路演去哪公眾號：luyanquna，首發，轉載聯繫微信：juancui0826

在昨天，Uber的一輛自動駕駛汽車在亞利桑那州Tempe市發生交通事故，與一名正在過馬路的行人相撞，行人在送往醫院後不治身亡。Uber車輛在撞上該名行人時，正處在自動駕駛狀態。

事故發生後，Uber發言人Sarah Abboud在一份聲明中表示，「向死者家屬致以深切慰問，Uber目前正在全力配合當地執法機構調查該起事故。」

實際上，此次事故並不是Uber的首起事故。在前段時間，Uber的自動駕駛汽車剛剛發生了事故，在轉彎時和對面的車輛相撞，但是所幸並未造成人員傷亡。

2017年二月份，Uber開始在亞利桑那州的Tempe測試自動駕駛汽車，當時該公司在美國加州和車管局發生了糾紛。車管局要求Uber針對每一輛測試的無人車申請牌照，但是Uber的掌門人卡蘭尼克認為太過繁瑣，一氣之下，Uber把所有的自動駕駛汽車全部搬運到了相鄰的亞利桑那州。不過在後來，Uber和加州車管局的關係緩和，Uber的部分車輛又回到了加州進行測試。

此前的事故，也是Uber公司自動駕駛汽車項目第一次發生致人死亡事故，連續兩次的交通事故，使得該公司的研發水平遭到外界的質疑，不僅會影響Uber的自動駕駛計劃，還可能會引發有關自動駕駛汽車規定的問題，甚至是打破原有民眾與政府對這項技術建立的巨大信任。

這次的事故是自動駕駛項目的第一次發生致死的事故，使得自動駕駛的連續交通事故，對公司的研發遭到了外界的不信任。

01

自動駕駛安全嗎？

除了人禍之外，自動駕駛技術並非沒有缺陷。特斯拉公司也向美國高速公路交通安全管理局下屬的缺陷調查辦公室提供了配置Autopilot技術的Model S和Model X等汽車在2014年至2016年期間所有行駛里程和安全氣囊相關的數據。調查人員利用這些數據計算了Autopilot系統安全前後的撞擊率，得出安裝了Autopilot系統後汽車更安全的結論。汽車安裝了Autopilot系統後撞車率可以下降40%左右。

Autosteer是Autopilot系統的功能之一，能夠讓汽車保持在自己的車道上行駛，即使遇到彎道仍能夠讓汽車自行轉彎。

自動駕駛等級劃分依據

美國2016年的統計表明，美國公路上因交通事故喪生的人數超過3.5萬人，其中94%的事故是因司機失誤導致的。但是，美國特斯拉的車主使用自動駕駛儀（只是L2級）的行駛距離超過1.3億英里，才只出過一次致死事故。毫無疑問，無人駕駛汽車的安全性高於人類的老司機。

現在，特斯拉的自動汽車才達到L2，要達到自動汽車的最高級L5（全自動）還有很長的路要走，因此，在時間上並非三五年就可以讓完全自動的L5級無人駕駛車上路。

02

自動駕駛殺人，誰是背後的殺手？

還是老問題，「電車困境」本身也是研究人在面對道德困境時的常用例子。但是因為應用環境的變化，重新審視這個案例對於自動駕駛技術的應用卻有另外的意義。對於一輛全自動駕駛汽車來說，工程師們必須將各種情況的處理方案寫入汽車的控制模塊里。那麼，問題來了，如果說人工駕駛時我們可以去研判駕駛者的駕駛技術和道德水準，那面對一輛自動駕駛汽車，誰應該對最後的選擇負責呢？沒有參與駕駛的乘客？製造無人駕駛汽車的汽車廠家？編寫代碼的工程師？還是……沒人應該為此負責？

哲學家聖奧古斯丁提出了一個糾結的難題。故事的開始是這樣的，一位漢子站在鐵道邊，突然看到1輛失控的電車沖向5個綁在鐵軌上的人，只要他扳動開關，鐵軌就會進入岔道，扎死另一條鐵軌上的1個人，這時候他該選擇1個人喪命還是5個人喪命？

自動駕駛車配備了安全駕駛員，但人類的反應也依然有限，否則就不會發生悲劇。顯然，在涉及到生命安全時，任何技術都應該更加謹慎，科技公司們需要負起責任。

自動駕駛的岔道困境

無人干預的自動駕駛意味著人工智慧許可權高於人類，系統必須自行判斷跟隨、剎車、停車命令。自動駕駛的倫理道德在於，是否將人命損失減少到最小為最優先判斷。道理很簡單，當自動駕駛判斷剎車失控即將撞上正在穿越人行道的人群，自動駕駛是否有權選擇撞向兩旁路燈柱，犧牲你自己來挽救更多的人群？仔細想想，這種帶自殺功能的自動駕駛還要自掏腰包真的有些不甘心。

與之相反，如果保證乘車者的最大利益，自動駕駛對整個社會環境是否會構成新的威脅？來自法國圖盧茲經濟學院的Jean-Francois Bonnefon團隊曾經展開了了一項公眾調查，希望通過輿論獲得大部分人都能接受的答案。他們的提出的問題如下：如果你正在乘坐的自動駕駛汽車沖向人群，剎車已壞，自動駕駛應該選擇撞牆丟掉你的性命還是人群的？

不過團隊並沒有將這個問題拋給沒事做嗑瓜子大媽，而是投向數百名負責亞馬遜Mechanical Turk工程師，因為技術確定通常先於輿論產生，工程師在無形中其實已經確定了社會趨勢。與此同時，為了弱化工程師的主觀判斷，團隊另外提供了更多細節，包括工程師在這場可怕的車禍中扮演的角色，可能是計算機、行人、方向盤還是車裡那個可憐的司機。

結果是工程師們同樣認為自動駕駛應該追求死亡人數的最小化，但這場討論也點到為止，因為隨後更多人表示只要他們不開這種車就行。

Jean-Francois Bonnefon團隊的研究可能帶來的只有飯後閑談，美國國家公路交通安全管理局NNHTSA已經展開行動，他們需要自動駕駛功能具備一套自動防故障機制，便於由管理局決定自動駕駛的倫理走向。

03

技術解析：自動駕駛汽車有多重感測器保護為何還是有人被撞？

在汽車表面來看看，除了整體系統出現故障外，很難理解為何會發生這樣的致死事故，動駕駛汽車在設計就上就是為了防止這樣的事故發生。

意外進入行駛路徑的人或物幾乎是自動駕駛汽車工程師首先考慮的突發事件。這種情況有很多，例如突然停下來的汽車、一隻鹿、過路的行人。工程師在設計自動駕駛系統時會儘早發現他們，確認並採取適當措施，可能會減速、停車、迂迴等。

1、頂部激光雷達

這個位於汽車頂部的桶狀物體就是激光雷達系統，它能夠以每秒多次的速度生成汽車周圍的3D成像。激光雷達使用了紅外激光脈衝，遇到物體後會反彈，返回到感測器，從而在白天或晚上相當細緻地偵測靜止和移動的物體。

大雪和濃霧會讓激光雷達的激光器變得模糊，準確性會隨著距離的變長而降低，但是在幾英尺到幾百英尺內，頂部激光雷達依舊是非常重要的成像工具，幾乎存在於每輛自動駕駛汽車上。

如果頂部激光雷達單元運行正常，在沒有被完全遮擋的情況下，它應該能夠分辨出受害者。同時，汽車距離行人還有100多英尺遠(30多米)，可以把行人成像傳送給「大腦」進行核對。

2、前端雷達

和激光雷達一樣，雷達發出信號，等待它彈回，但使用的是無線電波，而不是激光。這使得雷達具有更強的抗干擾能力，因為無線電可以穿透雪和霧，但是也會降低解析度，改變其距離像。

特斯拉自動駕駛系統Autopilot主要依賴雷達

根據Uber部署的雷達數量不同，它所提供的距離像可能存在巨大差異。Uber很可能在汽車前後部署了多個雷達，以實現360度無死角覆蓋。如果Uber是為了給激光雷達提供補充，那麼雷達與激光雷達的成像可能會存在大幅重疊，但是更多雷達可以用於偵測其他車輛和更大型障礙物。

3、短焦和長焦光學相機

激光雷達和雷達易於確定物體的形狀，但並不擅長讀取標記，理解物體顏色等。這個任務就交給了可見光相機，它內置了精密的計算機視覺演算法，能夠對成像進行實時分析。

Uber自動駕駛汽車上的這些相機密切關註標志著汽車剎車(突然亮紅燈)、交通燈以及穿越十字路口行人的指示器標記。汽車前端尤其會使用多角度、多種類型的相機，這樣才能獲取汽車前進道路的完整圖像。

偵測行人是工程師們試圖解決的最常見問題之一，這種演算法已經非常成熟。這一過程通常被稱作「分割」圖像，一般還會涉及標記、樹木、人行動等。

4、光學相機拍攝的圖像

對於相機來說，夜間工作很困難，這是一個顯而易見的問題。不過，這個問題交給前兩個系統來解決，激光雷達和雷達能夠在夜間工作。即便是在伸手不見五指的環境下，穿著全黑衣服的人也能夠被激光雷達和雷達識別。隨後，這些雷達就會向汽車發出警告，應該減速或者通過汽車大燈確認行人。這可能就是自動駕駛汽車通常沒有夜間視覺系統的原因。

5、安全司機

人類很擅長發現障礙物，即便是人眼沒有激光器。人類的反應時間不是最好的，但是汽車不會作出反應或者作出錯誤反應，經過訓練的安全司機會作出正確反應。

值得指出的是，自動駕駛汽車中還有一個中央計算單元，它能夠收集各個感測器提供的信息，然後生成一個更加完整的汽車周圍環境成像。

雖然到現在為止還不清楚自動駕駛汽車在發生事故的具體情況，但是Uber自動駕駛汽車肯定配備了本可以偵測到行人的技術，本可以讓汽車作出正確反應。而且，就算一個系統失效，另一個系統也應該能夠發揮作用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！