为何自动驾驶事故频发？

6月1日，中国台湾省嘉义县，一辆特斯拉Model 3在高速行驶时，径直撞向一辆翻倒在公路上的大卡车。监控显示，白色卡车侧翻在地，同车道Model 3直奔卡车冲来，没有丝毫减速。当天天气晴朗，视野良好，站在隔离带旁的卡车司机朝Model 3挥手致意。即便如此，这辆Model 3也没有及时刹车，结结实实地撞向卡车。

事后当地交警公布称：“司机表示，车辆行驶时开启了特斯拉的Autopilot功能，将车速固定在了110km/h，途中分神，没有将注意力集中在车辆和道路上。最后导致事故。”

——————

6月24日，深圳市南坪快速东行方向，一辆Model 3与试图并道的渣土车发生碰撞。特斯拉车主称，自己的Model 3在开启Autopilot状态下跟车，但车辆未能识别到侧前方并线的渣土车，不仅没有采取制动或避让措施，还加速直接撞了上去。

特斯拉对事故车辆进行调取分析后表示，事发时车主的双手处于脱离方向盘的状态，并且没有检测到制动信号。最后判定为车主操作不当，而非Autopilot的问题。车主对特斯拉的结论表示质疑，提出异议。

——————

7月14日，美国亚利桑那州，一辆黑色特斯拉Model S在本森附近的10号州际公路上与警车相撞，继而导致警车与一辆救护车发生连环追尾。车主是一位来自加州尔湾市的23岁男子，他事后表示，车辆发生碰撞时，他正在使用特斯拉的Autopilot功能。

短短一个多月时间，接二连三的事故，全部都与Autopilot有关，这也让特斯拉的“自动驾驶”再次被推上风口浪尖，受到众多消费者的质疑。

就在7月，德国一家监督机构Wettbewerbszentrale，针对特斯拉Autopilot提出了“虚假宣传”的指控，并将此案提交给了德国法院，称特斯拉使用的术语或字眼在自动驾驶辅助系统方面误导了公众。德国法院判定指控合理，随即禁止特斯拉在其德国网站及其他德国广告中使用带有“完全自动驾驶功能”的字眼。

这已经不是特斯拉的Autopilot第一次受到监管部门的关注了，就在今年2月份，美国国家运输安全委员会（NTSB）公开抨击特斯拉未能有效防止司机滥用Autopilot系统，并表示特斯拉对自动驾驶辅助功能缺乏系统保障。

那么问题就来了：特斯拉是不是虚假宣传呢？

回答这个问题之前，我们先来看看自动驾驶的分级定义。目前业内公认的参考，是SAE International（国际汽车工程师协会）在2014年提出的自动驾驶汽车分级标准：

我们来细看各个级别的定义（熟悉该定义的朋友可以跳过这一段）：

——Level 0级，纯手动机械驾驶，仅有基本的安全提示，ABS（自动防抱死）安全配置都没有，这类民用车已经很少见了。

——Level 1级，配置了诸如AEB（自动紧急刹车）、ABS以及ABS基础上升级的ESP（车身电子稳定系统），还有高速路段常用的定速巡航、ACC自适应巡航功能（安全车距保持）。这是目前最常见的辅助驾驶配置，当然，部分安全功能需要选配。

——Level 2级，如果说L1级是纵向控制，那么L2级就是开始引入横向控制，如LKA（车道保持）、主动变道等功能。此时汽车主要是减少驾驶员的操作负担，大部分情况下，驾驶员还是要接管方向盘。

——Level 3级，进一步脱离人类依赖，能够自适应驾驶路况，根据导航选择道路，主动变道超车，能够自行判断行驶条件，并决定是否将驾驶权交还驾驶员。此时，驾驶员还是要实时监控路况。

——Level 4级，已经可以实现完全自动驾驶，能够应付绝大部分路况，行驶过程中无需驾驶员介入，输入地点和导航信息即可上路，在极特殊的情况下会提示驾驶员接管车辆。L4相对于L3，是一个本质的跨越，汽车和司机的身份开始发生转变，汽车由辅助系统变为真正的司机，人类则由司机变为乘客。

不再需要实时监控路面

——Level 5级，全天候自动驾驶，无论什么天气环境、什么路况都能应对自如，甚至能够在驾驶员无反应的情况下做出自主判断，做到像大脑一样思考和学习，此时，汽车完全抛弃方向盘、动力、制动踏板，人类彻底成为乘客。这是自动驾驶的终极目标。

当然，上述分级只是一个参考标准，并非所有的车企都是按照这条线路前进，但从自动化进程来看，技术是沿着辅助驾驶-条件自动驾驶-高度自动驾驶-无人驾驶的方向前进。到目前为止，大部分车企都停留在L2，少部分车企开始探索L3，自动驾驶研发公司（非量产车）则朝着L4努力。

那特斯拉的Autopilot是什么水平呢？

我们以最新的Model 3为例，Model 3最新的Hardware 3.0标配8颗摄像头，1颗毫米波雷达和12颗超声波传感器。至于激光雷达，特斯拉直接选择无视（这也导致了一些问题，我们稍后会说到）。

Model 3的8颗摄像头，有3颗摄像头负责前方视野，剩下5颗摄像头则负责监控车辆侧面和后方。此外，Model 3还整合了处理能力增强版的1颗前视雷达，为车辆提供额外的环境数据，同时在雨雾、砂尘等天气充当安全冗余。

至于那12颗超声波传感器，虽然工作半径较短，不过它能在任何速度下稳定工作，主要是针对车辆控制盲区时使用。关于车辆方位的确定，特斯拉依靠的是GPS。

除了传感器方面的支持，Hardware 3.0还有一颗心脏——FSD芯片。它用上了两块自研SoC，两块GPU，两块神经网络处理器和一块锁步CPU。为了提升神经网络处理器的存取速度以提升计算能力，每颗FSD芯片内部还集成了32MB高速缓存。

从特斯拉官方公布的数据来看，Autopilot HW 3.0能够处理来自8路摄像头同时工作产生的每秒2300帧图像，总算力达到了144TOPS。这样的性能无论是在车载运算系统，还是消费级电脑中，都算是顶尖级别了。

除此之外，特斯拉Autopilot还有一个秘密武器——影子模式。它的原理是，当特斯拉的Autopilot处于开启状态时，传感器会从后台探测车辆行驶道路周围的数据。人们驾驶时，机器能够学习人类驾驶员的驾驶操作，从而达到提升自动驾驶能力的目的。自2015年特斯拉开始在车辆上搭载Autopilot硬件以来，影子模式已经后台行驶超过30亿英里。

这些从真实公路上采集的数据，在经过筛选清洗标注后，被用于训练深度学习的算法，算法再被进一步封装，以 OTA 的方式装载到用户车载计算机的芯片上。数据-算法学习-更多数据-更优算法，这就是特斯拉Autopilot实现自动驾驶的方式。

那么这些技术能为特斯拉带来什么具体功能呢？

我们来看看那特斯拉的官网是怎么描述的：

官方给出的定义是：车辆能够根据其他车辆与行人，在行驶车道内自动辅助实施转向、加速和制动；能够在高速公路上自动辅助变换车道；能够自动驶入和驶出高速公路匝道或立交桥岔路口，超过行驶缓慢的车辆。同时还将推出：识别交通信号灯和停车标志并做出反应；在城市街道中自动辅助驾驶等功能。

我们可以看到，特斯拉在功能描述中，多次强调『辅助』这个词，似乎在说明它只是驾驶员的辅助功能，但是在该系统的说明中，官方又将其定义为『完全自动驾驶能力（Full Self-Driving Capability）』，一个『辅助』，一个『完全』，确实容易让人产生歧义。这是第一个问题。

——————————

再来，我们根据特斯拉对于Autopilot的功能描述描述，再回到之前自动驾驶的定义去对号入座，可以发现Autopilot充其量也只达到L3级别的自动驾驶能力，距离L4级自动驾驶还有不少的距离。而这里，就是第二个问题，也是Autopilot的尴尬之处——

除非满足一定条件，否则L3系统会采取『提示驾驶员接管』的方式移交车辆控制权。然而从系统发出提示，到驾驶员真正接管的这段时间内，人类和机器两种责任主体实际上同时存在于驾驶过程中。也就是说，L3 在实际应用中，反而将自动驾驶的控制权复杂化了。

复杂的责任主体会带来一个后果——发生紧急情况时，确定新行为承担者的过程会变得远比L1/L2或L4/L5更为复杂。L1/L2作为辅助驾驶功能，其本质意义在于减轻司机在驾驶过程中的负担，说白了就是『让你开起来没那么累』，驾驶主体还是在人；L4/L5则能够高功能地接管车辆，实现自动驾驶，也就是『让你开起来不用操心』，驾驶主体转移到车。

而L3呢？在L3级自动驾驶下，驾驶员虽然可以撒手，但又要随时准备接管，这样时刻戒备的状态本身就违背了自动驾驶的初衷。一旦系统允许驾驶员放开方向盘，司机从高度集中的驾驶状态中脱离出来之后，要突然重新集中注意力来接管车辆，需要一段反应时间，而这段反应时间就是最容易出现事故的，多个真实案例也说明了这个问题。

——————————

况且，Autopilot的功能并没有达到它描述的那么完美。

自动驾驶涉及的方面太多，基本操作有车速、转向、刹车等，传感器至少有雷达、摄像头和GPS，为了乘客舒适度和车身稳定，还有惯性加速度传感器、三维陀螺仪等传感器。中间的处理单元就更加复杂了，涉及计算机视觉、实时操作系统、精准定位等多个方面。

我们都知道，一个系统越复杂，出错的风险就更大。我们已经有案例，来自McAfee的研究报告显示，技术人员用胶带横贴在时速「35」英里限速标志「3」数字正中间，这小小改变导致车辆误判速限为「85」英里，随即车辆的Cruise Control System自动加速到超速。针对于特斯拉这样重点依赖视觉摄像头的方案来说（无激光雷达），各种视觉欺骗、激光照射、不规范的交通信号标识，都将成为导致事故的隐患。

就拿深圳这一起事故来说，特斯拉Autopilot识别加塞的逻辑，是需要前车车身或车尾的二分之一进入本车道时，系统才会认为是这是一次加塞。在本起事故中，大货车大约有六分之一进入了特斯拉的车道，无法判断是否达到加塞阈值，但是庞大的车体已经对车道进行霸占。

并且，特斯拉侧面主要依靠摄像头来进行识别，而摄像头只能够看到大货车的局部特征，无法判断大货车是不是一辆车、是多大一辆车，这就造成了视觉识别失误。

至于超声波雷达在这次事故中也存在可能漏判。大货车的车轮驶进车道时，车轮经过，雷达系统会认为有障碍物。但由于大货车底盘高，当车轮通过后，雷达又会判定没有障碍物，系统此时可能过滤掉了超声波雷达的监测结果。

此时，传感器无法准确识别现实环境，而计算机基于有限信息进行的判断，自然与实际情况不相符，进而导致了这起事故。

再说台湾的例子。一般来说，自动驾驶公司在开发视觉感知时，基本上采用深度学习技术，这项技术具备迁移和泛化特点，简单来说，就是举一反三的能力。

由于Autopilot对这起事故中翻倒的大货车没有识别经验，系统经验检测不出来这是一辆车，甚至在白色的反光下都不能准确判定是否为障碍物。于是Autopilot没有采取任何躲避措施，直直地撞了上去。

2016年佛罗里达的高速公路上，几乎是同样的情景，一辆Model S直接撞上一辆拐弯中的货车，结果如出一辙。遗憾的是，驾驶员在那起车祸中丧生。

所有的视觉检测任务，都是先有完整的场景需求，然后根据场景需求进行算法设计，而算法都是有局限性和边界的。这便是特斯拉Autopilot和许多依赖视觉检测方案的天然缺陷（没有激光雷达）。这种缺陷体现到大货车的视觉检测上，就更为明显。

因为大车的异型车辆种类非常多，小车无非是SUV还是轿车的区别。但大车种类丰富，包括有拖挂车、平板车、水泥罐车等，尤其是近距离大货车视觉检测，摄像头往往只能看到车辆的局部，更加难以判断车辆。

再加上这些大货车在道路上出现的频率相比小车来说要低很多，没有足够的机会去收集足够数据并进行训练学习。Autopilot想要实现真正的自动驾驶，这些问题都是必须要解决的。

——————————

最后总结一下，特斯拉Autopilot的技术水平在业内属于第一梯队，在真实道路中也具备一定的实用性，但是：（1）特斯拉对Autopilot的宣传，让消费者容易产生理解误差；（2）Autopilot的功能定位也暗藏使用逻辑上的矛盾；（3）Autopilot对视觉系统的依赖，还存在某些未攻克的难点。所有这些加起来，就导致驾驶员在过分相信Autopilot时事故频发。

在这里，我们不赞成车企为还未实现的技术进行前置宣传，因为这很容易对消费者产生误导。如果车企的自动驾驶系统无法处理所有的场景，那就应该明确告知消费者该功能的局限性，而非夸大宣传。此外，本土化适应性也是需要解决的问题，针对中国道路的复杂性和国人的交通习惯，特斯拉或许应该采用更加保守算法，同时更加注重对车主的教育宣传。

自动驾驶确实是未来的技术发展方向，但就目前而言，市面上能够使用的“自动驾驶”或“辅助驾驶”功能都脱离不了驾驶员的操作，大家在驾驶时仍需集中注意力，切勿过分相信某些功能。道路千万条，安全第一条。

最后，我们回到文章开头的问题『特斯拉的自动驾驶是不是虚假宣传呢？』

写到这里，笔者不禁想到另一个大家熟知的食物：

以上。

（图/文/摄：皆电 唐科）