1
雷鋒網按：本文作者徐超(微云車聯CEO，佐智汽車聯合CEO) 及 李林峰（武漢海微CEO）。雷鋒網獨家約稿文章。
“橫看成嶺側成峰，遠近高低各不同。不識廬山真面目，只緣身在此山中?！?/strong>
東坡居士《題西林壁》近千年前就點出無人駕駛的現狀。
圖1：特斯拉Autopilot致命事故現場示意圖
圖2：事故車照片
2016年5月7日美國佛羅里達州發生一起開啟Autopilot模式的Tesla Model S致死事故，車主約蘇亞·布朗(Joshua D. Brown)命喪當場，布朗生前是一名狂熱的特斯拉自動駕駛愛好者，在YouTube上有若干Autopilot系統的路測視頻。愿逝者安息。
圖3：V01大拖車外形及尺寸參考
參考尺寸中，拖頭后軸和拖車前軸距離是9.85米減去兩個車輪半徑即為拖車底部空間（橙色部分）的長度8.85米/高度約1.2米，而估算拖車寬約3.5米。
圖4：特斯拉尺寸參考
特斯拉Model S高1.45米/寬2.2米/長4.98米，橙色為事故中被拖車削掉的部分。
網上已有一大波此事相關的文章、評論和專題，其中不乏專業人士的悉心解讀，而在NHTSA的調查報告出來之前，基于有限的信息卻很難得到準確的結論。但不可否認，這些評論、解讀、討論甚至爭論，不管正確與否、專業程度如何，都將為智能網聯汽車這個行業帶來前所未有的思考和進步。
“無人駕駛，不考慮安全等于謀殺，不考慮舒適則是耍流氓”這是老查（徐超）的觀點。借此次特斯拉事件，拉上好兄弟峰哥（李林峰）一起來談談“開啟無人駕駛的上帝視角”。
大多數的第一人稱射擊(FPS)和運動模擬(SPG)游戲都是主觀的“人類視角”
圖5：CoD現代戰爭 和NFS極品飛車的人類視角
而即時戰略(RTS)、塔防(TDS)和模擬建設(SIM)游戲，如：紅警、魔獸、DotA等幾乎都是“上帝視角”
圖6：紅色警戒2和 模擬城市的上帝視角
介于兩者之間，還有個Bird View鳥覽追隨視角，常用到小區域的增強現實，例如ADAS環視系統：
圖7：NFS極品飛車和神廟逃亡的追隨視角
圖8：FPS游戲中的鷹眼視圖
第一人稱人類視角的體驗最接近現實，但整體感知力最弱，這也是為何在大部分FPS類型的游戲中，會在屏幕角落增加一個Eagle View鷹眼視圖，讓玩家宏觀的掌控全局。
同樣，本文開頭那幅現場示意圖，將整個事故場景簡單清晰的還原，這也是那段分析視頻一夜瘋轉16萬vv的主要原因。而隨后的照片雖做到“有圖有真相”卻完全無法讓各位知道事故的全貌。所以，還原真相還需“上帝視角”才能淺顯易懂。
既然各位都要以上帝視角方能迅速理解整體狀況，又怎能要求比人“笨得多”的機器只站在第一人稱的人類視角來學習和處理數據，并迅速準確的識別和決策呢？所以，僅從人類視角考慮未來的無人駕駛，傳感器不夠就拼命加，角度和精度不夠就玩命升級，加之深度學習和人工智能算法和軟硬件平臺的不斷演進和運算性能不斷提升來推動無人駕駛的發展，這條路真的對么？
無論城市規劃、軍事調度等宏觀控制還是具體的導彈制導、飛機自動駕駛的實際執行，幾乎都把人類視角采集數據實時處理排除在主要手段之外，有些甚至連輔助都談不上。
圖9：單體感知的傳感器配置
即便NVidia Drive PX2的250W牛掰功耗，NXP BlueBox的2xAPEX2CL+4xA53+GC3000+8xA57的頂級配置或者Mobileye EyeQ5的12Tera/s的碉堡運算能力，配上成本數萬到數十萬不等的感知前端統統裝車，觀察和感知甚至運算處理能力全面達到或超越人類，卻由于交通參與者的行為的不可完全預知性，處在人類視角的這些“次世代超級計算機”們總歸還是會有不小的概率出現漏判或誤判。無人駕駛的感知和決策并非兒戲，任何一次失效，無論是感知、融合、決策部分出問題都人命關天。低端不夠用，高端極貴卻也不能完全保證準確可靠。單成本一項，已很難將有效的無人駕駛普及到每輛車，更不用說全部交通參與者。
圖10：F22/B787/豪華車代碼量對比
而大量設計冗余帶來的代碼量和成本急劇增加，以及伴隨而來的系統復雜度大幅提升整體可靠性下降，也是不容忽視的問題。
圖11：2013年度Euro NCAP AEP評測結果
峰哥（李林峰）某日駕Golf 7頂配攜全家老幼出游，興奮開啟AEB功能，準備炫耀一番，怎奈頻繁“無故”急剎，兩位公子嚎啕大哭，最后被峰嫂罵到狗血淋頭收場，無奈之下只好關掉此功能且自此未再開啟。作為Euro NCAP評測得分2.2 Good的車型，如此安全性是足矣，但保守的策略卻嚴重犧牲了舒適性。當然，有人說，比起丟命，舒適與否不重要。老查（徐超）則問：這種枉顧用戶感受系統要來作甚？
每個無人駕駛的系統架構師和編寫策略的程序員都想做個好人，但在單體感知和單體智能的路徑下，卻成天在成為“殺人犯”或者“強奸犯”的選擇上左右搖擺。站在單純的人類視角，任何人都不敢肯定自己的感知和決策的實現“準確而完美”，現在不敢，將來也一樣不敢。
除非，從下面幾個角度來開啟“無人駕駛的上帝視角”：
宏觀的層面和角度觀察和感知交通的整體狀況
當前的無人駕駛，主要靠安裝在車輛上的視覺、毫米波/超聲波雷達和激光LiDAR等傳感器來感知周邊環境狀況，用智能決策和執行單元來控制車輛的行為。
而在上帝視角的無人駕駛環境，可以考慮將原本安裝在車上的感知系統作為固定基礎設施部署在交通環境復雜的路段，成為路側感知單元RSSU(Road Side Sensors Unit)，而通行率低的鄉間路段可以依賴現有的車載感知模式作為駕駛輔助，或則暫不允許無人駕駛模式。如此可以解決很多當前的實際問題：
感知系統和決策系統成本不會落到車輛終端；
新的感知設備和算法可以統一規劃統一升級；
可以立法規定哪些是“無人駕駛”路段，哪些不是；
路側的感知及相關電子設備的可靠性和成本級別將從“車載”降到“工控”；
此處有人會說，這是L3而不是L4，不是完整意義的無人駕駛。那咱們從駕駛行為、核心目的和普及成本來分析，只要車載無人駕駛系統有成本存在，就會有人選擇不安裝，要走到法律強制全部安裝的程度，成本差異必需降到某個極低的程度。若真如此，那么作為基礎設施部署的成本同樣會大幅降低。
具體場景以多種感知和模式匹配來做移動物體的識別
車載單體感知決策系統要用不斷升級硬件和深度學習、人工智能算法及系統來適應“全部”可能的場景，即使該車99%的時間都在某個區域道路行駛，只有1%甚至0.001%的機會去陌生的地方，那么系統也要為此做100%的準備，不容許一點錯誤，這種冗余是必要但不經濟的。
圖12：用LiDAR測繪的道路和城市點云
而在上帝視角下，LiDAR、視覺系統和毫米波雷達是安裝在類似路燈的位置，每組傳感系統根據其負責的200m~1km道路的具體情況，可有不同成本的配置。感知和識別部分只需做固定點云為基礎的差分圖像處理，兼顧地理和氣候環境的變化即可，例如加入雨雪路面濕滑、風向、能見度以及動物遷徙等參數，這些輔助信息比較容易實現。
在熟悉的靜態環境中感知識別動態的物體，相較于所有周邊環境陌生去做同樣的事情，無論效率還是準確性都會提升不止一個數量級。
交通參與者上報精確的位置、狀態信息以及行動意圖
在此前的文章之中，老查提到發展無人駕駛，不能只注重單體感知和單體智能，交通是多方參與的。此次逝去的布朗先生，在2016年4月10日的一段視頻中也拍攝了一輛大貨車瘋狂并線時特斯拉Autopilot系統的無奈和無助，而5月份流傳網上的那個特斯拉ACC加速追尾故障大客車的視頻也歷歷在目?！爸灰约鹤銐蚵斆鳎苓吶巧当埔矡o所謂”的觀念是完全錯誤的。
除了路側RSSU的感知和處理，從車輛到未來的行人甚至阿貓阿狗，都可以裝上高精度的定位單元和V2I/V2V通信單元，放在路側的這些設備，其技術穩定性(可以幾十年不變)和成本，相對車載系統來說亟具優勢。譬如說此次事件中V02 Tesla Model S上有差分或者星基地基增強的GNSS和V2I/V2V模塊，而V01長拖車的拖頭Tractor有一個GNSS增強模塊，拖車Trailer有兩個，就能在定位其準確位置的同時實時獲取車身姿態。
圖13：包含GNSS和網聯系統的V01和V02
配合一個或者多個路側通信單元RSCU和路側感知單元RSSU，由V01提前向RSU-A上報自己的轉彎意圖并提交自身的形態信息，那么該RSU-A則可在V01開始轉彎之前通知臨近的幾個RSU，例如RSU-B，并不斷報告V01的位置和姿態以及道路占用情況，臨近RSU的在數公里以外就通知所有可能會受影響的車輛包括V02，而RSU-B即使沒有來自RSU-A轉發的V01信息，也可提前通知V02“前方有交岔路口，降速運行”，如此本次事件可完全避免。
宏觀感知的結果做融合分析，制定并不斷完善調度策略和安全邊界
有RSSU的感知以及RSCU的通知，那如何來做決策，這就是以前文章中提到過的，分布式信息處理機制。每個RSCU/RSSU都要負責自己區塊的決策并通知相鄰區塊，對于各種不同的事件級別，相鄰區塊根據“總體策略矩陣Global Policy Matrix”來選擇對車輛的通知，接收到通知的車輛，可以或必須將車速迅速控制在安全邊界范圍之內，進入緊急區塊后，可按指令全部強制自動安全?？?。區域中央控制節點RCCU，則負責基于大數據分析、學習后的策略矩陣優化、下發以及全區緊急事件的通知。
圖14：完整的智能網聯汽車的信息圖
要做到上帝視角，還需要實現如下幾個關鍵技術：
1、能提前對RSU報告自身后續行為意圖及尺寸、狀態等信息，V2V/V2I通信、感知決策、執行低延遲
圖15：Spectracom計算的純通信模式無人駕駛所需的網聯延遲
通常情況，802.11p 技術的延遲為 50ms，使用 LTE-A 技術的延遲約 42ms，而使用 5G/LTE-V的延遲為 1ms，新一代5.9GHz DSRC可做到0.2ms。可見即使5G和5.9GHz的DSRC也無法獨立的完成無人駕駛。但上帝視角有兩個核心關鍵詞“宏觀”和“預判”，所以對于實時性反而沒有人類視角那么高的要求。上帝視角中的網聯部分V2V/V2I和I2X技術已經可以做到“超感知距”，跨越一個RSCU/RSSU不行，就兩個，兩個不行就n個，RSCU之間的通信延遲是固定的，多組聯動，則可用來處理事件的安全距離和冗余時間大大增加。而RSSU除了監控道路，也可以監控道路外側的一些潛在和其他交通參與者的行為和路徑，其中包括準備穿越道路的麋鹿、灰熊等大型動物或者蟾蜍群等小型動物群。
當然，涉及到網聯系統，就存在網絡信息安全問題。首先，這個網必須是專網；其次從立法的角度，攻擊銀行的網絡系統，叫做金融信息犯罪。而攻擊智能網聯汽車和相關設施，則應以謀殺論處。
2、高精度的坐標定位及運動追蹤系統
傳統的GPS/GNSS系統10米級別精度，顯然是不夠用的。動態狀況下綜合考慮部署成本和實用性的亞米甚至厘米級別的定位系統，是開啟以宏觀指揮調度為基礎的上帝視角無人駕駛的必要條件。
圖16：GNSS及各種增強系統的精度對比
由上圖（出自《Precise Positioning with NovAtel CORRECT Including Performance Analysis》）可知。傳統GNSS系統無論在怎樣的基線范圍，其精度都只能達到10米級，而SBAS星基增強系統能達到5000km基線下的米級精度，差分DGNSS在1000km基線內提供亞米級到米級的精度，而基于RTK模型的PPP以及實際廣域應用的CORS連續運行參考站，已經可以達到全球覆蓋范圍內的2~10cm級別精度。
在低成本的CORS+SBAS配合下，以本地IMU慣性測量單元做數據密度的輔助填充，使得數據輸出從Hz提高到100Hz以上級。完全能達到“車道線級”定位及10ms時間片姿態/位置上報的需求。
那么上帝角度的潛在問題以及應對方法是什么？
覆蓋成本較為高昂。應對：讓主機廠們把準備投入無人駕駛車輛單體部分的成本拿出一定比例交給政府做基礎設施建設，在道路建設改造時將無人駕駛相關設施設備和規范強制實施。
不按意圖和預測運動的交通參與者。應對：對于突然轉向的電動車和突然閃出的老太太，仍需本地感知智能系統和司機本身來處理。當然，立法角度也可將違規者定為過失方。
網聯信息安全問題。應對：魔高一尺道高一丈+苛以重罪。
上帝也瘋狂！各節點進入瘋狂AlphaGo模式，準備消滅人類。應對：每個城市應標配一個威爾·斯密斯或者基努·里維斯。
圖17：上帝也瘋狂，Rushing or Crash
開啟無人駕駛的上帝視角，聽起來美好，但單體感知和智能化至少目前來看還非常重要。一來，畢竟人類聰明一些，上帝也輕松一些，二來，上帝視角所需的基礎設施的架構、標準和部署都遠遠不夠。只是綜合、宏觀和長遠的考量，不能也沒必要無節制的提升單體能力，搞單車系統的“軍備競賽”。
傳統汽車數百年的積淀和底蘊，很多層面并非簡單以IT系統和“互聯網理念”所能顛覆，而主機廠和大型Tier1們嚴謹的流程，雖然感覺讓某些新生事物事情進展不那么飛速，但總體來說穩定可靠。
傳統廠商要向新玩家學習新的理念和視角，而新玩家必須對傳統有“敬畏之心”，少說“顛覆”。無論是從業者還是用戶，既要肯定特斯拉和相關供應商的勇氣和對行業的促進，中肯客觀地看待其在宏觀改善駕駛體驗降低事故和事故死亡率方面的努力，也要深刻的認知到新技術的過度宣傳和誤導將給用戶甚至產業造成的無法彌補的損失和傷害。
Elon Musk只是一個人，是媒體和資本把他包裝成神，這樣的瘋狂造神運動下，帶來對產業的嚴重傷害，而布朗先生只是這種傷害下一個具體的犧牲者。然而從另一個角度，如果沒有資本的加持，特斯拉和各個互聯網造車企業都很難走到今天。資本市場快速套利的劣根性則注定了這場悲劇的發生。反觀Google也好Musk也罷，卻都在布局“上帝視角”，無論Space X降低軌道衛星的發射成本，還是Google X的低空氣球衛星通訊覆蓋計劃，讓低成本布局自主可控的廣域數據鏈，擺脫多年來傳統運營商對通訊系統的把持和禁錮成為可能。
曾和一些資本圈子的朋友深度交流他們對汽車產業投資的看法，其中一種真實的觀點：“汽車產業雖然資本體量大，但是周期長，涉及環節多，時間風險大，不像TMT行業，試錯成本低，速度快。既然資本不缺乏TMT等行業的項目，那么對于汽車行業大多只能以觀望為主?！?/p>
老查（徐超）則認為，只要不過分急功近利，智能網聯汽車相關領域的投資大有可為，從本文開啟無人駕駛上帝視角的實現需求來看，至少有幾個方向值得深度關注：低成本高精度定位、自主可控的ECU及執行單元和相關系統、中短距低延遲通訊系統（包括DSRC/WAVE、LoRA和Li-Fi）、廣域物聯通信（LTE-V、LTE Cat-0/M1/M2）、深度學習、大數據、乘員狀態監控、新型HMI系統、AR系統在交通領域的應用、低成本傳感器及融合系統及其相關SoC片上系統設計等。
回到無人駕駛的發展路線本身，一個深邃的疑問讓大家共同思考：“是否有上帝視角無法實現而只有人類視角才能實現的無人駕駛功能或場景？”
附作者介紹：
徐超：互聯網、集成電路起家，車聯網、汽車電子、智能網聯汽車創業，既能與專家學者談笑鴻儒，亦能和奸商土豪山寨佬們推杯換盞。目前作為佐智汽車(JointWyse Automotive)的戰略投資人和聯合CEO，在智能網聯汽車評測評估、場地建設、咨詢和運營方向快馬加鞭；作為微云車聯(WayWings)的創始人及CEO，則在智能網聯平臺和云服務領域全力布局。
李林峰：武漢海微 CEO。汽車電子、總線、地圖導航、空間地理、測繪學專家，有史以來（可能是）廚藝最好的產品架構師。目前作為海微科技(Highway Tech)的創始人及CEO，在ADAS、高精度定位導航、下一代HMI系統上極速前行。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
