詳解事故視頻，Uber 無人車為什麼會撞死人？
美國時間周日晚上10點左右，Uber的一輛自動駕駛汽車在亞利桑那州Tempe市發生交通事故，與一名正在過馬路的行人相撞，行人在送往醫院後不治身亡。
隨後，警方公布了無人車在這次事故過程中的車外視角和車內視角視頻。從這些視頻里，我們大致可以猜測出是什麼導致了無人車在毫無反應的情況下撞上了橫穿馬路的行人。
先看車內視角，測試員一直在低頭，似乎是在看手機，直到撞上行人，測試員才驚慌失措的向前看。測試員確實可能違反了操作規定，因為無人車上駕駛位測試員的主要職責，其實就是為無人車把關，做最後一道安全關卡，在道路能見度如此不好的情況下車內測試員的分心確實不對。
當然，看了車外視角的事故記錄你就會發現，橫穿馬路的行人幾乎是突然出現的，即使是駕駛員在專心監控，依然是來不及做出任何反應的。但是無人車的感測器並非只有攝像頭，激光雷達和毫米波雷達是不容易被暗光環境所影響的，為什麼無人車還是沒有做出反應，這個其實是值得仔細分析下的。
無人車可能知道有人過來了，但為什麼還是撞了上去
我們先從無人車的感測器開始說起。
其實單純從硬體技術層面來看，自動駕駛的原理並不算特別複雜。用最簡單的話說，找一台車子來改裝一下（電動車比較好改一點且性能可控性更好），加幾個感測器，再塞一套開源的自動駕駛計算平台，好，這就搞定了。
感測器是自動駕駛車的眼睛，用於收集汽車周圍的信息。歸納來看，目前主流的自動駕駛車其實也就是使用了三種感測器：LiDAR 激光雷達、攝像頭、和傳統雷達。
三種感測器各有各的優勢，早就運用在車輛倒車雷達上的傳統雷達成本相對較低，穿透性較強且不受雨霧等環境的影響，但弱點在於覆蓋範圍較小且難以對周圍物體做出精準的判斷。LiDAR 激光雷達的優勢在於可以通過旋轉的激光射線束，構建出車輛周圍的 3D 影像圖，但缺點是由於激光的特性，容易受到雨、塵埃、霧的影響。且最主要的，由於激光雷達加工難度比較高，產量小，所以售價最貴。一顆 64 線激光雷達的售價就得四五十萬人民幣。
攝像頭同樣也是自動駕駛車所必備的感測器，與兩種雷達不同，攝像頭沒有任何穿透力且需要光線，用於自動駕駛的數據是通過對攝像頭的圖樣識別得出的。不過攝像頭也是最容易受到干擾的一種自動駕駛感測器，且一旦獲取的圖像有誤差，對最終的識別結果就會產生極大的影響。唯一的好處在於成本低，且目前視覺識別的方案相對來說發展得比較成熟，做無人駕駛汽車可用的也比較多。
所以你看，即使是黑暗環境，激光雷達和毫米波雷達依然是可以對周圍環境有所認知的，也就是說無人車很有可能是已經看到橫穿馬路的行人了。但是無人車為什麼沒有剎車或者減速？問題應該是出現決策層面上。
自動駕駛車上搭載的感測器收集到的數據，都會被傳輸到車載電腦中進行分析和處理，最終做出決策。自動駕駛汽車需要收集汽車周圍數據，對信息進行處理並最終做出決策，這整個過程與真人司機所要完成的過程幾乎毫無差異。但是，判斷邏輯還是不太一樣的。
無人車在繪製完周圍環境後，一般會給自己劃定出可行進路線。如果可行進路線上面有障礙物，無人車自然會選擇剎車或者停車。
那 Uber 這輛無人車是怎麼撞到人的？最大的可能是無人車已經看到橫穿馬路的行人了，但是無人車並沒有判斷出行人會繼續橫穿馬路。無人車認為行人目前的位置還不足以阻擋正常的駕駛行為，於是選擇了繼續駕駛，直到行人出現在車前，因為距離太近，毫無反應的撞上了行人。
預測障礙物的活動路徑，對於無人車來說依然是個相當有技術難度的問題，對於人來說，判斷是不是有人會出現在車前面只要看一下這個人在朝哪兒走，是不是會繼續走到車前就好了，但是對於無人車來說，要經過一個相當長的邏輯判斷流程。首先，無人車要通過感測器識別到車前方的周圍有人，其次，要識別到這個人在動，之後，要識別出這個人的活動路線，並且對人下一步的活動路線進行預測。這個真是太難了。
所以 Uber 這次事故，最有可能的原因，就是無人車並沒有預判到行人會走到車前，但當行人出現時，已經來不及反應了，所以撞了上去。
無人車不能完全杜絕事故，只能盡量避免
在人工智慧技術的訓練上，試錯(Trial and error) 是極為重要的方式之一，人工智慧通過不斷的試錯與糾正得到進步。但這一方式換到了自動駕駛上卻幾乎不可行。行車時出現的事故往往是我們不能接受的，只要出了意外，輕則損失數千元，重則導致人命傷亡。由始至終，自動駕駛汽車的關鍵絕非「能否做到」，而是「能否做好」；所以目前的自動駕駛技術，大部份都是用來減低犯錯機率的。
然而少量的測試則隱藏著巨大的安全隱患，去年 Google 公布過一些資料，他們的 58 輛無人駕駛汽車合計跑了 223 萬英里（約 338 萬公里）才犯了一點小錯，看上去出錯的幾率微乎其微，但乘上一個極大的基數，出現事故的數量仍是我們不能承受的。
根據調查機構 RAND 的數據，全美汽車行駛里數約 3 兆億英里（約 4.83 兆億公里），我們假設自動駕駛汽車，每跑 223 萬英里就會發生小錯，那每年 3 兆億英里的話，就是一年之內犯了超過 160 萬次錯誤。
還有一個重要的問題是，自動駕駛若是想要覆蓋更多的地方，所要收集和處理的數據就會越來越多，不同的路況會給車載電腦帶來不同的處理變數。而當人類駕駛和自動駕駛車同時行駛在路上時，不確定性就更高了，自動駕駛車做出決策的難度也會大大增加。
所以對於無人車來說，仍有很長的測試之路要走下去。這不僅僅是無人車技術的問題，還涉及到人類倫理，交通系統的調整的問題。還是要放平心態，給無人車和整個自動駕駛生態一些時間。
TAG:虎嗅APP |