來源：遠川研究所（ID：caijingyanjiu）
作者：熊宇翔
題圖：視覺中國
8月10日，一輛正處於輔助駕駛狀態的小鵬P7撞上了一輛停在高速快車道的小車，導致一人當場死亡。
根據官方的宣告，事發時，一輛道路養護車正停在高架最左側（屬於違規操作），工作人員疑似在車尾作業時，一輛P7在沒有減速的情況下徑直撞上了前方車輛，導致作業人員被撞飛。
小鵬被公認為是國內自動駕駛水平最高的公司之一。
事實上，對於現階段的輔助駕駛系統來說，準確識別出一個非規則的靜止物體，並且及時做出正確反應絕對是一道地獄級的難題，這也是類似事故這兩年層出不窮的原因。
8月8日，一輛理想ONE在開啟NOA（導航輔助駕駛）時撞上高速路工程車。去年8月，一輛蔚來ES8也在輔助駕駛狀態下撞擊正在作業的工程車，車主不幸罹難。而特斯拉則在相似場景下涉入了更多致命事故。
高速道路上的靜止物體，幾乎已成輔助駕駛的致命場景。
01 攝像頭+毫米波雷達=青蛙眼？
當下所有擁有輔助駕駛功能的車型，都會標配AEB（自動緊急制動）功能，目的是防止追尾，減輕碰撞。
但問題在於，AEB生效的條件比較嚴苛——應對加塞容易失效，對靜止物體容易失效，車速超過一定範圍（通常是60km/h-80km/h）也可能失效。
輔助駕駛為何如此矯情？一般認為，感知系統能力的孱弱要背大鍋。
8月10日涉事的小鵬P7硬體規格放到現在並不算高，XPILOT 2.5系統搭載了5個攝像頭、3個毫米波雷達，其計算平臺採用了英偉達上一代自動駕駛晶片Xaiver，峰值算力為30TOPS（行業一般認為L3及以上自動駕駛需要數百至上千T算力），負責高速場景的主感測器為一枚毫米波雷達和單目攝像頭。
而在事發時，兩種感測器因為各自的侷限，未能及時識別停靠的作業車。
理想汽車創始人李想曾說：“攝像頭 + 毫米波雷達的組合像青蛙的眼睛，對於動態物體判斷還好，對於非標準的靜態物體幾乎無能。”
其中，毫米波雷達能夠測量與前方物體的距離，但探測不到物體高度，資訊密度低。若對其過於信任，則會造成輔助駕駛“草木皆兵”，“幽靈剎車”的現象頻發。
為降低誤觸發率，如今毫米波雷達通常會在高速上設定為自動過濾靜止目標。因此，毫米波雷達即使發現了前方的靜止物體，要麼會視而不見，要麼很難及時做出反應。
右為傳統毫米波雷達探測點雲，依靠這樣的資料做精確識別不現實
單目攝像頭則難以精確測距，其感知環境依賴深度學習驅動的視覺識別，需要大規模的資料訓練。如果某個場景或物體的訓練資料不夠，攝像頭可能會當做物體不存在，或將其誤識別為路面、天空等背景。
2016、2020、2021年，三輛特斯拉在開啟Autopilot後均撞上了橫亙在道路上的白色卡車。事故原因調查皆指向攝像頭：它把卡車的白色車廂認成了天空[1]。
而在國內，造型迥異的作業車則成了新勢力們共同的夢魘。在小鵬P7涉及的事故中，被撞車輛是一輛普通轎車，人員則在事發時站在車後，更加大了識別難度——攝像頭能分別識別人類與車輛，但兩者疊在一起，特徵發生干涉，對攝像頭來說成了一個全新的物體。
作為一個人類會覺得這很荒謬，但其實類似的案例並不鮮見——貼在車上的廣告人像，會被輔助駕駛系統識別成奔跑時速60公里的真人。
除此之外，視覺識別演算法通常需要執行一段時間得出結果，耗時長的需要數百毫秒[2]。面對靜止物體，識別時間可能會進一步延長至2-4秒多。在80km/h車速下，車輛在此時間可開出44-88米，系統容錯率被進一步降低[3]。
某種程度上，現有輔助駕駛大多數時候都在依靠單目攝像頭加傳統毫米波雷達兩個“二維生物”認識世界——攝像頭看不到深度，毫米波雷達測不到高度。但問題在於，現實是複雜的三維，輔助駕駛需要人類這個智慧的三維生物來兜底。
遺憾的是，常常有過於樂觀的駕駛員試圖強行讓輔助駕駛系統完成“升維打擊”，將其作為無人駕駛系統使用。
02 軟硬升級，就萬事大吉？
過去兩三年，車企用數十至數百T大算力晶片、三十乃至四十個感測器的配置刺激著使用者的神經。
但很少有使用者意識到，車輛算力、感測器數量翻倍並不代表輔助駕駛能力翻倍，一方面，這是因為算力是行駛安全的必要非充分條件，另一方面是因為在特定場景下，真正派得上用場的感測器往往只是少數。
在2021年蔚來ES8的碰撞事故中，車輛搭載了24枚感測器，包括一個三目攝像頭，4個環視攝像頭，5個毫米波雷達以及12個超聲波雷達。儘管配置武裝到牙齒，但在高速行駛時，能對前方有效探測的，只有三目攝像頭與一枚前向毫米波雷達。
理論上，多目攝像頭能夠透過視差形成立體視覺，獲得三維感知能力，但由於算力要求、可靠性、感知距離等限制，蔚來ES8的三目攝像頭並沒有採用立體視覺演算法，實質是三個單目（類似於手機的長焦、中焦、廣角）的疊加。
本質上，這和主流輔助駕駛硬體並無代差。
因此，特斯拉和新勢力們今年新產品的重點發力方向，並非單純堆疊感測器數量，而是提升感測器質量、完善感測器融合、升級軟體演算法，讓智慧汽車能夠“活在三維空間”，以輔助駕駛的形態錘鍊自動駕駛的能力。
特斯拉選擇純視覺路線，重構演算法框架，使用AI加持的攝像頭來測距，利用深度學習演算法將多枚高畫質攝像頭採集的二維影象轉化為鳥瞰三維圖。
但這一路徑仍依賴大量資料訓練，特斯拉向小部分車主先推送的測試版FSD（Full Self-Driving，特斯拉稱完全自動駕駛系統，但被美監管機構認定為輔助駕駛），其駕駛水平與人類差距仍然明顯，不認路、撞邊柱的情況並不罕見。
特斯拉FSD勇撞邊柱，老師傅救車不及
相較於劍走偏鋒的特斯拉，其他企業傾向於採用攝像頭、毫米波雷達、鐳射雷達多感測器搭配的路線。
其中，高畫質攝像頭因有助於提升識別能力，已普遍配置在國內L2級輔助駕駛系統上。
而在毫米波雷達領域，為應對傳統毫米波雷達資訊質量不高的問題，博世、大陸、華為、傲酷等公司研發了具備三維感知能力的4D毫米波雷達。不過該技術成熟度不高，目前尚未量產，此外其解析度相較攝像頭與鐳射雷達處於劣勢。
在此背景下，鐳射雷達成為今年熱度最高的智慧駕駛感測器。
鐳射雷達透過發射脈衝鐳射、檢測反射訊號來測量與物體之間的距離，建立周圍環境的三維模型。高線束的鐳射雷達既有探測距離遠、測距準的優勢，也有較高角解析度。這些特點讓鐳射雷達很難對橫亙在路中的大體積靜止物體視而不見。
在蔚小理的第二代平臺車型和長安阿維塔、上汽智己等高階車型上，均配備了鐳射雷達，作為升級輔助駕駛的重要手段。
蔚來ET7鐳射雷達感知效果
只是鐳射雷達並非萬能，其在強光、雨天環境下的探測能力都會受到影響，此外由於資料樣本較少，鐳射雷達的識別演算法仍然不夠成熟。
在一個多感測器的智慧汽車感知架構中，攝像頭、毫米波雷達、鐳射雷達的訊號如何融合、置信，也依然是待解的難題。
而上述一系列配置是隻是為了解決自動駕駛中的感知難題，在其之後，還有規劃、控制、執行環節的技術問題待解。
這可能意味著在相當一段時間裡，車主都要帶著複雜的情感使用輔助駕駛——一方面作為主人，享受其對駕駛任務的減負；另一方面，又不得不作為保姆，小心翼翼地監護這個不成熟的系統，防止其宕機造成不可挽回的後果。
03 使用者教育比技術升級更難
前些年，自動駕駛行業熱錢洶湧時，從業人員熱衷於討論的都是 “無人駕駛出事時保車主還是保路人”這樣的未來主義電車難題。
但如今的事實證明，讓人民群眾學會如何正確使用輔助駕駛更加迫在眉睫。今年上半年，國內L2級輔助駕駛滲透率已經達到30%[4]。
而正如上文所言，輔助駕駛對駕駛者態度的要求其實充滿了哲學思辨：你不信則無意義，你太信可能付出生命。
2017年，谷歌旗下自動駕駛公司Waymo發現人性終究會輸給這種考驗：其員工在測試輔助駕駛系統時，熟悉功能後，會在時速90公里的車速下打盹、化妝、玩手機，出狀況時根本無力接管[5]。
為此，Waymo緊急叫停輔助駕駛研發，全力開發無人車[5]。儘管今天從商業上來看，Waymo因為這個決策屢遭嘲諷，但從道德或者風險規避的層面，很難指摘其選擇。
當Waymo的無人車還在亞利桑那鳳凰城積累資料時，某些車企則選擇先把輔助駕駛吹成自動駕駛甚至是無人駕駛，再分期兌現。而在實際中，使用者將輔助駕駛有意無意當做自動駕駛使用乃至炫耀的行為並不鮮見。
使用者演示：如何用一隻橘子騙過某品牌輔助駕駛方向盤檢測
這觸發了輔助駕駛的劇場效應——當一個人選擇站起身看戲，後面的人就沒法坐著。
當一家車企可以每年都承諾“今年實現自動駕駛”而不付出任何代價，其他車企如果不跟進，就只能硬接對手的不正當競爭。
小鵬是眾多車企中較為典型的一個：一方面大幹快上，將“全棧自研”作為自身的核心競爭力大肆宣傳；另一方面又謹小慎微，首創了輔助駕駛啟用前需考試等方法，並在車上配置了DMS（全稱Driver Monitor System，可在駕駛員疲勞、分神時予以提醒或退出輔助駕駛），引導車主正確使用功能。
但出於競爭策略、成本、使用者隱私、體驗等方面考慮，小鵬在內的絕大多數車企對駕駛員濫/誤用輔助駕駛的約束都是軟性的，DMS主要提供聲音或震動警告，且可關閉。換句話說，主要靠駕駛員自覺。
小鵬P7 DMS攝像頭
政策法規正在試圖遏制這種現象。歐盟E-NCAP要求，所有新車自今年7月開始必須強制安裝DMS。而在國內，自2018年政策要求“兩客一危”商用車強制安裝DMS後，乘用車出廠標配DMS的規定據稱也在研究中[6]。
無論這個規定能否落地，何時落地，每一個司機都應該在使用輔助駕駛時正視前方，握好方向盤，隨時準備應對突發情況。畢竟，再高階的輔助駕駛，也只是“輔助”駕駛。
參考資料
[1] 慘烈！特斯拉再次撞上白色卡車，兩名乘客急送ICU，新智元
[2] 自動駕駛的困境與選擇，技術大院
[3] 從小鵬 P7 事故分析，看智慧駕駛瓶頸在哪？汽車之心
[4] 工信部：L2級輔助駕駛乘用車新車市場滲透率已提升至30%，易車
[5] 谷歌waymo放棄自動輔助駕駛功能：會讓駕車者分神
[6] DMS，監控了誰？蓋世汽車
[7] 加州DMV指責特斯拉虛假宣傳自動駕駛和完全自動駕駛功能，cnBeta
本文來自微信公眾號：遠川研究所（ID：caijingyanjiu），作者：熊宇翔
本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯絡[email protected]
如對本稿件有異議或投訴，請聯絡[email protected]End
柔性供應鏈作為一種新的“基礎設施”，成為了行業尋求突破的共同命題。如何打造服裝業柔性供應鏈，縮短從設計、生產到零售終端之間的距離，為企業的品牌和業務增長服務？即刻掃碼免費報名，本次會議暫行報名稽核制。