全新任務中心上線了!
會員專屬好禮都在這

立即前往
任務中心
經得住詆毀就擔得起讚美 深入解析特斯拉自駕車事故
作者 雪球
收藏文章
很開心您喜歡 雪球 的文章, 追蹤此作者獲得第一手的好文吧!
雪球
字體放大


分享至 Line

分享至 Facebook

分享至 Twitter


經得住詆毀就擔得起讚美 深入解析特斯拉自駕車事故

2016 年 7 月 13 日

 
展開

特斯拉(Tesla, TSLA-US)“自動駕駛車”事故致死的分析,對產業和市場有何影響?

特斯拉在官網的部落格中,公開了第一起因為使用Autopilot功能致死的交通事故,並把這起事故稱為「A Tragic Loss」。事故發生在美國東部時間2016年5月7號中午,目前美國NHTSA正在調查之中,正式的調查結果還未公佈。(註:「Autopilot」是特斯拉自動駕駛系統的名稱)。隨後,馬斯克(Elon Musk)在推特上轉發了這條新聞,引起眾多媒體紛紛報導和勞苦大眾的熱議,“自動駕駛”一時進入風口浪尖。作為電動智能汽車的支持者,表達一下本次事件的看法和影響。

shutterstock_369110243

特斯拉Model S其實並不是第一台具備智能輔助系統的量產車型,但是因為特斯拉車主對產品的信任和熱捧,所以網絡上熱傳的“自動駕駛”功能視頻基本來自於特斯拉粉絲。也導致特斯拉保持著全球擁有自動駕駛功能的車輛數、用戶數和里程數的世界紀錄。特斯拉車主,在狂熱欣喜之餘,帶來了駕駛行為的過度失控,也成為這次交通事故的主因。

那麼這次特斯拉事故到底如何發生的?技術上是否存在缺陷?對行業的影響幾何?給我們的啟示有哪些?

根據特斯拉已公佈的信息,我們還是能夠還原部分事故發生時的情景的。在發生這起事故前,特斯拉的Autopilot已經累積了超過1.3億英里( 2億公里)的安全行駛里程。平均而言,美國平均每9000萬英里(1.5億公里)範圍內會發生一起致死交通事故。所以,從數字上來看,特斯拉Autopilot其實已比人類駕駛員更安全。

這次事故,車主名叫Joshua Brown,開著一輛Model S以自動駕駛模式行駛在佛羅里達州Williston高速公路上行駛。在事故發生前,車輛並未及時啟動剎車系統,同時,車主疑似在駕駛的時候觀看《哈利波特》,未及時切換手動接管車輛進行剎車。導致Model S全速撞上了一輛左轉的白色拖車,這輛卡車正在橫穿馬路。此時Model S正行駛在車道線內,和卡車呈接近垂直的方向。從卡車底(拖掛車底部較高)穿過後,又撞上了兩個護欄,最終重傷後身亡。

本次事故致死的真實原因是,數個偶發因素的累加,以及特斯拉自動駕駛模組處於“Public beta phase(公開測試期)”,暫時仍未完全成熟。

首先當時Model S駕駛場景:1、在強烈的日照條件下,駕駛員和自動駕駛都未能注意到拖掛車的白色車身,因此未能及時啟動剎車系統。2、由於卡車正在橫穿公路,且車身較高,這一特殊情況導致Model S從卡車底部通過時,其前擋風玻璃與卡車底部發生撞擊。假使當時車輛發生的是正面撞擊或追尾事故,即便在高速行駛條件下,Model S先進的防撞系統都極有可能避免人員傷亡的發生,Model S在2014年是唯一榮獲歐洲、美國“雙五星”安全評級的車款。3、車主過度自信依賴特斯拉Autopilot功能,沒有遵守特斯拉要求駕駛員時刻認清“自動駕駛是一項輔助功能,要求駕駛員雙手始終握住方向盤",並且理性接受處於公開測試階段。此外,每一次自動駕駛啟動時,車輛都會提醒駕駛員“請始終握住方向盤,準備隨時接管”,系統還會時刻檢查以確保駕駛員雙手不離方向盤。事故最大爭議的地方在於,為什麼特斯拉的Autopilot功能沒能及時啟動緊急剎車系統?自動駕駛的解決方案是否存在致命缺陷?

首先,Tesla用來解決道路識別的方案包括,攝影圖像識別和毫米波雷達測距。攝影圖像識別解決方案,來自以色列的Mobileye命名為EyeQ3的ADAS系統。但是,本次事故的特殊場景導致識別失效,一是卡車過於龐大,且採用了純白色塗裝;二是當天強烈的陽光反射,沒有紋理的白色車體使得攝影機無法提取紋理,分辨出是一輛有威脅的車輛;三是EyeQ3選用普通攝影機,未採用廣角攝影機,卡車的車頭駕駛艙訊息未被採集到,電腦能看到只有純白色的車身;四是當時藍色的天空背景,加上大片的白色面積,導致EyeQ3認為出現在前面的白色塊是一朵漂浮在空中的雲朵;五是白色卡車下方未作安全裝飾,英國強制對所有的卡車、拖車下方給出柵欄保護和色彩警告,EyeQ3將有效分辨。以上任何一個條件發生改變,本次交通事故悲劇都不會發生。

可是特斯拉除了攝影圖像識別以外,還有毫米波雷達的測距方案,就是通過檢測前方障礙物距離來預測風險,進行有效啟動緊急因應。有人臆測是因為毫米波雷達安裝過低,發射的毫米波從當前的卡車下方間隙出處穿越過去,完全沒有有效識別前方物體。根據馬斯克本人的推特和毫米波專家分析,實際毫米波雷達是精確的檢測到前方有一個巨大的障礙物。但是,因為卡車過大的反射面積以及過高的車身,毫米波雷達判斷,它更像是懸掛在道路上方的交通指示牌。並且攝影圖像識別系統並未識別前方卡車,因此毫米波雷達系統 ​只能做出決策,儘管汽車前方有一個巨大的障礙物,但那是懸掛在控制的指示牌,可以安全通過。

這次事故說明,目前自動駕駛的人工智能決策方面,還需要更多的案例學習和駕駛經驗。在視覺系統認為是一朵白雲,測距系統認為是一個懸空的交通指示牌,在兩者發生矛盾的預判下該如何決策?暫時目前自動駕駛的融合算法和模糊決策,根源在於傳感器和攝影機,受制於數據的完備,暫時無法實現零誤差識別,模糊決策成為一種折衷方案。所以特斯拉一直強調車主啟動“自動駕駛”功能後,要保持手動接管。

專家指出,現有的技術條件下,此類事故完全可以避免,如果增加一個廣角攝影機,採集到了車頭的訊息。如果毫米波雷達測量更精確,或者在前方安裝了多個雷達,做雷達網路融合。如果特斯拉的傳感器融合技術考慮的更全面。如果安裝了冗餘的激光雷達,如果大卡車有法規規定,強制進行塗漆裝飾。這起事故都可以被避免。

並且特斯拉新一代車型將增​加更多攝影機和毫米波雷達提升識別能力。而Mobileye的下一代電腦視覺解決方案已經加上了廣角攝影機,將更多的訊息囊括進來。新一代的毫米波雷達系統 ​​將具有更高精度的識別和反應時間。毫米波雷達成本的迅速下降,也將使五個毫米波雷達(一個77G長距離雷達,加上4個短距離雷達)成為標準配備,而不是特斯拉現在這樣使用單個遠程77G雷達。並且未來V2V、V2X的網聯技術將實現所有車輛之間與交通系統的底層訊息互換,這次事故就不可能發生,更別說如果激光雷達技術進步和成本降低,也將推動無人駕駛加快來到。

因此,我們認為特斯拉Model S的這次事故並不代表自動駕駛的風險和倒退,我們需要靜候美國道路交通局的調查結果。從目前而言,自動駕駛的里程、事故、安全角度,已經超越人類表現。隨著技術的進步,事故發生機率仍將繼續降低,甚至不再發生。“無人駕駛”的到來,並不會因為這一次事故而擱淺和推遲,反而會給技術進步帶來更多的思考和改進。

最後說一下,本次事故的車主,非常喜歡特斯拉的Autopilot功能。在他的YouTube主頁上,有很多關於火箭、波士頓動力機器人以及特斯拉的影片,其中就有他用行車記錄器拍攝到的Autopilot如何工作,避免車禍的影片。

對於自動駕駛沸沸揚揚的爭議,個人覺得更多是人類對新生事物的恐懼。關於人類擺脫馬車的歷史,足以說明。19世紀中期,蒸汽車最興盛的二十年時間,發生鍋爐爆炸慘案一萬多起,民眾在對比笨重而危險的怪物後,大多數人毫不猶豫的選擇了傳統的馬車。所以在倫敦、在巴黎、在柏林,儘管馬車造成了眾多的社會問題,隨處可見的馬屍,還有堆砌如山的馬糞,大街上往來奔跑的依舊是馬車。但,這都從未阻擋得了蒸汽機車前進的步伐。

汽車剛問世時,因為模樣太古怪,當時的報紙稱之為巫車。汽車源源不斷的動力,終於可以讓人類卸下沉重的馬鞍。但當時老百姓對於這個技術還不成熟的機器,人們除了好奇和驚嘆,更多的是敬而遠之。因為當時的汽車還有很多不完善的地方,比如汽車啟動既費力又危險,女性基本無法開車,並且還面臨許多故障,常常遭到馬車夫的嘲笑。甚至汽車發明者Karl Benz在發明汽車後,面臨巨大的輿論壓力,因為當時的德國皇帝威廉二世曾說“我信任馬,汽車不過是一個暫時的現象而已”。Karl Benz甚至不願把車開到街上招搖,生怕出醜。

“無人駕駛”的時代終將來到,創新推動仍在加速,民眾更多的關注和思考會讓行業更加理性的發展,如何認清、擁抱和把握這一科技浪潮是我們更該考慮的。

雪球》授權轉載

 
週餘
 
 
分享文章
分享至 Line
分享至 Facebook
分享至 Twitter
收藏 已收藏
很開心您喜歡 雪球 的文章, 追蹤此作者獲得第一手的好文吧!
雪球
分享至 Line
分享至 Facebook
分享至 Twitter
地圖推薦
 
推薦您和本文相關的多維知識內容
什麼是地圖推薦?
推薦您和本文相關的多維知識內容