Uber 事故冷思考:如何看待這起「全球首例自駕車致死案」

作者 | 發布日期 2018 年 03 月 21 日 16:30 | 分類 汽車科技 , 自駕車 line share follow us in feedly line share
Uber 事故冷思考:如何看待這起「全球首例自駕車致死案」


自動駕駛的測試一直都在安靜地進行,直到 Uber 打破這寧靜。

美西時間 月 18 日晚間,Uber 自駕車在亞利桑那州坦佩市(Tempe)撞死了一名穿越馬路的行人,死者是一名 49 歲的婦女。

這是「全球首例自駕車致死案」,事故發生後,Uber 立即停止在鳳凰城、匹茲堡、舊金山及加拿大多倫多四地的自駕車路測。

▲ 事故發生地點。(Source:Google 地圖)

據坦佩市警方的發言,當日晚上 10 點左右收到警示。事故發生地點在坦佩市的 Mill Ave 靠近 Curry Road

警方發言人說明,Elaine 是在推著自行車穿越馬路時被撞。當時 Uber 自駕車在 Mill Avenue 上,以時速約 40 英里(約 64 公里)向北行駛。

當時,Elaine 正從西向東走,據發言人陳述,車子沒有明顯的減速跡象。警方未公布行人穿越馬路時距離測試車有多遠。

警方強調為確保安全,希望市民走行人穿越道過馬路。事故發生地點前方 100 公尺左右,就有行人穿越道。發言人也表示,他們已獲得許多事故相關影片,但由於還在調查,暫不公布。

這起悲劇可能是行人的責任?

▲ 事故地點前方不遠就是行人穿越道。(Source:達志影像)

根據《舊金山紀事報》獨家消息,坦佩市警察局局長 Sylvia Moir 說:「很明顯,由於她(死者)是從暗處走到大馬路上,這起事故不論對人還是對自動駕駛系統,都難以避免。」

Moir 還表示,根據車內的監察員所言,行人就像閃電一樣出現在他眼前,而他還沒反應過來就聽到撞擊聲,「我初步懷疑,Uber 應該不是這起事故的主要責任方。」她說。

《舊金山紀事報》指出,事故發生道路限速 35 英里(約 56 公里),而當時自駕車速為 38 英里(約 61 公里),事實上已經超速。

儘管這起悲劇有可能是行人的責任,但 Uber 的自動駕駛技術仍難辭其咎。人們希望自動駕駛萬無一失,但它似乎沒有辨識到穿越馬路的行人。

為什麼感測器沒偵測到行人?

據了解,Uber 的自動駕駛測試車由鏡頭、毫米波雷達、光學雷達和 IMU 等感測器組成。

其中,位於 Uber 測試車頂部的雷射雷達,每秒就能生成幾次汽車周圍的 3D 影像。不論白天還是黑夜,透過反射的紅外雷射脈衝,雷射雷達能清晰偵測出不論靜止還是行動的物體。

毫米波雷達則是利用無線電波來偵測物體,因此精確度會相對低一些,作用範圍也小一些。這個感測器的作用主要是用於輔助雷射雷達,辨識大型物體。雖然雷達對人的辨識能力還不高,但在事故中,它很可能還是可偵測到行人。

鏡頭負責偵測如交通訊號燈、行人等。鏡頭捕捉到的資訊需要經過複雜的電腦影像辨識演算法辨識。但鏡頭在夜間的資訊捕捉能力受光照影響,相對較弱。

值得一提的是,從這些感測器獲得的資訊並不是相互獨立的。自動駕駛系統中,有一個核心計算單元,會將所有感測器獲得的資訊融合處理。

既然 Uber 自駕車搭載如此完備的感測器,為什麼事故發生前沒有偵測到行人?

一種猜測是電腦系統和軟體出現問題;也有一種說法是,目前市面上能滿足車規的遠距離光學雷達產品,在惡劣光照情況下的感知距離都不超過 50 公尺,Uber 自駕車當時車速為 38 英里,即這輛車是以秒速 16.6 公尺前行,秒內要人/車反應過來並停下,但剎車距離顯然不夠。

目前美國國家運輸安全委員會(NTSB)派遣了一個小組來調查這起事故。由於這些都是保密的核心技術,Uber 的自動駕駛系統是否有問題或缺陷,還無從得知。

但從大體上,我們可以判斷的是:系統面,這輛測試車沒有偵測到行人及時剎車,功能上是車子的責任,說到底,是在深夜的公路上,行人偵測強健性的問題。

根據現場圖片,車輛的凹陷處是在右方(上圖),行人是從車的左邊出現,這或許與行人有意識的閃躲有關。

總體而言,對於這起事故,不少自動駕駛從業者表達了類似的看法:自動駕駛需要更可靠、安全的感測器和軟體演算法。

2017 年夏天接下 Uber CEO 之位的 Dara Khosrowshahi 不久前表示,Uber 將在 18 個月內將自駕車送上公路,「不是路測,而是真正上路」。

這樣的決心,加上第一起自動駕駛致死事故發生在激進的 Uber 身上,多少讓人覺得是 Uber 急於求成,讓自動駕駛業蒙上一層陰影。

如何看待這起事故?

由於這是「全球首例自駕車致死案例」,自然獲得不少業界人士和媒體關注。但是如果用「自駕車殺人」這種說法顯然不妥。

Minieye CEO 劉國清表示,自動駕駛路測的目的就是為了發現技術漏洞。自動駕駛每次「脫離」(disengements)的場景都會當作「corner case」(極端案例)記錄下來,交由工程師解決或最佳化,所以每次「脫離」都是對自動駕駛的推動。

但大部分極端案例都是開發者無法預期的場景,往往事後才能獲得。如何為更高效和低成本獲得這種極端場景,對自動駕駛的發展或有巨大意義,但目前這方面還處於初期,不成熟。這個門檻跨不過,Level 4 以上的自動駕駛就無法落地。

▲ Gill Pratt。

談到自駕車安全時,豐田研究所負責人 Gill Pratt 接受採訪時曾表達過一個觀點:

對人類駕駛造成的事故,我們可能會想,「這可能發生在我身上,我也可能犯這樣的錯。」如果是一台機器,我擔心人們並不會產生同理心,因為他們只希望這台機器完美、不會出錯。

在 Pratt 看來,AI 系統,特別是基於機器學習的 AI 系統,並不是十全十美、毫無缺點。由於透過感測器抓取的外部資訊太多,汽車會收到以前未訓練過的資訊,我們期望它能根據這些資訊對周圍環境做出合理認知。

那麼,如何證明自駕車需要比人類司機更懂駕駛,才算夠好?Pratt 對這個問題的答案也不確定。他說,「在有答案之前,我們必須非常謹慎:不要引入不符合社會預期的技術。」

縱目科技市場與商務副總裁陳超卓認為,沒有地理圍欄的自動駕駛,10 年內也落不了地。陳超卓說,幾年內能落地的自動駕駛只有兩種地理圍欄:高速簡單場景和低速園區場景。

他提起的這兩個場景正是目前大部分汽車廠商和新創公司正對自動駕駛技術落地的嘗試,也是目前符合社會預期的兩個方向。

另一方面,全球多家科技公司和汽車廠商也在研發更進階(Level 4 / 5)的自動駕駛技術,以期能顛覆物流運輸和計程車業務。例如 UberWaymo、百度和通用旗下 Cruise Automation、安波福等多家科技公司和車企、Tier 1 都在研發和測試自駕車技術。

法國技術和商業市場研究公司 Yole Développement 曾預測,2018 年預計將有 8 千到 1 萬輛自駕計程車投入商用。 雖然 1 萬輛自駕車對消費者的影響可能微不足道,但對整個產業來說有深遠影響。

既然這是大勢所趨,那麼如果我們從歷史規律看,新技術的發展從來就是由經驗教訓堆積而成──有的是金錢,有的是生命,有的是以企業倒閉為代價。

可以預料的是,即便以後其他公司的自動駕駛上路,也會發生類似事件。「全球首例自動駕駛汽車致死案」對自動駕駛業是一個警示,會讓整個產業更注重技術安全性,對任何涉及安全的問題更謹慎。

(本文由 雷鋒網 授權轉載;首圖來源:Flickr/zombieite CC BY 2.0)

延伸閱讀: