1
2016 年 5 月 7 日，一名來自美國俄亥俄州的白人男子 Joshua D. Brown，在使用特斯拉 Autopilot 自動模式時發生事故死亡。
造成這次事故的原因，NHTSA 在一份初步報告表示：當時在一個十字路口，特斯拉前面的一輛大型拖車在路口左轉，但可能由于拖車高度較高，特斯拉的自動制動系統未能工作。
在特斯拉的官方描述中：
當時 Model S 行駛在一條雙向、有中央隔離帶的公路上，自動駕駛處于開啟模式，此時一輛拖掛車以與 Model S 垂直的方向穿越公路。
在強烈的日照條件下，駕駛員和自動駕駛都未能注意到拖掛車的白色車身，因此未能及時啟動剎車系統。由于拖掛車正在橫穿公路，且車身較高，這一特殊情況導致 Model S 從掛車底部通過時，其前擋風玻璃與掛車底部發生撞擊。
事故發生后，有外媒采訪了當時駕駛這輛白色拖車司機 Frank Baressi，他回憶當時的情形：那輛特斯拉車行駛速度極快，「他徑直朝著我的貨車就沖過來了，我沒看見他。」Baressi 在采訪中說道。「乘車人當場死亡后，那輛特斯拉還在上演著生死時速，然后撞斷了不遠處的一根電線桿，」
從常識來說，自動駕駛是能夠正常識別正前方的任何障礙物。但是為什么這一次：在自動駕駛情況下，特斯拉當時沒有識別到這輛白色拖車？以及為什么前方有障礙物時，特斯拉在自動駕駛模式下還會繼續向前駕駛？
事故解析圖：事故發生時，特斯拉徑直從拖車的車底穿過
汽車信息安全專家、360 攻防實驗室負責人劉建皓曾經在內部做過這樣的議題：如何干擾傳感器造成自動駕駛汽車的偏行和逼停。他也會在今年美國黑客大會 Defcon 和中國第四屆互聯網大會上演示傳感器漏洞如何影響自動駕駛安全（與破解特斯拉自動駕駛相關）。
對于此次特斯拉自動駕駛首起致死事故，他向雷鋒網解釋了這其中可能的原因。
特斯拉有可能撞向的是這樣一款白色拖車
特斯拉通過這三種傳感器實現自動駕駛的功能： ADAS 功能的 Mobileye 攝像頭、77G 毫米波雷達以及車身 8 個超聲波傳感器。
在事故發生的時候，白色大型拖車左轉彎行駛過來的時候，特斯拉的 ADAS 識別到白色物體，導致圖像識別的功能基本喪失：強光打在白色拖車上，白色反光可能使攝像頭致盲，識別不到路面車輛。
白色拖車的高度過高可能也是導致這起事故的原因之一。拖車的高度高于毫米波雷達的探測距離，導致毫米波雷達沒有檢測到前方有障礙物。
據劉建皓透露，特斯拉自動駕駛 7.1 版本能夠識別箱式貨車。當時這輛白色拖車可能在行駛過程中車頭與車廂的間隙太大，特斯拉的傳感器無法識別對向而來或從側面拐彎過來的拖車，只能識別到前方車頭，最終導致毫米波雷達在輸出結果上出現問題。
超聲波雷達的檢測距離是 5 米，即便當時檢測到障礙物，車內有提示，但是當時車速可能太快，5 米的距離造成駕駛員反應時間特別短，最后造成這起事故發生。
劉建皓說，目前自動駕駛都是基于傳感器技術、圖像識別技術和融合計算來做控制決策。
自動駕駛有兩大類：一個是感知，一個是控制。前者依賴于傳感器，但是存在技術盲區，比如攝像頭，可能有強光對它造成致盲，或者其他光學攻擊讓圖像識別的功能喪失。毫米波雷達和超聲波也可以通過其他方式對他們進行干擾，造成自動駕駛數據的不可靠，從而反向造成車輛控制的不可靠，最終造成交通事故。
這表明自動駕駛如果被外界干擾，依然存在安全隱患。
劉建皓告訴雷鋒網，此次事故并不是一件偶然事件，恰好是車輛躲過了圖像識別和毫米波雷達的探測。
一般自動駕駛需要 5 個毫米波雷達：正前一個 77G 毫米波雷達，左前右前、左后右后共部署 4 個 24G 毫米波雷達。才能保證車輛在行駛過程中的安全性。而特斯拉只有一個毫米波雷達。
另外也有多位業內人士告訴雷鋒網，如果當時特斯拉安裝有激光雷達，也許能避免這起悲劇的發生。這是因為激光雷達在掃描的精確度和準確性上比起其他傳感器要安全得多，但其一個劣勢是成本居高不下。
當然，傳感器本身也有缺陷。即便將來激光雷達成本下降并普及后，自動駕駛依然存在安全隱患。比如碰上嚴重的霧霾天，屆時它掃描到的周圍物體可能都是障礙物。
Minieye 創始人劉國清則從另外一個角度解析：從公眾的角度看，造成這個事故的另外一個原因是用戶或者大眾對于半自動駕駛或無人駕駛現狀是高估的。大眾消費者對于技術的了解非常有限，他們對于功能的了解基本來源于產品說明甚至來源于功能名字。
特斯拉 Autopilot 的致死事故在今天傳得沸沸揚揚，這也說明做自動駕駛并不是一蹴而就的事。之所以受到那么多人關注，是因為這是自動駕駛行業的首次傷亡事故。
新技術的發展從來就是由教訓堆積而來：有的是金錢，有的是生命，有的是以企業倒閉為代價。可以預料的是，即便是以后其他車企的自動駕駛上路，也會發生類似事件。
無論如何，今天的事故對于整個汽車行業來說是一個警鐘。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
