最新資訊：智能汽車傷亡事故頻出，自動駕駛能否真正實(shí)現(xiàn)解放雙手？

近日，智能汽車事故頻出。

8月10日，在正常測試過程中，百度旗下自動駕駛出行服務(wù)平臺蘿卜快跑的測試車輛，被后方車輛追尾，導(dǎo)致交通事故；同日，某小鵬P7車主駕駛車輛與前方檢查車輛故障人員發(fā)生碰撞，據(jù)網(wǎng)絡(luò)流傳的聊天記錄，車主表示事故時開啟了ACC、LCC等輔助功能。

盡管兩起事故不一定是由輔助駕駛或自動駕駛系統(tǒng)所導(dǎo)致，但業(yè)界圍繞自動駕駛系統(tǒng)安全性的爭議愈演愈烈。

(資料圖)

“無論是硬件還是軟件，當(dāng)前汽車的輔助駕駛系統(tǒng)還非常不完善。但是由于企業(yè)和自媒體的過度宣傳，導(dǎo)致用戶過于信任和依賴這套系統(tǒng)。”某車企自動駕駛部門負(fù)責(zé)人李可向第一財經(jīng)記者表示，他不會選擇在高速公路上使用輔助駕駛或自動駕駛。

主流感知方案仍存在短板

針對小鵬P7在寧波高架上發(fā)生的事故，業(yè)界的關(guān)注點(diǎn)主要聚焦在兩個方面：一是目前眾多車企使用的L2級輔助駕駛系統(tǒng)，都可以根據(jù)前方的車輛速度進(jìn)行自動跟車和減速剎車，但此次事件中當(dāng)前方有障礙物時，為何車輛沒能及時識別并做出相應(yīng)的動作；二是根據(jù)車主表示，事故發(fā)生時自己“分神”了，在智能輔助駕駛系統(tǒng)功能愈發(fā)齊全、自動化程度越來越高的情況下，車企該如何讓用戶正確使用相關(guān)系統(tǒng)。

李可向稱，無論是高級輔助駕駛還是自動駕駛，組成部分基本可分為感知、決策和控制模塊。在感知方案上，當(dāng)前主流的輔助駕駛系統(tǒng)主要采用攝像頭和毫米波雷達(dá)的融合感知方案。在未來的發(fā)展方向上，特斯拉致力于采用純視覺解決方案，大部分國內(nèi)車企則計劃應(yīng)用攝像頭、毫米波雷達(dá)和激光雷達(dá)的融合感知方案。

本次發(fā)生事故的小鵬P7便采用了毫米波雷達(dá)和視覺的融合感知方案。其中，毫米波主要通過電波反射來進(jìn)行障礙物的探測，但難以準(zhǔn)確識別障礙物類型，諸如路牌、龍門架、護(hù)欄等靜止物體都會被識別為障礙物，為了保證駕駛輔助系統(tǒng)的流暢性，算法上通常會忽略相對于路面不移動的雷達(dá)回波。而視覺需要依賴大量的樣本量進(jìn)行學(xué)習(xí)，對于異形物的識別效果較差，這次被撞車輛前站了一個人，視覺可能會出現(xiàn)識別問題。

此外，視覺感知容易受到日照、明暗交替等環(huán)境因素干擾；毫米波雷達(dá)會穿透塑料、墻板和衣服等特定材料，無法對相應(yīng)目標(biāo)物進(jìn)行識別。此外受制于成本，車載毫米波雷達(dá)一般僅涉及平面的角分辨率，垂直方向上則不做區(qū)分，因而也無法判斷識別目標(biāo)距離地面的高度。

據(jù)第一財經(jīng)記者梳理，包括小鵬以及特斯拉在內(nèi)的車企，目前的高階輔助駕駛系統(tǒng)對于上述包括相對靜態(tài)的障礙物、雪糕筒在內(nèi)的物體，幾乎都沒辦法識別，這在業(yè)內(nèi)是一個普遍存在的問題。正因如此，這些車企在用戶手冊中往往都會將輔助功能無法實(shí)現(xiàn)的場景單獨(dú)進(jìn)行羅列。以小鵬汽車為例，在車主首次使用相應(yīng)輔助駕駛系統(tǒng)前，小鵬汽車的操作界面有一個強(qiáng)制的考試答題環(huán)節(jié)，幫助用戶了解輔助駕駛系統(tǒng)無法生效的使用場景。

有分析認(rèn)為，在激光雷達(dá)上車之后，車輛對于靜止障礙物、雪糕筒等物體的識別能力將有大幅提升。此外，激光雷達(dá)作為 3D 傳感器具有測距遠(yuǎn)，分辨率優(yōu)，受環(huán)境光影響小等特點(diǎn)，可以成為智能駕駛的第三只眼睛，彌補(bǔ)傳統(tǒng)輔助駕駛系統(tǒng)的自帶缺陷，系統(tǒng)誤報等問題。

相當(dāng)一部分車企也將增強(qiáng)感知的重任交給了激光雷達(dá)。近期，蔚來、小鵬、理想、阿維塔等車企發(fā)布的新車上，均已搭載一顆甚至多顆激光雷達(dá)。

無人駕駛是不是“鏡中花”？

“從近期的技術(shù)條件來看，激光雷達(dá)會是自動駕駛感知的必要元件，它的探測精度以及提供的距離信息能夠大大彌補(bǔ)目前主流方案的短板；但缺點(diǎn)就是價格過高，目前大部分車企裝車的都是半固態(tài)激光雷達(dá)，雖然性能弱于很多自動駕駛測試車使用的機(jī)械式激光雷達(dá)，但成本已經(jīng)下滑了很多，并且隨著裝車量的提升，成本還有進(jìn)一步下探的空間。”某商用車自動駕駛解決方案首席工程師董浩告訴記者，將來不排除攝像頭出現(xiàn)技術(shù)上的躍進(jìn)，能夠優(yōu)化黑夜、光影交替等環(huán)境下的表現(xiàn)，提高純視覺感知方案的可靠性。

但值得注意的是，激光雷達(dá)上車并非是實(shí)現(xiàn)自動駕駛的“救世主”。

盡管激光雷達(dá)能夠補(bǔ)齊目前主流識別方案上的短板，但僅僅依靠硬件的升級，并不能完全解決識別能力不足或精確度不夠的問題。

“人類駕駛員操控車輛，是通過眼睛收集信息，大腦處理信息，并最終用手腳來實(shí)現(xiàn)操控的動作；激光雷達(dá)、毫米波雷達(dá)等感知元件，就像人的眼睛，是來獲取外界信息的；線性底盤、線性轉(zhuǎn)向就是手腳，負(fù)責(zé)控制車輛；但目前最大的問題是，軟件和算法還無法達(dá)到人腦的水平，即便探測元件收集到了信息，算法不一定能夠進(jìn)行準(zhǔn)確的識別，并指導(dǎo)相應(yīng)元件進(jìn)行控制。”董浩說道。

自動駕駛是一個流程化、復(fù)雜的綜合系統(tǒng)，涉及眾多流程和領(lǐng)域。其在流程上包括感知層、認(rèn)知層、決策規(guī)劃層、控制層和執(zhí)行層幾個層面。而識別的準(zhǔn)確度是上述幾個流程共同作用的結(jié)果，其一方面依賴于硬件設(shè)備的檢測精準(zhǔn)度，比如，在攝像頭和毫米波雷達(dá)的視覺融合方案中，攝像頭和雷達(dá)都在執(zhí)行檢測，但對于同樣的物體，不同的硬件設(shè)別檢測的精準(zhǔn)度不同，這就需要對硬件進(jìn)行視覺技術(shù)訓(xùn)練。

近兩年來，得益于軟、硬件的提升，自動駕駛相關(guān)技術(shù)得到了長足的進(jìn)步，例如小鵬的NGP、蔚來的NAD等系統(tǒng)，雖然被宣傳為智能駕駛，但其實(shí)現(xiàn)的功能已經(jīng)夠得上L3級自動駕駛的水平。

董浩認(rèn)為，在5到10年內(nèi)，L4級別自動駕駛會得到較快的發(fā)展，其中近3~5年內(nèi)，在礦區(qū)等相對封閉的場景會率先落地L4自動駕駛；但L5級自動駕駛，即全無人的自動駕駛，或許仍需要等待較長的時日。

“自動駕駛系統(tǒng)需要識別的物體有無限種，這就需要在機(jī)器學(xué)習(xí)中輸入大量數(shù)據(jù)，把算法喂出來。但是非標(biāo)準(zhǔn)的物體又沒有足夠的數(shù)據(jù)。”李可認(rèn)為，自動駕駛中的Corner Case（長尾問題）會無窮無盡，除非機(jī)器能夠?qū)崿F(xiàn)和人類一樣舉一反三的能力，那么自動駕駛可能永遠(yuǎn)無法覆蓋100%的工況。

國內(nèi)某駕駛輔助公司投資人告訴記者，一定程度上，在線控、自動駕駛等領(lǐng)域，汽車正沿著過去幾十年間飛機(jī)技術(shù)的腳步演進(jìn)，但目前即便是飛機(jī)，也沒能100%實(shí)現(xiàn)自動駕駛。

標(biāo)簽： 自動駕駛