避免「特斯拉式」悲劇，需要長期研究和成熟技術

特斯拉公司近日證明，一輛行駛在洲際公路上的 Model S 在自動駕駛模式下發生事故，導緻司機死亡。美國政府宣布，正初步評估肇事車型特斯拉 Model S 所裝配的自動駕駛系統。調查細節還在等待公布，但這起首次因為自動駕駛系統（實際上是輔助駕駛系統）造成死亡的案例确實值得我們對自動駕駛和輔助駕駛技術進行重新思考。

首先需要明确的是，特斯拉的 Autopilot 是輔助駕駛系統，該系統隻是減輕駕駛員負擔而不是托管，這與第四級别的自動駕駛系統還有很大差别。特斯拉曾多次對這點進行規定和聲明。在特斯拉的規範裡，它的自動駕駛功能要求在封閉路段才能開啟，而這次事故是發生在開放的路口。特斯拉在讨論布朗死亡事件時宣稱，此系統并不是完全控制汽車，駕駛員必須用手握住方向盤，并保持警惕以及與汽車系統的互動。

輔助駕駛是發展自動駕駛的路徑之一，特斯拉、以及其他傳統汽車企業在這個産品級别上，往往是采取較為成熟的方案，他們更加關心行車安全。另外一條路徑是直接從第四級别的自動駕駛切入，這類的代表公司有谷歌、百度等科技公司，當然，特斯拉也同時在做這方面研究，這種路徑主要是從研發的角度進行前沿技術布局和積累，這種解決方案離商業化和産品化還有很長距離。

是以，我們在把完全自動駕駛作為研究目标的同時，在應用層面，從 ADAS 到完全自動駕駛需要循序漸進來完成。這樣一方面可以保障駕駛員的安全，另一方面可以使駕駛員了解目前商用化自動駕駛技術的真實進展，進而杜絕因為對技術的誤解和盲目自信造成的不恰當行為。

百度深度學習實驗室主任林元慶在接受媒體采訪時表示：「我們的定位也是實作全自動無人駕駛，但百度在技術上肯定是走綜合以上兩條路線的方法，這個是非常重要的。」

是以，在自動駕駛領域，從研究上設定一個宏大目标，但是工程和應用角度采取當下成熟技術的方案或許更加合理。

從自動駕駛技術來看，它融合了軟體和硬體的相關技術，主要包括：

• 攝像頭和計算機視覺系統，用于物體識别、交通标示和資訊識别、路面檢測等。

• 雷達，擁有大範圍的前視雷達可以提供範圍、角度、多普勒速度等資訊，在晚上和惡劣天氣下能表現的非常出色。

• 雷射雷達傳感器 LiDAR，雷射掃描裝置，能夠以360度視角建立周圍物體的 3D 圖像。

• V2X，車與車之間的通信技術。随着自動駕駛車輛的增加，汽工廠中的房間通信技術非常重要。

• 人機互動，人與車輛更加自然和智能的互動方式，比如生物身份認證、語音互動、圖像識别等。

• 地圖技術，高精度且實時更新的地圖。

在以上技術中，視覺系統、傳感器、雷達、LiDAR 及多種傳感整合技術在自動化駕駛中至關重要，因為這關乎到自動駕駛汽車與外部環境的互動，外部的物體和行人識别、緊急避障、遵守交通法規、應對惡劣環境等都與之相關，這些就像是人類駕駛員的視覺和聽覺，是實作自動駕駛的基礎。

而積極布局自動駕駛的科技公司也在這方面投入了巨頭的研發資源，也取得了很大的進展，讓我們看到了自動駕駛的階段性成果。谷歌在 4 月份送出了一項新的專利申請，通過攝像頭判斷前方車輛的刹車和訓示燈狀态來對它們的行為作出預判，進而避免出現追尾等事故；福特也讓 LiDAR 傳感器完全具備了「獨自作戰」的能力，在沒有車燈照明的情況下完成了夜間測試；百度借助雷射雷達、攝像頭、毫米波雷達等多傳感器，采用多傳感器融合技術方案，進而最大限度的提升識别準确度，KITTI 識别率達到 89.32%。百度自動駕駛事業部總經理王勁表示，百度的目辨別别、環境感覺技術可以讓汽車精準偵測、跟随其它汽車前進，它還可以準确識别道路标志線、精準控制距離和速度。此外，百度計算機視覺技術的物體檢測和路面分割功能最近取得了非常好的效果。

而目前特斯拉的資訊擷取和決策執行的依據還是以攝像頭為主，這就決定了它會因為天氣、光線和角度的問題而出現誤判。汽車之家創始人李想表示，如果有雷射雷達，這次事故就可以避免了，攝像頭為主的 ADAS 方案做自動駕駛還是有一定的缺陷，就是光線所造成的影響，包括更精準的距離判斷，哪怕萬分之一次的誤判都有關乎生死的風險。

深度學習帶來了圖像識别準确度的大幅提高，但深度學習主要處理的是靜态圖像點的資訊，而在自動駕駛場景下，卻需要處理真實世界中的實時資訊流，這與傳統深度學習在圖像識别中的應用是完全不一樣的。是以，在處理自動駕駛系統的資訊擷取環節時，單純依靠攝像頭會留下很大隐患，應該增加雷射雷達等更為成熟的多種傳感器，就是百度提出的「多傳感器融合技術方案」。

不可否認，自動駕駛确實是我們的終極目标，還需要很長的路要走，百度曾表示，自己的無人車要實作三年商用五年量産，而他們所采取的前沿研究和成熟技術相結合的方式也會幫助他們更好的實作這個目标。