自动驾驶为什么识别不了静止物体？谁酿成了这场事故？

8月10日的一起交通事故，让自动驾驶又成了争议的焦点。一辆小鹏P7在高架路上，追尾撞上了一辆停靠在路上的故障车，站在前车车尾的人被撞飞身亡。

网传小鹏车主的聊天记录称，他当时开启了驾驶辅助系统，但车辆在撞击前没有发出任何警告，也没有做出刹车动作——车辆没有识别出前方路况。

小鹏方面回应媒体称，交警部门已经立案处理，小鹏将全力配合相关部门进行事故调查，并协助客户处理后续相关事宜。小鹏没有回应车祸时车主是否开启了辅助驾驶功能。

又一次血的教训，引发了人们对自动驾驶安全性的担忧。在半年前，小鹏汽车刚发生过一起类似事故。一位湖南岳阳的小鹏P7车主，在开启辅助驾驶功能的状态下，撞上一辆前方横停的侧翻车辆，幸好没有造成人员伤亡。

再往前推，一年前，蔚来ES8一位车主，在沈海高速涵江段开车撞上一辆公路养护车，不幸逝世。根据当时的报道，知情人士称，他启动了辅助驾驶功能，但车辆未能识别车道内前方的桩桶和养护车。

故障车、侧翻车、养护车，是这三起事故爆发的导火线，它们都是静止物体。对静止物体的识别，直到今天依然是自动驾驶的一大难题。这个难题在过去已经造成了多起车祸，类似的事故在未来或许还会继续出现。

自动驾驶为什么就是识别不了静止物体?对于这项新技术，还值得车主们继续信任吗?

谁酿成了这场车祸?

小鹏P7的这起事故，目前警方还没有给出定论，但结合公开的路面视频和相关资料，我们尝试大致还原事件经过。

事故中涉及到三方——小鹏P7车主、小鹏的辅助驾驶系统、故障车。事故的发生，是因为前车发生故障，停在了高架桥路段最左侧的快车道上，在车道上正常行驶的小鹏P7，没有刹车或避让，发生了追尾。

问题是，小鹏P7为什么没有发现前面的故障车?网传小鹏P7车主的说法是，他开了辅助驾驶系统，系统没识别，正巧当时自己还分神了。在高架桥路段，车道上突然出现一个静止物体，这是自动驾驶中最容易出事故的场景。而本次事故的场景比正常情况还要更复杂一些。

首先，前车是停在高架桥最左侧的快车道上，车道上的车辆车速非常快，后车要避让的话只能向右侧车道变道;其次也是更关键的，前车停下后，车主下车打开了后备箱，后来又关上后备箱站在车尾。

有分析认为，前车车尾站人的状态，可能导致车辆无法识别。因为小鹏P7要识别远方前车，主要靠传感器识别前车尾盖和尾灯特征。不过在这起事故里，小鹏P7不仅没有识别出前方车辆，也没有识别出车辆后的人。

摄像头和毫米波雷达，是辅助驾驶系统中最重要的两个传感器。2020年初推出的小鹏P7，XPILOT 2.5系统搭载了5个摄像头、3个毫米波雷达，XPILOT 3.0系统升级成14个摄像头、5个毫米波雷达。

摄像头跟人眼一样，看到的是图像，毫米波雷达看到的是波段，利用多普勒现象来感知物体的相对速度和角度。小鹏P7通过安装在前风挡玻璃上的摄像头探测车道线，车辆前向毫米波雷达探测前车距离和障碍物。

按照网传小鹏P7事故车主的说法，他那辆车是XPILOT 2.5系统。一位汽车行业人士对深途分析，XPILOT 2.5的辅助驾驶配置，摄像头可以识别目标类型，但是对于行人的识别一般超过60公里/时的车速就都很难了;毫米波雷达会过滤掉静止目标，一般只有毫米波雷达和摄像头同时认为在同一点有静止目标，才会具备较高的置信度用于规控。

如果按网传聊天记录，车主当时设定的车速是80km/h，则已经超过了车辆感知系统对行人的识别范围。软件工程师“数据里奥斯”对深途说：“小鹏P7前车的状态，对于辅助驾驶系统而言肯定是更大的干扰。而且跟车速也有关系，车速越快计算反应越慢。”

自动驾驶业内人士刘菲鸿对深途分析，“从事故视频来看，那个场景对于辅助驾驶的感知任务来说是一个corner case，也就是目前落地的感知技术难以解决的场景。”

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。

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。

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。

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。

辅助驾驶还值得信任吗?

每一次辅助驾驶事故，都给行业敲响了警钟。但造成严重后果，不完全是系统的原因，车主也难逃其咎。在网传聊天记录中，小鹏P7事故中的车主说自己当时“分神了”，这是很致命的一个错误。

辅助驾驶不是自动驾驶，再怎么强调都不为过。这项功能现在还不能解放司机的双手，起到的只是“辅助”作用。车还得司机自己来开，遇到紧急情况要接管，出了事故司机要担责。

去年的蔚来车祸之后，新造车行业冷静了许多，过去那些浮夸、不负责任的宣传变少了，风险提示加强了。

比如新用户要开启小鹏的辅助驾驶系统，必须经过考试，在考题中就有提到，如果遇到低速或静止的清扫车、横停的事故车，系统有可能无法识别，应立即接管车辆。特斯拉、蔚来等车企也在用户手册中提醒，车辆前方的静止车辆或障碍物，系统可能无法识别和刹停。

但这些考试或提示，究竟对车主起到了多大的警示作用，很难评估。

在网上，经常会有一些车辆开着辅助驾驶高速飞驰的视频，车主拿着手机在发消息或玩游戏，还有人甚至坐在后排，完全让车自己开。这些人或许是出于炫耀，亦或是出于猎奇，但暴露的是侥幸心理。

这种侥幸心理的形成，建立在日常使用中建立的信任之上。或许车主在平时开启辅助驾驶功能时，系统都有优异表现，甚至超出车主预期，但这并不代表系统就具备了应对所有极端场景的能力。而那些罕见的corner case，往往是在不经意间出现的，而且致命。

“人工智能可以识别80%、90%，哪怕是99.999%，但达不到100%。但往往出事就是那0.00X%的不能识别造成的。这是AI的局限性。”一家自动驾驶公司内部人士对深途说。

深途接触过多位Robotaxi安全员，他们坐在号称具备L4级无人驾驶能力的Robotaxi上，让车辆在测试运营路段自动驾驶，但随时做好接管准备。多位安全员表示，这个过程比自己开车还要累，因为需要注意力高度集中。“方向盘不在你手里，你不知道什么时候就突然要接管，丝毫大意不得。”

罗马不是一天建成的，自动驾驶要真正大规模应用，无论是在技术还是法规上，都还有很多要突破的障碍。对于车主而言，这需要时间、耐心，更需要风险意识。

无论车企再怎么宣传，车主都需要时刻牢记，现在的自动驾驶都是L2向L3无限逼近的阶段，还不能完全依赖传感器去做决策。陈子颖认为，人作为主要驾驶责任人这个前提一定要明确，“否则就是拿自己或他人的生命当自动驾驶发展中的垫脚石，代价真的太大了。”