自動駕駛汽車還有哪里不完美

讓我們從技術角度透視這起致命事故——事實是，現在的自動駕駛汽車恐怕沒有廠商宣傳的那么神通廣大。

當下的自動駕駛汽車從外觀來看依然沒有脫離常規汽車的設計思路，不過它們“身上”通常遍布各種傳感器，車內則藏著多臺性能強悍的計算機。車載傳感器陣列一般由攝像頭、雷達和激光雷達組成，它們會將采集到的數據回傳給車載計算機系統。

如果非要打個比方，自動駕駛汽車的視角就像在玩一款上世紀80年代風格的第一人稱賽車游戲。

在它們眼中，世界是一個擁有X、Y和Z軸的三維格柵。在從A點行駛到B點時，自動駕駛汽車會利用高精度GPS穿過格柵。當然，其他車載系統也必不可少。

舉例來說，車載激光雷達會向各個方向發射激光，并利用激光的飛行時間來描繪自己周邊的“圖像”，就像靠回波躲避障礙的蝙蝠。除此之外，攝像頭還會緊盯道路標線并不斷回傳數據保證車輛不跑偏。

總的來說，這設計得非常精妙，但它并不完美。

圖像識別有瑕疵

自動駕駛汽車會使用深度神經網絡算法來“識別”圖像。

當激光雷達識別一個障礙，攝像頭就會拍攝一張照片，隨后計算機利用深度神經網絡識別出圖像的含義。如果識別出“停止標識”，車輛就會減速并在合適的位置剎停。

工程師還專門設計了雙保險，如果識別結果不如預期，車輛內置的地圖就要派上用場，它會給車輛提供準確的停車坐標。但GPS也有自己的弱點。

不過，深度神經網絡戰績并不輝煌，它會將黑人錯認為黑猩猩。實驗室的測試結果也顯示，只要稍作改變，深度神經網絡就會不起作用了。一些對人來說簡單的小改裝，比如在停止標識上貼一個閃耀的獨角獸貼紙，可能就會造成圖像識別錯誤。

自動駕駛汽車視力還沒達到 2.0

在剛剛修建完畢的公路上，自動駕駛汽車識別起標線來毫無壓力，但在年久失修、標線已經有些斑駁的老路上，他們就會徹底蒙圈。

一個殘酷的事實是，基礎設施建設和維護是一個“燒錢”的無底深淵，嶄新的道路并非大多數。在雪地或其它惡劣天氣中，自動駕駛汽車“眼睛”也不能進行非常精準的識別。

舉例來說，被各路專家熱捧的激光雷達就有自己的極限，在雨雪或塵埃漫天的天氣中，激光束遇到空氣中的微粒就會發生反彈，反饋錯誤的數據。

汽車大腦反應不夠快

在日常通勤中，你肯定見過停在路邊的救火車和垃圾車等，對人來說這種龐然大物太容易識別了，但對自動駕駛汽車來說它們卻近乎隱形。這是為什么？

因為自動駕駛汽車有停止和啟動的問題，它們的計算能力有限，為了維持運轉，只能放棄對那些靜止物體未來動作的判斷。因此，如果路邊的救火車突然動起來，自動駕駛汽車可能就會反應不及造成追尾事故。

雖然自動駕駛汽車搭載的超級計算機的算力以微秒來算，但它暫時還不會進行計算能力的調配，必須按順序處理數據。因此，如果自動駕駛汽車撞上目標巨大的消防車也別奇怪。更重要的是，自動駕駛汽車可沒有自我保護的本能，它無法應對那種電光火石般的情況，要么撞上消防車，要么失控撞上路邊的行人。

GPS太脆弱

對自動駕駛汽車來說，如果GPS信號沒了，恐怕危險就會隨之而來。

如果你了解信號干擾器，恐怕就會脊背發涼，因為一個能裝進口袋的GPS干擾器50美元就能從網上買到。在美國，有不少卡車司機就是使用這種設備逃脫過路費。

自動駕駛汽車還要靠GPS導航，如果一輛高速上的自動駕駛校車旁邊突然出現一輛裝了干擾器的卡車呢？