Uber事故冷思考：如何看待這起「全球首例自動駕駛汽車致死案例」

自動駕駛的測試一直都在安靜地進行中，直到Uber將這一寧靜打破。

美西時間3月18日晚, Uber自動駕駛汽車在亞利桑那州坦佩市（Tempe）撞死了一名橫穿馬路的行人，死者是一名49歲的婦女。

這是「全球首例自動駕駛汽車致死案例」，事故發生後，Uber立即停止了在鳳凰城、匹茲堡、舊金山及加拿大多倫多四地的自動駕駛汽車路測活動。

*事故發生地點（圖片來自Google地圖）

雷鋒網新智駕根據坦佩市警方的發言了解到，警方在當日晚上十點左右收到報警。事故發生地點在坦佩市的Mill Ave（靠近Curry Road）上（如上圖）。

根據警方發言人描述，Elaine是在推著自行車橫穿馬路時被撞的。當時，Uber的自動駕駛車在Mill Avenue上，以約40英里/小時（約64公里/小時）的速度向北行駛。

當時，Elaine正從西向東行走，而據發言人的表述，該車沒有明顯的減速跡象。在聲明中，警方未公布當行人橫穿馬路時距離測試車有多遠。

值得注意的，警方強調為確保安全，希望市民能夠通過人行通道過馬路。而事故發生地點前方一百米左右，就有一條人行通道。發言人也表示，他們已經獲得了許多事故相關的視頻，但由於還在調查之中，視頻暫不公布。

這起悲劇可能是行人的責任？

*事故發生處不遠的人行通道(圖片來自紐約時報)

根據《舊金山紀事報》的獨家消息，坦佩市警察局局長Sylvia Moir說：「很明顯，由於她（死者）是從影暗的地方躥到大路上的，這起事故不論是對人還是對自動駕駛系統都是難以避免的，」

Moir還表示，根據在車內的司機所言，行人就像閃電一樣出現在他眼前，而他的還沒反應過來就聽到了這起車禍的撞擊聲，「我初步懷疑，Uber應該不是這起事故的責任方。」她說。

《舊金山紀事報》指出，事故發生道路限速35英里/小時（約56公里/小時），而當時自動駕駛車車速為38英里/小時（約61公里/小時），事實上已經超速。

儘管這起悲劇有可能是行人的責任，但Uber的自動駕駛技術仍難辭其咎。人們希望自動駕駛是萬無一失的，但是它似乎沒有識別出橫穿馬路的行人。

為什麼感測器沒能檢測到行人？

據雷鋒網了解，Uber的自動駕駛測試車由攝像頭、毫米波雷達、激光雷達和IMU等感測器組合而成。

其中，位於Uber測試車頂部的激光雷達，每秒就能夠生成幾次汽車周圍的3D圖像。不論是在白天還是黑夜，通過反射回來的紅外激光脈衝，激光雷達能夠清晰地檢測出不論是靜止還是移動的物體。

毫米波雷達則是利用無線電波來檢測物體，因此精度會相對低一些，作用範圍也小一些。這個感測器的作用主要是用於輔助激光雷達，識別大型物體。雖然雷達對人的識別能力還不高，但在事故中，它很可能還是檢測到了行人。

攝像頭負責檢測，例如交通信號燈、行人等。攝像頭捕捉到的信息需要經過複雜的計算機圖像識別演算法進行識別。但是攝像頭在夜間的信息捕捉能力受光照影響，相對較弱。

值得一提的是，這些從這些感測器中獲得的信息並不是相互獨立的。在自動駕駛系統中，有一個核心計算單元，會將所有感測器中獲得的信息進行融合處理。

既然Uber的自動駕駛汽車搭載了如此完備的感測器，為什麼在事故發生前沒有檢測到行人？

一種猜測是計算機系統和軟體出現了問題；也有一種說法是，目前市面上能滿足車規的遠距離激光雷達產品在惡劣光照情況下的感知距離都不超過50米，Uber的自動駕駛汽車當時車速為38英里/小時（約61公里/小時），即這輛車是以16.6米/秒的速度前行，3秒之內需要人/車做出反應並停下來，但這樣的剎車距離顯然不夠。

目前美國國家運輸安全委員會（NTSB）正派遣一個小組來調查這起事故。由於這些都是保密的核心技術，Uber的自動駕駛系統是否出現了問題或缺陷，還無從得知。

但從大體上，我們可以判斷的是：在系統上，這輛測試車沒有檢測到行人及時剎車，功能上是車輛的責任，說到底，是在深夜的公路上，行人檢測魯棒性問題。

此外，值得注意的是，根據現場圖片，事發車輛的凹陷處是在右方（如上圖），而行人是從車的左邊出現的，這或許與行人有意識的進行躲閃有關。

總體而言，對於這起事故，雷鋒網聽聞不少自動駕駛行業的從業者表達了類似的看法：自動駕駛需要更可靠、安全的感測器和軟體演算法。

去年夏天接替Uber CEO之位的Dara Khosrowshahi在前不久表示，Uber將在18個月內將自動駕駛汽車送上公路，「不是進行路測，而是真真正正地上路」。

這樣的決心，加上第一起自動駕駛致死事故發生在激進的Uber身上，多少讓人覺得是Uber急於求成，讓自動駕駛行業蒙上了一層陰影。

如何看待這起事故？

由於這是「全球首例自動駕駛汽車致死案例」，自然獲得不少行業人士和媒體的關注。但是如果用「自動駕駛汽車殺人」這樣的描述顯然是不妥的。

Minieye CEO劉國清向雷鋒網表示，自動駕駛路測的目的就是為了發現技術漏洞。自動駕駛的每一次「脫離」（disengements）的場景都會被作為「corner case」（極端案例）記錄下來，交由工程師去解決或者優化，所以每一次「脫離」都是對自動駕駛的推動。

但是大部分的極端案例都是開發者無法預期的場景，往往事後才能獲得。如何能夠為更為高效和低成本獲取這樣的極端場景，對自動駕駛的發展或有巨大意義。但目前這方面還處於初期，不成熟。這個坎跨不過，Level 4級別以上的自動駕駛無法落地。

*Gill Pratt

在談到自動駕駛汽車安全時，豐田研究所負責人Gill Pratt在接受採訪時曾表達過這麼一個觀點：

對於人類駕駛造成的事故，我們可能會想，「這可能發生在我身上，我也可能犯這樣的錯。」如果是一台機器，我擔心人們並不會因此產生同理心，因為他們只會希望這台機器是完美、不會出錯的。

在Pratt看來，AI系統，特別是基於機器學習的AI系統，並不是十全十美、毫無缺點的。由於通過感測器獲取的外部信息維度太大，汽車會接收以前從未訓練過的信息，我們期望它能夠根據這些信息對周圍環境做出合理認知。

那麼，如何證明自動駕駛汽車需要比人類司機更懂駕駛，才算是足夠好？Pratt 對這個問題的答案也不確定。他說，「在有答案之前，我們必須非常謹慎：不要引入不符合社會預期的技術。」

縱目科技市場與商務副總裁陳超卓認為，沒有地理圍欄的自動駕駛，10年內也落不了地。陳超卓說，幾年內能落地的自動駕駛只有兩種地理圍欄：高速簡單場景和低速園區場景。

他提起的這兩個場景正是目前大部分汽車廠商和新創公司正在對自動駕駛技術進行落地的嘗試，也是當前符合社會預期的兩個方向。

而另一方面，在全球範圍內很多家科技公司和汽車廠商也在研發更高級別（Level 4/5）的自動駕駛技術，以期能顛覆物流運輸和打車業務。例如 Uber、Waymo、百度和通用旗下 Cruise Automation、安波福等多家科技公司和車企、Tier 1都在研發和測試自動駕駛汽車技術。

來自法國的技術和商業市場研究公司Yole Développement曾預測，2018年預計將有8000到10000輛自動駕駛計程車將投入商用。 雖然10000輛自動駕駛汽車對消費者來說產生的影響可能是微不足道的，但對整個行業來說具有深遠影響。

既然這是大勢所趨，那麼如果我們從歷史規律看，新技術的發展從來就是由經驗教訓堆積而來——有的是金錢，有的是生命，有的是以企業倒閉為代價。

可以預料的是，即便是以後其他公司的自動駕駛上路，也會發生類似事件。在雷鋒網看來，「全球首例自動駕駛汽車致死案例」對自動駕駛行業是一個警示，它會讓整個行業更加註重技術的安全性，對任何涉及安全的問題心存更多的敬畏。

Uber自動駕駛路途坎坷：再傳車禍，行人致死

警方初步調查結果公布：Uber 可能對自動駕駛致死亡事件並無責任

全球首例自動駕駛致死案背後，「誰來擔責」的法理探討

PS：看遍這一年中國與全球智能駕駛領域的技術前沿與商業探索，雷鋒網新智駕年度推薦，掃描下圖二維碼或點擊https://www.leiphone.com/special/custom/AIdrive.html了解更多信息。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！