763
作為出行工具，汽車正成為“四個輪子的超級計算機”，當然也可能是橫沖直撞的兩噸多鋼鐵！
8月14日晚，“美一好”公眾號發(fā)布訃告稱，美一好品牌管理公司創(chuàng)始人林文欽（昵稱“萌劍客”）于2021年8月12日下午2時駕駛蔚來ES8汽車啟用自動駕駛功能（NOP領(lǐng)航狀態(tài)），在沈海高速涵江段發(fā)生交通事故，不幸離世。此次事故是由ES8追尾公路養(yǎng)護車導致。事件情況報道很多，不再贅述，只想解析一下為什么會發(fā)生這樣車毀人亡的悲劇。以下內(nèi)容均為技術(shù)分析與探討，事故最終結(jié)果以官方報告為準。
大意失的何止是荊州！
首先我們不能不為車主的自負疏忽而惋惜，你失去的何止是一輛車，而是生命的代價。無數(shù)悲劇說明，現(xiàn)在自動駕駛技術(shù)還不成熟。
被大多數(shù)主機廠奉為造車新勢力神明的特斯拉，其FSD意為“full self-driving（全自動駕駛）”；其Autopilot套件意為“自動輔助駕駛”（“輔助”是2016年8月事故后添加）。其實，主機廠根本就不應(yīng)該使用“自動”這樣的文字游戲來標榜輔助駕駛功能，去誤導消費者！
所謂“自動”，是指不用人力而用機械、電氣等裝置直接操作或自己主動操作。所以“自主駕駛”、“無人駕駛”在目前都是無稽之談！
面對造車新勢力咄咄逼人的態(tài)勢，許多主機廠老總在各種場合都經(jīng)常講：“我們的智能駕駛，去年就已經(jīng)實現(xiàn)了L3，在試驗場全程完全沒有人工干預。”注意，是“試驗場”，那么在完全開放的真實場景呢？用腳去想都知道那是天壤之別！試驗場人為設(shè)置的障礙物、情境不可能包羅萬象，要不就不叫“試驗場”了。
所以，消費者千萬不要因為主機廠的一段老總自駕視頻（蔚來也有）而忽略了當前技術(shù)的發(fā)展現(xiàn)狀，何況絕大多數(shù)車主都不是車圈內(nèi)的人，技術(shù)水深莫測??！
特斯拉全程自動駕駛無干預視頻
奇葩的是，這次事故與蔚來官方NOP用戶手冊中強調(diào)的兩個場景幾乎完全吻合：
①NOP無法對人、動物、交通燈及靜態(tài)障礙物（如高速收費站、路障、三角警示牌等）做出反應(yīng)。
②本車與前車相對速度大于50公里/小時，如前車靜止或緩行，Pilot（NOP的基礎(chǔ)功能，兩者縱向控制是一套算法）存在無法剎停的風險，出現(xiàn)上述情況，請立即退出Pilot，切勿在上述情況嘗試Pilot對靜止車輛剎?；蚋Ｇ败?。
問題來了：對這么多障礙物無法做出反應(yīng)；在高速上速度肯定大于50公里/小時，前車減速剎停怎么辦？當然可以馬上接管，重要的是還要馬上剎停。這駕駛者必須訓練有素才行。看來，此次事故的駕駛者并沒真正理解什么是Pilot。
退一步講，以現(xiàn)在的情形，即使你目不轉(zhuǎn)睛盯著路面，在撞向前方物體的瞬間，誰能保證不會一時驚呆，有沒有讓你打方向的機會？
為什么靜止物體成天敵？
蔚來ES8全車搭載23個傳感器，是少數(shù)幾款“武裝到牙齒”的自動輔助駕駛L2級車型，官方稱其具有全棧自動駕駛能力。2020年10月，蔚來OTA更新推送的2.7.0版NOP自動駕駛輔助系統(tǒng)和特斯拉的Autopilot功能相似。傳感器包括1個前向三目攝像頭（相當于3個攝像頭）、4個環(huán)視攝像頭、5個毫米波雷達、12個超聲波雷達和1個駕駛員檢測攝像頭，外加1個Mobileye EyeQ4處理器。
其中，自動駕駛主要依靠三目攝像頭，負責識別遠距離目標和紅綠燈；毫米波雷達負責障礙物速度、距離和角度測量。
蔚來ES8豪華感知系統(tǒng)
此前的ET7有一個激光雷達，ES8沒有，去年年底華為激光雷達曾現(xiàn)身ES8測試車，但并沒有量產(chǎn)搭載。
不同主機廠的傳感器與算力
無獨有偶，受限于目前的傳感器配置與技術(shù)水平，其他開啟輔助駕駛功能的類似車輛在前方有靜止、緩行障礙車輛或物體時，也發(fā)生過類似嚴重事故。其中比較著名的有：
- 2016年1月，一輛特斯拉在高速以80邁以上速度撞上道路內(nèi)側(cè)?？康牡缆非鍜哕?，車主當場身亡，沒有剎車痕跡。
- 2017年2月，一輛特斯拉徑直撞向路上的護欄。
- 2020年6月，一輛特斯拉在中國臺灣高速公路上鉆進了一輛側(cè)翻的大貨車頂部。
這樣的事故在美國也有，與此次蔚來ES8事故一樣，大都天氣晴好。
光天化日之下都識別不了前方的龐然大物說明了什么？經(jīng)與多位專家交流，得到一些可能的答案：
·可能性之一：駕駛系統(tǒng)路測，哪怕是仿真測試里程和場景不足，攝像頭和傳感器根本就沒有見過事故現(xiàn)場這樣的東西，也就無從用收集的這類數(shù)據(jù)去訓練機器學習算法，深度學習模型不能對這個物體進行分類，中央計算機更無從對此做出正確決策。按照常理，一般識別的都是車輛后部、側(cè)面、頭部，誰能想到要讓攝像頭和毫米波雷達去辨認一輛躺在路中央的貨車車頂呢？抑或能辨認出黃色公路養(yǎng)護車，能不能發(fā)現(xiàn)藍色的垃圾車？
·可能性之二：也許攝像頭根本就沒有發(fā)現(xiàn)前方的物體。在晴好天氣環(huán)境，本不會對攝像頭和傳感器造成很大影響，反而是大型的物體，特別是陽光反射下的物體可能無法識別。
·可能性之三：傳感器融合可能存在問題，因為即使攝像頭沒有識別，毫米波雷達也應(yīng)該能識別障礙物。這說明傳感器融合機制不完善，即使毫米波雷達能夠?qū)o態(tài)障礙物識別且正常制動，但在幾個攝像頭+1個毫米波雷達的方案中，為了減少AEB（自動緊急制動）誤觸發(fā)，往往會用算法濾掉毫米波雷達識別的靜態(tài)物體的信號，而以攝像頭識別和跟蹤目標，毫米波雷達為輔，加上傳感器融合邏輯不當，就會忽略毫米波雷達的信息，沒有及時提醒系統(tǒng)。
傳感器融合是為了安全冗余，它是實現(xiàn)高級別自動駕駛的先決條件，包括：感知冗余、控制冗余、架構(gòu)冗余、電源冗余、制動冗余和轉(zhuǎn)向冗余，是一個復雜的體系，挑戰(zhàn)很多。
·可能性之四：與特斯拉相仿，沒有使用可很好代替毫米波雷達的探測范圍更廣、精度更高的激光雷達，以彌補對周邊障礙物無法精準建模的弊端。難怪有人吐槽：蔚來ES8這么貴（比ET7貴2-3萬元），沒想到連激光雷達都不配，談何自動駕駛？
為什么NOP剎不住，AEB不啟動
林文欽的朋友提供了蔚來App中記錄該事故發(fā)生之前的行車數(shù)據(jù)，顯示離事發(fā)最近一次的駕駛里程為85公里，歷時113分鐘，平均速度為45.1公里/時、最高速度為114.6公里/時。但問題在于，事發(fā)當時的車速是多少？是不是大于85公里/小時？當時林文欽是什么狀態(tài)？車機有沒有發(fā)出提示警告？林文欽有沒有試圖接管車輛的動作？不是有一個駕駛員狀態(tài)監(jiān)視攝像頭嗎？難道沒有任何記錄？這些問題有了答案，相信整個事故原因就會接近水落石出。
根據(jù)蔚來自動輔助駕駛系統(tǒng)設(shè)計，無論是否開啟NOP，如果系統(tǒng)檢測到車輛、行人，在車速低于8公里/小時或大于85公里/小時時，自動緊急制動不會啟動。NOP在發(fā)現(xiàn)靜止或低速物體時所能請求的減速度有限，會提前減速，在減速度不足時，提示駕駛員接管。
·不在系統(tǒng)管控范圍：L2的蔚來NOP屬于舒適性功能，系統(tǒng)所能夠請求的減速度（最大剎車力）有限。即使在碰撞前瞬間，NOP發(fā)現(xiàn)前方有靜止車輛，剎車力度也不夠。蔚來AEB工作范圍是8-85公里/小時，車速超過100公里/小時AEB也無能為力。
·感知到前方車輛太晚：如果不是NOP剎車力度不足的問題，還可能是感知系統(tǒng)沒有及早發(fā)現(xiàn)靜止車輛，留給NOP剎車的時間太短，來不及剎停。實際上蔚來ES8搭載的高性能剎車系統(tǒng)，從100到0公里/小時全力制動的剎車距離僅33.8米。能不能全力制動呢？值得探討。
·算力夠不夠：蔚來ES8的Eye Q4芯片可提供目前最強的算力。地平線創(chuàng)始人及CEO余凱認為，算力并不代表汽車智能芯片真實性能。以特斯拉公布的數(shù)據(jù)為例，與上一代英偉達芯片比，其算力增加了3倍，可是真實計算性能提升了21倍，這個真實的計算性能說的是每秒準確識別了多少幀圖像。能不能以每秒準確幀數(shù)評估Eye Q4芯片呢？
傳感器融合邏輯和軟硬件集成
上面說過，蔚來ES8事故與特斯拉極其相似。在NOP系統(tǒng)中，主要依靠車頭前向長距離毫米波雷達和前視攝像頭感知。事故車輛搭載的是博世第四代中距毫米波雷達MRR，算法由博世提供。攝像頭感知算法由Mobileye提供，內(nèi)嵌在EyeQ4中。雖然蔚來ES8是前向三目攝像頭，但EyeQ4用的是單目攝像頭算法，只有一個攝像頭做前方感知，并沒有使用雙目立體視覺算法。三目攝像頭中一個給EyeQ4提供畫面，一個是行車記錄，另一個是采集訓練算法數(shù)據(jù)。特斯拉也有沒有使用三目。
開啟NOP時，由EyeQ4和蔚來自主研發(fā)的融合算法對目標比對，獲得外界感知結(jié)果后做出駕駛決策。這是一個與特斯拉一樣的視覺系統(tǒng)，通過攝像頭識別可行駛區(qū)域，感知外界目標，在發(fā)現(xiàn)需要避讓的目標后，再引入毫米波雷達的感知數(shù)據(jù)精確計算速度和距離，進而做出駕駛決策。系統(tǒng)中視覺傳感器的權(quán)重高，毫米波雷達的權(quán)重低。即使毫米波雷達先發(fā)現(xiàn)了前車，系統(tǒng)也會暫時不動，需要等攝像頭的感知結(jié)果融合后再采取行動。又因為不同形狀、材質(zhì)的物體反射面積（RCS）都不相同，變量太多的道路場景很難簡單通過RCS來確定一個物體的類型。此外，根據(jù)毫米波雷達工作原理，多普勒效應(yīng)最容易感知動態(tài)對動態(tài)，動態(tài)對靜態(tài)較難感知。測不到前方相對靜止的車輛在所難免。那么，關(guān)鍵就在于攝像頭是否發(fā)現(xiàn)了目標。這就又回到了前面的幾種可能性。
測試里程遠遠不夠
如上所述，蔚來ES8三目攝像頭中的一個是跑數(shù)據(jù)的，和特斯拉差不多，都是利用自己的車隊跑真實道路積累數(shù)據(jù)，以此不斷訓練AI算法，幫助車輛識別目標物，從而實現(xiàn)避障和自主駕駛功能。這樣做花費的成本和時間無法想象。
Google旗下Waymo一直研發(fā)自動駕駛汽車。2020年10月，其自動駕駛報告顯示：21萬公里一次事故，嚴重事故8次，都是其他人類駕駛車輛的鍋。
Waymo從2009年起在公開道路上測試自動駕駛系統(tǒng)超過2000萬英里。2015年開始完全無人駕駛（沒有安全員）路測，2020年年初，完全無人駕駛測試已占到整體測試的5-10%。從2019年初到2020年9月，在鳳凰城自動駕駛測試區(qū)，Waymo車輛已累積610萬英里（982萬公里）自動駕駛里程。
除了路測，Waymo每天要做2000萬英里虛擬測試，迄今已完成超過150億英里，路測只占測試里程的0.01%。由此可見，真實可靠的仿真測試數(shù)據(jù)非常重要，但必須保證數(shù)據(jù)與真實道路匹配，給傳感器提供真實的反饋，這是一個嚴峻的挑戰(zhàn)。
2018年5月，蔚來成為初創(chuàng)公司Parallel Domain自動駕駛虛擬測試軟件的第一個客戶，據(jù)說可在一分鐘內(nèi)自動生成城市街區(qū)。不過沒有看到后續(xù)的進展報道。
要實現(xiàn)自動駕駛，從L2到L3，再到更高級別的L4，所需測試的場景數(shù)量呈幾何倍數(shù)增長，讓汽車系統(tǒng)復雜性陡然增加，給自動駕駛測試帶來了最大挑戰(zhàn)。軟件的更新通常是摁下葫蘆起來瓢，必須有足夠多的測試驗證。與此同時，測試需求更是瞬息之間千變?nèi)f化，留給專業(yè)人員的測試時間越來越緊迫。在成本方面，電動汽車功能越來越多，價格卻逐年下降，對測試成本有很大影響。隨著汽車復雜度的增加，汽車測試成本隨之增加，如果不改變傳統(tǒng)測試策略，可能難以達到預期的盈利目標。
為了獲取真實場景，必須利用數(shù)字孿生技術(shù)等手段對道路采集的真實數(shù)據(jù)進行數(shù)據(jù)重構(gòu)，再通過平臺及完整的軟件工具鏈對數(shù)據(jù)進行硬件仿真測試，最后還要生態(tài)圈攜手克服測試挑戰(zhàn)。
目前仿真測試的問題在于：缺少高保真度的模型和場景，無法媲美真實采集的道路狀況，或保證ADAS在路面和場景中跑的結(jié)果一樣；很多廠商之間的鏈路沒有打通，不同硬件學習時間成本高；沒有出臺非常明確的法規(guī)，特別是中國的場景庫很多都是歐美來的，不適合國情。
專家指出，增加仿真測試是保證自動駕駛安全的重要手段，需要生態(tài)圈內(nèi)很多廠商的協(xié)作，利用開放平臺共同推動自動駕駛落地。
主機廠過于看中單車智能
宏觀方面，是智慧的路，還是智能的車？在業(yè)界是有很大分歧的。因為消費者買的是車，所以主機廠都在使盡渾身解數(shù)完善單車智能。但僅憑單車智能實現(xiàn)自動駕駛并不能讓人放心。
蔚來ES8的傳感器配置是目前比較領(lǐng)先的，卻也沒能阻止危險的發(fā)生。如果是智能的車+智慧的路，肯定又多了一道保險。由于通信、安全和功耗的問題，智慧城市和單車智能還沒有走到一起。智慧城市規(guī)劃者和主機廠對解決C-V2X各種問題的工作節(jié)奏和技術(shù)往往截然不同——盡管這兩個世界需要溝通才能發(fā)揮作用。
城市地區(qū)優(yōu)化交通對于減少事故至關(guān)重要。但是，實現(xiàn)這些目標非常復雜，需要將通信、安全和功率技術(shù)落實在道路、交通信號、建筑物和其他結(jié)構(gòu)中，才能實現(xiàn)車輛與車輛及基礎(chǔ)設(shè)施的通信。
到目前為止，自動駕駛的發(fā)展一直以車輛為中心或以監(jiān)管為中心。如果你的車里有C-V2X，即使能與城市對話，也不能與其他車輛通信，因為市場滲透率很低。因此，汽車方面必須跟進才行。
雖然C-V2X和自動駕駛車輛都在開發(fā)，但其實現(xiàn)時間表有很大不同。即使是使用激光雷達的車輛來到十字路口，也不意味著它就是L4或L5自動駕駛車輛，很可能只是L2。事實上，利用C-V2X，很多車輛都可以提供較高級別的駕駛能力，且不會像L4或L5那樣昂貴。
回到車輛，它必須運行人工智能推理算法，需要大量訓練，同樣有許多處理工作。所有這些都要消耗大量能量。這意味著現(xiàn)成硬件組件的想法不切實際，尤其是價格不菲。
可以肯定的是，能夠相互交流的智能汽車及其環(huán)境為更安全的道路、更高效的旅行和更好的駕駛體驗開辟了可能性，但推廣需要時間。
亡羊補牢
此次事件讓我們悟到：上游供應(yīng)商包括Tier 1產(chǎn)品與主機廠整車的集成存在一條鴻溝，導致車輛難以實現(xiàn)原來供應(yīng)商設(shè)計產(chǎn)品及主機廠想要達到的性能。
起初，蔚來通過自研在特斯拉之后推出了自動導航輔助駕駛系統(tǒng)NOP，因為沒有供應(yīng)商提供類似技術(shù)。上面也提到，蔚來的視覺和毫米波雷達硬件和算法都來自供應(yīng)商，其自動駕駛系統(tǒng)只能依靠這些軟硬件提供的感知結(jié)果進行決策，有可能感知系統(tǒng)的誤導讓系統(tǒng)決策失誤，最終釀成了嚴重事故。
由此看來，在自動駕駛方面，主機廠還是要走全棧自研的路子，把命運掌握在自己手中。
對主機廠而言，現(xiàn)階段，機器就是機器，技術(shù)遠未成熟；必須循序漸進，不能以大躍進式營銷激發(fā)消費者對新技術(shù)的好奇心，埋下安全隱患。
