事实对车主起到了多大的警示作用，很难评估。
在网上，经常会有一些车辆开着辅助驾驶高速飞驰的视频，车主拿着手机在发新闻或玩游戏，另有人甚至坐在后排，完全让车自己开。这些人或许是出于炫耀，亦或是出于猎奇，但露出的是幸运心理。
这种幸运心理的形成，确立在一样平常使用中确立的信托之上。或许车主在平时开启辅助驾驶功效时，系统都有优异显示，甚至超出车主预期，但这并不代表系统就具备了应对所有极端场景的能力。而那些罕有的corner case，往往是在不经意间泛起的，而且致命。
“人工智能可以识别80%、90%，哪怕是99.999%，但达不到100%。但往往失事就是那0.00X%的不能识别造成的。这是AI的局限性。”一家自动驾驶公司内部人士对深途说。
深途接触过多位Robotaxi平安员，他们坐在号称具备L4级无人驾驶能力的Robotaxi上，让车辆在测试运营路段自动驾驶，但随时做好接受准备。多位平安员示意，这个历程比自己开车还要累，由于需要注重力高度集中。“偏向盘不在你手里，你不知道什么时刻就突然要接受，丝毫大意不得。”
罗马不是一天建成的，自动驾驶要真正大规模应用，无论是在手艺照样律例上，都另有许多要突破的障碍。对于车主而言，这需要时间、耐心，更需要风险意识。
无论车企再怎么宣传，车主都需要时刻切记，现在的自动驾驶都是L2向L3无限迫近的阶段，还不能完全依赖传感器去做决议。陈子颖以为，人作为主要驾驶责任人这个条件一定要明确，“否则就是拿自己或他人的生命当自动驾驶生长中的垫脚石，价值真的太大了。”
责任编辑：雪花文章纠错
原创文章，作者：mhu8，如若转载，请注明出处：https://www.mhu8.com/23995.html
mhu8