特斯拉撞车事件是否表明当前的ADAS责任模式阻碍了创新？

在《特斯拉在台湾开启自动驾驶，无视行人，直接撞上翻车的卡车》一文中，来自福布斯的Brad Templeton讨论了最近的特斯拉高速公路事故。在他的出色分析中，布拉德提出了所有相对于事故的重要问题。为什么雷达避撞没有发挥作用？激光雷达会有帮助吗？摄像头系统呢？他对潜在的原因和技术解决方案进行了有理有据的论证，他的一个主要结论是："......错过一辆巨大的卡车和一个行人，对于一个系统来说有点过了，而这个系统也是所谓的 "完全自动驾驶 "系统的基础。" 很难不同意他的结论。

构建哪怕只是一个 "简单 "的鲁棒冲突避免系统，也是一项非同小可的任务。ADAS设计者面临着以下困难的挑战：

->雷达：在飞机上，雷达是非常有效的，因为遇到的每一个物体都有很高的兴趣。然而，在地面环境中，RADAR信号会以这样的方式反射到环境中，从而产生盲点和 "幽灵物体"。

->CAMERA：得到一张图片已经很容易了，但解读它是相当有挑战性的。如今的机器学习算法相当于google的图像搜索，所以如果没有看到并识别出这个物体，ADAS系统就不知道该怎么处理它。

->追踪：雷达和摄像头都是固定在车上的，从视场角来看，容易受到道路曲率、山丘和山谷等情况的影响。

->驾驶员意图：驾驶员加速冲向汽车的意图是为了超车还是分心？  我们该如何判断？

如果对这个问题有一定的了解，就不得不同情ADAS设计者的挑战。对于这些公认的挑战，我们的回应是一个宽松的监管环境，其目的是鼓励创新。对于ADAS来说，这种宽松性是由驾驶员最终负责的说法提供的。然而，这个 "拐杖 "实际上是否阻碍了创新？

让我们考虑一下它似乎产生的行为:

->模糊和不明确的功能。客户在购买ADAS系统时到底能指望什么？

->懒惰的验证。部分验证和部分忽略是当今行业的常态。顺便说一下，从安全的角度来看，我们到底怎么知道下一个软件的修订版比上一个更好呢？

以上两种情况都被司机承担最终责任的 "漏洞 "所覆盖。再者，目前的结构造成了对刹车的倾向性。为什么这么说呢？过早的制动显然会将责任归于ADAS系统，而更宽松（积极）的方法只是将责任转移到驾驶员身上。对于上述的许多问题，即将有技术解决方案。这些解决方案包括：

->聚焦：《特斯拉和Waymo能从人类的聚焦能力中学到什么》讨论了抽象和聚焦的概念。在这个世界里，障碍物不是通过google图片搜索来识别的，而是作为更高的抽象对象。在这个观点中，人们不必认识到路上的大物体是一辆翻倒的卡车，但只要知道，它是一个大物体就可以了。

->沟通的风险："自主技术的进步是否由动物沟通的研究来把关？"讨论了沟通在驾驶任务中的重要性。其中一个必须沟通的关键思想是风险的概念。如果一个ADAS系统期望人类按需接管，那么期望ADAS系统对其感知的混乱程度进行沟通似乎是合理的。

->司机的期望。"对于AV来说，多安全才算安全？答案（期望与沟通）》用非常容易理解的语言讨论了设定明确的行为期望的重要性。期望是安全的基础。如果驾驶员对ADAS系统的预期行为没有明确的预期，怎么能接触到一个问题呢？

事实上，所有上述情况都导致了 "可测量的安全性，展示ADAS价值的缺失要素。"中概述的可测量安全的有力论点。 这篇文章认为，可衡量的安全性将展示客户价值，并为ADAS构建货币化路径。 围绕安全指标的更严格的要求可以由监管机构或AVSC等行业联盟来推动。然而，在如今驾驶者责任 "拐杖 "的背景下，朝这个方向推动的动力不大，创新本身也可能在这个过程中被延缓。

好书推荐：

<推荐理由：本书全面的讲述了驾驶员辅助系统的重要知识，并介绍了驾驶员辅助系统在主动安全性和舒适性方面的系统组成和工作原理。书中的内容由德国汽车工业和学术界的96位专家 共同编写。本书的内容也正是很多读者所关心的新课题，而紧凑的章节内容，即使对于一名非常忙碌的从业人员来说也能够有时间进行阅读。相信本书必然会成为国内汽车智能驾驶和智能辅助驾驶行业技术人员以及高校汽车相关专业学者了解和掌握驾驶员辅助系统技术以及审视未来相关技术发展所不可或缺的工具书。>

<推荐理由：本书讲述了车辆驾驶安全、ABS防抱死制动系统、ASR牵引力控制系统、ESP电子稳定程序、自动刹车功能、传感器、液压装置、驾驶辅助系统、驾驶辅助系统的人机交互、车辆传感器传感器、泊车系统、自适应巡航控制、车载导航、摄像头感知系统的基本原理、理论基础及设计方法。本书是BOSCH公司出版的汽车工程系列中的一本，译自德文版。图书内容广博而又简明扼要、切合实际，反映国外汽车工程的先进技术，有极高的阅读和使用价值。本书对我国汽车工程技术现代化的发展将起到一定的指导作用，对于在从事或者想从事智能驾驶和智能辅助驾驶相关方向的人员提供指导和参考。>

<推荐理由：随着智能驾驶和智能辅助驾驶技术发展，感知融合决定了未来汽车智能程度，因此相关人才需求也是非常大，特推荐此书，本文分为两个部分：一部分是建立起一个一致的传感器数据融合方法学框架，采用贝叶斯理论，通过将目标状态的时间演化概率模型与传感器内在特性等组合，可从存在缺陷的传感器观测和上下文信息中抽取出感兴趣的目标知识；二部分基于作者多年的科研实践，面向实际的数据融合系统和问题，讨论传感器高级特性、目标高级属性、地形信息集成，以及传感器优化管理等方面的研究工作。>