自動駕駛的美好愿景在近兩年一直被全社會所憧憬和努力去實現，然而日前Uber首例自動駕駛車輛在公開路面撞傷行人致死的案例卻引人深思：這場以生命安全為出發點的探索，自動駕駛是不是“太快”了？更激起國內同行的廣泛議論。

最擔心的事故接連發生

美國時間3月18日晚上10點左右，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，行人在送往醫院后不治身亡。Uber車輛在撞上該名行人時，正處在自動駕駛狀態，這是史上首例自動駕駛車輛在公開路面撞傷行人致死的案例。一份聲明中表示，Uber車輛在發生事故時處于自動駕駛模式，車上后排有一名安全員司機。

無獨有偶，作為百年汽車品牌的奔馳上演著“驚魂極速”。3月14日晚上，河南焦作車主薛先生駕駛奔馳200L轎車，在連霍高速上開啟定速巡航（不用踩油門踏板就自動以固定車速行駛）后，發現車輛失控，只能以時速120公里的速度繼續飛馳。慶幸的是，在河南、陜西兩省高速交警緊急施救以及奔馳售后后臺操作下，奔馳車在失控近一小時后，終于安全停下。

多重傳感器保安全 為何全失效？

盡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。事故發生后，Uber已經停止了在鳳凰城、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。

據悉，Uber的自動駕駛測試車由攝像頭、毫米波雷達、激光雷達和IMU等傳感器組合而成。位于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沖，激光雷達能夠清晰地檢測出不論是靜止還是移動的物體。

激光雷達成像案例

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，作用范圍也小一些。這個傳感器的作用主要是用于輔助激光雷達，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，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復雜的計算機圖像識別算法進行識別。但是攝像頭在夜間的信息捕捉能力受光照影響，相對較弱。

而上述這些傳感器中獲得的信息并不是相互獨立的。在自動駕駛系統中，有一個核心計算單元，會將所有傳感器中獲得的信息進行融合處理。在某些情況下，工程師會寫一些具體的規則來定義汽車在特定情況下應該如何應對。例如，如果汽車檢測到紅燈，它的程序就會命令車輛停止。然而自駕車搭載了如此完備的傳感器，為什么在事故發生前沒有檢測到行人？

有一種猜測是計算機系統和軟件出現了問題；另一種說法是，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/車做出反應并停下來。目前正派遣一個小組來調查這起事故。

類似事故 打擊消費者信心

2013年，美國機動車工程師學會(簡稱SEA)將汽車自動化分為6個級別，L0到L5級。現在車企推出的大多是L2或介于L2與L3之間的自動駕駛汽車，而本次Uber改裝的沃爾沃XC90處于L4級：在特定道路和環境條件下，由自動駕駛系統完成所有駕駛操作，當遇到緊急情況，應及時響應，司機可對系統干預。

在本次事故中，自動駕駛依照既定程序而沒有做出剎車動作。同時，當時這輛無人駕駛汽車以40英里的速度前行，撞倒了行人，坐在汽車后排的觀察員也沒有采取任何行動。

美國杜克大學工程師Missy Cummings認為，無人駕駛汽車的系統仍然不完美。如果在基礎研究方面還有新的問題冒出來，那就不應該大規模推廣，因為時機不成熟。此次Uber事故會嚴重打擊了消費者對技術的信心，推遲商業化并破壞樂觀情緒。

引國內自駕車業者廣泛議論

對此，事故也引發國內自駕車領域廣泛的議論。奇點汽車美國公司總裁、前百度美研中心資深架構師黃浴博士認為，事故原因應該是決策處理上優先級不夠。當遇到緊急情況時，未向人類進行響應反饋。

地平線機器人創始人余凱則認為，自動駕駛技術的研發進程不會一帆風順，重要的是整個業界需要從事故中分析原因，使得系統安全性進一步提升。新技術企業一定要對生命安全有敬畏之心，避免過分樂觀，而是踏踏實實投入技術研發，特別是安全性的測試驗證。

此事故就像人類推進航空事業的歷史也曾付出代價一樣，但人類推進自動駕駛讓交通出行更安全更便捷的時代趨勢不會改變。自動駕駛技術成熟一蹴而就不會，也不會因為出現幾次事故就停止前進的步伐。

Minieye CEO劉國清也表示，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）的場景都會被作為極端案例“corner case”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。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。

縱目科技市場與商務副總裁陳超卓則提出，未來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。沒有地理圍欄的自動駕駛，10年內恐怕落不了地。陳超卓認為，這兩個場景正是符合當前社會預期的兩個方向。