引用本文轉載自知乎《 Tesla 自動駕駛的前世今生》作者 Ryan Woo。愛範兒（微信號：ifanr）已獲作者授權編輯轉發。在編輯這篇文章時，央視曝出了國內首起 Tesla 自動輔助駕駛的致死事故。愛範兒希望能通過這篇對特斯拉輔助駕駛技術的歷史梳理，讓更多讀者對目前的“自動駕駛”以及“自動輔助駕駛”有更多認識，避免不必要的傷害。
本文共 1 萬字左右，閲讀大概需要 20 分鐘。不過如果你想更深入了解特斯拉，全文內容值得一看。
前言：自動駕駛還是自動輔助駕駛？
在説自動駕駛前，我們不妨先回到課堂，來説一點這方面的背景知識，在很多 Tesla 的宣傳材料中會有這麼一句：
引用在比較新的 Tesla Model S 和 Model X 車上搭載了他們 Autopilot 自動輔助駕駛系統。很多媒體喜歡把 Autopilot 翻譯成自動駕駛，其實 Autopilot 這個詞來源於飛機、列車、輪船領域的輔助駕駛系統，引用維基百科的定義：
引用An autopilot is a system used to control the trajectory of a vehicle without constant ‘hands-on’ control by a human operator being required.
自動駕駛是一個用來控制載具軌道而無須人工一直干預的系統。
而我們常説的自動駕駛汽車，無人駕駛，其實是另一個單詞：Autonomous car，引用維基百科的定義：
引用An autonomous car (driverless car, self-driving car, robotic car) is a vehicle that is capable of sensing its environment and navigating without human input.
自動駕駛車（無人駕駛車，自駕駛車，機器人車）是能自動感應周圍環境並且無需人干預而自動導航的載具。
所以前者Autopilot在業界（航空，火車，輪船等）早有習慣對其定義是一種輔助駕駛系統，主要目的是節省駕駛員精力，在無須駕駛員連續干預的情況下，自主完成既定的部分航線。
而後者則是指載具能自主完成航線規劃以及行進。兩者很主要的區別是人的參與度，前者需要人蔘與，而後者完全不需要人蔘與。
現在的問題是這兩個完全不同意義和背景的單詞，被翻譯成中文都成了“自動駕駛”。所以人們的誤解先從這裏開始，在英語國家看來Autopilot指的就是飛機上那種輔助系統，但是到了中國，就變成了無需人而自動上路的車。也無外乎在一個月前，Tesla 官方把翻譯從自動駕駛換成了自動輔助駕駛：
雖然兩者在中文環境都能翻譯成自動駕駛，顯然自動輔助駕駛比自動駕駛更能表明Autopilot這個系統的實際用途，否則也不會有這次中文改名了：
所以現在我們統一了對自動駕駛的定義，我們來看看 Tesla 的這個自動輔助駕駛系統 Autopilot 背後究竟是什麼技術，為了不引起困擾，我會在後文中分別用對應的自動輔助駕駛來指代 Tesla 的 Autopilot，用自動駕駛來指代業界對無人駕駛的定義。
Autopilot 1.0 —— 借水行舟的 Tesla，被炒得沸沸揚揚的致死車禍究竟錯在哪兒？
説到 Tesla 這個自動輔助駕駛，就必須先説目前第一代 Autopilot 背後的功臣：Mobileye。
Mobileye 是一家創立於以色列的公司，專注於 ADAS（高級輔助駕駛系統）的軟硬件開發，其特有的 EyeQ 視覺識別芯片以及 ADAS 軟件被應用於多家汽車廠商，其中最近的 EyeQ3 芯片幾乎賣給了所有的知名汽車廠商。
Mobileye 技術的獨到之處在於：自由空間標記、啟發式路徑尋找、道路避障和路牌識別。由於 Mobileye 的視覺識別芯片被廣泛應用於汽車領域，所以 Tesla 找上 Mobileye 採購專用視覺識別芯片並不意外，但是有意思的是 Tesla 並沒有完全採用 Mobileye 的軟件，而是通過自己的軟件結合 Mobileye 以及 NVIDIA 硬件來實現了自己的自動輔助駕駛 Autopilot。
在當時被炒得很熱的那起 Tesla 撞上高速上轉向的大卡車致死事故中，其實是 Tesla 自動輔助駕駛時，由於系統沒能正確識別橫向來的卡車，自動輔助駕駛中的緊急剎車功能沒能正常啟用導致的。而緊急剎車沒有啟用是因為自動駕駛系統沒有發送開啟指令，自動駕駛系統沒有發送指令是因為給予當時攝像頭採集的畫面，誤判橫行而過的卡車是橫在路上的路牌。
這裏面暴露了 Mobileye 技術的幾個不足：
引用Mobileye 的攝像頭接受的是光的反射，如果攝像頭效果受影響，例如在黑暗場景中沒有了光線，那麼識別能力大打折扣。
Mobileye 的攝像頭獲得的是 2D 平面數據，需要圖像識別的加工才能得到有價值的 3D 場景。
Mobileye 的攝像頭方案對道路場景的變化反應有限，全靠即時的系統自主判定。
Mobileye 的攝像頭數據獲取是一種被動的方式，它蒐集的數據都是已經發生的事，並且還有延遲。
所以這起車禍時，攝像頭剛好遇到太陽下山時強烈的背光導致識別能力不足，收集到的數據不完備，而這不完備的 2D 數據又經過圖像識別加工成錯誤的 3D 場景，讓車誤判了前方的路況，從而釀成慘禍。
從根本上説，這次車禍是在一個非常極端的情況下，各種負面因素累加而成的結果。雖然技術上來説一次漏報並不足以對整個自動輔助駕駛系統判死刑，但是不能不説這次事故不夠警醒，這裏面的教訓讓 Tesla 延遲了計劃中的 8.0 系統的發佈，直接加速雷達主導的自動輔助駕駛時代的來臨。
從這次嚴重的事故至今已經過去了有小半年，Tesla 在路上行駛的的車更多了，使用自動輔助駕駛的車也更多，但是並沒有再發生類似的事故。這也一定程度上也佐證了那次事故的唯一性和漏報特徵：因為如果這是一次誤報的話，類似的事情應該隨着用户的增加而層出不窮才對。就像現被報道的某廠熱門手機，由於電池的故障導致充電可能爆炸，全球召回耗資 10 億不説還得承擔巨大的信譽損失。
Tesla 自動駕駛 1.0——是遊刃有餘還是如履薄冰？
説完了 Tesla 自動輔助駕駛技術的來源，我們現在來看看 Tesla 的自動輔助駕駛是怎樣一種技術，又是如何煉成的：
在看之前，我們不妨回顧一下目前業界對車自動駕駛等級的定義：參照美國的標準，其中 NHTSA 是美國國家公路交通安全管理局，SAE 是美國汽車工程師協會。
目前 Tesla 的自動輔助駕駛 Autopilot 達到了第二級，部分實現了第三級功能，在向完整實現第三級乃至第四級邁進。同時目前業界和學術界對自動駕駛的實現方法來説主流是攝像頭和 Lidar，雷達都是作為輔助信號。
引用Lidar，攝像頭，雷達之間有什麼區別呢？
Lidar，俗稱的激光雷達。
攝像頭，以 Mobileye 舉例就是特殊定製的單色攝像頭，位於車頂玻璃上方。
而雷達，則是分佈於車四周以及前方的雷達探測點。
在很多自動駕駛開發平台上，往往是綜合運用這三者，然後通過相應的軟件算法去處理這些設備收集而來的數據。雷達穿透力很強，不受雨霧等環境影響，也不受限於光線，但是生成的 3D 環境圖在 Tesla 8.0 自動輔助駕駛公佈之前並沒有多少實際應用範例。
Lidar 穿透力其次，但是可以生成 3D 影像圖，但是成本巨大，甚至達到整車的成本，同時體積也是個需要解決的問題，多為學術界和研究時的標配，在量產路上還需要很長的時間，此外 Lidar 由於是可見光域，所以也受到雨，塵埃，霧的影響，同時反射效果並不強。
攝像頭沒有穿透力，需要光線，只能獲取 2D 圖像，3D 環境建模只能靠算法理解，一旦獲取的圖形有誤差，會極大的影響最終分析結果，好處當然是成本非常低，而且技術普遍被工業界研究，例如 Mobileye，NVIDIA 等圖像識別巨擎。
簡單分析完三種技術的優劣，我們來看 Tesla 的自動駕駛方案，下面的截圖來自於Tesla 自動駕駛部門負責人 Sterling Anderson 在 2016 年 5 月於 MIT 的演講，Sterling 一上台就開門見山的説 Tesla 為什麼要搞自動駕駛：
引用為了“更快的推進世界向可持續能源前進”，這個願景被轉化成兩個目標：讓我們的交通資源更高效和讓我們更高效的使用目前的交通資源。
所以第一條便是指 Tesla 的電動車，電能存儲等技術，第二條便是對應的自動駕駛系統，正是目前低效的駕駛系統和各種人為失誤導致每年單在美國就有 3 萬 3 千人喪生，55 億個小時被堵車浪費掉，同時還需要 2740 平方公里用來作停車場。
Tesla 目前在Model S和Model X上面採用的自動輔助駕駛系統集成了 12 個超聲波雷達，用來識別周圍環境，1 個前置攝像頭，用來辨識前方物體，1 個前置雷達，用來辨識前方物體以及衞星高精度地圖來進行輔助。
接下來的部分便十分有趣，Tesla 雖然在所有車上面內置了自動輔助駕駛的硬件，但是真正把完整的自動輔助駕駛交給用户其實是一個不短的過程，而這其中促成這一切的關鍵是 OTA 空中更新——最初的Tesla只是擁有道路輔助警告，依靠每一輛Tesla都擁有免費的無線 3G／4G LTE 網絡，通過 OTA 來獲取最新的軟件和功能進一步擴展輔助駕駛的潛力。
所以我們口中的 Tesla 自動輔助駕駛其實是一整套套件的合集，Tesla 每次開放一點，最後完整成一體才有了我們現在看到的自動輔助駕駛 Autopilot。這其中每一次更新都經過了內部測試，封測，路測，驗證以及更新到實際 Tesla 車隊，再通過車隊反饋數據進一步加強自動輔助駕駛。所以不同於 Google，Apple 目前閉門造車搞無人駕駛，Tesla 是採用了一種迭代和漸進式的方式來逐步實現真正意義上的無人駕駛，兩種方式各有優劣，後面會進一步分析。
有幾個重要的數據：從自動輔助駕駛硬件開始收集道路數據開始到 2016 年 5 月，Tesla 收集了 12。5 億公里的數據，從自動輔助駕駛激活到 2016 年 5 月，Tesla 收集了 1.6 億公里的數據，每天會記錄 420 萬公里里程數據（現在這個數據已經擴大到 500 萬公里），只需要大約 6 小時便可以收集 100 萬公里數據。
這是個什麼概念？
Google 的自動駕駛汽車，從立項到現在 4 年一共也就積累了不到 250 萬公里的數據。Tesla 只需要 15 個小時便達到了…… 這指數級的差別註定了對後面 Tesla 8.0 更新的大換血埋下了伏筆。
Sterling 專門舉例説 Tesla 的自動輔助駕駛性能從最初不如人工駕駛到目前遠超人工駕駛全靠一步一步的通過真實數據去對比和學習。下面是 Tesla 自動輔助駕駛一個月中的數據對比：自動輔助駕駛時，Tesla 可以更長時間保持在道路中心，對比人工駕駛只有不到 1/3 的時間能做到完全居中，差別非常顯著。
來自車主的感慨：我為什麼還在使用自動輔助駕駛？
自動輔助駕駛並非完美，目前的版本依然需要人為控制變道信號以及進出匝道等，對道路的需求也限制在高速和城市，而且一旦遇到稀有的特殊情況，加上人的疏忽大意，可能造成生命財產的損失。 所以作為駕駛者，在享受科技帶來的便利性的同時一定要負責的合理使用，而不是濫用。
筆者以為無論什麼技術，安全是首要目的，但是無論技術本身如何安全，用户都需要：
引用1. 相信這個技術
2. 懂得怎麼去使用這個技術
3. 想要使用這個技術
而 Tesla 的自動輔助駕駛 Autopilot 成功的在這三點上面説服了筆者，據 Tesla 官方的數據，開啟了自動輔助駕駛的 Tesla 每天積累的里程是 500 萬公里，所以顯然筆者的選擇並不孤單，因為有千萬的用户跟筆者一樣天天在使用自動輔助駕駛。同時啟動輔助駕駛就跟開啟自動巡航一樣簡單：只需要向駕駛員方向快速撥動撥杆就能啟用，往前撥動撥杆，轉動方向盤或者剎車都會自動取消自動輔助駕駛。
在使用之前，筆者詳細的閲讀了使用教程非常明確該系統的能力以及侷限性，所以按照Tesla的要求，規範的去使用。最開始的幾分鐘是最驚恐的：看着車的方向盤自己轉動，反射性的想去控制；看着前車減速，不自覺的把腳伸向剎車；看着車自己變道，超車，心裏無不捏着一把汗…但是隨着使用時間的增加，筆者慢慢的放鬆了緊張，更多的時候是在享受。隨着車自己一次又一次在不同環境下證明自己，筆者越來越離不開自動輔助駕駛了，有時候哪怕是很短一段路，我都想依靠自動輔助駕駛。
這種感覺就像是第一次使用 iPhone 的指紋識別 Touch ID，在其以前我用過很多帶指紋識別的設備，最後無比因為粗劣的用户體驗而放棄。突然在 iPhone 上面手指往 Home 鍵一放，直接進入桌面，那種識別率和識別方式的質變直接把用户體驗上升到新的高度。
聊天軟件不再紀錄宂長的密碼，銀行 app 不再需要短信驗證碼，ApplePay 輕觸一下掃描指紋就能完成支付… 而 Tesla 的自動輔助駕駛的體驗就是這樣：上手簡單，功能易用，效果出色。而頻繁的正向反饋又促使樓主進一步去探索和挖掘他的潛力，直到再也離不開自動輔助駕駛。
對很多公司來説，自動駕駛是個先有蛋，還是先有雞的問題：“沒有足夠的數據，無法做到完美的自動駕駛”，但是，光靠實驗室和研究人員有限的室外測試，數據來得又太慢，技術又無法進步。
這個問題上，Elon 帶領下的 Tesla 選擇了先向公眾開放，再逐步完善的辦法，因為 Elon 相信目前的自動駕駛安全性已經超過人類，既然能救命何不開放給公眾？
所以筆者反對那些在自動輔助駕駛評測和體驗中不負責任和不顧安全的行為。應該在充分知曉自動輔助駕駛性能和限制的前提下，合理使用自動輔助駕駛，同時希望Tesla繼續改良自動輔助駕駛，使其更加完善，直到真正的自動駕駛實現。
回到最上面的問題，究竟是 Google 式的閉門造車一口氣實現 Level 4 的自動駕駛好，還是 Tesla 式的從 Level 2 一路向 Level 4 自動駕駛循序漸進好？
如果用 Elon Musk 自己的話來説：
引用我們目前的自動輔助駕駛已經被證明能提供比手動駕駛安全性，在道路致死率上面是世界平均水平的 1/3。即便是退一萬步來講，我們的系統只比人工好 1%，那麼一年車禍導致的 120 萬人裏面，我們也能拯救 1 萬 2 千人。
所以我覺得如果你有這樣一個提高安全的技術，僅僅因為怕輿論或者法律起訴就雪藏起來，這在道德上是錯誤的。
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊