无人驾驶车出车祸后，如何从数据中吸取教训？ 揭秘

【站长搜索编者按】日复一日，人类驾驶员都在上演一个个相似的悲剧。即使人类的大脑连通，能够从彼此的驾驶经验中吸取教训，也无法保证所有人都能做出正确的决定

【站长搜索编者按】日复一日，人类驾驶员都在上演一个个相似的悲剧。即使人类的大脑连通，能够从彼此的驾驶经验中吸取教训，也无法保证所有人都能做出正确的决定。但机器给我们提供了一种可能：同样的车祸只会出现一次，一旦一辆无人驾驶车发生事故，其他所有车辆都能立即从它身上吸取教训，甚至，它们可以互相配合，同步做出最优决策。它们究竟是怎样做到的？（以下内容来自外媒，由站长搜索整合编译。）

谷歌(微博)无人驾驶车最近遭遇了一场“惨烈”的车祸。上周六，谷歌无人驾驶测试车在美国山景城与一辆巴士相撞，测试车严重受损，最终不得不借助拖车才离开现场。日前，谷歌已经发布声明，称其无人车在这起事故中无责。

但任凭谷歌指责对方车辆违反交通规则，车祸就是车祸，消费者期待的答复无非是“绝不会有下次”。谷歌们能够给出这种承诺吗？

无人驾驶车能不能吃一堑长一智？

没有人愿意看到车祸的发生，但车祸提供的数据却意义重大。车祸中传感器及其他部分的数据，可以大大提高无人车的性能。

最近的一个例子就是，一辆特斯拉Model S电动汽车车主乔舒亚-布朗今年五月曾使用自动驾驶系统行驶在一条州际公路上，在行驶至一个没有安装红绿灯的十字路口时一辆大型牵挂型卡车突然左转横在布朗特斯拉车前。但车辆传感器却将白色卡车误判为“天空”而没有进行制动从而导致了事故的发生，特斯拉驾驶员、车主布朗当场毙命，62岁的卡车司机弗兰克-巴尔塞则没有受伤。

事故之后，特斯拉工程师便仔细研究了视频录像及车辆各个传感器收集到的数据，包括雷达及声呐记录，并很快推出了软件更新包以避免其他特斯拉车辆发生类似问题。该更新包立刻被推送到各种车型的特斯拉无人车上，理论上，凡是安装了更新包的特斯拉无人车，现在都可以准确无误地辨别“白色卡车”与“天空”。

不过，无人驾驶车的学习绝不仅限于事故发生时。

“车队学习”如何最大化数据价值？

无人驾驶车上的软件随时随地都在从现实世界提供的数据中学习，在此过程中，无人驾驶车对道路、其他车辆、树木等周边事物的判别会越来越精准，做出转向、制动等决策的反应也会越来越准确和灵敏。最终，所有这些信息都会传送到一个“中央大脑”，从而对其他无人车的“智能”进行全面更新，这种被成为“车队学习”的信息共享技术，就好比你的手指被滚烫的炉子烫到时，你的胳膊、脚、膝盖都会知道滚烫的炉子是碰不得的。

特斯拉曾在官方博客中举了一个例子：

当车辆即将通过置于坡度路面的横跨路牌或钻入桥洞时，无人驾驶系统需要判断路牌或桥洞的高度是否安全。但由于道路突然升高或降低，导航数据和GPS提供的高度数据往往不足以使得系统做出准确判断，而当车辆行驶到与路牌或桥洞等高的路面时，即使应该制动也已为时过晚。

这就是“车队学习”发挥作用的一个经典案例。首先，所有遇到类似状况的车辆都不会轻举妄动，而是先根据雷达记录下路牌、桥梁等周边静物的信息。随后，计算机会悄悄将无人驾驶系统做出的制动决策和人类驾驶员的反应进行比较，并将这一数据上传到特斯拉数据库。如果有一定数量的车安全通过障碍物，那么无论这些车是否处于无人驾驶模式，这一障碍物的地理信息都会被移入白名单。

而当数据显示系统做出错误制动的情况很少时（也就是人类驾驶员认可车辆做出的制动决策时），即使此时摄像头并没有识别到障碍物，系统也会对车辆进行轻微制动。随着系统信心度的上升，制动力度也会加大，直到系统判定99.9%会装上障碍物，车辆就会进行完全制动。这种方案或许不能彻底预防相撞，但至少车速会大大放缓，从而降低车内人员受伤的可能性。

“车队学习”恰恰是机器胜过人类的地方。人类驾驶员的学习过程就不是这样，不同的驾驶员每天都再一遍遍犯同样的错误，这也是为什么我们生活的城市里常常有一些地方被称作“危险路段”。不幸的是，目前为止并没有什么简单的办法能让人类驾驶员也能通过别人的经验进行学习（不过最近在虚拟现实领域已有类似的尝试）。年复一年，新手上路的司机总是要从零学起，而老司机的经验并不是挨驾校师傅几句骂就可以获得。而对无人驾驶车来说，只要有一辆车掌握了一种经验，那么整个车队就都掌握了。

数据是“车队学习”的无价之宝，但数据也恰恰是这种方法的痛点所在。撞车事件后，特斯拉并没有同谷歌、Uber、通用等分享这一数据。理论上，这就意味着这些企业的无人驾驶车很可能都要犯一遍同样的错误。

数据共享前途未卜

据外媒体报道，奥巴马政府在上周一发布了长达112页的《自动驾驶汽车联邦政策》(Federal Automated Vehicles Policy)。虽然这份文件的名字听起来乏善可陈，但其中关于厂商间共享自动驾驶数据及事故记录这一点却意义重大。

美国交通运输部（US Department of Transportation）在这个名为“数据记录和共享”（Data Recording and Sharing）的小标题下写道：“制造商和其他相关企业应当拥有一个文档记录的程序，可以对测试、检验、发生碰撞等事故时的数据等信息进行收集和存储，这样可以了解到系统故障或失灵的发生情况、建立事故发生原因的资料库。而且，该程序至少应该记录发生事故时车辆系统性能方面的全部信息，包括事故发生时HAV系统的状态、HAV系统或者驾驶员在当时是否可以控制机动车等，使得系统可以还原事故发生的情况。与第三方的数据共享应当是去识别化的（de-identified），即数据不能直接地或合理地联系到特定个人。制造商和其他相关企业应当采取措施确保数据共享符合隐私和安全协议，包括向机动车发送通知或经得车辆所有人的同意。”

简单来说就是，如今政府要求厂商将自己最宝贵的研发资产，即数据，拱手交给给自己的竞争对手。

我们有理由猜想，自动驾驶车企很可能会通过自己的游说团队全力对抗这一政策。这主要是因为“安全”一直都是许多厂商在自动驾驶领域的最大优势所在，而分享事故数据无论对自动驾驶领域的先驱者还是后来者都会产生负面影响。对于先驱者而言，分享事故数据将允许竞争对手通过这一方式坐享其成，减少自身竞争优势。对于后来者而言，这些信息的披露则会进一步暴露出自己在技术设计和安全方面的短板。

除了利益上的冲突，技术上的屏障也使得数据共享不会一帆风顺。据悉，美国国家公路交通安全管理局会在未来数月就这一政策听取公众意见，但最终的具体实施方案或许会同大家想象中有所区别。这主要是因为不同的自动驾驶车型使用的是不同的传感器，因此一家车企收集到的事故数据不一定能无缝传输到其他厂商的系统中。

然而值得一提的是，目前已经有部分传统车企有意加强了在数据共享层面上的合作。比如，Here地图已经和宝马、大众以及戴勒姆达成协议，这三大汽车厂商将为Here地图提供实时的路面信息和汽车感应数据。简单来说，这些数据将允许驾驶员看到前方几英里的实时路面信息，提供包括交通拥堵、事故的详细视频画面、大雾或湿滑路段的道路隐患信息、临时行车速度管制以及街边停车位置等交通数据。

而且，为了加快自动驾驶技术的普及，特斯拉此前已经表示将与美国交通部以及其他车企分享Autopilot自动驾驶功能所收集的数据。而且，特斯拉将不会以数据分享为交换条件换取在美国的汽车直销权。（综合/汤姆）