Uber事故新進展：除決策系統，無人駕駛還可能存在哪些問題？觀點
繼今年3月份Uber無人駕駛汽車撞擊行人致死案件后，該事故的調查情況有了新進展：據美國新聞網站The Information報道，Uber已經斷定其自動駕駛軟件在致命車禍中探測到了受害行人，但決策系統沒有…
繼今年3月份Uber無人駕駛汽車撞擊行人致死案件后，該事故的調查情況有了新進展：據美國新聞網站The Information報道，Uber已經斷定其自動駕駛軟件在致命車禍中探測到了受害行人，但決策系統沒有立刻作出反應。
造成這一決策的可能原因是，Uber為了減少誤報，在軟件面對障礙物時的謹慎程度進行了調整。由于前方障礙的躲避值調低，使得車輛最終沒能在監測到路上的受害者后，迅速做出決策反應。
此番推測似乎交代了事故發生的主因。但值得深究的是，不論是否因調整制動反應靈敏度造成的，顯然這樣實施的方案還存在諸多問題。
該事件的再次發酵，也讓眾人對車禍事故原因有了更多猜疑和思考。除了制動反應靈敏度以外，自動駕駛系統還有哪些硬件軟件方面的不足？我們對此進行了分析。
1 、傳感器配置方案部署不足
依據Uber此前公開的相關信息，該汽車應配備了一整套的傳感器系統：
頂部激光雷達，能以每秒多次的速度生成汽車周圍的3D成像；前端無線電波雷達，位于汽車前后，可實現360度無死角的探測；短焦和長焦光學相機，對成像進行實時分析。Uber希望能夠通過這一套傳感器系統做到實時、全范圍探測，但還是發生了事故。
這種情況下，造成事故最大的可能就是各傳感器自身性能不足以及搭配方案不合理?；蛘哒f，因為頂部、前端雷達與攝像頭圖像處理協作不善，才導致了這場事故的發生。
當然，介于自動駕駛的發展階段尚早，截止目前還并沒有一家公司有“完美的”傳感器系統的部署方案。相同問題的也同樣存在其他的各大無人車中。
以特斯拉為例，2016年，特斯拉公開了第一起因為使用Autopilot（特斯拉自動駕駛系統）功能致死的交通事故，一時間引發全球輿論熱議。據特斯拉方面公布信息顯示，該公司生產的一輛S型電動轎車在自動駕駛模式下發生車禍，司機身亡。
有分析認為，此次特斯拉車禍事件主要原因是毫米波雷達測距的誤判，以及圖像識別系統不夠完善等問題造成的。
騰訊優圖實驗室杰出科學家賈佳亞對此表示：“特斯拉在自動駕駛中應該是以圖像識別為主導的，而車的系統還存在一個缺陷。比如說車要識別一個物體的時候，如果前方是一個很大的純白色的車，那么系統可能不知道它是房子還是車的形象。因為在很多時候由于視覺的局限性導致你不會很快判別出來前面是什么東西?！?/p>
賈佳亞說：“這個時候還是需要雷達的。這也是為什么特斯拉AutoPilot 2現在大部分還是以NVIDIA這套系統作為主導的，圖像識別作為輔助來幫駕駛員來判斷周圍的環境?！?/p>
當然，即使是很好的雷達，垂直分辨率也有限，所以僅有雷達是不夠的。因為雷達分辨率較低，許多雷達會忽略檢測的靜止物體。而具有更高分辨率的雷達雖然會看到行人，但分辨率通常僅能知道該目標在哪條車道上。
如果按正常性能來看，一旦有人進入 Uber 的車道，那么雷達應該會報告在車道上有一個潛在靜止物體的制動信號。因此，不論是Uber還是特斯拉的自動駕駛系統，在傳感器部署上面還是欠缺全面的考慮。
2、基于HDR視覺系統的采用問題
自動駕駛車中的視頻攝像機與雷達一樣重要，都是用來幫助汽車追蹤路標、車輛、行人等障礙物的。
攝像頭好比人的視覺一樣，主要針對路況記錄圖像，發送給自動駕駛系統的計算機。計算機再通過圖像識別技術分析數據，進而判斷車輛周圍狀況。然而，在一些非常黑暗的條件下，視頻攝像機就沒有辦法很好地進行識別工作。
在這樣的情況下，基于 HDR （高動態范圍圖像）的視覺系統便十分重要。如果要在夜間駕駛時實現 “高動態范圍”（HDR）視野，意味著需要兩個或更多不同曝光等級的攝像頭，或者一個攝像頭可以不斷切換曝光等級，以同時捕捉亮處和暗處的物體。
那么問題來了，針對于此次Uber事件，有業界專家提出疑問：如果汽車有基于 HDR （高動態范圍圖像）的視覺系統應該很容易看到即將遇到的行人，并觸發剎車使車輛停下。即使所有的燈都關了，包括車頭燈、路燈等，但激光雷達也能在完全黑暗的環境中工作，攝像頭也能看到這個行人。
介于對這一點的考慮，我們也做出一大推測：Uber可能當時沒有使用這種夜視攝像頭。
3、軟件與系統安全性問題
Uber 車上有一個顯示器，由軟件顯示其感知輸出，可以識別汽車周邊環境事物的視圖。如果顯示器按照預期檢測行人，當軟件發現行人從人行橫道外進入道路時，車輛就該減速或剎車。
但從警方的報告中來看, Uber在事故發生時并沒有采取剎車。如果在一秒鐘內檢測到行人并緊急制動，也可能使撞擊速度降低到不致命的程度。因此軟件方面的問題也成為此次自動駕駛事故的焦點。
美國科技雜志《連線》也在近期的一篇撰文中指出自動駕駛中的軟件問題：受限于不斷變化的外部環境以及自動駕駛汽車各種軟件系統的相互影響，而軟件的開發升級也都存在著諸多問題，自動駕駛汽車系統也永遠不會實現完美。
比如說在一輛自動駕駛汽車內，有超過50萬行代碼將為車內各種系統和算法提供動力，其中涉及了眾多復雜軟件處理。如涵蓋高清地圖的定位系統，能夠幫助汽車了解自己所處的位置；分析各種傳感器信息的感知系統，能夠幫助車輛確定自己周圍發生了什么；綜合所有交通信息的規劃系統，能夠規劃出車輛的最優行駛路線... ...
另外，自動駕駛系統安全性的問題也在此刻凸顯。如今自動駕駛汽車面臨最大的難題就是抵御黑客的攻擊。凡是鏈接了互聯網的汽車，都有可能會成為黑客攻擊的目標，有些軟件漏洞可能會控制自動駕駛汽車系統，或者說為黑客打開了又一扇大門。
結語
除了這些主要的問題外，也有更多的問題在引發人們的深思。比如說對于此次的事故問題，控制自動駕駛車輛的安全駕駛員也有一定責任。
通常來說，目前幾乎所有其他做自動駕駛的團隊都會安排兩名安全駕駛員，而Uber 當天只安排了一名安全駕駛員操作這輛車，如果當日是兩位駕駛員會不會就沒有這樣的悲劇發生？
基于這樣的思考，如何聘用、培訓和監管安全駕駛員也值得深思 。另外，法律法規要如何設置相應的責任劃分？保險等如何進行對應服務？這些諸多問題都成為自動駕駛行業下一步需要完善和攻克的難題。
雖說自動駕駛還處于初級發展階段，想要一步到位是不可能的。但正如美國國家運輸安全委員會前主席馬克·羅森克所說：“我們應該對自動駕駛寬容一點。但需要強調的是，安全問題無小事，寬容也要在可允準的范圍內，以免發生悲劇。”
相信通過此最近頻發的事故后，自動駕駛在各方面都能有更大的突破與進展，消除人們對無人車安全的顧慮，自動駕駛的落地進程才會有更加“靠譜”的未來。
（來源：騰訊科技 作者：陸嶼）
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
