江苏龙网

  1. 首页 > 人文 > >

汽车公社|再现致命BUG，特斯拉“惊魂一撞”( 二 )


由此足以证明 ， 特斯拉的这套辅助驾驶系统在面对上述特定情景时 ， 的确存在不可逆转的漏洞 ， 而这背后的原因 ， 需要分两方面来说 。 首先硬件层面 ， 众所周知目前特斯拉目前搭载的Autopilot辅助驾驶甚至更高级别的FSD系统都依赖同一套视觉解决方案 ， 即全车8个摄像头、12个超声波传感器与一个增强版毫米波雷达 。
汽车公社|再现致命BUG，特斯拉“惊魂一撞”
文章图片
这套组合从感知层面来讲 ， 本身就有着先天缺陷 。 而病根则集中在 ， 无论摄像头的数量多少 ， 它们虽然在识别动态物体时能力尚可 ， 但是在面对静态物体 ， 尤其是形状各式各样的静态物体时 ， 就稍显“力不从心” 。 除摄像头外 ， 毫米波雷达在面对静态物体时的作用也很是有限 ， 因为其本身的硬件特点就是在于测量速度与距离 ， 对于形状复杂的静态障碍物识别能力并不高 。
因此 ， 在台湾这起交通事故中 ， 特斯拉Model3的前部摄像头在面对厢式货车大面积白色区域 ， 加之清晨强烈的阳光反射 ， 几乎很难识别其有效的外部特征 。 而在摄像头“失责”之后 ， 车辆的毫米波雷达同样无法做到精细化识别 ， 所以其Autopilot系统默认前方道路畅通无阻 ， 并继续以设定时速行驶 ， 最终酿成悲剧 。
汽车公社|再现致命BUG，特斯拉“惊魂一撞”
文章图片
其实 ， 在此事故发生前 ， 理想汽车CEO李想就曾在某社交平台发表观点 ， “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% ， 千万别真当自动驾驶来使用 。 ”
的确 ， 正如李想所说 ， 无论特斯拉也好 ， 国内众多以L2级别辅助驾驶作为产品亮点自居的新势力造车也罢 ， 其系统由于先天硬件层面的缺失 ， 在面对如此情景时或许都无法从容应对 。 那么究竟应该怎样解决如此“槽点”？
汽车公社|再现致命BUG，特斯拉“惊魂一撞”
文章图片
采访人员在咨询过自动驾驶领域的相关工程师后得知 ， 就硬件层面而言 ， 想要最大限度的避免各类奇葩事故的发生 ， 激光雷达与高精度地图成为了最好的应对方法 。 但是从特斯拉一直以来的自动驾驶技术路线来看 ， 对于永远以极致成本管控作为前提的前者而言 ， 搭载现阶段成本较高的激光雷达基本不存在可能 。 并且有相关消息表示 ， 当下特斯拉内部对高精地图的重视度依然不够 。
而造成该事故发生的另一原因 ， 则在于特斯拉的算法层面 。 换言之 ， 虽然特斯拉硬件上的确存在先天缺陷 ， 但是通过其后天算法足够的样本训练 ， 加之自动驾驶芯片算力上的不断进步 ， 便可令当下这套传感器方案的潜力 ， 被进一步激发出来 。 例如 ， 通过OTA升级当下特斯拉的辅助驾驶系统已经可以识别静止的雪糕筒 ， 即使在此过程中依然会出现“小插曲” 。
汽车公社|再现致命BUG，特斯拉“惊魂一撞”
文章图片
视线回到本次事故 ， 特斯拉明显没有对这样的特殊场景进行过数据训练 ， 进而无法识别出一部横在道路上的白色厢式货车 。 而采访人员在咨询某视觉处理领域工程师的看法时 ， 她认为：“如此极端情况的确是数据采集过程中的盲区 ， 遇到这类型的数据非常少 ， 所以没办法触发应急机制 。 ”
所以后续特斯拉能否通过冗余的算法解决这类问题？答案或许是肯定的 。 但是前提是其愿意付出足够多的时间、设备以及成本去搭建场地 ， 投入更多的研发力量 ， 采集到类似事故下的具体算法数据 ， 最终通过OTA升级使车辆具有相应的处理能力 。


推荐阅读


上一篇：阿喵汽车|广汽新能源埃安V上市前推出终身零成本服务新理念，重磅消息

下一篇：家有汽车|东风本田2020款UR-V配置曝光，全系新增陡坡缓降、手机无线充电等