自动驾驶出事故 L2辅助驾驶能力有限

  　　 自动驾驶最近几年有多火热？百度董事长李彦宏曾说“到2030年，没有自动驾驶能力的电动车，将完全没有竞争力。”在汽车电动化快速发展的同时，自动驾驶已经成为了很多汽车品牌的宣传卖点。不过，汽车智能化发展并没有如想象中的那么顺利，最近几年，已有多起与自动驾驶相关的事故发生。

  　　前不久，浙江宁波高速公路发生一起事故，一位小鹏汽车车主采用智能驾驶辅助，没有人工介入，撞了停在路边的一辆施工车辆，造成人员伤亡。虽然车主承认自己开车走神了，而且品牌方也多次强调：开启L2辅助驾驶系统依然需要驾驶员集中注意力，但这件事还是引起了不少的讨论热度。

  　　类似的事情并不少见，去年一位蔚来车主在高速上撞上了同样的静止施工车辆。据媒体报道，特斯拉也多次在路上撞上静止的汽车。

  　　这类事情之所以能引起广泛的讨论，主要原因在于对于人类驾驶员来说非常简单的场景，对于“自动驾驶”来说并非如此。这不禁让人产生疑问：前面停着如此大且明显的的障碍物，为什么这些号称“智能驾驶”的汽车连这些基本的场景都判断不了？

  　　即使厂家一再声明，目前市面上的车还处于L2辅助驾驶阶段，离真正的“自动驾驶”还很远。但是坐拥几百TOPS算力芯片，高清摄像头，毫米波雷达，超声波雷达等号称“高科技”的智能电动车，它的能力边界到底在哪儿？消费者应该对当下的“自动驾驶”技术抱有什么样的期待？

  毫米波雷达能力有限

  　　无论是特斯拉还是国内众多新势力，目前的L2驾驶辅助系统方案都是摄像头加毫米波雷达的组合。

  　　比如特斯拉采用的就是1个毫米波雷达，12个超声波雷达和8个摄像头组成的感知系统；蔚来ES8搭载了一个前向3目摄像头，5个毫米波雷达，12个超声波雷达；而小鹏P7搭载的是1个高感知摄像头，3个毫米波雷达，以及2个超声波雷达。

  　　可见国内外，对于目前的L2系统都是以摄像头加毫米波雷达为主的传感器方案，来对周围的环境进行感知。

  『毫米波雷达分类』

  　　毫米波雷达的原理很简单，就是把毫米波发送出去，然后毫米波碰到障碍物会反射回来，根据反射回来后接收到的回波，我们可以得到一个时间差，有了时间差我们就能知道此时汽车距离障碍物的相对距离，这就是多普勒原理。

  　　现在L2系统上几乎都用上毫米波雷达，主要原因就是它抗干扰能力强，受天气影响小，是全天候工作的传感器。

  　　看上去毫米波雷达是一个很好用的传感器。理论上，它能够穿透烟雾，也不受天气影响，那前面有障碍物，不管是静止的还是运动的，应该都能识别到。然而现实情况是，在此前发生的交通事故中，特斯拉遇到横在路面的大货车，蔚来遇到大型工程车，以及小鹏遇到停在马路边的小轿车，都没能识别到。难道是毫米波雷达徒有其名吗？

  　　事实上，毫米波雷达靠向前发射雷达波工作。但是目前的毫米波雷达仰角测量能力很弱，这就导致了毫米波雷达无法识别高度。一般情况下，雷达波遇到正前方的障碍物时能反射波回来，但是雷达波遇到旁边的桥梁，路牌，路面，减速带等也能反射回来，这就造成了真实的路障和虚假的路障傻傻分不清楚。尤其是在较远距离的探测时，多径反射、无法识别高度的目标会产生很多杂波，致使系统出现误判。

  『特斯拉自动驾驶系统识别交通信号』

  　　因此，当前方出现静止物体的时候，即便毫米波雷达能够识别到真正的障碍物，也不能区分出它是路面、路牌还是停着的汽车。因为在毫米波雷达眼里，这些都是一样的东西。如果是在高速公路上，毫米波雷达出现误判就会引起车紧急刹车。为了避免这种情况，车速达到一定值之后，毫米波雷达识别静止物体的权重会变低。这时候，依靠毫米波雷达作为单一传感器进行感知就明显不够用了，还需要摄像头。

  摄像头和视觉识别也会“犯迷糊”

  　　在智能驾驶中，用摄像头的初衷就跟人眼一样：既然人类驾驶员能够用人眼看到的一切来进行驾驶行为，那么汽车依靠摄像头加算法也可以，这一点马斯克深有感触。

  　　在智能电动车上，摄像头代替人眼来进行测量和判断，将目标的光线信号转化成图像信号，传送给专门的图像识别处理器，根据图像的像素分布，亮度和颜色等信息，以抽取目标的特征，最终获得相应的识别信息。

  『特斯拉Model3撞上侧翻的货车』

  　　通俗来讲就是：摄像头的工作原理跟人眼一样，首先要看到前方的物体，然后在脑子里搜索，以前有没有见过这个物体，如果找到匹配的，那就能够认出这是什么；如果没见过，那就不认识直接忽略掉。

  　　比如说，车载摄像头看到一个锥形桶，会先在数据库里比对类似的物体。然后摄像头以后每次看到这种颜色，形状，大小差不多的物体之后，就会标注为锥形桶。因此摄像头需要进行海量的数据训练，以认识更多的而物体。

  　　对于摄像头来说，首先要看到，其次要认识。而在宁波的那场事故中，从视频里看天气良好，光照很足视野开阔，摄像头应该已经看到了前方的车辆。但是由于当时汽车车尾放了一个锥形桶，锥形桶前方又站了一个人，这三者出现了重叠。这三件静止的事物，按理说摄像头都能识别。但如果三者重叠合一，算法就没见过这种物体了，摄像头也没有经过训练和标注，也识别不出来。

  　　类似的例子还有很多，在一个L2辅助驾驶系统中，如果前方出现了不规则的物体，或者没有被标注过的物体，摄像头就会选择直接忽略掉。

  　　因此，对于摄像头的能力可以概括为：你教过它的，它就认识；没教过，它就不认识。

  　　一个让人不愿意承认的事实是，毫米波雷达识别静止物体时不好用，而摄像头只能识别他认识的物体，现在的辅助驾驶系统只能应付一些比较简单的路况，稍微复杂一些便无能为力。现实世界太复杂，人类善于处理复杂场景触类旁通，但是机器不能。

  现实世界的复杂性超出想象

  　　尽管国内宣传了很久的智能电动车，或者自动驾驶汽车，但是目前市场上没有L3级别的自动驾驶车型出现，而那些声称达到L3、L4级别的，也远没有达到量产水平。因为对于一款自动驾驶汽车来说，即使你能够应对马路上95%以上的路况，但是还有5%的可能性会出事故。这对一个交通工具来说，是不能接受的。

  　　现实世界的复杂性在于特殊情况太多了，比如高速上一般都是运动的汽车，而冷不丁总有故障车辆停在高速上，人类能轻而易举识别他们，但是目前的L2系统却很难。

  『去年一蔚来车主因开启“自动驾驶”功能出事故』

  　　人工智能不擅于应对的那些5%的特殊情况，我们称之为边缘场景。举个例子，现阶段的摄像头能够很容易识别到前方运动的汽车，但是如果一把椅子突然从前方车上掉下来，摄像头就无能为力了。因为摄像头没遇到过这种情况，它不知道怎么应对，只能直冲冲撞上去。

  　　类似的场景还有很多，比如面对空中飞来的一个大气球，自动驾驶是一个急刹还是直接开过去？我们的自动驾驶系统能够识别站立的人，那如果遇到横躺马路上的人，又是否能够识别？

  　　这种边缘场景实在太多了，现实路况的多样性和复杂性，让现在的自动驾驶辅助系统屡出事故。而对于我们普通消费者来说，要对技术的发展保持清醒的认知，因为目前的量产自动驾驶技术还远没有能够达到让人开车走神的地步，最靠谱的司机依然是掌握方向盘的人类。