特斯拉自動(dòng)駕駛事故頻出 車(chē)主怒斥拿命跑數據

　　專(zhuān)家解讀

　　針對調查中遇到的問(wèn)題，《建約車(chē)評》還請教了清華大學(xué)計算機系教授鄧志東、360車(chē)聯(lián)網(wǎng)安全實(shí)驗室主任劉健皓、地平線(xiàn)創(chuàng )始人余凱、主線(xiàn)科技創(chuàng )始人張天雷、Innovusion創(chuàng )始人鮑君威及禾賽科技創(chuàng )始人李一帆等多位業(yè)內專(zhuān)家，得出的結論如下：

　　1.靜態(tài)障礙物無(wú)法識別

　　對車(chē)主及“用戶(hù)手冊”里面提到的特斯拉經(jīng)常無(wú)法識別靜態(tài)障礙物的問(wèn)題，余凱、李一帆等業(yè)內人士的解釋是，毫米波雷達是基于多普勒效應(當發(fā)射源與接收體之間存在相對運動(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(méi)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(chē)，它仍然是相對運動(dòng)的。不管使用攝像頭、激光雷達還是毫米波雷達，任何傳感器的測量都有噪聲，更何況自動(dòng)駕駛汽車(chē)本身還存在著(zhù)導航誤差?？窟@些去實(shí)時(shí)估計前方障礙物的速度是否為零或是否靜止，實(shí)際是不可能完全準確的?！?/p>

　　鄧志東認為，與人類(lèi)駕駛員、激光雷達相比，毫米波雷達的測量噪聲最大，對運動(dòng)參數的估計最不準確?！坝捎趧?dòng)、靜態(tài)障礙物判斷不準確，當運動(dòng)參數估計出現較大誤差時(shí)，就很有可能觸發(fā)非正常的‘在該減速時(shí)突然加速’現象。障礙物檢測與運動(dòng)參數估計算法目前還不成熟?！?/p>

　　李一帆、鮑君威和張天雷均認為，如果加上激光雷達，“探測失靈”的概率將會(huì )大幅度下降。

　　根據李一帆的解釋?zhuān)走_/激光雷達的探測能力受波長(cháng)影響很大，波長(cháng)太長(cháng)的話(huà)，探測性能就會(huì )受到制約。通常，激光雷達的波長(cháng)是nm級，而毫米波雷達的波長(cháng)則是mm級。

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

　　張天雷認為，特斯拉要從L2過(guò)渡到L4，激光雷達是必不可少的?！霸贚4的整體架構下，高精地圖、多傳感器融合、智能決策等等模塊結合在一起，就會(huì )避免很多這些問(wèn)題?！?/p>

　　事實(shí)上，特斯拉應該也早已意識到了這個(gè)問(wèn)題。盡管馬斯克曾經(jīng)口口聲聲說(shuō)不會(huì )用激光雷達，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(chē)上裝上Velodyne激光雷達搞測試呢。也有可能，用激光雷達測速，早在事故發(fā)生前就開(kāi)始而已，只是當時(shí)沒(méi)被發(fā)現而已。

　　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)激光雷達公司Quanergy的天使輪融資。不要以為這只是“財務(wù)型投資”。據 Quanergy 公司中國區負責人在一次論壇上透露，Elon Musk 本人經(jīng)常會(huì )到訪(fǎng) Quanergy 位于美國硅谷的總部，并和他們一起聊自動(dòng)駕駛未來(lái)的發(fā)展。

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

　　2.無(wú)法識別石墩

　　至于石墩無(wú)法被識別出來(lái)，就不僅僅是因為它“靜止”了，而且，還因為數據庫里沒(méi)有這個(gè)模型。

　　360車(chē)聯(lián)網(wǎng)安全實(shí)驗室主任劉健皓說(shuō)：“首先要明確靜態(tài)障礙物是什么，毫米波雷達對不同的障礙物的感知能力是存在差異的。檢測汽車(chē)比較容易，但對石墩、錐桶這種形狀不規則的障礙物，即便檢測到了，由于算法的數據庫中沒(méi)有對應的模型，也無(wú)法顯示在HMI(人機交互界面)中?！?/p>

　　劉健皓認為，做自動(dòng)駕駛算法的多是高校和研究機構的專(zhuān)家，真正來(lái)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(chǎng)景了解不夠，導致在實(shí)際環(huán)境下的“障礙物數據庫”還不夠豐富。

　　對無(wú)法識別石墩、石柱子這種問(wèn)題，劉健皓給出的對策是：完善模型數據庫，改進(jìn)算法。

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

　　相比之下，地平線(xiàn)、小鵬汽車(chē)等公司都強調，自動(dòng)駕駛的算法設計“特別針對中國的道路場(chǎng)景”。在中國的道路上，石墩是很常見(jiàn)的，我們可以預測，待地平線(xiàn)的芯片應用在量產(chǎn)車(chē)上時(shí)、待小鵬汽車(chē)批量上路時(shí)，石墩檢測將不再成為一個(gè)問(wèn)題。

　　3.自動(dòng)剎車(chē)

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

　　為了對特斯拉的自動(dòng)駕駛安全系統進(jìn)行研究，劉健皓的團隊曾經(jīng)在2016年“黑進(jìn)”其系統，干擾傳感器的工作。當時(shí)，他們遠程蔽掉一個(gè)超聲波傳感器，導致車(chē)上的其余11個(gè)超聲波傳感器也停止工作。

　　結果，前面明明沒(méi)有車(chē)，但傳感器卻檢測到有一輛車(chē)，強制車(chē)輛停下，急剎車(chē);或者，在倒車(chē)時(shí)，明明后面沒(méi)人，但傳感器檢測到后面有人，讓倒車(chē)無(wú)法進(jìn)行。這就是發(fā)生了“誤判”。

　　通過(guò)這項研究，360汽車(chē)安全團隊給特斯拉提交漏洞，證明了其傳感器不可靠，這就有了后來(lái)的Autopilot 2.0版——計算平臺從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。

　　當然，即便是沒(méi)有黑客入侵，誤檢的問(wèn)題也會(huì )經(jīng)常出現——被探測物體的材質(zhì)特殊、形狀不規則，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(shuō)，任何凹型的金屬表面不僅僅會(huì )反光，更會(huì )將反射信號放大數倍，進(jìn)而導致誤檢?！氨热?，一個(gè)丟棄在公路上的易拉罐，如果凹狀瓶底朝向車(chē)頭，就會(huì )被顯示成為一個(gè)大型的危險障礙物”。

　　鄧志東舉例說(shuō)，“比如，高速行駛的時(shí)候，在上下橋梁處偶爾會(huì )因路面出現的“噪聲”等造成誤檢，以為前方出現了“障礙物”，于是就開(kāi)始自主剎車(chē)。這種錯誤，毫米波雷達相對會(huì )更經(jīng)常出現?！?/p>

　　與誤檢現象相對應的另一個(gè)問(wèn)題是漏檢。將漏檢做到0，是自動(dòng)駕駛汽車(chē)上路時(shí)所必須滿(mǎn)足的基本指標;但同時(shí)還要將誤檢做到0，就相當于障礙物檢測100%可靠，這是不太可能實(shí)現的。

　　偶爾剎剎車(chē)，雖然會(huì )讓人感到不舒服，但也不至于有災難性后果——因此，無(wú)人車(chē)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 )出現一些莫名其妙的急剎車(chē)，影響乘坐體驗;2.自動(dòng)駕駛汽車(chē)由于誤檢自動(dòng)剎車(chē)，如果后面是人類(lèi)駕駛的汽車(chē)，而且沒(méi)有及時(shí)剎住車(chē)，則前面的自動(dòng)駕駛汽車(chē)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——擁有更為詳細的點(diǎn)云數據。為了獲取更詳細的點(diǎn)云數據，特斯拉采取了以下幾招：

　　1.)在2016年9月將Autopilot的軟件系統升級到8.0版，對現有硬件進(jìn)一步挖掘，讓雷達可以探測到的周邊物體(數量)達到以前的六倍，并且有能力在每一個(gè)物體上獲得更多細節信息。

　　2.)整合每隔0.1秒獲取的雷達快照，匯編成為現實(shí)場(chǎng)景的"3D"影像。(通常)通過(guò)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(guò)比較包含車(chē)輛速度、預期軌跡信息的連續影像幀，則可以分辨前方物體是否是真實(shí)的，同時(shí)預估發(fā)生碰撞的概率。

　　3.)通過(guò)機器學(xué)習功能標定出那些容易誤導傳感器(雷達)的場(chǎng)景，將其添加進(jìn)“白名單”。

　　鄧志東給出的兩條建議是：

　　1.)建立數據庫 把容易出現誤檢的場(chǎng)景列舉出來(lái)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(wèn)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和攝像頭進(jìn)行多傳感器融合，誤檢率會(huì )降低。