加州|“路测元年”仅加州89起事故，自动驾驶怎么了？( 二 )

关于这一点，我们可以从10月28日小马智行在加州发生的事故得到一个更加清晰的理解。
据加州DMC官网公开信息，小马智行对事故做出了如下报告：
“2021年10月28日，从Cushing Pkwy道路右转进入Fremont弗里蒙特大道后，小马智行的自动驾驶汽车在自动模式下向左变道。进行变道时，车辆与弗里蒙特大道的中间隔离带、以及隔离带上的交通标志发生碰撞。”

文章插图
（图源：Google Map 制图：谈擎说AI）
“自动驾驶的核心技术是基于感知、决策、执行三个步骤来构建。”自动驾驶测试工程师刘广（化名）向我们表示，“此次事故的发生，有可能是因为小马智行路测车辆对变道线或是隔离带等物体出现了感知障碍，导致了错误的驾驶决策发生，亦或是在决策上对障碍物无法做出准确的认知，从而在最终执行上造成了事故发生。”
我们再来看DMC自动驾驶汽车碰撞报告一个让人咋舌的数据，仅在加州内，今年截止11月21日的近11个月里，总计提交的事故报告有89份，平均约每三天就有一份事故报告提交。
其中，与Waymo相关的交通事故有43起，Cruise有25起，苹果也存在4起。据Cruise最新提交的事故报告，12月1日下午5:22和5:35，在不到20分钟的时间内，其相关测试车辆就接连发生了两起事故。
我们常说，计算机能够在速度与精度上体现出比人高出几个维度的优势，然而从触目惊心的事故量来看，这似乎成了一个“笑话”。
谈擎说AI认为，对于L4及以上技术等级而言，当前大规模落地所需要的“安全的无人化的能力”，主要由硬件能力和算法能力两方面因素掣肘。我们依然围绕感知、决策、执行三个基本要素来分析。
首先是硬件能力，主要体现在传感器层面。
传感器对于无人驾驶技术而言，就像是司机的眼睛和耳朵，主要承担着感知任务，像是目前超声波雷达、毫米波雷达、激光雷达、摄像头和红外线雷达等等硬件设备都是为了承担这一任务。
想要实现无人驾驶，就需要把感知能力拉满，遗憾的是如今也没有任何一款传感器能达到这一要求，即使当前大部分玩家把激光雷达、高精摄像头等硬件组合式上车来补短，也无法保证攒出的这台车，能够在24小时全天候都把感知能力做到满分。
具体原因主要与视觉盲区、气候天气等等因素相关，在此不多赘述。
接下来是算力，算力对于无人驾驶而言就像是司机的大脑，主要承担着决策任务。对于人类司机而言，比如路上遇到一只狗，首先是用眼睛进行感知，再让大脑来认知，从而做出决策，规划需要改变的行车轨迹以避免碰撞。
刘广向我们表示，“虽然现在对已知物体识别度越来越高，就比如我们把认识的障碍物一个个教给计算机，也许我们想不到的物体仅剩百分之一，但驾驶场景的随机性太大，从现在的模式效率来看，对这百分之一进行分类和识别，难度并不是线性的，非常复杂且低效。”
由此，我们再复盘小马智行在十月发生的，像是疲劳驾驶员把车磕马路牙子上的“低级失误”。
不难发现，如果说攻克鬼探头这样的，人类也很难躲过的事故，是单车智能真正意义上的硬核瓶颈，那么加州DMV所公示的当前路测出现的大量“低级失误”，无疑意味着在内力上，单车智能技术还有着非常可观的进步空间。在补足这部分空间后，事故率是可以相较于今年大大降低的。
外力：蘑菇车联们开始弯道超车？2021年5月，作为最早入局自动驾驶赛道的玩家之一，百度李彦宏首次对外明确了Apollo的三种商业模式：一是为主机厂商提供Apollo自动驾驶技术解决方案，二是百度造车，端到端地整合百度自动驾驶方面的创新，三是共享无人车。
与此同时，自动驾驶的另一支队伍车路协同，也开始向传统的单车智能玩家们“喊话”，今年最具代表性的无疑是在9月份得到了腾讯和京东战略融资的蘑菇车联。
眼看着当前单车智能事故高发、规模化盈利看不到曙光，Apollo逐步不再把鸡蛋放到一个篮子里，车路协同的声音开始高昂，这是否意味着单车智能即将迎来溃败？
谈擎说AI认为，无论是Apollo的多元化发展还是车路协同开始升温，我们仍不可否认单车智能的价值，这主要是因为当前自动驾驶赛道面临的问题并不是短期内的，而且单车智能和车路协同的关系更多地体现在了合作而非对立层面。
具体来看，其实就如小马智行CTO楼天城所言，“单车智能是军队中每个士兵的能力都很强，车路协同更多是军队指挥系统，两者相互促进，并不矛盾。”