这份深度事故调查揭示了特斯拉纯视觉方案的安全风险

今年4月，美国一辆特斯拉Model S在启用FSD全自动驾驶功能时，撞死一名骑摩托车的男子。

这至少是公开报道的第二起FSD系统致死事故。

司机承认，在FSD启用时，他正在看手机。虽然特斯拉一直强调其“完全自动驾驶”软件需要驾驶员时刻保持监督，但这种标语几乎无法阻止试图鲁莽行事的司机。

这位司机最终因开车撞死人而被捕，其依据是该司机承认在自动驾驶模式下不关注驾驶状态，完全信任由电脑为它驾驶。

虽然司机分心是事故发生的原因之一，但归根结底，无论是FSD全自动驾驶系统，还是Autopilot辅助驾驶系统，终究是特斯拉的纯视觉智驾技术不可靠。

最近，《华尔街日报》发布了一份针对特斯拉Autopilot系统的事故调查。

自2021年起，美国国家公路交通安全管理局（NHTSA）调查了上千起特斯拉Autopilot 碰撞事故，但调查结果从未向公众公布，因为特斯拉认为这些数据属于公司。

《华尔街日报》将海量事故数据与联邦文件和当地警方记录进行综合分析研究，最终成功解密了上千起事故中的222起，其中有41起事故中，Autopilot突然转向，31起未识别到障碍物直接发生碰撞。他们得出结论：特斯拉涉Autopilot事故背后的罪魁祸首是——纯视觉方案。

杜克大学自动驾驶专家米西·卡明斯 （Missy Cummings）表示，特斯拉Autopilot严重依赖摄像头纯视觉方案，这一选择与世界上大部分主流汽车公司的多传感器方案（毫米波雷达+摄像头+激光雷达）背道而驰，特斯拉的做法无异于将公众直接暴露在车祸危险面前。

尤其是激光雷达，它通过激光测距，是一种可以帮助检测障碍物的传感器。曾经激光雷达非常昂贵，一颗成本高达几万美元，这是特斯拉放弃该传感器的核心因素之一。但现在，一颗激光雷达已经降到500美元之下了。

根据《华尔街日报》公布的调查视频，在实际应用场景下，特斯拉纯视觉方案表现很不稳定。视频公布的12个车祸画面中，有8个发生在夜晚，有2个发生在凌晨或黄昏光线不佳的情况，夜晚和光线不佳的车祸占比高达83%。

卡内基梅隆大学的电气与计算机工程副教授菲尔·库夫曼分析称，Autopilot 容易出错的地方在于遇到那些没有训练过的情况，比如翻倒的货车。

基于任务学习的视觉算法对目标的认识是靠海量案例堆砌出来的，如果没有对应案例给算法训练，就无法认识出前方的障碍物，即便那些障碍物在人类眼里显而易见。

除了非常依赖光线条件和需要海量案例训练，《华尔街日报》还揭开了纯视觉方案的另一项短板：多摄像头画面之间的不一致会导致识别错误。

夜晚，人眼可见一辆撞毁的皮卡挡在路中，特斯拉的一个摄像头可以看到它，但另一个摄像头看不到。当距离障碍物越来越近时，Autopilot仍处于蒙圈状态，悲剧发生。

米西·卡明斯认为：“纯视觉方案是一项存在严重缺陷的技术，如何修复漏洞，如何让它正确识别物体，在这些方面我们还有太多工作要做。”

一位长期修理报废特斯拉的技师Ray Diaz在接受《华尔街日报》采访时表示：“特斯拉声称他们提供颗粒度非常细的驾驶数据，但这些数据必须拆开车辆，从车载内部计算机中提取。而在我看过的视频数据中，有一些是司机鲁莽驾驶，还有一些我不明白为何会撞上去，这令人分不清是司机的问题还是Autopilot的问题。”

马斯克曾说，Autopilot能够避免数千万人受到严重伤害。但他没说的是，一场场事故成为了纯视觉方案的“训练素材”。

眼下，国内自动驾驶公司也大致分为视觉派和激光雷达派。随着端到端概念的兴起，视觉派似乎占据了上风。只要算力够大，纯视觉端到端方案能够快速学习到覆盖95%的场景。看上去很牛，但剩下5%的未覆盖场景对于真实用车环境来说，就是各种潜在大概率事故风险。

事实上，在与国内不少厂家工程师的沟通中，他们普遍认为纯视觉方案无法保证足够的安全性，激光雷达这类传感器的角色不该再是马斯克口中“昂贵的阑尾”，而是与视觉系统互相配合的必要元件。

随着禾赛科技、速腾聚创等激光雷达技术日趋成熟，当前一颗激光雷达成本已经降到了两三千元，而比亚迪、亿咖通等甚至表示可将激光雷达成本做到千元级别。对于一台几十万元的车来说，这点成本提升不算什么。

毕竟，智驾的底线是安全，而不是便宜。