李爾欣

Q

編輯老師們好！不知你們是否知道之前“Uber自動駕駛車撞人致死事件”？對于這起悲劇以及其他一系列由自動駕駛系統(tǒng)引發(fā)的事故，有一點小弟實在想不通：為何有如此“聰明”的系統(tǒng)，車輛還是會發(fā)生交通意外？

A

自動駕駛汽車公司W(wǎng)aymo源自谷歌，也在實地測試自動駕駛系統(tǒng)。

怎么可能不知道！那可是刷屏級熱門事件，將來甚至有望被載入自動駕駛汽車發(fā)展的“史冊”。但鑒于對事件本身的解析早已鋪天蓋地，此處便不再贅述。唯一要補充的是，在當時的交通環(huán)境下，即便是奧迪、奔馳等汽車廠商尚在打磨中的L5級自動駕駛車，又或者是Waymo、Mobileye等無人車技術供應商研發(fā)的自動駕駛車，要是隨車安全員未能及時發(fā)現(xiàn)險情，很可能也會發(fā)生惡性交通事故。嚴格來講，這些車輛的自動駕駛系統(tǒng)，在眼下都還無法從容應對真實交通環(huán)境。

除了識別，還要懂預判

眾所周知，L3級別以上的自動駕駛系統(tǒng)一般都會通過傳感器、處理器和高精度地圖三大系統(tǒng)共同合作來實現(xiàn)對車輛的控制，要想避免交通意外，傳感器與處理器的性能尤為重要。但不幸的是，目前最常用的三大傳感系統(tǒng)——攝像頭、微波雷達、激光雷達都還存在著短板。其中，攝像頭會由于鏡頭被污染或圖像傳感器品質欠佳，而使整個圖像傳感系統(tǒng)失效，進而導致自動駕駛系統(tǒng)“瞎眼”;微波雷達則可能因為頻譜帶寬偏窄而令自動駕駛系統(tǒng)在光照條件較差時，得不到足夠好的空間分辨率以及目標識別能力;至于車載激光雷達，因制造成本所限，用不起性能優(yōu)異但昂貴的工業(yè)或軍用裝備，以至于有效識別距離通常不超過200米，遇到雨雪、霧霾等惡劣天氣，識別率還會大幅下降。而對于現(xiàn)行自動駕駛系統(tǒng)的中央處理器，則亟待完善相應的算法。簡單來講，首先人類要盡快教會電腦從龐大的傳感器數(shù)據(jù)流里頭，識別出更多現(xiàn)實世界中的物體。就拿這次的Uber事件來說，受害者是一名推著自行車的行人，但直到2013年，量產(chǎn)車才首度擁有支持自行車檢測的AEB自動緊急剎車系統(tǒng)。就連自動駕駛技術的先行者谷歌，也遲至2016年才搞定自行車識別技術，并于2017年帶來針對自行車的傳感器技術。顯然，若是碰到智障處理器，傳感器再智能也無用，這套自動駕駛系統(tǒng)已是不可救藥的次品。

用沃爾沃XC90改裝的Uber自動駕駛測試車。Uber自動駕駛測試車擁有7個攝像頭、1個激光傳感器，并已實現(xiàn)360°雷達覆蓋。

其次，光會識別還不夠，還得預測到障礙物的下一步行動，正如人類要有良好的預判能力，才能有效避免交通意外的發(fā)生一樣，真正合格的自動駕駛系統(tǒng)也必需能做到這點，不然在安全員的“陪護”下行駛再多的“零事故”里程亦枉然，獨立上路后照樣會在真實環(huán)境中發(fā)生交通意外，甚至可能出現(xiàn)比Uber事件更嚴重的慘案。然而，各大智能自動駕駛系統(tǒng)至今仍未攻克這一關，還在大量地進行實地模擬和仿真測試，以便積累更多處理實際場景的數(shù)據(jù)。由此可見，現(xiàn)有的自動駕駛系統(tǒng)既沒有無懈可擊的硬件，也不具備足夠智能的軟件以獨立應對復雜的真實交通環(huán)境。在嚴格控制的條件下得到的漂亮數(shù)據(jù)其實都是皇帝的外衣，只不過，這回Uber恰好是那位誠實的小孩而已。即使將來智能系統(tǒng)真正學會如何開車上路，也依然無法完全杜絕意外的發(fā)生。因為，只要交通環(huán)境是開放的，就始終存在著智能系統(tǒng)難以感知或者識別困難的偶然因素。除非將交通網(wǎng)絡封閉起來，或者讓車輛的“觸角”覆蓋整個空間，不然，意外必將發(fā)生。自動駕駛系統(tǒng)面對交通意外時的無能為力固然令人失望，但從畜力車到汽車，“懶惰”的人類其實一直在尋求更加高效、省力的移動方式。因此，一般人早晚會厭棄要手腳并用且需注意力高度集中的駕駛操作，而把它交由智能系統(tǒng)來代勞。如無意外，自動駕駛汽車必將成為未來的主要交通工具。

自動駕駛必備傳感系統(tǒng)：Vson System攝像頭、Radar System微波雷達、LiDAR System激光雷達。

最新一代奧迪A8是首款實現(xiàn)L3級自動駕駛的量產(chǎn)車（海外車型）。

其實，人工駕駛的傳統(tǒng)汽車在剛誕生時，同樣如洪水猛獸般傷人無數(shù)，但人類還是選擇更便捷的汽車，并努力“馴化”它，使其愈發(fā)安全可靠。所以，不必因為有限的個案而徹底否定自動駕駛系統(tǒng)帶來的便利。相反，應當讓更多通過模擬測試的產(chǎn)品進入真實環(huán)境，以檢驗測試成果，并繼續(xù)優(yōu)化，進而降低發(fā)生交通事故的幾率。一直呆在“溫室”里，自動駕駛系統(tǒng)永遠不會實用化。

不過，正如Uber測試車所展示的那樣，幼稚的自動駕駛系統(tǒng)會犯下致命的錯誤。因此，當更多測試車進入真實的交通環(huán)境后，對于必將上漲的事故發(fā)生幾率要做好充分的思想準備，并且相信廠商會吸取教訓，再帶回更安全的產(chǎn)品。

這是成長的代價，除非人類決定遠離100%自動駕駛汽車，但這就好像你教小孩時為了怕他摔倒而不讓他練習走路一般，不太可能！

自行車與行人的運動軌跡有很大的不可測性。2013年日內瓦車展，才由沃爾沃發(fā)布首款可用于量產(chǎn)車并能“捕捉”自行車與行人運動軌跡的AEB自動緊急剎車系統(tǒng)。

傳感器的當前困境

1.視頻影像

其實，當前主流自動駕駛系統(tǒng)所用的攝像頭從鏡頭、圖像傳感器到圖像處理器都已經(jīng)具備足以應對常見應用場景的性能，將來還可能用上集成鏡頭、圖像傳感器和圖像處理器，以及畫面像素至少1920×1080、成像動態(tài)范圍在140dB以上的高清攝像頭。不過，再高清的攝像頭也無法消除物理遮擋、污漬等外界因素的影響。故而，一套完善的自動駕駛系統(tǒng)必須在攝像頭之外，再輔以雷達、紅外光等其他傳感器。

2.毫米波雷達

目前，根據(jù)無線電主管部門對車載雷達頻率的劃分，國內的量產(chǎn)車只允許使用24GHz和77GHz兩個頻率，其中24GHz主要用于后側向的近程探測，而77GHz多用于前向遠程探測。從實際使用的效果來看，這兩個頻率也算夠用，但頻譜專家認為要滿足L3級以上自動駕駛系統(tǒng)的需求，應像歐盟那樣開放79GHz頻段，這樣車載雷達就有7GHz的帶寬，遠高于77GHz的1GHz帶寬，從而獲得更好的目標識別能力以及空間分辨率。

3.激光雷達

實際上，如今激光雷達的問題并不在于技術，而是成本。體積不大的軍用激光雷達辨識距離超過300米，并能在雨雪天氣下正常工作，可售價據(jù)說要千萬美元。而在民用領域，老牌激光雷達廠商Veodvne的VLP-16型360°可動激光雷達，激光頭可射出16束光線，辨識距離達到100米，并可在1秒內掃描30萬個檢測點，出廠價遠比軍用產(chǎn)品便宜，但也在7000美元以上。更便宜的也有：德爾福投資的Quanergy公司推出之S3型固態(tài)激光雷達傳感器，體積小到可嵌入車體，并能輸出3D圖像，單個成本只要100～200美元，可才8束光線，探測距離僅是10厘米到150米，而掃描頻率則為30Hz。然而，未來自動駕駛汽車需要的是：能在復雜氣象條件下使用，最大探測距離在200米左右，擁有32束以上光線，并可嵌入車體的量產(chǎn)商品。