自打 2015 年特斯拉開放 Autopilot 軟件功能以來，大貨車一直是 Autopilot 的噩夢。

看看這些事故：

2016 年 5 月，Model S 車主 Joshua Brown 在 Autopilot 開啟狀態(tài)下，與一輛橫穿馬路的大貨車相撞，Joshua Brown 在事故中死亡。

2019 年 3 月，一輛 Model 3 在美國佛羅里達(dá)州開啟 Autopilot 時撞上了一臺白色拖掛卡車，駕駛員不幸身亡。

今年 6 月初，在臺灣嘉義縣的中山高速上，一輛 Model 3 也在 Autopilot 開啟狀態(tài)下撞向了一輛大貨車。當(dāng)時大貨車并不是在行駛中，而是側(cè)翻在路面。

6 月 24 日下午，在深圳南坪一段道路上，一輛開啟了 Autopilot 功能的 Model 3，與一輛并線的大貨車發(fā)生碰撞。

事故發(fā)生時，大貨車正從 Model 3 車輛右前方并線進(jìn)入本車道，Autopilot 沒有減速，Model 3 車主事后反饋：在前車并線時，Autopilot 反倒加速撞向了大貨車。

事故判定結(jié)果：大貨車全責(zé)。

在 6 月底的事故發(fā)生后，當(dāng)事的特斯拉 Model 3 車主劉先生在多個渠道提出了對特斯拉 Autopilot 的質(zhì)疑。

這也是今天不少特斯拉車主和準(zhǔn)車主們想弄清楚的問題——Autopilot 在這次或者這類交通事故中究竟是否存在問題？

1.事故始末

讓我們簡單還原一下 6 月下旬的這次事故：

24 日下午三時左右，天氣晴朗，車主劉先生駕駛著 Model 3 上了深圳南坪快速路。

和往常一樣，他開啟了特斯拉 Autopilot。在 ACC（自適應(yīng)巡航）模式下，Model 3 跟在一輛黃色大貨車后行駛。

這是一條他平時上下班常走的路線，以往使用 Autopilot 時，系統(tǒng)基本上可以順利完成自動跟車等駕駛?cè)蝿?wù)，所以他也習(xí)慣了將一只手搭在方向盤上。

不過這次，Autopilot 給了他一場驚嚇。

就在行駛到一段虛線路段時，Model 3 右前方的車道上大貨車開啟轉(zhuǎn)向燈，并向 Model 3 車道突然并線。

根據(jù) Model 3 車身攝像頭拍攝的視頻畫面顯示，在大貨車并線向本車道行駛時，特斯拉依然向前行駛。

幾秒后，Model 3 撞上了大貨車。

事故責(zé)任很快厘清。

從現(xiàn)場照片看，大貨車變道時沒有避讓相鄰車道的車輛，碰撞事故發(fā)生時大貨車車身壓在了道路虛線上。保險公司認(rèn)定為大貨車全責(zé)。

雖然事故是由大貨車造成的，但當(dāng)事的 Model 3 車主的質(zhì)疑是：

• 為什么在大貨車并線進(jìn)入本車道時，Model 3 沒有采取減速或制動的避讓措施？

• Autopilot 是不是根本沒有識別到渣土車？

• 在快要撞上大貨車時，為什么 Model 3 還要加速向前沖上去，導(dǎo)致車主沒有充足的時間順利接管車輛？

2.核心爭議：Autopilot 是否「失職」？

在最近的一次溝通中，特斯拉官方對這場事故做了結(jié)論：

特斯拉華南區(qū)總經(jīng)理向當(dāng)事 Model 3 車主表示，特斯拉的產(chǎn)品沒有問題。

至于 FSD 為什么會撞上貨車，官方解釋是：「因為路況復(fù)雜，駕駛員手沒放在方向盤上，沒有及時接管。當(dāng)時所有自動駕駛硬件均正常工作，后臺數(shù)據(jù)沒有異常?！?/p>

「駕駛員的手沒有放在方向盤上」，這點(diǎn)是特斯拉從后臺調(diào)取數(shù)據(jù)后做出的判斷。

而車主告訴汽車之心，他的手一直握著方向盤，只是不會一直對方向盤施加壓力。

有自動駕駛領(lǐng)域的業(yè)內(nèi)人士認(rèn)為，「感應(yīng)方向盤太容易被鉆空子，屬于明顯的漏洞。自動駕駛還是得依靠系統(tǒng)功能安全性，而不是限制駕駛員。」

截止到發(fā)稿前，此次交通事故的車主仍在就 Autopilot 是否存在問題與特斯拉溝通。

實(shí)際上，從視頻中的事故情況看，如果換成人類駕駛員駕駛，只要看到了大貨車進(jìn)行并線，幾乎一定會做出減速或者制動的反應(yīng)。

但 Autopilot 顯然沒有做到這一點(diǎn)。

那么，特斯拉 Autopilot 是否真的存在問題？

3.Autopilot 對加塞行為的判斷邏輯

首先在感知層面，特斯拉是否識別到了大貨車？

廣汽研究院智能駕駛技術(shù)部部長郭繼舜分享了他此前對特斯拉進(jìn)行測試的一些經(jīng)驗。

他認(rèn)為，特斯拉 Autopilot 識別加塞的邏輯，是需要前車車身或車尾的二分之一進(jìn)入本車道時，系統(tǒng)才會認(rèn)為是這是一次加塞。

這樣進(jìn)行加塞意圖判斷的邏輯，是為了避免誤觸發(fā)，因為相鄰車道的車輛可能僅僅是部分貼近車道線行駛，但并沒有真正做出加塞動作。

因此，特斯拉會針對相鄰車道的加塞意圖設(shè)定一個具體的閾值。

車身或車尾的二分之一，也是業(yè)界在加塞場景中其中一個采用較多的閾值。

而且 Autopilot 在功能開發(fā)上做了更多的工作：

如果特斯拉檢測到相鄰車輛的三分之一進(jìn)入本車道，但還沒有達(dá)到加塞的閾值，這時特斯拉在本車道內(nèi)有時不會減速，而是向另外一側(cè)進(jìn)行小幅避讓。

根據(jù)事故當(dāng)時的視頻畫面，在這次交通事故中，大貨車大約有六分之一進(jìn)入了特斯拉的車道，這么近的距離還要進(jìn)入加塞，本身就是大貨車的全責(zé)。

至于特斯拉是否識別到了大貨車，郭繼舜認(rèn)為，在此次交通事故中，特斯拉側(cè)面主要依靠攝像頭來進(jìn)行識別，而攝像頭只能夠看到大貨車的局部特征。

也就是說，特斯拉的攝像頭很可能無法判斷大貨車是不是一輛車。

退一步說，即使特斯拉通過局部特征判斷那是一輛大貨車，也無法做出對方將進(jìn)行加塞的判斷。

因為大貨車加塞進(jìn)入特斯拉車道的比例沒有達(dá)到 Autopilot 設(shè)定的加塞行為判斷的閾值。

第二個問題是，為什么 Model 3 會突然加速撞車？

目前可以明確的是，根據(jù)特斯拉的后臺數(shù)據(jù)記錄，當(dāng)事車主在整個事故過程中沒有踩下加速踏板，也就是說，加速屬于特斯拉 Autopilot 控制下的行為。

當(dāng)時，特斯拉處于 ACC 自適應(yīng)巡航模式下，Autopilot 會追蹤前方車輛進(jìn)行自動跟車。

因而，發(fā)生此次撞車事故有兩種可能：

一是特斯拉無法識別正在并線的大貨車，在發(fā)現(xiàn)前方 ACC 的目標(biāo)駛離后，車輛采取了加速跟車，從而發(fā)生撞車事故。

二是，特斯拉識別到了大貨車，但 Autopilot 認(rèn)為沒有加塞的可能性，于是繼續(xù)自動跟車，導(dǎo)致撞車事故。

從算法邏輯上講，特斯拉 Aupilot 并沒有做錯什么。

不過，也有業(yè)內(nèi)人士持不同觀點(diǎn)。

一位國內(nèi)自動駕駛公司技術(shù)工程師解釋：

「特斯拉的超聲波雷達(dá)可以檢測 8 到 12 米之間，基本上可以覆蓋一個半車道。

在這次事故中，大貨車的車輪駛進(jìn)車道時，超聲波肯定是能夠檢測到，但由于大貨車底盤高，車輪經(jīng)過時系統(tǒng)會認(rèn)為有障礙物。車輪通過后，又會認(rèn)為沒有障礙物，系統(tǒng)可能過濾掉了超聲波雷達(dá)的檢測結(jié)果。

Autopilot 的算法策略是重攝像頭輕毫米波雷達(dá)，感知融合有可能沒有開發(fā)得特別完善。

最終，在算法層面，由于傳感器融合檢測缺陷，特斯拉肯定沒有識別到大貨車?！?/p>

4.屢撞大貨車的背后

特斯拉已經(jīng)不止一次撞上大貨車。

今年 6 月，一輛 Model 3 在臺灣嘉義縣中山高速上撞上一輛大貨車。事發(fā)時，內(nèi)側(cè)車道上有一輛貨車發(fā)生側(cè)翻，后方駛來的 Model 3 直接撞上貨車。

在這次事故中，Model 3 開啟了 Autopilot 功能，時速約為 110 公里。事后車主回憶，當(dāng)時并未注意到前方車輛側(cè)翻，而是在車輛撞擊前 2 秒才進(jìn)行了緊急制動。

2019 年 3 月，一輛 Model 3 在美國佛羅里達(dá)州開啟 Autopilot 時撞上了一臺白色拖掛卡車，駕駛員不幸身亡。

2016 年 5 月，同樣在佛羅里達(dá)，一輛 Model S 在 Autopilot 模式下撞上一臺白色大貨車。

當(dāng)時，白色大貨車正在調(diào)頭轉(zhuǎn)彎，特斯拉與大貨車側(cè)面發(fā)生碰撞，并從卡車底部鉆過，整個車頂被徹底「削掉」，駕駛員 Joshua Brown 身亡。

這一系列事故背后，Autopilot 怎么了？不能識別大貨車嗎？

Autopilot 的傳感器主要由 8 個攝像頭、12 個超聲波傳感器和 1 個增強(qiáng)版毫米波雷達(dá)組成。

對于這套方案，法雷奧中國 CTO 顧劍民認(rèn)為，「對攝像頭來說，需要用機(jī)器學(xué)習(xí)來訓(xùn)練識別物體。但靜態(tài)物體類別多，形態(tài)也千差萬別，沒經(jīng)過樣本訓(xùn)練便識別不了?！?/p>

這里的邏輯是，自動駕駛公司在開發(fā)視覺感知時，基本上采用深度學(xué)習(xí)技術(shù)，這項技術(shù)具備遷移和泛化特點(diǎn)。

比如，讓系統(tǒng)看到一匹白色的馬，下次再看到一匹黑色的馬，系統(tǒng)仍然可以判斷出來那是一匹馬。但如果出現(xiàn)一只豬，系統(tǒng)就無法識別，因為沒有學(xué)習(xí)過。

車輛的視覺檢測與之類似。

以發(fā)生在臺灣的交通事故為例，翻倒的大貨車場景，是特斯拉從來沒有見過的，根本檢測不出來是一輛車，系統(tǒng)可能把大貨車當(dāng)成了天空。

所有的視覺檢測任務(wù)，首先要有完整的場景需求，然后根據(jù)場景需求進(jìn)行算法設(shè)計，而算法都是有局限性和邊界的。

這便是特斯拉 Autopilot 和許多自動駕駛視覺檢測方案的天然缺陷。

這種缺陷體現(xiàn)到大貨車的視覺檢測上，便暴露得更加明顯。

如今，大貨車視覺檢測是全世界公認(rèn)的難題，尤其是近距離大貨車視覺檢測。

這是因為，大車的異型車輛種類非常多，小車無非是換下顏色，或者車體結(jié)構(gòu)存在如 SUV 和小轎車等的區(qū)別。

但大車種類豐富，主要有拖掛車、平板車、水泥罐車等，再加上這些大貨車在實(shí)際駕駛場景中出現(xiàn)的頻率相比小車來說要低很多，想要收集數(shù)據(jù)并進(jìn)行訓(xùn)練相對困難。

這意味著，如果把此次深圳南坪交通事故中的場景交給其他自動駕駛公司去應(yīng)對，很可能也無法成功避免交通事故。

即使在這個場景中應(yīng)對成功，但同樣的場景下，把大貨車換成一輛集裝箱車輛，近距離加塞時仍然有可能發(fā)生碰撞事故。

5.改進(jìn)之路

在一些消費(fèi)者看來，加塞行為是道路上常見的真實(shí)場景，尤其是在城市里面，加塞場景更需要被處理好。否則，只能說明自動駕駛還不完善。

而大家更關(guān)心的是，如果車企的自動駕駛系統(tǒng)確實(shí)無法處理所有的場景，便應(yīng)該明確告知消費(fèi)者它的自動駕駛功能的局限性。

Model 3 車主劉先生回憶，在買這輛車時，「特斯拉的工作人員跟我說，花 5.6 萬就可以（讓車輛）具備完全自動駕駛能力……因為相信它，我才愿意花 5.6 萬。風(fēng)險方面，他一點(diǎn)也沒告訴我，沒告訴我不能識別雪糕筒，也沒告訴我不能識別大貨車。」

正是因為 Autopilot 提供駕駛便利，車主會信任它。但又因為系統(tǒng)不成熟，在遇到Autopilot 無法解決的情況時，又存在車主無法及時接管車輛的可能性。

這就到了考驗人性和駕駛員經(jīng)驗的時刻，人類駕駛員既不能完全信任 Autopilot，又要利用它來完成某些路段的自動駕駛?cè)蝿?wù)。

那么，如何完善自動駕駛功能？

有業(yè)內(nèi)人士建議，可以從傳感器方面，嘗試增加角雷達(dá)來進(jìn)行提高感知能力等。

此外，在自動駕駛尚未完全成熟之前，自動駕駛測試進(jìn)行得多么充分，都無法窮盡現(xiàn)實(shí)道路中的所有場景。

再加上中國道路的復(fù)雜性和國人的交通習(xí)慣，特斯拉或許應(yīng)該在算法層面更加保守，同時要更加注重對人類駕駛員的教育和宣傳。

畢竟，特斯拉 Autopilot 已經(jīng)不是一件普通意義上的商品，它處于不斷迭代更新的過程中，而且是一場由車企和消費(fèi)者共同參與的技術(shù)迭代之旅。

所以，在更高級別自動駕駛到來前，駕駛員仍需要克服人性對機(jī)器的依賴，掌握駕駛的主導(dǎo)權(quán)。

返回第一電動網(wǎng)首頁 >