8月10日，一辆正处于辅助驾驶状态的小鹏P7撞上了一辆停在高速快车道的小车，导致一人当场死亡。

根据官方的声明，事发时，一辆道路养护车正停在高架最左侧（属于违规操作），工作人员疑似在车尾作业时，一辆P7在没有减速的情况下径直撞上了前方车辆，导致作业人员被撞飞。

小鹏被公认为是国内自动驾驶水平最高的公司之一。

事实上，对于现阶段的辅助驾驶系统来说，准确识别出一个非规则的静止物体，并且及时做出正确反应绝对是一道地狱级的难题，这也是类似事故这两年层出不穷的原因。

8月8日，一辆理想ONE在开启NOA（导航辅助驾驶）时撞上高速路工程车。去年8月，一辆蔚来ES8也在辅助驾驶状态下撞击正在作业的工程车，车主不幸罹难。而特斯拉则在相似场景下涉入了更多致命事故。

高速道路上的静止物体，几乎已成辅助驾驶的致命场景。

01

辅助驾驶技术的前世今生

从我国25万元以上乘用车（这也是辅助驾驶系统渗透率最高的价格区间）市场来看，目前应用最多的辅助驾驶技术包括：自适应巡航控制（ACC）、自动紧急制动（AEB）、车道保持系统（LKA）、自动泊车（PA）、前碰撞预警（FCW）、车道偏离预警（LDW）、盲区检测（BSM）、智能远光灯控制（IHC）、全景泊车（SVC）等。

其中不乏从机械时代、电子时代进化至今的“古早技术”，更有随着5G、大数据等技术成熟后应运而生的新兴应用。

比如自适应巡航控制（ACC），它的前身是巡航控制Speedostat，也是公认最早出现在汽车上的ADAS技术之一。1950年，Speedostat成功获得专利，它的原理在今天看来十分简单——包含一个连接到源自汽车驱动轴的机械调速器装置的仪表板速度选择器。在调速器的驱动下，真空泵会向上推动油门踏板，向驾驶员发出减速触觉信号。但在当时，媒体对它的评价是“它使我们在汽车自动驾驶的道路上向前迈进了几英里”。

1958年，克莱斯勒成为第一家采用Speedostat的汽车制造商。随后凯迪拉克也使用了该系统。很快，机械式的Speedostat发展为电子式定速巡航系统，提高了精度的同时，也降低了机械结构的故障率。之后用于通讯的毫米波雷达被逐渐运用到汽车上。毫米波雷达不仅能测定远方物体的距离、大小以及速度，还可以和摄像头一起工作,实现碰撞预警功能。至此，ACC技术才慢慢进化成我们熟悉的样子。

自动紧急制动技术(AEB)也是如此。AEB是指汽车检测危险或检测驾驶员在危险情况下缺乏响应能力时，汽车将自动实施制动，能将碰撞风险程度降到最低，其有时也被称为前向碰撞感应。早在二战时期，就有多位工程师提出基于雷达控制的制动系统，并于1959年应用于通用概念车中。但由于成本和可靠性质疑，直到90年代，该系统才真正被推向市场。

1992年，三菱汽车发布了名为“距离警告”的激光系统，能在其他物体过于靠近汽车时提醒驾驶员。那时的系统只能“看到”几十米远。随着高动态范围摄像头、远距离激光雷达或雷达之间的传感器融合以及快速机器视觉处理的发展，今天的系统可以看到最远300m甚至更远的距离。

类似的技术还有很多，当然也有不少新技术是近几年才出现在大众视线中的。

比如驾驶员监控系统（DMS）。最早的DMS系统可追溯到20世纪90年代末，但直到2020年该系统才真正走进大众视野。DMS使用计算机视觉、摄像头和处理程序，寻找面部和眼睛的线索，以确保驾驶员的注意力。欧洲新车评估组织(NCAP)要求到2024年所有新车都必须有DMS系统，但市场对成本的增加高度敏感。

好在另一类乘员监控系统（OMS）凭借出色的舒适性和便利功能，成为车主更乐意买单的方向。驾驶员通过手势、面部识别、语音来设置、控制车辆，随着互联网智能汽车成为主流，OMS系统获得了更多用户的认可。

图1.OMS方案（图片来源：Business Wire）

还有环视和车镜替代系统：当与汽车周围的超声波传感器相结合时，环视系统让周围的情况直观地呈现在驾驶员眼前，有效地避免了碰撞，适合狭小的停车空间。因此这些系统也被称为全向视角(Omni view)或360°视角。第一辆拥有环视系统的汽车是2007Infiniti EX35，由英菲尼迪和日产共同开发。

图2. 环视系统示例（图片来源：ExtremeTech）

02

静态物体

为何成了高速路“天坑”？

为什么高速路上的一个静止物体，会成为感知系统的corner case？识别出静止物，究竟难在哪？

数据里奥斯认为，车辆行驶时，系统并不是不能识别静止的物体，而是不能准确地将对本车行驶有影响和干扰的静止物体筛选出来。“其实都可以识别出来，但是没办法判断到底要不要避让，因为道路上的这些静止物体不好标记，标记出来又很容易被误判。”

这可以理解为：宁可不识别，也不能经常误刹车。“比起经常幽灵刹车，识别不出来更容易宽容。”他说。

这里涉及到的感知设备，就是我们在上文提到的摄像头和毫米波雷达。摄像头需要用机器学习来训练识别物体，毫米波雷达靠电磁波的反射情况来识别测距。

但这两个传感器都有自己的局限。对于摄像头而言，静态物体类别多，形态千差万别，需要大量的样本训练，而侧翻的卡车、打开后备箱的车尾、停在路边的养护车，都不是常见的样本，在训练不够的情况下就容易识别不了。

比如著名的“白色卡车”，特斯拉曾多次与白色卡车相撞，因为特斯拉的辅助驾驶系统没有识别出卡车车身，而是错将其识别为天空，最终导致误判。

特斯拉撞上白色卡车 来源  / 网络

毫米波雷达的局限性也很明显。车道上停放的汽车、金属标牌，以及一些非标的静止障碍物，都会因为雷达的分辨率、回波等问题导致识别失误。

汽车的感知系统扮演的是人眼的角色，人眼有一个特点，就是对运动物体很敏感，毫米波雷达跟人眼一样具备这个特点，但对静止物体比较容易“忽视”。

“这是毫米波雷达的核心技术弱点。”和高资本高级投资经理陈子颖对深途说，在她看来，毫米波雷达的角分辨率低，是行业一直想要突破的技术难点，雷达信号的分辨率会直接影响成像精度，看得清楚和看不清楚有很大的差别。

“一般来说天线越多，波束角越窄，雷达性能越强，而增加天线的方式通常是MIMO（大规模阵列）方案和多芯片级联的方案，但前者存在信号干扰的问题，后者存在级联数量有限的问题，所以角分辨率始终难以突破到1°以下。”她说。

在技术没有突破的情况下，对静态物体的识别，会一直是辅助驾驶的一大痛点。

理想汽车CEO李想曾说：“目前摄像头+毫米波雷达的组合像青蛙的眼睛，对于动态物体判断还好，对于非标准的静态物体几乎无能。视觉在这个层面的进展几乎停滞，哪怕是动态，车辆以外的识别率也低于80%。”

李想说这段话的时间是2019年，当时特斯拉Model 3直接撞上一辆正在作业的道路清扫车，车主不幸身亡。如今三年时间过去了，情况似乎也并没有太大改观。

03

技术上该如何解决？

高速路上的静止物体，就像是自动驾驶路上的一只拦路虎，时不时跳出来吓人。这个问题该如何解决？

刘菲鸿对深途说，问题可能不在静止上，而是在这些较为罕见的、低频出现的场景，比如高速路上有侧翻卡车，这种场景的出现的频率太低了。在目前的技术框架下，瓶颈还是在罕见场景的数据量上，而不在于传感器。

他认为，目前的感知是基于数据驱动的，比如让系统识别猫和狗，猫的图片有20个，狗的图片有2000个，那么系统对狗的识别就会好于猫的识别。所以一个场景“稀缺”，那么就是一个corner case。

特斯拉数据标注示例图

不过目前的技术瓶颈在于，“虽然单个稀缺的场景数据量是少的，但稀缺的场景类别数却并不少。尴尬的地方之一就在这里。”

按照这个逻辑，要让自动驾驶系统持续进化，就需要源源不断“投喂”大量的数据，覆盖尽可能多的稀缺场景，让系统在学习中增强识别能力。

这其实是特斯拉当前的方案。特斯拉一直坚持神经网络和机器学习，在算法上发力，而不是像国内的造车新势力那样堆料，增加传感器数量。特斯拉Model 3和Model Y的传感器配置，在相同价位车型中，属于偏低水平，但算法弥补了传感器的不足。

马斯克认为，靠纯视觉方案，在数据足够的情况下，特斯拉也可以变得跟人一样驾驶车辆，包括识别静止物体。

“这里面的策略是关键，因此特斯拉通过每一辆车做视觉数据采集，不断优化算法模型，会覆盖大部分场景，但还是存在无可预估的风险。” 国内一家计算机视觉上市公司的内部人士对深途说。

风险的确是存在的，直到现在，特斯拉在静态物体的识别上也没有太大改进。

陈子颖认为，多传感器融合是更安全的方案，因为物理层的局限很难完全突破，一旦遇到新的corner case冒出来，就又是人命关天的大事。特斯拉现在采取这样的方案，还是更多基于传感器的成熟度和成本角度考虑。“他们永远只用最成熟的方案，未来随着技术成熟和成本降低，我相信特斯拉也不会非要坚守视觉这条路径。”

“先解决物理上的局限再谈数据的局限比较可行，就像要求盲人都能靠顺风耳来识路，这个难度岂不是更大。”她说。

国内车企更多走了另一条路——提升传感器数量和性能，比如研发4D毫米波雷达，推动激光雷达量产上车。

当年的特斯拉白色货车事故，车上用的就是传统缺乏高度信息的毫米波雷达，所以置信度低，远距离只能依赖图像传感器，最终难以摆脱物理层的局限性造成车祸。

随着4D毫米波分辨率提高，置信度上升，识别前方有高度2米的车厢后，这个信息会立刻反馈到决策系统提前做出刹车预判，整个安全性会高很多。

激光雷达则提供了另一种可能。国内的造车新势力在今年推出的新车型中，大部分都加入了激光雷达，比如蔚来ES7、理想L9、小鹏G9等。

“未来传统毫米波雷达的缺陷会慢慢被4D毫米波补上，但是论精度，4D毫米波雷达始终不及激光雷达，所以毫米波雷达和激光雷达最终还是会以互相冗余补充的方式并存。”陈子颖对深途分析。

总体而言，要绕过静态物体这个“致命杀 手”，辅助驾驶还有很长的路要走。

04

用户教育比技术升级更难

前些年，自动驾驶行业热钱汹涌时，从业人员热衷于讨论的都是 “无人驾驶出事时保车主还是保路人”这样的未来主义电车难题。

但如今的事实证明，让人民群众学会如何正确使用辅助驾驶更加迫在眉睫。今年上半年，国内L2级辅助驾驶渗透率已经达到30%[4]。

而正如上文所言，辅助驾驶对驾驶者态度的要求其实充满了哲学思辨：你不信则无意义，你太信可能付出生命。

2017年，谷歌旗下自动驾驶公司Waymo发现人性终究会输给这种考验：其员工在测试辅助驾驶系统时，熟悉功能后，会在时速90公里的车速下打盹、化妆、玩手机，出状况时根本无力接管[5]。

为此，Waymo紧急叫停辅助驾驶研发，全力开发无人车[5]。尽管今天从商业上来看，Waymo因为这个决策屡遭嘲讽，但从道德或者风险规避的层面，很难指摘其选择。

当Waymo的无人车还在亚利桑那凤凰城积累数据时，某些车企则选择先把辅助驾驶吹成自动驾驶甚至是无人驾驶，再分期兑现。而在实际中，用户将辅助驾驶有意无意当做自动驾驶使用乃至炫耀的行为并不鲜见。

这触发了辅助驾驶的剧场效应——当一个人选择站起身看戏，后面的人就没法坐着。

当一家车企可以每年都承诺“今年实现自动驾驶”而不付出任何代价，其他车企如果不跟进，就只能硬接对手的不正当竞争。

小鹏是众多车企中较为典型的一个：一方面大干快上，将“全栈自研”作为自身的核心竞争力大肆宣传；另一方面又谨小慎微，首创了辅助驾驶启用前需考试等方法，并在车上配置了DMS（全称Driver Monitor System，可在驾驶员疲劳、分神时予以提醒或退出辅助驾驶），引导车主正确使用功能。

但出于竞争策略、成本、用户隐私、体验等方面考虑，小鹏在内的绝大多数车企对驾驶员滥/误用辅助驾驶的约束都是软性的，DMS主要提供声音或震动警告，且可关闭。换句话说，主要靠驾驶员自觉。

小鹏P7 DMS摄像头

政策法规正在试图遏制这种现象。欧盟E-NCAP要求，所有新车自今年7月开始必须强制安装DMS。而在国内，自2018年政策要求“两客一危”商用车强制安装DMS后，乘用车出厂标配DMS的规定据称也在研究中[6]。

无论这个规定能否落地，何时落地，每一个司机都应该在使用辅助驾驶时正视前方，握好方向盘，随时准备应对突发情况。毕竟，再高级的辅助驾驶，也只是“辅助”驾驶。

本文来源：远川研究所，荣格汽车制造，深途