撰文 | 趙玲偉
編輯 | 陳昊
出品｜汽車産經
最近，李想（理想汽車創始人、董事長兼CEO）和夏一平（集度汽車CEO）在社交平台上就雷射雷達的個數和位置辯了起來。
作為一個新品類，雷射雷達目前在行業記憶體在各種不同的技術路線。對于車企來說，選擇适合自己的方案，讓産品盡快落地才是王道。
整個自動駕駛行業（除了馬斯克）都在等雷射雷達成熟，因為隻有攝像頭、毫米波雷達的輔助駕駛在此之前确實出現了不少事故。
不久前的湖南嶽陽國道上，一台開啟輔助駕駛的小鵬P7絲毫未減速地撞上了一輛側翻在路上的貨車——一樣的輔助駕駛，一樣的側翻貨車，這和近兩年國内外特斯拉的兩起事故如出一轍。
小鵬汽車的回應是，初步判斷車主在使用ACC+LCC過程中，沒有保持對車輛前方環境的觀察并及時接管車輛所緻。
好巧不巧，今年小鵬汽車推送城市NGP（智能導航輔助駕駛）的計劃已經箭在弦上。不僅小鵬，極狐與華為合作的 HI版車型也會推出類似的高階輔助駕駛功能。
于是，在新一代高階輔助駕駛開始上路的當口，人們對它的判斷在質疑和信任之間不斷拉扯。
站在高階輔助駕駛的元年，車企真的準備好了嗎？
NO.1
[“看不清”]
視覺+毫米波雷達有bug，雷射雷達待驗證
這不是小鵬P7第一次“栽”在輔助駕駛上了。
去年9月，一台小鵬P7在打開NGP的情況下與前方闆車發生追尾。當時技術部落客@馮偲分析，“感覺子產品的兩個備援的檢測系統都未發現障礙物的存在”。
當時，輔助駕駛感覺系統通常由攝像頭+毫米波雷達組成，攝像頭需要使用大量的樣本訓練目标檢測。但像是前方的平闆車、側翻在路中的貨車這樣的小機率情況，在實際訓練資料中數量和占比都很少，事故發生時通過攝像頭可能認不出這是需要注意的危險。
攝像頭的能力隻能不斷上探，目前理想L9搭載的攝像頭已經達到了800萬像素，但是在500米以上的範圍對于物體識别還是停留在車輛等大型物體上，對于行人、錐桶等還停留在200米左右。而真正的人眼，可以識别到400米外的錐桶并作出反應。
不過，攝像頭過高的像素會讓車載晶片陷入算力黑洞，攝像頭、晶片算力和算法就會形成自己卷自己的局面。
隻依靠攝像頭識别很難解決各種corner case（長尾場景），即便是“算法天花闆”特斯拉，它的純視覺自動駕駛方案也已經出現了大大小小許多事故，比如把側翻的貨車認成白雲，造成了無法挽回的悲劇。
搭檔的毫米波雷達在感覺中也存在許多問題——首先對于靜态以及相對靜止的障礙物存在比較大的漏檢，其次毫米波雷達的檢測過于靈敏，會有很多虛檢的情況，到處報警。
有行業專家表示，兩者組合起來時，一般将視覺作為主傳感器，雷達作為輔助傳感器。是以，可能在雷達檢測到了障礙物，但視覺沒有識别出來時，決策系統選擇相信視覺。此時，駕駛員的接管就十分重要。
總之，隻能說樣本采集和訓練的不足。在小鵬、蔚來、特斯拉等車企的産品說明書中，均擺出了大量駕駛輔助系統識别度較低或無法啟用的工況。
corner case是目前所有自動/輔助駕駛系統面臨的難題。無論是攝像頭還是毫米波雷達對于不規則形狀物體和靜止物體的識别都存在缺陷，這需要雷射雷達才能夠彌補——這個小東西被認為是L3乃至L4級别自動駕駛的榮耀徽章。
不過，按照同濟大學汽車學院教授朱西産的說法，雷射雷達目前沒有一家能夠真正實作量産，即使可以批量生産，成本也相當高。“智能網聯汽車示範區采購的無人駕駛汽車及路端感覺的高分辨率雷射雷達，很多企業是不承諾‘質保期’的。而目前量産車型上采用的16線機械掃描雷射雷達及一下全固态、混合固态雷射雷達，可靠性還是能夠保證的。但是這些量産的雷射雷達，角分辨率不夠高，造成探測距離不夠遠。”。
作為一家雷射雷達企業，Innoviz中國區總經理蘇淑萍最近也印證了這個說法——雷射雷達到現在為止都還不是一個完全成熟進入大規模量産的階段。
她在采訪中表示，“我覺得至少年産50萬台以上，雷射雷達才能叫大規模量産上車，是以這個時間段我認為還是在2024年到2025年，甚至之後”。
在效果方面，朱西産在汽車産經的采訪中表示，“目前所有的雷射雷達的角分辨率都無法支援300米以上的道路散落物檢測，那就無法支援HWP---在高速公路上130km/h的自動駕駛。ECE R157的ALKS是高速公路TJP功能，目前的雷射雷達産品是能夠支援0-60km/h車速範圍的自動駕駛感覺和響應，努力一下，有些公司的産品能夠做到高速公路上最高車速80km/h的自動駕駛。但是，對于HWP，使用者的期望是最高車速130km/h的自動駕駛。”。
如果把場景換到更日常的城市道路上，可能對硬體的能力要求沒有那麼高，但壓力就來到了軟體方面。
NO.2
[“算不準”]
AI庫難全，算法算不準
卡耐基梅隆大學Argo Lab人工智能無人駕駛研究中心首席科學家将自動駕駛遲遲難以落地的原因歸結為兩點：底層技術和真實應用場景。
從目前的的情況來看，底層技術的發展已經可以應對大多數交通場景，但真實的路況卻仍然變幻莫測，自動駕駛技術的發展就困在這5%的corner case中。
有專家分析，算法需要大量路測場景實驗不斷測試和優化，場景資料越多算法的決策就會越準确，但如果遇到庫裡沒有相對應的場景，算法可能就無計可施。
但把所有場景都錄入自動駕駛系統又幾乎不可能，這就需要機器具備思考的能力，也就是在算法、數字領域有突破性的發展。
朱西産表示，“自動駕駛的高清攝像頭目前隻能把‘人’也當成這樣的‘線框框’進行區分，即便認出來是個人，但是沒有處理人的朝向、胳膊腿的狀态，很難判斷這個人接下來5秒鐘内的運動意圖，而人類駕駛員根據行人的姿态甚至眼神，結合經驗，判斷行人運動意圖的能力還是非常強的”。
也就是說，人工智能很難處理意外。
好在，面對“未知的不安全場景”，4月初五部委釋出了《關于試行汽車安全沙盒監管制度的通告》的規則，啟動汽車安全沙盒監管試點工作。
沙盒監管作為一種針對技術創新的柔性監管制度，可以為企業提供一個測試平台和測試周期，在不違反原則性準入标準和監管底線的基礎上，鼓勵企業在不完全掌握産品風險時，自願開展進一步測試，最大限度地防範産品應用風險。
通過沙盒監管不斷完善資料庫是目前的大方向，但“意外情況資料庫”永遠無法100%完美，車企的系統隻能不斷降低風險。
從車企層面來看，這道難題的解題思路很清晰——找人。算法是自動駕駛的核心能力之一，而算法的核心就是專業人才。
“沒有一家公司（自動駕駛）是從頭開始做的，百度自動駕駛前前後後四批人都被挖走，小鵬跟特斯拉官司打得不亦樂乎，包括Cruise的人都是不斷跳槽，全世界都是這樣”。
朱西産告訴汽車産經，各家公司的人才反複橫跳，讓它們的技術路線逐漸大同小異，能力也越來越趨向同一水準。
比如小鵬NGP的起點是研發副總裁吳新宙的入職，蔚來去年年底放棄封閉的Mobileye，挖來了研發總監任少卿做自動駕駛攝像頭的算法團隊，才真正意義上開始全棧自研。
近期，蔚來、理想、小鵬和特斯拉的自動駕駛相關人才又出現了新一波動蕩，可能與資本有關。
就目前來說，朱西産認為，全棧自研更大的意義在于吸引資本的關注。畢竟，21世紀最貴的就是人才——一些重視自動駕駛的車企撥出億元級别的“挖人”預算。
全球頂尖人才十幾年都還沒有把自動駕駛玩明白，難度可見一斑。
算法的缺陷，和機器裝置不安全帶來的問題，也讓高階自動駕駛遲遲難以落地。
NO.3
[“歐陽鋒三問”]
“我叫啥”“我在哪”“我要幹啥”
不止是小鵬，特斯拉、蔚來等宣稱L2+級輔助駕駛車型的說明書上提及，自動輔助駕駛系統可能無法識别靜止物體。同時，對輔助駕駛時駕駛員必須時刻準備接管車輛作出了提示。
知乎認證的@魏牌官方賬号在回答中寫道，“2021年确認能上的完全的L3級别自動駕駛的燃油車，應該隻有一家，WEY。摩卡曾經在國家規定可以用于測試的道路上做過完全解放雙手（的自動駕駛），是以不能公開放出來，容易影響使用者判斷，也不敢細說，怕違反法律，誤導使用者。”
作為行業中的學術專家，朱西産對汽車産經說，他試過的L2+車型，在L2+NP狀态下“自動駕駛”的體驗還是相當不錯的。
對于高階輔助駕駛，朱西産總結為“歐陽鋒三問”——
“我叫啥”：自動駕駛還是輔助駕駛；
“我在哪裡”：L2還是L3；
“我要幹啥”：能讓司機脫手嗎？能允許司機看微信嗎？
最危險的也在這裡。
高階輔助駕駛功能一邊宣稱自己水準高超，一邊在事故後再三強調駕駛員要随時準備接管負責車輛，是以它們目前隻能用類似“輔助駕駛”、“高階輔助駕駛”、“自動輔助駕駛”等一系列模棱兩可的詞瘋狂暗示使用者，但直到現在，它還不能清楚的回答“它是誰”的靈魂拷問。
自動駕駛目前更大的風險是人類信任大于系統能力，這也是朱西産提出的“恐怖谷”說法。
今年，對于L3級别的自動（輔助）駕駛車型或将在考證之後得到一個正規的“名分”。據了解，關于L3級别自動駕駛的認證法規大機率将在年内釋出。
雖然車企對于L2+的宣傳正推着使用者往“恐怖谷”的谷底走去，但當全須全尾的L3真正開上城市道路，我們将會體驗到從未有過的安全出行。
下次，希望智能汽車能幫車主看到那輛翻倒在路上的大貨車，以及把人們帶進一個更周全的機器輔助智能駕駛時代——在符合自動駕駛條件的場景下，能夠把駕駛權放心地交給自動駕駛系統，而存在風險時能夠精準地把駕駛員“叫”回來關注駕駛。
本文指導專家：