2020年6月，一輛特斯拉Model 3在中國臺灣地區某高速公路發生事故，當時車輛開啟了Autopilot功能，時速約為110Km/h。當時，駕駛員並未注意到前方有貨車側翻，在撞擊前2秒系統才進行了緊急剎車。
在此之前，特斯拉不同型號車輛也多次撞上路邊停靠的車輛，在事故發生後，車主都反饋曾經開啟Autopoilot輔助駕駛功能。
就在近日，湖南嶽陽的一位小鵬汽車車主駕駛車輛在國道上開啟自動輔助駕駛行駛十幾公里後，突遇一輛側翻在路上的汽車。
當時，系統沒有任何報警和減速，車輛徑直撞了上去，發現異常後有緊急踩剎車，但根據車主提供行車記錄儀顯示，撞擊前加速度數值有上升現象。
隨後，小鵬汽車釋出公告，關於車主反映的其在使用ACC+LCC（自適應定速巡航&車道居中保持功能）時，與前方橫停的事故車輛發生碰撞的事故，初步判斷為車主沒有保持對車輛前方環境的觀察並及時接管車輛所致。
和此前特斯拉的處理方式一樣，小鵬汽車官方提醒駕駛員，使用輔助駕駛系統過程中，需保持對車輛周圍環境觀察，遵循使用者手冊中相關功能的使用指引，確保行駛安全。
事實上，類似公路側翻車輛的場景並非極少數個案。而且，此前特斯拉出現過類似事故，作為其他車企來說，為何無法把類似場景進行訓練來提升輔助駕駛功能的識別能力？
智慧駕駛邊界定義
首先，我們看下此次發生事故的小鵬P7的配置。
目前，P7的智慧駕駛主要分為兩套版本，次低配為XPILOT 2。5+系統，搭載智慧控制器（也就是行業內所說的ADAS ECU，也有叫：輔助駕駛控制單元），感測器為3個毫米波雷達、12個超聲波、4顆環視攝像頭、1顆前向高畫質感知攝像頭。
頂配P7，則為XPILOT 3。0系統，搭載英偉達Xavier超級計算平臺（也就是常說的智慧駕駛域控制器），毫米波雷達增至5個，12個超聲波、4顆環視攝像頭以及10顆高畫質感知攝像頭，另外還提供亞米級高精定位系統。
從產品手冊的功能來看，XPILOT 3。0和2。5+相比，增加了NGP智慧導航輔助駕駛、SR環境模擬顯示、停車場記憶泊車和IHB智慧遠光燈，其他入門級L2功能基本一致。
按照官方手冊的提示，XPILOT智慧輔助駕駛系統無法應對所有交通、天氣與路況。駕駛員必須始終注意觀察當前交通狀況，如果智慧輔助駕駛系統未能提供適當的轉向輔助或者保持適當的車距與車速，則需要駕駛員主動干預。
同時，駕駛員在使用功能前應意識到這些限制情況。在交通狀況複雜多變、冰雪雨路面溼滑天氣、道路積水或爛泥路面、能見度較差、崎嶇山路或高速路入口出口等情況下，請謹慎使用。
這部分的說法，在特斯拉以及其他配置類似功能的品牌車型手冊也都基本相似。不過，在這些明文條款的背後，小鵬汽車的技術團隊也傳遞了更多的資訊，這些資訊在非專業人士看來，無疑會產生很多誤解。
2020年，在小鵬P7釋出後，時任小鵬汽車自動駕駛產品總監的黃鑫（今年4月有傳聞，黃鑫已經加盟蔚來汽車，出任副總裁）在媒體交流會上做了很多解讀。
傳統意義上的輔助駕駛功能會在遇到路面有行駛障礙的情況下，啟動系統退出，這是標準做法。但黃鑫認為，對於使用者體驗來說，這種做法並不好。“小鵬汽車就會針對這樣的情況作出最佳化”。
比如，當前車輛旁邊有其他車輛小角度變道過來，能不能及時識別判斷，從而改變行車速度等，但並不需要退出輔助駕駛。
同時，對於一些常見的中國路況，小鵬汽車的功能邏輯更加強調對於場景的深度判斷，比如，系統識別後能不能在安全的情況下，自動變道或者慢行避開，而不需要退出系統。
而針對此次事故中出現的靜止車輛的識別問題（Xpilot 1。4版本就有媒體指出一個BUG：靜止車輛基本無法識別），而在2019年小鵬汽車Xmart OS 1。5 版本升級時，能識別出這些靜止車輛，同時系統會自動減速。
不過，在當天的釋出會上，
黃鑫在回答媒體提出的這個問題時，強調，“我們並不希望大規模去談這個事。因為靜止車輛的識別是全球性的難題，特斯拉也沒有完全解決。”
此外，
當時有媒體提出，Xpilot系統對靜止車輛的識別率到底有多高？黃鑫表示，還有很大的進步空間，當下的識別率是83%（顯然，車企對這個問題，實際上是非常關注的）。
去年9月，隨著小鵬P5的上市，這款在國內第一批前裝搭載鐳射雷達的智慧車，又會有什麼表現呢？黃鑫表示，鐳射雷達可以幫助突破現有自動駕駛的一些邊界，把車輛的安全性做一個提升，更能適應國內道路的複雜性。
不過，小鵬汽車認為，可以透過車的智慧化，讓車無限地接近100%，可能最終只能實現97%，最後的3%或許可以透過V2X來解決，但時間沒有保障，小鵬汽車則希望由人類駕駛員來完成餘下的3%。
這3%可能是非常極端的場景，為了解決極端的場景，在成本上則需要增加300%或500%，對於量產來說並不划算。
這也是為什麼小鵬汽車官方在此前多次公開場合強調，即便是NGP（XPILOT 3。0系統）依然屬於輔助駕駛，而不是無人駕駛。小鵬汽車要求使用者在使用NGP時期全程注視前方路況、手握方向盤、並隨時準備手動接管。
顯然，車企非常清楚功能的邊界。
去年，小鵬汽車更是在國內市場率先上線XPILOT智駕分系統（使用者透過一系列安全考試，獲得智駕分。初始分值為滿分100，更新週期為12個月。），目的是提醒車主規範使用輔助駕駛功能，瞭解輔助駕駛的安全邊界及提升智駕安全意識。
功能背後的博弈
不過，對於公眾（駕駛員）等非專業人士來說，普遍的認知邏輯是：先進技術要麼不值得信任，要麼是完美的。
事實是，到目前為止，不管是攝像頭、毫米波雷達、鐳射雷達還是其他感知技術，各有其優點和缺點。
考慮到對場景的安全冗餘以及置信度的考慮，近年來，大部分廠商都選擇了多感知融合來實現智慧駕駛方案落地。不過，融合也帶來了複雜度的提升。
同時，對於不同路況和場景，系統在無法確認感知是否正常（比如，假陽性）的情況下，還需要考慮到很多其他因素，比如，突然減速可能會造成當前車輛的後方追尾（比如，正後方感測器缺失或無法判別的情況下）。
以沃爾沃汽車的Pilot Assist為例，當車輛前方可能是緩慢移動或靜止的車輛和物體，且Pilot Assist不確定目標物體是靜止車輛還是其他物體時，系統會停用。
此前，特斯拉就提出了對於現有攝像頭+毫米波雷達融合方案的否定。
原因是傳統毫米波雷達的探測效能（比如，解析度）不穩定，導致與攝像頭融合（無法實現真正的前融合）後帶來錯誤，感知效果反而下降。
而這些傳統毫米波雷達此前主要是為ACC功能開發的，雷達角解析度較低，目標是為特定的功能而設計，但對於多感知融合系統來說，實際上效能無法滿足要求（這也是為什麼此前特斯拉對雷達進行了一定程度上的改進）。
這意味著，大部分雷達無法對探測到的物體（包括靜止物體），進行類似攝像頭的識別分類來確認物體的屬性。比如，實際上車後的雷達訊號處理，會對一定速度以下（包括靜止物體）訊號進行遮蔽，從而減少假陽性的出現機率。
這一點，也可以從之前博世的一次公開測試得到驗證。
2020年10月，在一次博世商用車ADAS方案公開測試活動上，該公司演示了基於第五代前向毫米波雷達實現卡車（40km/h）對前方靜止車輛（道具）的AEB，車輛從開始制動最後完全剎住，並與前車保持了一定的安全距離。
同時，透過增加攝像頭，這套系統可以與毫米波雷達協作，實現道路監測、車道保持、車道偏離警告等功能。從中可以看出，對於多感知融合的不同功能實現邏輯，會有不同的效果。
而對於採取純視覺方案的特斯拉來說，此前公開的資料顯示，視覺AI演算法已經達到了探測目標的精度，並且高於毫米波雷達的水平。
特斯拉的AI負責人安德烈·卡帕西表示，Tesla Vision（純視覺方案）相比視覺+雷達融合，能夠更好地探測靜止物體。
事實上，一些鐳射雷達公司也在此前披露，僅僅依靠鐳射雷達也可以實現AEB。比如，Luminar公司認為，鐳射雷達可以提供比單目攝像頭更精確的距離測量，同時，相比雙目等立體視覺感知，可以實現更遠的探測距離。
目前，Luminar公司正在聯合沃爾沃汽車旗下的子公司開發基於鐳射雷達的感知軟體，為行人檢測和AEB系統提供支援，以實現高速公路的自動駕駛，並提供冗餘的主動安全能力。
實際上從上述案例可以看出，單一感測器很多時候可以比多感知融合表現出更穩定、更可靠的能力。
當然，這些感測器都存在很多目前無法規避的問題，比如，攝像頭無法完全克服惡劣天氣的影響。
“自動緊急制動系統非常有效，但肯定還有改進的空間，”IIHS主動安全測試經理David Aylor表示，2015-2019年期間，全球已經有七次因AEB問題而產生的召回，涉及約18萬輛汽車，這個數量還在不斷增加。
比如，2020年由於AEB緊急制動系統出現問題，在某些情況下這些車型的系統可能無法正常工作，沃爾沃汽車宣佈在全球範圍內召回736430輛汽車。
多條技術路線並行
目前，解決這些問題的辦法，也開始呈現多元化趨勢。
一種方式，是特斯拉的純視覺，依靠大量的資料訓練來提升深度學習的能力。但這種模式需要時間來完善。
比如，在撤下毫米波雷達之後，特斯拉的純視覺感知系統的“幽靈剎車”問題急劇增加。美國國家公路交通安全管理局（NHTSA）披露資料顯示，車主投訴在三個月時間內上升至107起，而此前近兩年時間僅為34起。
一些專業人士指出，這與感知系統發生變更後，工程師設定的判斷閾值有關。多感知融合系統會相對比較少出現“幽靈剎車”，因為需要多種感測器的“交叉驗證”。
而在此之前，特斯拉搭載純視覺系統的車型，剛剛拿到美國高速公路安全保險協會（IIHS）的最高安全評級。這其中的差異，實際上也和AEB測試條件和場景不完善有關係。
一些機構表示，要讓AEB真正發揮正向作用還需要“一些時間”，尤其是新車測試標準的要求提高以及覆蓋場景的增加，比如引入類似自動駕駛測試的模擬模擬系統。
比如，美國IIHS只在兩個速度下12mph（20km/h）和25mph（40km/h）對AEB系統進行評價，中國的C-NCAP也只是在30km/h、50km/h兩個速度下（相當於勻速情況下）對車輛進行AEB測試。
而更加嚴格的Euro NCAP則覆蓋了10-80km/h的範圍，而且還模擬了前車的各種狀態（靜止、緩慢行駛、短距離/長距離急停）。
顯然，現有的AEB測試條件並不能代表真實的交通狀況。對消費者來說，這意味著AEB系統在高速、低速、不同天氣條件下，並不可靠。
第二種方式，則是採用更多的新一代感測器來提升視覺的感知冗餘，比如，4D成像雷達透過增加角解析度、更多的點雲，來實現與視覺的真正前融合。
不過，這條賽道目前還無法明確實際的效果。隨著搭載4D成像雷達新車陸續上市，後續還需要完善雷達演算法、融合演算法以及面對實際路況的檢驗。
另外，還有雙目立體視覺技術。
去年，搭載全新一代立體視覺方案的斯巴魯Levorg（力獅）在日本NCAP （JNCAP）中拿到了最佳成績，超過了10輛獲得五星評級的競爭車型，以最高分獲得最佳五星獎。
這是又一次對於立體視覺感知系統的量產證明，尤其是面對目前單目視覺能力還有所欠缺的場景能力，比如，晚上光線較暗情況下對車輛和行人的自動緊急制動（AEB）。
同時，和鐳射雷達相比，透過立體視覺生成的資料更豐富，這反過來使障礙物檢測更容易。在弱光情況下，立體視覺解析度也更高。
第三種方式，則是Mobileye提出的並行冗餘策略。
在Mobileye看來，基於攝像頭的純視覺感知與雷達+鐳射雷達融合感知兩套方案應該並行，才是真正的冗餘。
該公司認為，攝像頭是自動駕駛的主幹，而雷達+鐳射雷達子系統則增加了安全冗餘，並顯著提高平均故障間隔時間（MTBF，也就是系統的可靠性指標）。
原因是，攝像頭是屬於被動感知，毫米波雷達和鐳射雷達則是透過主動發射訊號來探測感知物體，這是完全不同的兩大類感測技術。
之所以不採取攝像頭與雷達或者鐳射雷達的融合策略，是因為這兩種感知技術並沒有在效能成熟度上達到接近的水平，甚至有可能牽制了視覺技術的效能發揮。
但不管採取什麼方式，AEB功能是智慧駕駛系統的安全底線。這也是為什麼在很多車輛因為啟用智慧駕駛系統而發生事故的情況下，大家都會首先想到AEB為什麼沒有啟用？
