烟台高速交警福山大队|细思恐极！为什么特斯拉自动驾驶总是撞向白色卡车？在6月1日的一段高速公路视频中

在6月1日的一段高速公路视频中，一辆特斯拉Model3飞驰着，笔直地撞向侧翻的白色卡车。报道说，当时车主正使用自动驾驶系统AutoPilot ，时速为110公里，没有一丝犹豫和减速迹象。

文章图片
大家都很讶异，这至少是特斯拉第五次关于自动驾驶的事故了，为什么AutoPilot没有“看”到卡车？
这可是人类驾驶中会出现的常规情况——前方有障碍物，对于自动驾驶来说，也算不上极端案例。而且，事故发生地是高速公路，已经是简单、友好的自动驾驶行驶环境了。
所幸，这起发生在中国台湾的事故没有人员伤亡。有人说特斯拉质量过硬，但可能是因为车顶材料相对柔软，三年前发生在美国佛罗里达州的当事人就没这么幸运了。
2016年，使用AutoPilot自动驾驶模式的ModelS撞了一辆正在过马路的白色拖挂卡车，对，也是白色。据报道，当时ModelS钻入卡车车底，驾驶员死亡，这也成为特斯拉自动驾驶造成死亡的首个案例。

文章图片
特斯拉官方解释说，在明亮的天空下，自动驾驶系统和驾驶员都没有注意到卡车的白色侧面，同时因为拖挂车较高的车身，在接近时也没能识别到障碍物，因此未施加制动。
这意味着AutoPilot在日常的自然光下，不太能够识别白色物体，为什么？
笔者咨询后得知，自动驾驶的视觉方案对感知白色有比较大的困难，因为大面积白色对物体特征的识别有很大干扰。
大部分自然界物体的颜色都是18度灰，在户外状态，比如高速公路，其灰度则更低，也就是说颜色更浅，物体的特征就更不明显。
另外，车顶部的图像并不是自动驾驶系统训练的主要样本，对自动驾驶来说，汽车的主要训练特征是正面行驶、尾部、不完全的侧面。
一辆横躺着的大货车，加之纯白色的顶部，对于自动驾驶来说，真的可能视而不见，认为它更类似天空等环境。
当然，这种假设如果成立了，相比之视觉系统故障，更令人不安。因为我们意识到，我们需要更大的训练样本来补充自动驾驶神经网络，说明它依然没有具备举一反三的能力，要知道特斯拉引以为豪的就是其人工智能算法。
同时，这次事故也反映出该系统的物体空间成像能力不足，即对三维空间和物体的扫描、训练，依然比较浅。大多可能依然基于图片，但是物体不是图片，是三维影像，将二维图片转为三维仍会导致细节缺失。
在此基础上，通过影像识别，正常行驶的车你要认识，躺着的车你要认识，出了车祸的车你也要认识。如果这些都需要单独训练，没有遇到过的case就解决不了，训练的复杂程度可想而知。根本上来说还是要技术突破，比如迅速生成更多的结构化数据、三维的物体数据。
另一方面，为什么“白色噩梦”总是出自特斯拉？这和AutoPilot坚持纯视觉识别技术路线有一定关系。特斯拉车辆AutoPilot标配的硬件是：8个摄像头+1个毫米波雷达+12个超声波传感器。

文章图片
摄像头拍摄、传输图像，代表自动驾驶汽车“看”的能力；雷达、传感器则相当于“听力” ，通过波来测量、定位、感知周边事物，两者缺一不可。
业内普遍的做法是使用摄像头加激光雷达，激光雷达的优势是探测范围广、探测精度高，缺点是在雨雪雾等极端天气下性能较差，采集的数据量过大，价格十分昂贵，乃至超过了汽车本身的价格。
特斯拉又一次特立独行，采用了摄像头加毫米波雷达的路线，毫米波雷达体积小、质量轻、空间分辨率高、穿透极端天气能力强，价格美丽。但是缺点在于，探测覆盖的面积有限，很难感知行人，对周边障碍物尤其是静态物体，无法进行精准的建模。