谈谈6月1日台湾嘉义特斯拉事故
两位当事人在事后向媒体描述了当时的情形：
特斯拉车主：事故发生时，车辆开启了Autopilot 功能，时速约为110 Km。当时并未注意到前方车辆侧翻，在撞击前2秒才进行了紧急刹车。
货车司机：我当时已下车等待救援，看到特斯拉使来还不断挥手示意。
事故分析
特斯拉除了有环绕车身的8个摄像头，还有12个毫米波雷达，以及160m长距离毫米波雷达，这里的问题在于特斯拉的雷达是用来测量和跟随前车速度的，远距离雷达物体识别效果很不好，在自适应巡航过程中，摄像头识别汽车后，才会调取雷达的测速信息，做感知融合，提前启动AEB。这次撞车和之前的从白色大卡车下面钻过去的原因是一样的，由于摄像头是根据周围物体的颜色和光照对障碍物进行识别，所以白色和强烈的光照会让摄像头误认为前方并没有障碍物。而前方车辆与环境颜色相近，则可能诱发事故。再加上之前的深度学习模型里没有出现这种场景，所以感知失败了。
雷达的物体识别，滤波及聚类是必要操作，大卡车横置，意味着整整半个多马路的雷达反射面，这种情况下，对前车的识别聚类，它的阈值没能覆盖到这么大横宽的车体，在滤波中会把这种情况当做噪声。
只要毫米波雷达在100多米外没正确检测到障碍物，后面视觉系统对白色超大车身几乎是没有办法的，误判是很正常的，而且我们也不知道这台特斯拉装载的是哪个版本的AP系统，也许是很老的，那就跟国外的那几起事故没什么区别。
在长距的时候，如果毫米波雷达的结果跟视觉的结果如果不一致还需要仲裁，仲裁的依据和结果都很重要。雷达和摄像头在每一时刻的数据在做融合和博弈，也许150m的时候雷达没有识别出大卡车，100m的时候识别出了，但是博弈失败了，直到最后30m的时候雷达的结果可靠度很大，博弈是赢了，但也来不及了。在高车速情况下基本上就是致命的。没有基础设施的通信协同，自动驾驶就是玩具。
如果在“不需要刹车时刹车”，和在“需要刹车时不刹车”中二选一，你会怎么选？相信90%以上的人都会选择前者，因为后者一旦发生或将是致命的。
但实际结果却恰恰相反，对于在Autopilot领域内的工程师们来说，无一例外都会选择后者。这样一种听上去极其危险的设定，却是工程师们故意为之，到底是为什么呢？
以目前的自动驾驶技术来看，尚不能够实现完全的自动驾驶。即便硬件的科技含量很高，前期也做了多次实验模拟。但是在实际的道路环境中，还是会出现许多系统无法判断的情况。一般在遇到这种情况时，系统只有两条路选择：“误报（False Positive）”和“漏报（False Negative）”。也就是说，在系统不能明确判断前方是否有障碍物时，是应该当即制动以防万一，也就是误报。还是应该忽视掉这个不确定的危险，也就是漏报。
在很多人看来，系统的设定应该为误报倾向，本着“宁可信其无，也不信其有”的精神，才能最大程度避免事故的发生。但事实并不是这个样子，试想一下：在高速公路上，你开启了Autopilot，后面有辆车正在高速逼近，而前方一片开阔。这时，前方路面出现了一块大钢板，雷达判定为这是一个巨大障碍物，于是采取了紧急制动，后车来不及反应……
最安全的方案就是减速。
尤其是对于毫米波雷达来说，它对金属的反射很敏感。路上的钢板、凸起的井盖，甚至易拉罐的底部，在毫米波雷达的眼中，都相当于一堵墙。对于这种过于复杂的实际路面情况，车辆莫名制动所带来的不良驾驶体验不说，危险系数也会更大。
所以，工程师们才会采取“漏报”的逻辑，改善驾驶体验的同时，也避免过多制动行为所带来的安全隐患。但是，一旦系统漏报了任何一个确实存在的危险，都极有可能酿成大祸，这也就是为何目前各品牌官方都在强调“开启Autopilot功能时，双手也不应离开方向盘”。以便时刻做好准备，由驾驶员接管车辆。
而且特斯拉也在用户手册中明确写道：
再回到这次事故：为什么声称“全系在产车辆都将能够完全自动驾驶”的特斯拉，却连几百米开外可见的障碍物都躲不开呢？我们可以就特斯拉比较知名的几起事故来分析一下。
2016年5月，一辆特斯拉ModelS电动车在使用Autopilot模式行驶途中与一辆正在转弯的拖挂车相撞，导致驾驶者死亡。对于这起事故，特斯拉是这样解释的：
虽然官方对于这起事故并没有给出明确而有力的解释。但作为行业内的工程师，结合智能驾驶技术的发展以及所遇到的各种困难，我们不妨作出以下推断：就硬件设备上来看，当时那辆特斯拉配备的是第一代Autopilot系统，即来自Mobileye的前置摄像头、来自博世的毫米波雷达、以及12个超声波传感器。在优先级别上，是以摄像头为主导的。
虽然特斯拉官方将原因归咎于强烈的日照，以及白色车身，导致摄像头没有看到拖挂车，造成事故。但或许这些只是次要原因，关键问题很有可能在于：这代系统采用的Mobileye摄像头更多做的是针对车头和车尾的训练，而对于车侧的训练有限，又遇到拖挂车这样比较特殊的造型。因此摄像头从轮廓上来分析，并没有把它当做是障碍物。又由于拖挂车的底部是空的，毫米波雷达在进行扫描时也没有获取合理的反射。或者是判断出前方的拖挂车可能会有危险，但是由于摄像头作为主导，因此毫米波雷达的执行度不够高。两个模糊的判断叠加在一起，系统决定“漏报”，所以才导致了事故的发生。
Mobileye公司的一名高管Dan Galves也在事故后表明：
所以，在同年的9月份，特斯拉也宣布升级Autopilot技术。第二代Autopilot将以雷达而非摄像头作为主导来进行判断，通过车身配备的8个摄像头以及12个传感器，更好地感知周边的情况。同时在设定上也有所调整：如果司机在一定的时间内没有手扶方向盘，系统将发出警报，而如果司机多次忽略系统发出的警报，自动转向软件将自动停止使用。
声明还称：
这样看来，特斯拉已经具备了自动驾驶的硬件基础。不过这并不意味着特斯拉马上就能拥有完全自动驾驶能力。因为无论是对于每一个单独的传感器，还是对于不同传感器之间的融合，都还需要一定的时间来进行学习和改进。
，
Autopilot 是否安全？
目前的事故原因正处于调查中，如果这仅是一起普通的交通事故，可能根本无人关注，但因为是自动驾驶而引发的，将会被无限放大。安全是自动驾驶需要解决的首要问题，我们不得不去重视并谨慎对待。
特斯拉2020年第一季度安全报告中的数据显示：
在Autopilot自动辅助驾驶参与的驾驶活动中，平均每468万英里（约合753万公里）行驶里程报告一起交通事故。
在没有Autopilot自动辅助驾驶参与的驾驶活动中，平均每199 万英里（约合320万公里）行驶里程报告一起交通事故。
在没有Autopilot自动辅助驾驶和主动安全功能参与的驾驶活动中，平均每142万英里（约合228万公里）行驶里程报告一起交通事故。
而美国国家公路交通安全管理局（NHTSA）的最新数据显示，美国平均每47.9万英里（约合77万公里）行驶里程即发生一起碰撞事故。
数据显示，Autopilot参与的驾驶活动，能明显提升行驶安全。然而，在人们的印象中，人为的失误是可以理解的，机器却是不可原谅的。
人类的信任感是一个很微妙的东西，虽然它与生俱来，但需要随着时间逐渐积累，而信任感一旦丢失，则需要花很长的时间才能找回来。对于自动驾驶汽车安全等新技术而言，这种信任感也尤为重要。很多时候，一旦自动驾驶汽车发生了一次事故，便会人尽皆知，即使这些汽车已经经过了许多次安全测试。无论是这次的特斯拉撞车事故还是之前Uber的事故，都绝不仅仅是一个企业的问题，而是整个行业的信任危机。
在任何情况下，人们都更倾向于将责任归咎于技术而不是人类自己，这就导致了人们对技术的信任感缺失，从而影响了整个自动驾驶行业。
本文观点来源为微信讨论及部分媒体信息。
技术交流群：YasmineMiao（微信）
原创作者社区：18918250345（微信）