Uber自动驾驶撞死人 细究无人驾驶原来这么不安全

自2017年5月12日德国议会批准了《德国道路交通法》的修正案，率先允许自动驾驶后，澳大利亚和日本等纷纷发布了自动驾驶道路测试的指南和规定。不过随着新兴事物的发展终究难以一帆风顺，特斯拉的多次无人驾驶事故已经让人开始质疑无人驾驶技术。

无独有偶，上周日晚上10点左右另一家全球著名出行公司Uber的自动驾驶车里那个在美国亚利桑那州Tempe市发生交通事故，与一名正在过马路的行人相撞，行人在送往医院后不治身亡。

一次次的无人驾驶案例让人们不禁怀疑起自动驾驶的安全，毕竟这次的Uber自动驾驶撞人事件已经得到了Tempe 市警方的确认，当时Uber 车辆在发生是故事时处于自动驾驶模式，车上有一名安全员司机。报道表示，这名女子推着自行车，从十字路口人行横道外穿过街道时，发生事故。

无人驾驶安全吗？ 先看看自动驾驶的级别分类

要说无人驾驶是否安全，我们先来看看无人驾驶的分类，无人驾驶按照驾驶员参与程度，可以分为5个级别，其中L1级别只能算是辅助驾驶系统，这类车辆只能实现简单的转系那个和加减速控制，即使加减速也还是需要认为参与的，至于周围的环境以及激烈驾驶的处理是完全需要驾驶员参与的。

可以说L1级别仅仅是自动驾驶的雏形，而直到L3级别后无人驾驶才初见成效，这个级别的汽车已经初步具备无人形式的条件，但是面对激烈驾驶以及工矿环境依然显得捉襟见肘，而只有最高级别的L5才能够完全摆脱驾驶员参与。

我们再来看看上面这张表格，被推到风口浪尖上的特斯拉仅仅只相当于L2.5级别，从拆解的特斯拉Model S上我们看到，其计算解决方案仅为NVIDIA的单SoC+单GPU芯片，性能介于Drive PX2自动巡航芯片和Drive PX2自动私人司机芯片之间。很显然Model S是不具备完全自动驾驶能力的，发生各种交通事故在所难免。

无人驾驶的组成方案

目前被广泛应用的NVIDIA无人驾驶芯片解决方案共包括三款产品，分别是配备单GPU和单摄像头及雷达输入端口的Drive PX2 Autocruise（自动巡航）芯片、配备双GPU及多个摄像头及雷达输入端口的Drive PX2 AutoChauffeur（自动私人司机）芯片、配备多个GPU及多个摄像头及雷达输入端口的Drive PX2 Fully Autonomous Driving（全自动驾驶）芯片，而英伟达Drive PX 2是全球首款专为自动驾驶汽车设计的AI超级计算机，它的运算能力与150台MacBook Pro相当。

除了计算解决方案，无人驾驶还依赖于外部的感知层和认知层，对于人类来说感知和认知可以无缝转换，比如说地面上分别有浅水和大石块，人类可以轻松的判断出浅水可以通行，而大石块需要慢速行驶或者停下来，但感知设备可做不了这样的决策，这就需要认知的设备参与，将环境无缝转化为计算芯片可以实时处理的数据，然后计算芯片得出结果后并反馈车辆如何操作。

无人驾驶AI很强大？Too Young Too Simple

对于感知层来说，虽然识别很容易，但是对于无人驾驶汽车来说则是需要精准的数据，例如前方道路的石块，是直接通过还是转向避让，亦或是停车呢？这就需要感知设备具备精确的感知能力，这就需要更高级的激光雷达，现在主流的激光雷达包括Velodyne、IBEO（法雷奥合作）、SICK、北洋和先锋，目前造价都比较高，一个是因为确实是个高精密仪器，另一个是尚未量产。

除了尚未大规模量产，目前的激光雷达还存在一个重要的缺陷，就是探测距离非常有限，基本没有激光雷达能够检测到100米外的环境，对于高速公路来说，100米路程只需要3秒就通过了，而车辆完全刹停可能也需要这么远的距离，一旦激光雷达没有检测到远处的特殊状况，后果将不堪设想。

对于激光雷达无法监测到的特殊状况，有些时候就需要靠摄像头来解决了，这里面还牵涉到机器视觉算法，它和激光雷达起到相辅相成的作用。

传感层还包括高精地图，输入是精准定位，反馈是当前周围的静态环境信息。通往高级自动驾驶的征途上，高精度地图技术绝对是不可或缺的支撑，它既可以提供当前的静态环境模型，还可以通过预先存储的点云和图像特征数据来提供高精度定位。

现阶段的AI在模糊处理上相比人类来说还是太雏形，反映到认知层上，机器要做的认知决策非常困难，主要在于三个：对环境的准确理解、对下一步决策的准确判断、选择合理的路径达到目标。认知的好坏目前各家没有一个统一的评价标准，因此也就无从判断技术能力的好坏，只能从时不时出现的Demo中略知一二。

所以说无论是计算层面还是感知层面或者是认知层面，无人驾驶依然有很多的路要走，现在的痛的可能就是未来全面无人驾驶的结晶。

无人驾驶汽车遭遇两难选择 你说它该撞谁？

在无人驾驶和驾驶员驾驶并存的环境下，由于执行标准的层次不齐，加上道路上其它不可预见的因素，自动驾驶甚至会遇到避无可避的两难困境，这对于无人驾驶也提出了更高的要求，例如道路前方突然出现了一个老人闯红灯，而另外一条车道是正常并行的劳斯莱斯，你说无人驾驶会如何处理呢？

当然无人驾驶的最终目的是让道路参与者更加安全，而一旦无人驾驶的参与，配合城市交通控制超级大脑，无人驾驶还可以彻底解决道路拥堵的问题，这个时候无人驾驶不仅仅只是简单的接管了你的车辆，让你成为搭车人，还是你的目的地超级决策者。