特斯拉吹牛 誤導了多少人? 在美國被集體訴訟

京港台:2022-9-27 03:08| 來源:南風窗 | 評論( 2 )  | 我來說幾句

特斯拉吹牛 誤導了多少人? 在美國被集體訴訟

來源:倍可親(backchina.com)

  特斯拉一度是「自動駕駛」概念的領頭人,現在,它面臨失去這一宣傳利器的窘狀。

  9月中旬,特斯拉在美國舊金山成為了一項集體訴訟的被告。訴訟理由是,特斯拉對自動輔助駕駛系統Autopilot和完全自動駕駛FSD(Full Self-Driving)功能進行了虛假宣傳,並因此誤導了公眾。

  原告人布里格斯·馬茨科在訴訟書中表示,特斯拉此舉是為了讓人們對其汽車「感到興奮」,藉此吸引投資、促進銷售、避免破產和推高股價。

  上個月,Model 3車主托萊多也在美國加州法院起訴特斯拉,表示自己駕駛的特斯拉會在根本不存在障礙物的情況下突然剎車,也叫「幽靈剎車」。他認為這是一場「可怕的噩夢」。

  

  美國國家公路交通安全管理局(NHTSA)訴訟截圖

  不止於個體的訴訟,9月2日,美國加州參議院通過了一項法案,擬禁止車企使用「FSD」(完全自動駕駛)的宣傳字眼。該法案目前仍待州長紐森最終簽字通過。

  加州參議員岡薩雷斯表示,該法案針對的目標很明確,就是特斯拉。她認為,特斯拉長期以來僅用細小字體警告其輔助駕駛系統的有限性,但用戶顯然未接受。

  「加州的人們認為FSD是全自動的,但其實根本不是。"

  

  FSD 軟體可以讓駕駛員使用特斯拉的高級駕駛輔助系統 (ADAS) Autopilot 來往於特定目的地以及其他駕駛員輔助功能

  岡薩雷斯的擔憂代表了自動駕駛汽車領域存在已久的爭議。在特斯拉等車企的帶動與「教育」下,人們產生了幻覺:自動駕駛汽車似乎已經觸手可及了。汽車即將實現無人化的未來正逐漸逼近。

  但事故以及引發的輿論危機長期以來伴隨著特斯拉們。只要一出事故,人們對技術、演算法、人工智慧的懷疑與不安又新增幾分。

  還是那幾個普遍關心的問題:自動駕駛安全嗎?什麼在保障人類的安全?

  我們離特斯拉說的「完全自動駕駛」,還有多遠?

  事故禍因

  2022年,當自動駕駛廠商們樂此不疲為新品造勢時,幾場交通事故讓消費端對該技術再生疑。

  7月6日,佛羅里達州阿拉丘亞縣發生一起輔助駕駛技術引起的車禍。據報道,該車在使用特斯拉輔助駕駛Autopilot模式上路時,突然轉向撞上了路上停放的牽引車。駕駛員和一名67歲乘客因此罹難。

  

  7月6日,佛羅里達州阿拉丘亞縣發生一起輔助駕駛技術引起的車禍

  諸多的事故,都有兩個共同點:駕駛員大多分心或雙手沒握方向盤。而開啟輔助駕駛功能的汽車,多數撞向了靜止物體。

  例如,美國國家公路交通安全管理局(NHTSA)近日宣布,調查過去一年由特斯拉Autopilot引起的15傷1死的共計16起事故。

  該機構報告稱,特斯拉的16起車禍大多發生在夜晚。「自動駕駛軟體存在一定識別漏洞,忽略了警示燈、雪糕筒和照明箭頭板等靜止物體。」

  比起軟體的漏洞,業內人士認為,車企的過度宣傳給消費者帶來與現實不匹配的預期,才是更危險的情況。

  某頭部車企市場方向資深從業人士洪澤鑫告訴鹽財經,上述事故「其實是許多廠商給消費者帶來錯誤認知導致的」。

  他認為,部分車企傾向於在新品發布會上公布擁有炫酷自動駕駛功能的demo(樣品),讓人以為可以實現自動駕駛。但在量產時,往往出於價格、消費者接受度等考量,推出低配的輔助駕駛系統。

  洪澤鑫介紹,業內主流的輔助駕駛系統主要採用攝像頭和毫米波雷達兩類感測器融合感知。

  毫米波雷達主要通過電波反射進行障礙物探測,但它「過於敏感,經常發生誤報」。為了保證系統運行流暢,演算法通常會忽略路面不移動的雷達回波,導致靜止物體不易被識別。這也是目前許多智能駕駛汽車面對靜止物體即「宕機」的緣由。

  相比之下,特斯拉採用更特立獨行的純視覺感知方案,即僅靠攝像頭作為圖像採集,憑藉車載的SoC晶元進行實時的運算。

  洪澤鑫表示,依賴攝像頭的感知方案也有短板。視覺感知易受日照、明暗交替等環境干擾。

  而且,「攝像頭就像黑匣子,它一旦出錯了,人類很難解釋哪裡錯了,」他說。

  短板明顯的感知系統,讓輔助駕駛車輛局限性極大。鹽財經記者梳理髮現,包括特斯拉等高階的輔助駕駛系統,目前的配置都很難識別雪糕筒等相對靜止的障礙物。在用戶手冊中,這些車企會標明技術受限的場景,提醒消費者集中注意力,隨時觀察路面情況。

  洪澤鑫說:「如今大眾對於L3級別以下的輔助駕駛認知並不清晰。輔助駕駛更多是在生命垂危時救人一命。比如人如果犯困,它稍微打一下方向盤,讓車不要偏離變道。但人們現在把它當作萬無一失,不容有任何差錯的功能。」

  屢次發生的車禍,提醒人們想象與現實的距離。理想汽車創始人、CEO李想曾發朋友圈表示:「呼籲媒體和行業機構統一自動駕駛的中文名詞的標準,建議統一名稱:L2=輔助駕駛;L3=自動輔助駕駛;L4=自動駕駛;L5=無人駕駛。」

  

  理想汽車創始人、CEO李想曾發朋友圈呼籲媒體和行業機構統一自動駕駛的中文名詞的標準

  上述分級最早由美國汽車工程學會(SAE)提出。

  L2包括自適應巡航、車道偏離警告、AEB自動緊急制動等,目前在特斯拉、「蔚小理」等中高檔產品中廣泛應用。從L2往上,L3至L5才可以稱為自動駕駛。到L5級時,「完全自動駕駛」,即在任何場景都不需駕駛員介入。

  截至目前,在中國市場,沒有任何車企自稱量產了L3級車輛,市面上售賣的也沒有一輛是自動駕駛汽車。但率先將自己的輔助駕駛軟體命名為FSD(完全自動駕駛)的特斯拉,已經極大拔高了人們對自動駕駛技術的預期。

  行業早期,標準仍未明

  無論如何,良好的市場預期一定程度上推動了車企、科技公司競逐L4級自動駕駛賽道。有媒體曾統計,2022年前7個月,在中國的自動駕駛公司累計獲超60筆融資,是少見的頻繁獲得融資的領域。

  

  今年自動駕駛領域已經累計披露超60起融資。圖源:蓋世汽車

  比起L3級仍需駕駛員有限度接管的模式,各家競爭者主要爭做L4級車,即在特定設計運行域下無需駕駛員的自動駕駛模式。

  市場上,兩種發展路徑正在生成。

  一類以特斯拉為代表。從量產L2車輛中積累數據和技術,漸進式發展L4級自動駕駛。另一類則像谷歌旗下的Waymo、百度,決意一步到位「跨越式」做自動駕駛。

  貴州翰凱斯公司自動駕駛技術副總裁鄒迪聰告訴鹽財經,自動駕駛技術組成部分可分為感知、決策和控制三大模塊。而現在的難點,就在系統的感知預測和決策模塊上。

  「通過激光雷達等感知設備,我們能做到看清、探測道路上的各類物體。」鄒迪聰說。但看清路面后如何決策,如何讓車輛以更聰明的方式運行,是當前自動駕駛技術面臨的挑戰。

  「舉個例子,路上有一輛車,當我想往左變道時,它會如何反應、會不會讓路,都是未知的。人工智慧要怎樣從海量數據預測別人的行動和他人的反應,做出跟人腦相像的決策,這就是難點。」鄒迪聰說。

  上述能力如果在暢通無阻的路面,演算法規劃出安全高效的路徑並非難事。但遇到複雜的交通流和場景路況,人工智慧缺乏對全局路況的了解,無法預測周圍障礙物的未來行為。因此,常會出現規劃軌跡跳變、碰撞等問題。

  

  如何讓車輛以更聰明的方式運行,是當前自動駕駛技術面臨的挑戰

  洪澤鑫告訴鹽財經,決策規劃是各家L4級公司自動駕駛技術的核心能力。但行業處於發展早期,沒有統一的方法論。

  簡而言之,「判斷開得好的標準,目前還沒有」。

  除了決策規劃,部分業內人士認為,自動駕駛技術另一難點在於統籌、管理複雜的系統。

  深圳元戎啟行科技公司副總裁劉軒告訴鹽財經:「自動駕駛是很複雜的工程,將各種模塊有機整合,達到低成本且不用人工干預的水平,再把所有要素集成起來,本身技術上非常難。」

  不同的決策和統籌能力,決定了L4級自動駕駛到底給人如同新手還是「老司機」的體驗。洪澤鑫說,究竟採用保守還是激進的演算法,自動駕駛企業面臨兩難。

  「如果自動駕駛車輛過於謹慎,在城市道路行駛又確實會阻礙交通,帶給用戶不好的體驗。」

  儘管行業內部缺乏固定的標準,但劉軒和洪澤鑫都表示,安全還是現階段自動駕駛領域考慮的首要因素。

  「目前有個共同點,車速慢。還沒有哪個企業敢激進地提速。」洪澤鑫說。

  真正的FSD還很遠

  來自技術上的挑戰,在業內人士眼裡,並非自動駕駛無法攻克的難關。

  對於自動駕駛企業來說,更緊急的,是如何面向社會鋪開產品。

  2018年,埃隆·馬斯克曾經放話稱,特斯拉很快可以實現完全自動駕駛。「自動駕駛系統Autopilot很快可以支持交通信號燈、停靠站和環形交叉路口等交通,具備完全自動駕駛能力」。

  很顯然,2022年,馬斯克吹捧的完全自動駕駛技術,與2018年相比沒有太大改變。

  武漢理工大學新能源智能汽車教授楊勝兵告訴鹽財經,要實現L4、L5級汽車的研發、設計、製造、運維等全生命周期的布局,需要基礎設施、人員的投入以及法規和大眾意識等條件的成熟。

  這些都需要時間。

  長周期意味著一味燒錢。現在,許多L4級的自動駕駛公司已經按捺不住,爭相出低成本的方案,爭取實現量產。

  7月21日,行業頭部公司百度發布了第六代無人計程車(Robotaxi)樣車,宣稱車輛製造成本25萬元。這與過去人們印象里,動輒幾十萬配置激光雷達的高成本L4級汽車,截然不同。

  低價的方案,在致力於為車企做前裝量產方案的企業中相繼提出。2021年12月,深圳元戎啟行發布面向前裝的L4級自動駕駛解決方案,成本低於1萬美元。2022年6月,總部在北京的輕舟智航推出新一代L4量產車自動駕駛方案,將成本下探至1萬元人民幣。

  劉軒告訴鹽財經,低成本的前裝量產策略,從公司成立初期已經確立。原因是比起自建車隊,將方案賣給不同車企,實現量產,採集數據的速度和效率更高。

  「自動駕駛需要面臨海量的問題,尤其是長尾場景(corner case)。要想解決這些問題,只有積累大量數據,不斷訓練、迭代和提升演算法。」劉軒解釋。

  在人工智慧領域,數據的數量和質量是其中關鍵。人工智慧的深度學習就是在有數千維度的空間里,經過海量數據訓練,得出複雜的數學方程組,繼而實現設定的目標。

  但日常道路罕見的極端路況(即長尾場景),由於各家企業都缺乏數據,成為自動駕駛一時難以解決的痛點。

  

  自動駕駛如何跑贏「最後一公里」?圖源:QCraft

  智己汽車聯席CEO劉濤曾解釋,汽車行駛過程中,90%的路程只會遇到幾萬種正常路況,這隻需用數百名工程師攻克,各家車企的能力趨同。

  「但真正的挑戰在於,有超過100萬種長尾、低概率發生的極端路況,非常難以覆蓋。」

  從國際經驗來看,沒有一家自動駕駛公司有底氣能應對各類極端場景。這也正是各家企業爭相量產並全力開展路測的緣由。

  Waymo軟體工程總監Sacha Arnoud曾表示,從他的經驗出發,前90%的技術工作量只佔總工作時間10%。而要完成最後10%的工作,還需要再花10倍的氣力。

  劉軒因此判斷,基於長尾場景等技術特點,L4級車輛即使量產後,法律法規也很可能不允許其稱為L4,也不會立刻允許無人化。

  「L4級自動駕駛技術還需要經過時間跟數據的檢驗。」劉軒說。他因此認為:「未來我們還會經歷人車共駕階段,才過渡至真正的無人駕駛。」

  這一判斷與劉濤相似。他曾表示,機器還要學習迭代,因此在未來很長一段時間,我們仍會處於人車共駕階段。

  文中配圖部分來源於視覺中國,部分來源於網路

  本文首發於南風窗旗下財經新媒體鹽財經

        更多科技前沿 文章    >>

關於本站 | 隱私權政策 | 免責條款 | 版權聲明 | 聯絡我們

Copyright © 2001-2013 海外華人中文門戶:倍可親 (http://big5.backchina.com) All Rights Reserved.

程序系統基於 Discuz! X3.1 商業版 優化 Discuz! © 2001-2013 Comsenz Inc.

本站時間採用京港台時間 GMT+8, 2022-9-27 07:03

返回頂部