特斯拉自動(dòng)駕駛事故頻出 車主怒斥拿命跑數(shù)據(jù)

　　專家解讀

　　針對調(diào)查中遇到的問題，《建約車評》還請教了清華大學(xué)計(jì)算機(jī)系教授鄧志東、360車聯(lián)網(wǎng)安全實(shí)驗(yàn)室主任劉健皓、地平線創(chuàng)始人余凱、主線科技創(chuàng)始人張?zhí)炖住nnovusion創(chuàng)始人鮑君威及禾賽科技創(chuàng)始人李一帆等多位業(yè)內(nèi)專家，得出的結(jié)論如下：

　　1.靜態(tài)障礙物無法識別

　　對車主及“用戶手冊”里面提到的特斯拉經(jīng)常無法識別靜態(tài)障礙物的問題，余凱、李一帆等業(yè)內(nèi)人士的解釋是，毫米波雷達(dá)是基于多普勒效應(yīng)(當(dāng)發(fā)射源與接收體之間存在相對運(yùn)動(dòng)時(shí)，接收體接收的發(fā)射源發(fā)射信息的頻率與發(fā)射源發(fā)射信息頻率不相同)，如果沒有相對速度，檢測是比較難的。

　　但鄧志東教授的解釋則與此不同?！八^靜態(tài)障礙物只是相對于路面是靜止的，相對于后面的自動(dòng)駕駛汽車，它仍然是相對運(yùn)動(dòng)的。不管使用攝像頭、激光雷達(dá)還是毫米波雷達(dá)，任何傳感器的測量都有噪聲，更何況自動(dòng)駕駛汽車本身還存在著導(dǎo)航誤差?？窟@些去實(shí)時(shí)估計(jì)前方障礙物的速度是否為零或是否靜止，實(shí)際是不可能完全準(zhǔn)確的。“

　　鄧志東認(rèn)為，與人類駕駛員、激光雷達(dá)相比，毫米波雷達(dá)的測量噪聲最大，對運(yùn)動(dòng)參數(shù)的估計(jì)最不準(zhǔn)確?！坝捎趧?dòng)、靜態(tài)障礙物判斷不準(zhǔn)確，當(dāng)運(yùn)動(dòng)參數(shù)估計(jì)出現(xiàn)較大誤差時(shí)，就很有可能觸發(fā)非正常的‘在該減速時(shí)突然加速’現(xiàn)象。障礙物檢測與運(yùn)動(dòng)參數(shù)估計(jì)算法目前還不成熟?！?/p>

　　李一帆、鮑君威和張?zhí)炖拙J(rèn)為，如果加上激光雷達(dá)，“探測失靈”的概率將會(huì)大幅度下降。

　　根據(jù)李一帆的解釋，雷達(dá)/激光雷達(dá)的探測能力受波長影響很大，波長太長的話，探測性能就會(huì)受到制約。通常，激光雷達(dá)的波長是nm級，而毫米波雷達(dá)的波長則是mm級。

　　鮑君威說，根據(jù)他們做的多次試驗(yàn)，“可以確定的是用激光雷達(dá)，尤其是Innovusion圖像級的激光雷達(dá)Hi Def，靜態(tài)動(dòng)態(tài)我們都能探測到障礙物在那，即使不能認(rèn)出具體是什么東西，但也知道它在那，不會(huì)讓車撞上去。”

　　張?zhí)炖渍J(rèn)為，特斯拉要從L2過渡到L4，激光雷達(dá)是必不可少的?！霸贚4的整體架構(gòu)下，高精地圖、多傳感器融合、智能決策等等模塊結(jié)合在一起，就會(huì)避免很多這些問題?！?/p>

　　事實(shí)上，特斯拉應(yīng)該也早已意識到了這個(gè)問題。盡管馬斯克曾經(jīng)口口聲聲說不會(huì)用激光雷達(dá)，但在2016年5月份的那次致命事故后不久，特斯拉就被爆出正在“偷偷摸摸地”在自己的車上裝上Velodyne激光雷達(dá)搞測試呢。也有可能，用激光雷達(dá)測速，早在事故發(fā)生前就開始而已，只是當(dāng)時(shí)沒被發(fā)現(xiàn)而已。

　　還有一個(gè)不太引入注目的消息是，馬斯克于2014年參與了固態(tài)激光雷達(dá)公司Quanergy的天使輪融資。不要以為這只是“財(cái)務(wù)型投資”。據(jù) Quanergy 公司中國區(qū)負(fù)責(zé)人在一次論壇上透露，Elon Musk 本人經(jīng)常會(huì)到訪 Quanergy 位于美國硅谷的總部，并和他們一起聊自動(dòng)駕駛未來的發(fā)展。

　　可以斷定，馬斯克就是在等機(jī)會(huì)，一旦固態(tài)激光雷達(dá)技術(shù)成熟并且價(jià)格也可承受，特斯拉應(yīng)該就會(huì)采用。

　　2.無法識別石墩

　　至于石墩無法被識別出來，就不僅僅是因?yàn)樗办o止”了，而且，還因?yàn)閿?shù)據(jù)庫里沒有這個(gè)模型。

　　360車聯(lián)網(wǎng)安全實(shí)驗(yàn)室主任劉健皓說：“首先要明確靜態(tài)障礙物是什么，毫米波雷達(dá)對不同的障礙物的感知能力是存在差異的。檢測汽車比較容易，但對石墩、錐桶這種形狀不規(guī)則的障礙物，即便檢測到了，由于算法的數(shù)據(jù)庫中沒有對應(yīng)的模型，也無法顯示在HMI(人機(jī)交互界面)中?！?/p>

　　劉健皓認(rèn)為，做自動(dòng)駕駛算法的多是高校和研究機(jī)構(gòu)的專家，真正來自產(chǎn)業(yè)界的人很少。這些高校里的人雖然能做出很優(yōu)秀的算法，但由于對具體的駕駛場景了解不夠，導(dǎo)致在實(shí)際環(huán)境下的“障礙物數(shù)據(jù)庫”還不夠豐富。

　　對無法識別石墩、石柱子這種問題，劉健皓給出的對策是：完善模型數(shù)據(jù)庫，改進(jìn)算法。

　　實(shí)際上，數(shù)據(jù)庫里沒有石墩子的模型，這可能是“不了解中國國情”的車企才會(huì)遇到的問題。出事車輛Model S上用的處理器是Mobileye的EyeQ 3，但EyeQ3的模型訓(xùn)練多主要針對歐美路況，所以對于中國的道路檢測準(zhǔn)確度會(huì)下降也是正常。

　　相比之下，地平線、小鵬汽車等公司都強(qiáng)調(diào)，自動(dòng)駕駛的算法設(shè)計(jì)“特別針對中國的道路場景”。在中國的道路上，石墩是很常見的，我們可以預(yù)測，待地平線的芯片應(yīng)用在量產(chǎn)車上時(shí)、待小鵬汽車批量上路時(shí)，石墩檢測將不再成為一個(gè)問題。

　　3.自動(dòng)剎車

　　關(guān)于自動(dòng)剎車，劉健皓和鄧志東都認(rèn)為，系統(tǒng)并不會(huì)無緣無故地自動(dòng)剎車，肯定是傳感器把它“看到”的什么東西誤讀為障礙物了。業(yè)界將這種現(xiàn)象稱為“誤檢”。所有的自動(dòng)剎車，都是由“誤檢”引起的。

　　為了對特斯拉的自動(dòng)駕駛安全系統(tǒng)進(jìn)行研究，劉健皓的團(tuán)隊(duì)曾經(jīng)在2016年“黑進(jìn)”其系統(tǒng)，干擾傳感器的工作。當(dāng)時(shí)，他們遠(yuǎn)程蔽掉一個(gè)超聲波傳感器，導(dǎo)致車上的其余11個(gè)超聲波傳感器也停止工作。

　　結(jié)果，前面明明沒有車，但傳感器卻檢測到有一輛車，強(qiáng)制車輛停下，急剎車;或者，在倒車時(shí)，明明后面沒人，但傳感器檢測到后面有人，讓倒車無法進(jìn)行。這就是發(fā)生了“誤判”。

　　通過這項(xiàng)研究，360汽車安全團(tuán)隊(duì)給特斯拉提交漏洞，證明了其傳感器不可靠，這就有了后來的Autopilot 2.0版——計(jì)算平臺(tái)從EyeQ 3改為PX 2，攝像頭也由1個(gè)前置攝像頭改成8個(gè)環(huán)視攝像頭。

　　當(dāng)然，即便是沒有黑客入侵，誤檢的問題也會(huì)經(jīng)常出現(xiàn)——被探測物體的材質(zhì)特殊、形狀不規(guī)則，或者是傳感器的“噪聲”等原因所致。

　　特斯拉(中國)官網(wǎng)上在2016年9月發(fā)的一篇文章中說，任何凹型的金屬表面不僅僅會(huì)反光，更會(huì)將反射信號放大數(shù)倍，進(jìn)而導(dǎo)致誤檢?！氨热?，一個(gè)丟棄在公路上的易拉罐，如果凹狀瓶底朝向車頭，就會(huì)被顯示成為一個(gè)大型的危險(xiǎn)障礙物”。

　　鄧志東舉例說，“比如，高速行駛的時(shí)候，在上下橋梁處偶爾會(huì)因路面出現(xiàn)的“噪聲”等造成誤檢，以為前方出現(xiàn)了“障礙物”，于是就開始自主剎車。這種錯(cuò)誤，毫米波雷達(dá)相對會(huì)更經(jīng)常出現(xiàn)。”

　　與誤檢現(xiàn)象相對應(yīng)的另一個(gè)問題是漏檢。將漏檢做到0，是自動(dòng)駕駛汽車上路時(shí)所必須滿足的基本指標(biāo);但同時(shí)還要將誤檢做到0，就相當(dāng)于障礙物檢測100%可靠，這是不太可能實(shí)現(xiàn)的。

　　偶爾剎剎車，雖然會(huì)讓人感到不舒服，但也不至于有災(zāi)難性后果——因此，無人車就遵循“寧可枉殺千人，不可使一人漏網(wǎng)”的策略，可以允許誤檢，但決不能漏檢。

　　誤檢的危害性：1.會(huì)出現(xiàn)一些莫名其妙的急剎車，影響乘坐體驗(yàn);2.自動(dòng)駕駛汽車由于誤檢自動(dòng)剎車，如果后面是人類駕駛的汽車，而且沒有及時(shí)剎住車，則前面的自動(dòng)駕駛汽車便可能被追尾。

　　如何降低誤檢率?

　　特斯拉官網(wǎng)那篇文章中提到的做法是——擁有更為詳細(xì)的點(diǎn)云數(shù)據(jù)。為了獲取更詳細(xì)的點(diǎn)云數(shù)據(jù)，特斯拉采取了以下幾招：

　　1.)在2016年9月將Autopilot的軟件系統(tǒng)升級到8.0版，對現(xiàn)有硬件進(jìn)一步挖掘，讓雷達(dá)可以探測到的周邊物體(數(shù)量)達(dá)到以前的六倍，并且有能力在每一個(gè)物體上獲得更多細(xì)節(jié)信息。

　　2.)整合每隔0.1秒獲取的雷達(dá)快照，匯編成為現(xiàn)實(shí)場景的"3D"影像。(通常)通過單一影像幀，很難知道物體是移動(dòng)的，靜止的，或者只是反光造成的虛像;而通過比較包含車輛速度、預(yù)期軌跡信息的連續(xù)影像幀，則可以分辨前方物體是否是真實(shí)的，同時(shí)預(yù)估發(fā)生碰撞的概率。

　　3.)通過機(jī)器學(xué)習(xí)功能標(biāo)定出那些容易誤導(dǎo)傳感器(雷達(dá))的場景，將其添加進(jìn)“白名單”。

　　鄧志東給出的兩條建議是：

　　1.)建立數(shù)據(jù)庫 把容易出現(xiàn)誤檢的場景列舉出來形成白名單，以后直接“放行”。這條跟特斯拉目前的做法是一樣的。

　　2.)多傳感器融合 誤檢的問題，采用單一傳感器是不可能徹底消除的。但采用噪聲水平更低的激光雷達(dá)和攝像頭進(jìn)行多傳感器融合，誤檢率會(huì)降低。