等線對(duì)于社會(huì)大眾來(lái)說(shuō),，他們希望,，自動(dòng)駕駛汽車(chē)能遵循比人類(lèi)駕駛員更為嚴(yán)格的標(biāo)準(zhǔn),。就在上周,，Elaine Herzberg女士在美國(guó)亞利桑那州不幸被一輛處于自動(dòng)駕駛模式的Uber汽車(chē)撞倒,，最終搶救無(wú)效身亡,。在這場(chǎng)悲劇發(fā)生之后,，真的是時(shí)候思考一下傳感和決策對(duì)于安全的意義了。

　　首先,，我們當(dāng)前所面臨的一大挑戰(zhàn)就是解讀傳感器信息,。從警察公布的視頻中似乎可以看出，即便檢測(cè)和分類(lèi)對(duì)象的能力是自動(dòng)駕駛汽車(chē)系統(tǒng)中最基本的構(gòu)建模塊,，但其實(shí),，這也是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。然而,，這種能力是當(dāng)前高級(jí)駕駛輔助系統(tǒng)（ADAS）的核心,，該系統(tǒng)囊括自動(dòng)緊急剎車(chē)（AEB）和車(chē)道保持等功能。數(shù)十億英里的行駛里程足以驗(yàn)證,，ADAS中的高精度傳感系統(tǒng)正在挽救生命,。同樣地，在克服更大的挑戰(zhàn)之前,，這種技術(shù)也是未來(lái)全自動(dòng)駕駛汽車(chē)所需要的基本要素,。

　　為了證明當(dāng)前ADAS技術(shù)的能力和精妙之處，我們?cè)赥V監(jiān)視器的視頻中運(yùn)行了Mobileye的軟件,，這臺(tái)監(jiān)視器播放了警方提供的事故片段,。盡管狀況不佳——有可能很多事故現(xiàn)場(chǎng)的高動(dòng)態(tài)范圍數(shù)據(jù)已丟失，但Mobileye的軟件依舊在撞擊前大約1秒的時(shí)候,，就清晰的檢測(cè)到了,。下方的圖片展示了三張快照，上面檢測(cè)到的自行車(chē)邊界框和Herzberg女士,。該檢測(cè)有兩個(gè)獨(dú)立運(yùn)行的來(lái)源：模式識(shí)別（產(chǎn)生邊界框）和一個(gè)“自由空間”檢測(cè)模塊（產(chǎn)生水平圖,，其中紅色部分表示紅線上方出現(xiàn)了一名“路人”）。利用運(yùn)動(dòng)結(jié)構(gòu)（技術(shù)術(shù)語(yǔ)為“平面+視差”）,，第三個(gè)模塊可以區(qū)分道路和物體,。這樣就驗(yàn)證了檢測(cè)到的物體是3D的,，但可信度較低，因此被描述為“fcvValid: Low”,，而顯示在屏幕左上方,。出現(xiàn)低可信度是因?yàn)椋颂幦笔a(chǎn)型車(chē)輛通?？捎玫男畔?，并且圖像質(zhì)量較差，畢竟,，在行車(chē)記錄儀拍攝的視頻基礎(chǔ)上再次拍攝,，可能會(huì)存在某些未知的縮減采樣。

　　圖像來(lái)源于警方公布的TV監(jiān)視器上的視頻片段,。重疊的圖像顯示了Mobileye ADAS系統(tǒng)的響應(yīng),。綠色和白色邊界框是自行車(chē)和行人檢測(cè)模塊所輸出的結(jié)果。水平圖顯示了道路和障礙物之間的邊界,，我們稱(chēng)之為“自由空間”,。

　　此次實(shí)驗(yàn)所使用的軟件與當(dāng)前配備ADAS的車(chē)輛采用的軟件相同，并已經(jīng)在數(shù)十億英里的用戶行駛里程中得到了驗(yàn)證,。

　　現(xiàn)在,，像深度神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)的發(fā)展，讓很多人認(rèn)為,，高精物體檢測(cè)系統(tǒng)已經(jīng)可以被輕松地開(kāi)發(fā)出來(lái),，而那些計(jì)算機(jī)視覺(jué)專(zhuān)家十幾年的經(jīng)驗(yàn)則被視為大打折扣。這使得很多新手涌入這一領(lǐng)域,。雖然這些新技術(shù)的確有用,，但很多傳統(tǒng)依舊不能忽略，這包括識(shí)別和完成數(shù)百次極端情況的測(cè)試,、對(duì)數(shù)千萬(wàn)英里數(shù)據(jù)集的注釋以及在數(shù)十個(gè)ADAS項(xiàng)目上進(jìn)行極具挑戰(zhàn)性的試生產(chǎn)驗(yàn)證測(cè)試,。經(jīng)驗(yàn)至關(guān)重要，尤其是在安全為先的領(lǐng)域,。

　　對(duì)事件的第二個(gè)觀察是透明度,。人人都說(shuō)“我們把安全放在最重要的位置”，但我們認(rèn)為,，要想獲得公眾信任,，就必須更加透明。正如我在去年10月在Mobileye發(fā)布責(zé)任敏感安全模型（RSS）時(shí)所說(shuō),，決策必須符合人類(lèi)判斷的常識(shí),。我們將“危險(xiǎn)情況”和“正確響應(yīng)”等常識(shí)概念做了數(shù)學(xué)公式化設(shè)計(jì)，并建立了一個(gè)從數(shù)學(xué)上確保符合定義的系統(tǒng)。

　　第三個(gè)觀察則是冗余,。真正的感知系統(tǒng)需要有冗余設(shè)計(jì),，而且，必須依賴(lài)于獨(dú)立的信息源：攝像頭,、雷達(dá)和激光雷達(dá),。把這些信息源整合起來(lái)，有助于提高駕駛舒適度,，但不利于安全,。為了展示我們獲得了切實(shí)的冗余度，Mobileye開(kāi)發(fā)了獨(dú)立,、僅攝像頭的端到端系統(tǒng)以及獨(dú)立的激光雷達(dá)和僅雷達(dá)系統(tǒng),。

　　如果類(lèi)似上周的事故再次發(fā)生，用戶本來(lái)就很脆弱的信任,，將會(huì)被進(jìn)一步降低，并可能引發(fā)被動(dòng)監(jiān)管,，最終扼殺這項(xiàng)重要的工作,。正如我在介紹責(zé)任敏感安全模型時(shí)所說(shuō)，我堅(jiān)信,，現(xiàn)在就需要對(duì)全自動(dòng)駕駛汽車(chē)的安全驗(yàn)證框架做出有意義的討論,。我們邀請(qǐng)汽車(chē)廠商、該領(lǐng)域的技術(shù)公司,、監(jiān)管部門(mén)以及其它相關(guān)各方一起解決這些重要問(wèn)題,。