近日,一輛特斯拉Model 3在中國(guó)臺(tái)灣省嘉義縣水上鄉(xiāng)高速路段發(fā)生了一起由自動(dòng)輔助駕駛(AutoPilot)系統(tǒng)故障而導(dǎo)致的車禍,車輛在沒(méi)有采取任何減速或轉(zhuǎn)向避讓動(dòng)作的情況下,徑直撞向了前方已經(jīng)發(fā)生側(cè)翻的貨車。后據(jù)駕駛者回憶,當(dāng)時(shí)他啟用了AutoPilot功能,并將速度設(shè)置在110km/h,駕駛者本以為該功能可以偵測(cè)到障礙物并采取相應(yīng)措施,但實(shí)際結(jié)果并非如此。
讓眾人感到不解的是,側(cè)翻在路面上的貨車,其橫截面積遠(yuǎn)比正常行駛中的貨車要大。也就是說(shuō),單從感知測(cè)量的難度來(lái)看,側(cè)翻的貨車本應(yīng)更容易被識(shí)別,而以AutoPilot聞名的特斯拉卻在這項(xiàng)實(shí)際測(cè)驗(yàn)中“翻車”,這不免讓人們對(duì)自動(dòng)駕駛的未來(lái)充滿擔(dān)憂。
靜止的“公路殺手”
相對(duì)靜止的物體似乎是自動(dòng)駕駛和輔助駕駛在技術(shù)升級(jí)之路上的一大障礙。
2016年5月,美國(guó)佛羅里達(dá)州一位男子駕駛開(kāi)啟著Autopilot系統(tǒng)的特斯拉Model S,撞上一輛正在馬路中間行駛的半掛卡車,導(dǎo)致駕駛員當(dāng)場(chǎng)死亡;2018年初,在洛杉磯405高速公路上,一輛特斯拉Model S撞上了一輛停在路邊的消防車,司機(jī)告訴消防部門當(dāng)時(shí)汽車正在使用AutoPilot功能;2018年,中國(guó)發(fā)生的首例“特斯拉自動(dòng)駕駛”車禍致死案,車輛同樣是在開(kāi)啟AutoPilot模式下撞上一輛停泊在高速路旁的道路清掃車;2019年3月,還是在美國(guó)佛羅里達(dá)州,一輛特斯拉Model 3以110km/ h的車速?gòu)街弊蚕蛞惠v正在緩慢橫穿馬路的白色拖掛卡車,駕駛員不幸罹難。
如果從結(jié)果上來(lái)看,這些都是處于AutoPilot開(kāi)啟狀態(tài)的汽車無(wú)法識(shí)別被測(cè)物體而導(dǎo)致的意外事故。但在技術(shù)層面上,早期特斯拉產(chǎn)品的傳感器配置和如今特斯拉產(chǎn)品的傳感器配置已經(jīng)發(fā)生了質(zhì)的改變。2016年之前的Model S使用的芯片是Mobileye公司的EyeQ3芯片技術(shù),以單攝像頭為主,輔以毫米波雷達(dá)等傳感設(shè)備;而如今Model 3使用最新的英偉達(dá)自動(dòng)駕駛芯片,處理速度遠(yuǎn)超當(dāng)年芯片水平。同時(shí),Model 3車頭安裝了一顆前置毫米波雷達(dá),車身四周布置8顆攝像頭和12個(gè)超聲波傳感器。
無(wú)論是從硬件配置還是軟件層面,兩款產(chǎn)品已經(jīng)不能同日而語(yǔ),但最新的產(chǎn)品在面對(duì)類似情況時(shí)還是“栽了跟頭”,可見(jiàn),相對(duì)靜止的物體仍是自動(dòng)駕駛前行道路上的一大瓶頸。
因過(guò)度信任自動(dòng)駕駛輔助系統(tǒng)而引發(fā)的事故是我們最不愿看到的結(jié)果,它似乎以這種方式提醒著人們自動(dòng)駕駛有多不靠譜。對(duì)于目前的自動(dòng)駕駛輔助系統(tǒng),專業(yè)人士普遍表示不能完全信任。
理想汽車首席執(zhí)行官李想曾在社交平臺(tái)發(fā)表觀點(diǎn)稱:“目前攝像頭+毫米波雷達(dá)的組合像青蛙的眼睛,對(duì)于動(dòng)態(tài)物體判斷還好,對(duì)于非標(biāo)準(zhǔn)的靜態(tài)物體幾乎無(wú)能。視覺(jué)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(shí)別率也低于80%,千萬(wàn)別真當(dāng)自動(dòng)駕駛來(lái)使用。”可見(jiàn),即便從硬件和技術(shù)層面已經(jīng)取得很大進(jìn)步,但專業(yè)人士還是建議我們把命運(yùn)掌握在自己手里。
出問(wèn)題的是傳感器還是算法?
其實(shí)從應(yīng)用層面來(lái)看,任何一家車企在使用說(shuō)明中都不曾提及駕駛者可以完全將車輛控制權(quán)移交給車輛,即便走在行業(yè)領(lǐng)先地位的特斯拉也只宣稱AutoPilot是一項(xiàng)輔助功能,車主在使用它的時(shí)候雙手不能離開(kāi)方向盤(pán),且注意力得一直放在駕駛上。
至于造成車輛事故的原因是什么,這個(gè)問(wèn)題還需要有關(guān)方面進(jìn)一步調(diào)查,但分析原因大致可分為兩種情況:傳感器未能檢測(cè)到物體;或傳感器檢測(cè)到了物體,但AutoPilot尚無(wú)能力解答這道“超綱題”。
傳感器未檢測(cè)到物體這種情況,或許在幾年前還解釋得通。由于此前以單目攝像頭檢測(cè)物體作為主要參考項(xiàng),確實(shí)存在被外界環(huán)境干擾的可能性,而毫米波雷達(dá)僅作為輔助沒(méi)能及時(shí)發(fā)揮作用,很容易導(dǎo)致事故發(fā)生。但如今的特斯拉配裝了1顆毫米波雷達(dá)、8顆攝像頭以及12個(gè)超聲波雷達(dá),如此之多的傳感器全部失效幾乎是不可能出現(xiàn)的情況,那么它的問(wèn)題出在哪兒?
紐勱科技首席執(zhí)行官徐雷認(rèn)為,識(shí)別不出靜止障礙物不一定是攝像頭的問(wèn)題。雙目攝像頭通過(guò)測(cè)算距離,它會(huì)發(fā)現(xiàn)前方有東西;單目攝像頭的工作原理則是重建路面,它也能發(fā)現(xiàn)路面上的障礙物。所以,徐雷估計(jì)應(yīng)該是算法的問(wèn)題。
智能駕駛技術(shù)專家郭繼舜分析認(rèn)為,視覺(jué)算法訓(xùn)練數(shù)據(jù)的局限性或是致使事故發(fā)生的一個(gè)原因。據(jù)了解,攝像頭一般通過(guò)觀察來(lái)對(duì)路面上的物體進(jìn)行分類,包括形狀、大小、面積等,也就是說(shuō)攝像頭見(jiàn)得越多,學(xué)習(xí)到的模型也就越多,通過(guò)全球用戶的數(shù)據(jù)共享,使得攝像頭學(xué)習(xí)的內(nèi)容變得豐富,算法變得更精準(zhǔn)。
“一般訓(xùn)練的都是識(shí)別車輛后部、側(cè)面、頭部,工程師可能沒(méi)想過(guò)有一天需要識(shí)別貨車的箱體頂部。”郭繼舜在談?wù)摰竭@起事故時(shí)說(shuō),深度學(xué)習(xí)模型不能對(duì)這個(gè)物體進(jìn)行分類。也就是說(shuō),算法不支持識(shí)別貨車白色箱體這樣類似于“一堵墻”的障礙物,由此造成了事故。智能駕駛行業(yè)會(huì)將以上情況稱為“Corner Case”(邊界情況),即便未來(lái)自動(dòng)駕駛的數(shù)據(jù)量再大、行駛里程再長(zhǎng)、信息處理能力再?gòu)?qiáng),攝像頭也很難將世間萬(wàn)物全部都識(shí)別出來(lái),并做出正確、及時(shí)地應(yīng)對(duì)。
而另一種可能則在于,大部分自然界物體的顏色都是18度灰,在戶外狀態(tài),如高速公路,其灰度則更低,也就是說(shuō)顏色更淺,物體的特征更不明顯,再加上陽(yáng)光的反射,很容易被攝像頭判定為自然環(huán)境的一部分,無(wú)法與“天空”或是“路面”區(qū)分開(kāi)來(lái)。
兩種說(shuō)法或許并不能服眾,因?yàn)榧幢銛z像頭處于“視覺(jué)盲區(qū)”和“知識(shí)盲區(qū)”,毫米波雷達(dá)也還在工作,為何雷達(dá)也未能奏效?
清華大學(xué)蘇州汽車研究院智能網(wǎng)聯(lián)中心主任戴一凡認(rèn)為,毫米波雷達(dá)一般會(huì)把靜止物體過(guò)濾掉的,因?yàn)閴?,橋,交通牌等太多類似信?hào),否則誤報(bào)太高。圖像算法時(shí)應(yīng)該沒(méi)有考慮側(cè)面車廂這種太特殊的情況。到近距離處,車輛應(yīng)該是信任了雷達(dá)的檢測(cè),但那時(shí)完全制動(dòng)來(lái)不及了。不過(guò),雖然在這起事故中,特斯拉撞到靜止障礙物,但其制動(dòng)系統(tǒng)也發(fā)揮了一些作用,降低了事故傷害。“強(qiáng)依賴圖像的自動(dòng)駕駛技術(shù)方案,都容易出現(xiàn)這類問(wèn)題。這是行業(yè)的共性問(wèn)題。”戴一凡說(shuō)。
“毫米波雷達(dá)對(duì)金屬敏感度太高,噪聲太多,造成了虛警和鬼影太多,而視覺(jué)算法的準(zhǔn)確度越來(lái)越高,所以現(xiàn)階段AEB 系統(tǒng)對(duì)毫米波雷達(dá)的置信度權(quán)重下降,感知結(jié)果以視覺(jué)感知為主,通過(guò)一段時(shí)間內(nèi)的置信度投票的方式獲得最終的感知輸出。這也是在這個(gè)案例中,毫米波雷達(dá)沒(méi)有及時(shí)給系統(tǒng)報(bào)警的原因。” 郭繼舜表示。
短期內(nèi)無(wú)解
從目前的技術(shù)發(fā)展來(lái)看,激光雷達(dá)似乎展現(xiàn)出比攝像頭和毫米波雷達(dá)更具優(yōu)勢(shì)的特點(diǎn)。由于激光頻率高,波長(zhǎng)短,光束能量密度大,因此具備分辨率高、距離精準(zhǔn),受外界影響小、信噪比高等特點(diǎn),是非常理想的環(huán)境傳感器。而其原理是根據(jù)激光遇到障礙后的折返時(shí)間,計(jì)算目標(biāo)與自己的相對(duì)距離,這些反饋回來(lái)的輪廓信息組成所謂的“點(diǎn)云”并繪制出三維環(huán)境地圖,精度可達(dá)到厘米級(jí)。“多配裝激光雷達(dá)是能夠解決識(shí)別不出靜止障礙物這個(gè)難題的。”戴一凡說(shuō)。
不過(guò),應(yīng)用激光雷達(dá)尚有幾方面瓶頸。首先是成本問(wèn)題。企業(yè)最關(guān)注的問(wèn)題便是成本,目前,由于激光雷達(dá)還處于測(cè)試階段,并未大規(guī)模量產(chǎn)使用,所以其當(dāng)下面臨最大的難點(diǎn)便是成本高、難維護(hù)。“這幾年,激光雷達(dá)的價(jià)格雖有所降低,但降低地十分有限。激光雷達(dá)價(jià)格下降還需要依靠大規(guī)模的配裝來(lái)分?jǐn)偝杀尽?rdquo;戴一凡說(shuō)。
其次,相比攝像頭,激光雷達(dá)缺失了色彩信息。如果搭配使用兩種傳感器,無(wú)疑會(huì)進(jìn)一步增加成本。事實(shí)上,攝像頭和毫米波雷達(dá)由于分辨率、幀率、信息豐富程度、算法適配度、產(chǎn)品成熟成本低等多種優(yōu)勢(shì),仍然是現(xiàn)階段智能駕駛傳感器的首選。
這也就是說(shuō),或許很長(zhǎng)一段時(shí)間內(nèi),我們?nèi)詿o(wú)法百分百放心地將車輛控制權(quán)交給汽車。雖然“L2級(jí)別自動(dòng)駕駛”、“高級(jí)駕駛輔助”等功能讓駕駛變得更加輕松,但從技術(shù)和成本的角度考量,自動(dòng)駕駛技術(shù)的局限性依舊很大,駕駛者在日常行車時(shí)依然要時(shí)刻保持警惕,對(duì)生命保持敬畏。(中國(guó)汽車報(bào)網(wǎng) 張海天)