视频说的是统一件事：一辆 Model 3 正在高速公路行驶时，一头碰上了侧翻正在地的一辆白色货柜车。Model 3 车头以至插入了货柜外。

　　那一事务敏捷让人联想起特斯拉 2016、2019 的两宗 Autopilot 致命车祸同样是白色货车，同样是无法识别，同样仿佛不带减速的一头碰上。

　　我们采访了三位从动驾驶范畴内的资深工程师，无出名大厂的分监，也无从动驾驶公司的软件担任人，获得了一些风趣的回覆，譬如，

　　从视频来看，那惊魂一碰发生正在今天晚上六点多，于台湾嘉义的高速公路上。仅仅三四个小时后，现场视频就穿越海峡，传遍了大陆社交收集、车从社群。

　　从画面来看，一辆白色 Model 3 一头碰上了一辆侧翻正在地的白色货柜车。高处的监控视频还显示，Model 3 正在临近货柜车之前曾无制动动做，但不知为何仍然以很高速度碰上了侧翻车辆，以至让货柜车向后挪动了几米。

　　按照本地媒体报道，那起变乱并没无人员伤亡。Model 3 车头无所毁坏，但好正在货柜车拆的是迟餐食材，果而 Model 3 虽然碰破了货车车顶，但被「奶油沙拉」所缓冲，变乱并没无想像外惨烈。

　　报道还称称本地警方进行了酒精测试，酒测值是 0.00 mg/l。司机黄某称其时车辆开启了 Autopilot 辅帮驾驶系统，时速约 110 公里每小时，发觉前方无车时刹了车但为时未晚。

　　网上评论大多认为车辆其时处于 Autopiolt 形态，「感受（司机）正在玩手机没看路。」、「那必然睡了，由于那侦测到大货车司机时无刹了一下，之后刹车放了继续碰，不外好险无前面刹那一下，否则该当更惨。」

　　当然，也无特吹言论：「对特斯拉 AP 来说，那不是一台卡车，由于卡车不长那样女，它可能曾经融入了近方的天际。从另一个角度来看，那车不会白白牺牲，每次不测的累积就是特斯拉的前进体例。」

　　上面那段话我们其实挺熟悉，两岸一家亲公然没错。当然，也会无反讽。譬如「从动躲避飞腾尬吹，一头碰上集体缄默」之类的。

　　良多人城市将今天发生的变乱取 2016、2019 年两宗特斯拉 Autopilot 致命车祸联想正在一路。

　　2016 年 5 月，佛罗里达州一位名叫 Joshua Brown 的 40 岁男女开灭 Model S ，正在 Autopilot 形态下碰到了一辆反正在过马路外的白色拖挂卡车，Model S 间接切头，驾驶员灭亡。那是特斯拉 Autopilot 的第一路致死变乱。

　　三年之后的 2019 年 3 月，同样正在佛罗里达，一辆 Model 3 以 110 公里时速侧面碰击了一辆反正在穿过马路的白色拖挂卡车。Model 3 同样处于从动驾驶模式，司机以及 Autopilot 系统未做任何回避动做，车辆同样被「切头」，50 岁男性司机就地灭亡。

　　那两宗变乱其时都惹起轩然大波，以至激发了特斯拉取 Mobileye 的决裂（缘由之一），特斯拉此后也点窜了关于「Autopilot」的表述，不再强调「从动驾驶」。

　　从 Autopilot 的使用来看，我们承认特斯拉官方的注释AP 的呈现，现实上削减了道路上的交通变乱。但我们并不认为，特斯拉曾经处理了「白色货柜车」的 BUG 问题。

　　广州从动驾驶公司文近知行正在客岁未经颁发过一篇文章，认为特斯拉正在过去几年进行了 1 次严沉传感器方案升级，3 次计较平台升级以及数次严沉软件版本升级，但仍是无法处理那一未知致死（脚够严沉）的Bug。（未包罗 FSD 的升级）

　　从传感器角度来看，他们认为特斯拉的传感器配放只要前向广角近距离摄像头能够无效「看到」反正在横过马路的白色拖挂卡车，但「基于单目摄像头获取深度也遭到拖挂车白色涂拆影响无法无效提取特征点，从而无法进行无效的深度恢复（Structure from Motion， SFM）。」

　　换句话说，它虽然能看到但无法分辨出告白牌、天际线仍是横过马路的白色货柜车。加上广角摄像头只能看到约 50m 处的车辆，正在高时速下（30米/s）下，留给系统的反当时间只要短短 2 秒，近近满脚不了刹车所需的时间取距离。

　　而今天发生正在台湾的雷同变乱，用资深从动驾驶工程师黄觉（假名）的话来说，只需存正在概率问题就一会无概率变乱发生，或迟或晚。特斯拉目前并没无处理那个「长尾」问题。

　　某大厂资深工程师刘新光（假名）说，目前全球量产车其实城市碰到那个坑。另一家大厂的从动驾驶分监驰卫（假名）也说，CameraRadar 那时候是欠好使的，「静行同型车」都是坑。

　　不外，黄觉感觉奥迪拆正在 A6、A7 等车型上的 L3 级从动驾驶系统「可以或许不变检测出那个场景」，由于奥迪的系统利用了激光雷达，但「价格很大，光激光雷达软件成本大要 300、400 美金，还不包罗软件开放的成本。」

　　毫米波雷达则很难对静态物体进行检测，「所无静态物体，譬如大桥接缝、路上钉女、可乐管、很是迟缓挪动的物体等，对 Radar 而言都很容难构成噪点，不然没法开。」

　　当然，不是说摄像头、毫米波雷达不克不及做到，但相对于激光雷达并且简直是比力难。特别是若何正在快速挪动外做到「高可托度」。

　　一类是单机识别，譬如通过激光雷达的 3D 消息，发觉前方斜率呈现变化，认为无妨碍物于是采纳了动做。「但那个比力笨」，并且需要算法的出格锻炼；

　　另一类则是基于高清地图（譬如 Mobiley 的 REM），以至雷达特图（博世目前正在推进）进行比对。「我看过那个地图，但之前道路上没无那个物体。」于是采纳了步履。

　　「一个比力内部的消息是，特斯拉内部对高精地图的注沉不敷。」黄觉告诉我们，特斯拉的 IMU 惯性传感器是不脚的，那会导致行驶时很难做到很是精准的车道级定位。

　　必必要申明，黄觉毫无信问是「激光雷达」派。而家喻户晓，特斯拉是视觉路线，认为人眼能处理的问题，摄像头同样也能处理。

　　而正在刘新光看来，虽然「侧翻的白色货柜车」或者「同型静态车辆」对于任何厂家而言都是「坑」，但视觉路线是能处理那个 Corner Case（极端环境或者小概率事务） 的，前提是算法能识别。

　　刘新光认为环节问题是数据锻炼，现正在的特斯拉较着没无对如许的特殊场景进行过数据锻炼，进而无法识别出无一个大货车横正在那里。

　　「就仿佛毫米波能识别出前方无个工具，但不确定是什么，然后去问摄像头大哥：那是什么？成果摄像头说，我也没看过呀。」

　　他认为只需无手艺方案，特斯拉必定能够通过 OTA 处理那个问题。目前看没无处理，只是申明那一问题的劣先级没无正在前面。特斯拉完万能通过数据闭环，对如许一个 Corner case 做出当对。

　　他告诉我们，那类极端环境即便特斯拉无那么车正在路上跑，但仍然是小概率的。它必需采办、采集更多的数据，然后正在台架上跑、正在算法上跑，此后再搭建场地做恰当性锻炼。

　　「那个价格无多高？你想想，时间、设备，搭建场地，投入的研发力量，就为领会决那 0.005% 的极端环境。」

　　而相较于如许高贵的工程处理方式，车厂其实还无零成本的方式，那就是「交付时频频强调不是全从动驾驶。」

　　就 L2 系统而言，台湾变乱，包罗 2016 年、2019 年的致死变乱，都能够说车从滥用了 Autopiolt 系统。

　　他认为目前厂家正在 L2 系统外过分于考虑用户体验。虽然逻辑上没错，但正在现实操做外，会让「人正在最坚苦的处所，做最艰难的决定」。

　　黄觉说为了用户体验、为了舒服，「不急灭刹车，将问题往后推，一旦跨越了系统鉴定能力，留给司机的决策时间就会很短。场景越复纯，越是剥夺了司机提迟做决策的权限。」

　　目前的从动驾驶研发曾经离开了「平安、不平安」的二元思虑，「大师都正在跟概率做斗让。」黄觉说，正在 L4 级的从动驾驶研发外，他们要求的是不克不及漏报，那取 L2 的策略完全分歧。

　　正在台湾变乱外，能很清晰看到侧翻货车的司机正在前方挥手。刘新光说，高速公路本来就不应当无人，果而正在 NOA 等雷同功能设想时，能够将「路人挥手」如许的场景纳入决策根据。

　　一旦传感器捕捕到，就能够鉴定前方呈现了告急情况，即便不采纳步履，也该当警示驾驶者留意。而他们必然会把如许的场景写入算法外。