【太平洋汽車網行業頻道】就在前不久，一張無人快遞車陷入未幹水泥路面的照片火遍全網。被人們給予厚望的無人駕駛技術，一台集合了目前最先進技術的無人車，在“水泥未幹，禁止通行”這個最樸素的場景下，陷入了尴尬......
當“無人駕駛”遭遇“水泥未幹”，有解嗎？
事情發生在河南大學金明校區，事件的主角是一台阿裡達摩院開發的“小蠻驢”無人快遞車，小蠻驢目前已經在全國各地的菜鳥驿站服役超過一年。2021年“雙11”，阿裡公布已經在全國70多個城市超過200所高校校園部署了數千輛小蠻驢無人快遞車，是目前國内投入使用數量最多，範圍最廣的無人駕駛車輛之一。
小蠻驢無人配送車于2020年9月17日雲栖大會上推出，車身長寬高分别為2100/900/1445mm（含雷射雷達高度），感覺方面配備前後各1-4個雷射雷達、6個攝像頭、毫米波雷達、慣導等傳感器，應急反應速度達到人類7倍，具備L4級自動駕駛能力，以解決配送最後3公裡配送難題為目标。
這樣的感覺硬體配置，在目前投入使用的無人駕駛車輛中，屬于近乎“滿配”，各方面屬性已經拉滿。同時，不像常見的乘用車自動駕駛，小蠻驢平均速度僅設定為15km/h，最高速度也隻有20km/h，也讓其無人駕駛的潛在危險系數有所降低。投入營運的小蠻驢每輛每天可投遞近600份快遞，同時依托菜鳥龐大的體量，其實際營運裡程以及積累的資料量在全球自動駕駛相關研究企業中也屬于前列。
然而，小蠻驢的參數越“漂亮”，在這起事件中的表現就越顯得尴尬。如此硬核的尖端科技，為何在這麼樸素的場景下會這樣吃癟？
自動駕駛依托攝像頭、雷射雷達、毫米波雷達等傳感器對周遭環境的感覺做出決策，各種傳感器各有優劣，性能互補，能夠對行進方向上潛在的障礙物進行相當有效的識别。但不論是攝像頭還是雷達，對平整路面的水泥是不是已經硬化都沒法做出有效的判斷。
在這起事件中，我們從另一個角度的照片可以看到，施工方在道路中間設定了“前方施工 禁止通行”的警示牌，在小蠻驢行進方向上并沒有設定有效的警示，沒有警示牌，也沒有樁筒等。另外三側有細長的警示帶，行進方向的警示帶平鋪在路沿一側。由于沒有事發過程的錄像，我們無法判斷小蠻驢駛過時，警示帶是已經飄落還是小蠻驢未能有效識别撞開了警示帶。隻能說，這種細長的警示帶對于自動駕駛傳感器存在未能有效識别的可能性。由于沒有結論，這裡就不再過多展開。
值得注意的是，“水泥未幹”絕不隻是自動駕駛會遭遇的難題，我們日常也經常看到小貓、小狗、小鳥之類的動物在水泥地上留下的清晰印迹，一串串格外醒目。即便是正常的人類，在警示不充分的情況下沖進還沒硬化的水泥地的新聞也并不罕見。以人類的智力尚且不能完全準确判斷，何況還在蹒跚學步的無人車？
同時，自動駕駛依賴的攝像頭（視覺）、雷射雷達、毫米波雷達等感覺傳感器本身并不具備判斷水泥是否已經硬化的能力，在警示不充分的條件下，“水泥未幹”對于自動駕駛而言，可謂無解。
自動駕駛的“長尾效應”
無人快遞車陷進水泥地本身确實是一件讓人忍俊不禁的尴尬事件，不過這件事引發人們關注的不僅是事件本身，更多是對如今熱門的“自動駕駛”技術的擔憂，“自動駕駛”真的安全嗎？
在過去的短短幾年間，人工智能領域在深度學習算法、大資料以及更強大的半導體硬體等技術的加持下，取得了驚人的進步。随之而來的，是人們在自動駕駛領域的飛速發展。從谷歌重金投入無人駕駛汽車開發，到特斯拉風靡全球，再到如今自動駕駛/高階輔助駕駛已經成為幾乎所有車企必不可少的研究方向。我們也見證了自動駕駛相關技術從實驗室，一步步開始出現在我們的身邊。
在自動駕駛分級中，L2級及以下屬于輔助駕駛，系統的自動駕駛能力較弱，同時駕駛員對系統的能力期待值也較低，能夠確定使用安全。而L3級及以上屬于自動駕駛，在設計運作區域（ODD）内，駕駛員對系統的期待值逐漸增高，同時系統也有足夠安全的自動駕駛能力，期待與能力對等可以保證使用的安全。
但在目前的條件下，不論是乘用車已經廣泛搭載的L2+輔助駕駛，還是真正無人的所謂L4級無人配送車，都仍然處于技術尚未完全成熟的階段。不得不說，目前自動駕駛相關技術已經能夠處理日常面對的絕大多數場景，但自動駕駛的風險就在于難以預判的“長尾”。
“長尾效應（The Long Tail）”最初是由《連線》的總編輯克裡斯·安德森（Chris Anderson）于2004年用來描述諸如亞馬遜公司、Netflix和Real.com/Rhapsody之類的網站之商業和經濟模式。是指那些原來不受到重視的銷量小但種類多的産品或服務由于總量巨大，累積起來的總收益超過主流産品的現象。
将“長尾效應”拓展到自動駕駛領域，說的是自動駕駛日常訓練中已經解決了日常常見的絕大多數頭部場景中的潛在風險，但那些不受重視的突發場景極為罕見，但種類繁多，是以累計的總量也已經對自動駕駛的安全性構成了很大的威脅。
自動駕駛汽車需要面對的場景我們可以歸類為4類：第1類、已知的安全場景；第2類、已知的不安全場景；第3類、未知的不安全場景；第4類、未知的安全場景。在所有場景内，最困難的是第3類場景，也就是未知的不安全場景。長尾效應，普遍便發生在第3類未知的不安全場景中。
當然，工程師也在不斷的試圖減少，乃至完全消除第3類場景，目前最常用的方式便是動用超級計算機，将日常極難遭遇，但可能會出現的危險場景，在超級計算機中進行大量的場景模拟，将訓練的成果加入自動駕駛算法，進而避免在實際遭遇同類場景時發生危險。
以特斯拉為例，在2021年“AI DAY”上，特斯拉介紹了一些罕見場景，例如一起前方卡車卷起的風雪遮擋前方車輛的極端案例。為了解決這一現實中并不多見，但發生時會異常危險的事件，特斯拉利用超級計算機模拟更多的類似場景多神經網絡進行了大量訓練。
特斯拉日常解決的這類“長尾”場景遠不是個例。馬斯克介紹說，他們會模拟各種能想到的罕見案例，甚至包括了“城市道路出現悠哉散步的麋鹿”，乃至“飛碟墜落”這種完全不可能發生的奇特危險。
但“長尾效應”的可怕就在于數量龐大且難以預見，無論工程師多絞盡腦汁都無法将這些潛在的風險一一窮盡。就比如“水泥未幹”這一樸素的場景，就讓小蠻驢陷入了難堪的境地。
更可怕的是，如今“水泥未幹”已經是第2類”已知的不安全場景“，但算法并沒有有效的手段将其改變成可以避免的危險場景。
C-V2X或許是解決問題的有效手段
什麼是C-V2X？我們首先來了解一下什麼是V2X
V2X即“Vehicle to Everything”，是将車輛與其他事物相連接配接的物聯網通信技術，其中V代表車輛，X代表與車互動資訊的對象。V2X互動的資訊模式可包括：V2V（車與車）、V2I（車與路）、V2P( 車與人)、V2H（車與家）、V2N（車與網絡）、V2C（車與雲端）等。
要想實作V2X，就要有統一的通訊标準，其中最普及的要數DSRC和C-V2X兩大标準。美國曾在很長一段時間内主推DSRC标準，咱們中國則全力落實C-V2X标準。
2019年12月12日，美國聯邦通信委員會（FCC）一緻投票通過了一項提案，該提案将重新配置設定5.9GHz頻段的大部分頻譜，并将這些頻譜專用于非授權頻譜技術和C-V2X技術。需要注意的是，此前很長一段時間裡，5.9GHz頻段的75MHz一直被指定用于DSRC。由此，C-V2X逐漸成為全球接受度最廣的V2X通訊标準，也有望成為全球唯一标準。
通過C-V2X，車輛可以與路基裝置以及周遭路上的其他車輛之間進行即使的資訊互通，很多視覺、雷達傳感器難以解決的問題在V2X技術下變得十分簡單。例如不管是自動駕駛還是人類駕駛都難以有效解決的“鬼探頭”問題，其實隻是簡單是視野受限而已。通過周遭多角度路燈、電線杆以及路面上其他車輛等上的攝像頭、雷達可以對一篇區域實作幾乎無死角的感覺，通過C-V2X技術實作資訊共享，“鬼探頭”就成為了不再成立的僞命題。
而我們前文提到的“水泥未幹”場景，隻需要一個簡單V2X通訊裝置，就能夠劃出一篇精确的施工區域“電子圍欄”，自動駕駛車輛也就能夠輕而易舉的避開這一區域。
其實不僅僅是這些簡單場景，基于C-V2X标準的萬物互聯可以在“智慧城市”方面發揮更大的作用，對于城市交通疏導、部分區域危險警示等等方面都能夠高效的進行管控。例如某一路段出現水淹、路陷等突發情況，都可以通過智慧城市雲端發送至每一輛可能前往這一區域的車輛，讓其提前避開危險。
V2X這麼好，為什麼到如今還沒能得以普及？因為難！
V2X的關鍵在于協同，一輛車，一條路裝備相關的通訊裝置并不能發揮出其應有的價值。于是V2X也陷入了“先有雞還是先有蛋”的難題。目前世界各國對此的支援力度不一，早前車企試圖通過幾大集團聯手率先實作V2V的普及，但顯然隻是部分車企推廣的V2V在龐大的汽車保有量面前無法發揮出其應有的能力。
而目前大陸正在大力發展路基C-V2X裝置，通過政府主導，讓錄先智能起來，這樣車企和消費者才有積極性推廣和購買具備C-V2X能力的車輛。但是，C-V2X的普及并非一朝一夕可以實作。道阻且長，C-V2X在當下還不是解決“水泥未幹”的現實方案。
結語
科技是推動人類進步的關鍵力量，高精尖的可以走進現實卻也難免遇到一些樸素的尴尬。最尖端的高科技裝置，偶爾也需要一卷普通的膠帶粘一把......最先進的無人駕駛，遇到“水泥未幹”真的會陷入尴尬。但科技從來不是一蹴而就的，也就是在這些尴尬的失誤幫助下，才能不斷成長。
“無人駕駛”遭遇“水泥未幹”究竟有沒有解？當然有，隻要在施工後提前設定足夠醒目的有效提示，比如多擺幾個樁筒，目前無人車也能輕易辨識得出。如果警示不足，下一個陷進去的可能會是一個不夠警惕的路人。（文：太平洋汽車網 郭睿）