据报道，一辆处于所谓的“全自动驾驶”模式的特斯拉Model 3在没有检测到鹿的情况下穿过了鹿。虽然更先进的无人驾驶系统使用了包括激光雷达在内的多种传感器，但特斯拉正试图仅使用摄像头实现完全自主。来源：uux.cn/x/@The SeekerOf42

（神秘的地球uux.cn）据《大众科学》（Mack DeGeurin）：上个月末，一位特斯拉车主分享了令人震惊的行车记录仪画面，显示他的Model 3似乎高速撞上并驶过一只鹿。司机称，这辆车采用的是特斯拉的无人驾驶全自动驾驶（FSD）模式，从未检测到鹿站在路中间，也没有踩刹车或躲避。据报道，就在几个月前，领先的自动驾驶公司Waymo的一辆车在一次碰撞中碾死了一只宠物狗，该公司称这是“不可避免的”。根据详细报道，两辆无人驾驶汽车都没有以足够快的速度在路上发现这些动物，从而避开它们。

像这样引人注目的“边缘案例”很快就会引起人们的关注，并利用人们对自动驾驶汽车安全的深层次焦虑。皮尤研究中心在2022年调查的美国成年人中，不到四分之一的人表示，他们会非常舒适地与无人驾驶汽车共享道路。到目前为止，这些例子仍然很少见，但随着全国越来越多的城市允许自动驾驶汽车填满公共道路，它们可能会变得更加普遍。当这种情况发生时，了解这些汽车可以和不能“看到”什么很重要。自动驾驶汽车制造商正在通过几种不同的方式改进对潜在危险的检测。目前，大多数行业都在采用一种将各种传感器和摄像头与预测性人工智能模型相结合的方法。这些系统共同创建了围绕车辆的3D地图，该技术的支持者说，这些地图可以用“超人”般的能力检测潜在的危险。这些模型虽然可能比人类更擅长检测危险，但仍然不完美。

摄像头、雷达和激光雷达：无人驾驶汽车的眼睛和耳朵

“无人驾驶”和“自动驾驶”这两个术语往往比科学更具描述性——该领域的工程师和研究人员更喜欢“自动驾驶汽车”这一术语。汽车工程师学会（SAE）规定了从0到5的多个级别的自动驾驶。令人困惑的是，特斯拉拥有“自动驾驶仪”和“全自动驾驶功能”，可以自动驾驶制动和车道控制等驾驶的某些方面，但从技术上讲，它仍然要求人类驾驶员把手放在方向盘上，眼睛面向道路。旧金山大学教授兼自动驾驶汽车专家威廉·里格斯告诉《大众科学》，这介于2级和3级之间，应该被称为“高级驾驶员辅助”。像Waymo或亚马逊旗下Zoox提供的更先进的自动驾驶系统真的是另一回事。里格斯将Waymos和特斯拉之间的差距描述为“日夜不停”。这些技术差异在决定某些车辆可以看到什么以及可以信任多少方面发挥着关键作用。

无人驾驶汽车需要能够识别周围世界的道路和物体，其准确度接近或超过普通人类驾驶员。为了做到这一点，大多数主要制造商都依赖于各种不同的传感器，通常是放置在车辆周围的摄像头、雷达和激光雷达，它们协同工作，里格斯将这一概念称为“传感器融合”。这些传感器用于检测汽车周围和正前方的一切。换句话说，它们是汽车的眼睛和耳朵。

里格斯指出：“真正的复杂性在于将众多传感器连接到中央计算机或通用处理单元。”。

激光雷达在车辆周围发出数百万个激光脉冲，以创建其周围环境的3D地图。图片来源：uux.cn/Waymo。

对于更先进的无人驾驶汽车系统来说，这一过程实际上早在无人驾驶的情况下，自动驾驶汽车就已经开始了。例如，Waymo和Zoox让人类驾驶员收集真实世界的数据，并绘制出他们计划部署无人驾驶汽车的道路。这一过程产生了详细丰富的3D数字地图，其中充满了车道分隔符、停车标志和人行横道等重要标记。（如果你见过Waymo和Zoox的车辆在有人开车的情况下在社区里穿梭，那么他们很有可能正在绘制该地区的地图。）这项工作还没有完全完成。汽车不断地绘制路线图，以寻找可能因建筑或其他环境因素而发生的变化。

但地图只能走这么远。一旦车辆准备上路，“眼睛”就会通过分散在车辆周围的各种RGB摄像头出现。一辆Waymo汽车有29个摄像头。所有这些数字眼睛结合在一起，创造出汽车周围360度的世界。也有缺点。相机视觉可能难以确定距离，有时会使物体看起来比实际更近或更远。他们在恶劣天气下表现不佳。

这就是雷达发挥作用的地方。简而言之，雷达的工作原理是向其他物体发出脉动无线电波。一旦脉冲击中物体，它们就会返回传感器，并显示有关其他物体的有用信息，最明显的是它们的速度和与车辆的距离。许多无人驾驶汽车系统利用雷达来帮助车辆安全地判断它们与行驶中的其他汽车的距离并在周围导航。虽然它可以帮助确定速度和位置，但雷达的精度不足以确定道路上的物体是旧轮胎还是活体动物。

如果你曾经见过一辆无人驾驶汽车，车顶上装饰着一个看起来很奇怪的旋转车顶，那就是激光雷达或光探测和测距传感器。激光雷达系统在车辆周围的各个方向上发出数百万个激光脉冲，然后测量这些激光反弹到车辆的速度，然后使用这些信息创建汽车周围环境的令人印象深刻的精确3D地图。这种光脉冲的数字图像可以检测行人、骑自行车的人和其他车辆的存在。它还可以检测地形的变化，这对汽车在坑洼或其他危险周围导航很有用。所有这一切几乎都是瞬间发生的。对于一些科技公司来说，激光雷达的大规模实施曾经过于昂贵，但近年来这些成本呈下降趋势。

伊利诺伊大学厄巴纳-香槟分校电气和计算机工程教授、自主安全专家Sayan Mitra告诉《大众科学》杂志，然后，自动驾驶汽车会使用它们的各种传感器来创建周围环境的“数字表示”。Mitra和其他工程师称之为“感知模块”的软件将包括汽车在自己车道上的位置、方向和速度，以及周围车道上的车辆。这些模块还使用深度神经网络（DNN）来尝试实时识别任何物体，无论是行人还是折断的树。

配备激光雷达传感器的Waymo车辆已经可以在美国几个城市绘制道路。图片来源：uux.cn/Waymo。

这种摄像头、雷达和激光雷达的组合虽然越来越普遍，但并不是唯一被考虑的方法。特斯拉几年前在其FSD堆栈中放弃了雷达，现在只使用摄像头视觉。首席执行官埃隆·马斯克批评激光雷达是一种“拐杖”和“愚蠢的差事”。尽管里格斯和米特拉都表示，特斯拉或其他汽车制造商有一天可能会找到一种仅使用摄像头视觉实现完全自主的方法，但这种方法目前缺乏使用激光雷达所能达到的精度。

里格斯说：“它（激光雷达）会告诉你这个物体从太空移动的速度有多快。”。“而且它不会像特斯拉使用FSD时的摄像头那样进行估计。”

当事情出错时会发生什么？

这就是所有这些无人驾驶系统应该如何工作的，但实际上，它们并不完美。在最近特斯拉犁过鹿的案例中，米特拉表示，错误可能源于车辆的感知模块未能在摄像头图像中可靠地检测到鹿。相对较小的灰色鹿靠在同样灰色的路面上，并与道路上的线条对齐，这可能会导致图像“特征差”。Mitra和Riggs都表示，特斯拉的深度神经网络（DNN）可能没有对从那个角度或位置拍摄的鹿图像进行充分的训练。

里格斯说：“如果软件从未遇到过鹿，不知道鹿是什么，也不知道鹿跑过的精确距离或精确速度，那么我对（汽车）会穿过它并不感到惊讶。”。“这是系统可以摄取的信息类型的产物。”

工程师和研究人员将这些潜在的意外或训练不足的情况称为“边缘情况”。这些情况可能从相当平凡的（里格斯讲述了一辆四级车辆无法识别挂在卡车后面的拖车的情况）到危及生命的情况。后一种情况发生在去年的旧金山，当时一名行人被一辆汽车撞到，并被扔到附近车道上运行的Cruise自动驾驶出租车下面。据报道，发生了几个技术错误，导致汽车未能看到这名女子。随后，她被拖到车下20英尺处。Riggs说，在这种情况下，自动驾驶汽车制造商根本没有考虑安装摄像头或传感器来寻找车辆下方的行人。

里格斯说：“车辆下方没有摄像头，工程师们看不到有人在那里。”。“这确实是没有人想过的事情。”

无人驾驶汽车如何应对棘手的选择

看到并发现道路上的障碍物只是成功的一半。一旦检测到，车辆需要知道如何响应。在大多数情况下，这意味着踩刹车或转向以避免碰撞。但这并不总是最好的行动方案。如果一辆无人驾驶汽车每次检测到路上的小树枝、灌木丛或雪堆时都必须停下来或进行规避动作，那么它可能走不远。机载AI模型需要确保它们面前的物体确实是树枝，而不是小狗。

在其他情况下，突然刹车以避免碰撞也可能造成更大的伤害。Mitra举了一个例子，一辆小型小马冷却器在繁忙的高速公路上从卡车上掉下来，自动驾驶汽车跟在后面，另一辆车跟在自动驾驶汽车后面。Mitra指出，如果无人驾驶汽车为了避开冷却器而急刹车，那么它可能会被尾门追尾，从而导致潜在的堆积。

米特拉说：“这不仅仅是为了避开障碍。”。“在许多其他情况下，都会出现乘客安全、他人安全、速度、损坏和舒适度之间的这种权衡。”

米特拉接着说，他认为“迫切需要”提高透明度，并就无人驾驶汽车的高层次目标进行公开对话。

过去，记者和一些研究人员将这些权衡与哲学中著名的“电车问题”进行了比较。这种功利主义的思想实验于1967年首次提出，其核心是电车司机是否应该主动选择杀死一个人，以防止对更大的人群造成更大的伤害。虽然在理解自动驾驶汽车在危险情况下的反应时，很容易应用同样的思维方式，但里格斯表示，这种比较没有切中要害。自动驾驶汽车接收大量数据并实时对其做出反应，实际上是在使用“一系列概率选择集”。这与任何一位工程师做出的编程决策有着根本的不同。

里格斯说：“在这些情况下，车辆都没有做出道德决定。”。“自动驾驶汽车的设计将基本上避免碰撞，并且以一种可能是车辆最佳路径的方式实现。”

即使考虑到这些边缘情况，里格斯表示，他仍然看好未来会有更多的无人驾驶汽车上路。与人类不同，自动驾驶汽车在驾驶时不会超速、驶过停车标志或发送短信。这些自动驾驶者也不会分心，也不应该违反法律。他认为，所有这些因素加在一起，意味着AV可能比人类更安全。中佛罗里达大学的早期研究比较了自动驾驶汽车和人类驾驶员的事故率，似乎表明无人驾驶汽车在常规情况下行驶更安全。米特拉表示，随着自动驾驶技术的更广泛推广，需要对自动驾驶软件的安全性进行更多的同行评审研究，以保持公众的信任。

里格斯说：“我们越能增加让人类摆脱驾驶决策的东西，我们就越接近道路上的零碰撞。”。“让人们免于死亡是一件好事。”