從Uber無人車事故談無人駕駛汽車的測試

04-07

Uber的無人駕駛汽車在亞利桑那州路試中發生事故，與行人碰撞，最後致死的消息在我的知乎時間線上刷屏了兩三天。我收到了好幾個邀請回答相關的問題，但我只簡單的答了一句話：這說明無人駕駛汽車配備安全員不足以保證安全。作為從業人員，我覺得有必要寫一篇文章來說明我的感受和想法。

我看到這個消息的第一反應是震驚的。也許是我無知，但我的確不知道Uber的路試包括夜間行車。這當然符合Uber的商業模式，但對於感測器和感知演算法是一個不大不小的挑戰。Uber在無人駕駛領域應該算是比較激進的一家公司，雖然入場稍晚，但部署的速度很快。去年3月24日Uber在亞利桑那州測試期間也出現過一次事故，但沒有人員傷亡。當時Uber正與Google糾纏是否存在抄襲的官司，我和同事笑言，這是Uber絕好的擺脫官司的機會。因為如果演算法是從Google抄襲來的，那麼Google的無人駕駛汽車也可能存在相似的問題。然而，一年之後Uber無人駕駛汽車測試再出事故，導致行人死亡。我再也笑不出來了。

夜間自動駕駛與白天相比有哪些不同呢？從感測器的角度來說，雷達和激光雷達都不受光線的影響，但圖像感測器，也就是車頂上那些攝像頭，受光線影響很大。一般來說，駕駛輔助系統（ADAS）的圖像感測器並不是普通的相機或手機攝像頭用的感測器。為了減少數據處理量，簡化演算法，以及增加魯棒性，車載攝像頭會使用灰度圖像感測器（或RCCC，即一個像素分為一個紅色通道和三個灰度通道），而不是彩色感測器。而且圖像感測器能接受一部分紅外光來提高在光照不足時的表現。但這些都不足以支撐夜間的無人駕駛應用。Autoliv曾經給BMW做過一款夜視系統，採用紅外攝像頭。不知道Uber的無人駕駛汽車上是否裝備了足夠好的紅外攝像頭。從車輛本身來說，一般車上的照明設備都是為駕駛員設計的，量產車還沒有加上為滿足夜間自動駕駛而設計的照明系統。所以也許圖像感測器的可視範圍足夠寬，而照明範圍不夠寬。從演算法的角度分析，由於白天和夜間的光照條件不同，融合演算法（Sensor Fusion）的策略也應該有所不同，不知道Uber的演算法設計有沒有考慮到這一點。

除了上面提到的技術層面的考慮，安全員工作的有效性也是值得考慮的一個方面。正是因為系統還處在測試階段，所有無人駕駛測試車輛都需要配備安全員監督系統的運行。如果安全員過早介入操作，路試的意義會變得非常有限。安全員應該只在系統動作失敗或錯誤的最後時刻介入才能有效的收集測試數據。那有些極端條件下，當安全員發現並意識到系統錯誤時，任何可能的操作已經太晚了。因此安全員不是無人駕駛車輛路試的最終安全屏障。另一方面，當測試車輛已經積累的很多測試里程並且沒有出現過問題的時候，安全員也會不由自主地開始過度相信測試車輛，從而忽視對系統的監督。另外，不論是感測器的所用的感知演算法還是控制器的控制演算法，在開發過程中都不可能保證新的版本總是優於舊版本，所以新版本的程序可能會不能通過以前測試過的情況，而現在解決了的問題也可能在以後重複出現。安全員如果不是研發或測試工程師，很可能會忽略這個潛在的問題。

無人駕駛技術並不代表「零」事故，只是盡量減少現在由於駕駛員疏忽而引起的交通事故。有些時候會出現無法避免的碰撞，不管是更盡職的安全員還是更優秀的演算法都無法避免。我們應當正視這個問題。

最後，為我和我同事的工作做一點廣告。無人駕駛技術的發展離不開模擬模擬測試，單靠傳統的路試無法滿足對無人車安全性的驗證。希望在各個公司叫停自己的無人駕駛測試後，對模擬工程師有更多的重視，對模擬技術有更多的投入。