我们如何知道自动驾驶汽车何时安全？当它们能应对世界上最糟糕的司机时——《华尔街日报》

想象一下，在一个类似《疯狂的麦克斯》或《速度与激情》中公路狂飙的世界里学开车。

在这个世界里，没有人遵守交通法规或车道标线，从分心驾驶者到乱穿马路的行人，所有人都在故意迫使你做出生死攸关的瞬间抉择。

工程师们表示，让自动驾驶汽车经受这样的考验，正是制造商和监管机构确认它们能否担起守护人类生命责任的终极试金石。

要理解其中缘由，需先了解自动驾驶系统核心人工智能算法如何通过训练应对复杂状况。几乎所有系统制造商都主要依靠模拟环境进行训练。密歇根大学工程学教授、自动驾驶测试基地Mcity主任刘欢指出，这比用真实车辆采集现实数据安全经济得多。

刘欢补充道，尽管许多公司吹嘘其自动驾驶/半自动驾驶车辆的实际路测里程，但它们的模拟测试里程很可能超出千倍。

例如谷歌姊妹公司Waymo宣称，其无人驾驶车辆累计行驶已超200万英里。

“我们在公共道路实测数千万英里，在模拟环境更达数十亿英里，“Waymo安全研究总监特伦特·维克托表示。

刘欢解释道，现实中车辆可能需行驶数百甚至数千英里才会遇到值得学习的新状况，但在模拟中工程师能让自动驾驶系统持续遭遇全球最糟糕驾驶者的极限挑战。

其结果，实际上为自动驾驶车辆提供了一门速成课程。

关于全自动驾驶汽车即将大规模推广的承诺，尤其是特斯拉首席执行官埃隆·马斯克所提出的，已一再被证明是无稽之谈。但这并不意味着我们不会很快看到更多无人驾驶车辆上路，即便只是象征性的。无论如何，利用最严苛场景进行测试和训练，对于实现这些车辆的应用以及最终验证其安全性都至关重要。

自动驾驶汽车推广的一大障碍是所谓的“边缘案例”：罕见但可能引发灾难的场景，这些已导致多起事故，例如特斯拉自动驾驶系统故障引发的超过36万辆汽车召回事件。通过模拟技术，可以对这些边缘案例——比如行人突然从车辆正前方横穿马路——进行反复演练。

开发驾驶辅助与自动驾驶系统的公司Mobileye首席技术官沙伊·沙莱夫-施瓦茨表示，这些模拟驾驶的极端环境不仅能训练自动驾驶系统，还能完成同等重要的事——测试系统性能。

正是所有这些训练与测试，将我们带到了当下这个节点——Waymo和通用汽车旗下Cruise两家公司正在多个城市积极测试无人驾驶出租车，而Mobileye宣布将在2026年前为汽车制造商提供能在个人车辆上完全接管高速公路驾驶的系统。用数学方法证明自动驾驶系统比人类更安全，将是实现从数百辆无人出租车上路，到最终让数百万辆各类型自动驾驶汽车普及的关键。

Mobileye表示，到2026年将为汽车制造商提供一套能在个人车辆上完全接管高速公路驾驶的系统。图片来源：Jeenah Moon/Reuters沙列夫-施瓦茨补充说，若缺乏此类验证，监管机构将没有客观标准来评估系统是否合格。

但有了这种验证，自动驾驶汽车就可能获得安全监管部门颁发的"驾驶执照”。不妨称之为"疯狂麦克斯驾驶测试”——这种严苛考验恐怕只有好莱坞导演，或是性格温和的自动驾驶工程师才能想出来。

在美国，国家公路交通安全管理局已着手制定新规，其中可能包含此类要求。这些规则仍在起草中，具体内容尚不明确。欧洲和中国已针对自动驾驶汽车制定了制造商必须遵守的标准，而美国目前的做法则有所不同。

“美国政府的做法是’别干涉，让公司为所欲为，等出了问题再让他们吃官司’。“沙列夫-施瓦茨说道。

即便交通规则简单明了，人类行为却复杂难测

Waymo公司长期保持着一个传统：在允许自动驾驶系统与真实行人、骑行者及其他车辆互动之前，会先在模拟环境中对其进行极限压力测试。

公司采用的一种方法被称为“碰撞避免测试”（简称CAT）。Waymo将其自动驾驶软件置于可能导致伤亡的模拟场景中，随后评估其表现与全神贯注的人类驾驶员相比如何。典型场景包括行人乱穿马路、自行车从停靠的卡车后突然冲出、其他司机突然变道——基本上涵盖所有可能引发事故的情况。

测试自动驾驶车辆应对复杂情况能力的关键，在于预判可能出现的场景类型。模拟的全面性完全取决于其所基于的真实场景数据库。

因此，业界已发起多项倡议来收集并共享关于导致碰撞及其他事故的场景数据池。

其中包括由Deepen AI公司与英国华威大学合作的Safety Pool倡议，该数据库包含超过27万种场景，可供自动驾驶系统制造商用于软件训练和测试。另有主要由德国企业牵头、17国参与的SET Level项目。

Waymo、Cruise、特斯拉、Motional（现代与Aptiv的合资企业）以及Mobileye等公司，都拥有庞大的道路人类危险行为场景数据库。

一辆真正的自动驾驶汽车在Mcity测试设施中遭遇模拟危险场景。图片来源：布伦达·阿亨/密歇根大学Mobileye公司发言人表示，该公司已从自身驾驶辅助系统测试中积累了约400拍字节的行车影像数据，同时还从配备其系统的部分消费者车辆中收集匿名数据。特斯拉则宣称自2015年推出Autopilot技术以来，同样积累了海量车辆数据。Waymo安全主管维克多指出，其机器人出租车配备了全方位高精度传感器，因此能获取运营道路的异常详尽数据。

这些数据宝库提供了大量人类老司机都熟悉的复杂路况案例，例如在没有明确绿灯箭头指示时进行转弯操作。

“无保护左转往往是自动驾驶车辆的难题，“密歇根大学的刘教授表示。事实上，当自动驾驶系统需要预测人类行为而非简单遵循交通规则时，就容易出现问题。他补充说，其他挑战性场景还包括汇入车流，以及周边车辆同时意图变道的情况。

在某些场景下，自动驾驶系统只需遵守规则就能轻松超越人类——例如，美国人似乎尤其不擅长在双车道环岛中行驶。刘教授和他的学生们对此深有体会，因为他们已在安娜堡市的八个交叉路口安装了传感器，包括他家附近的一个环岛。

“这是我们县最危险的环岛，“刘教授说。尽管有警示标志提醒，但一些人类驾驶员进入环岛时仍会犯下未礼让双车道车辆的错。但他补充说，自动驾驶系统不应犯同样的错误。

我们对"安全"的定义可能需要改变

没有任何自动驾驶车辆能完全避免事故——尤其是在一个真实人类驾驶员、行人和骑行者经常引发事故的世界里。

沙列夫-施瓦茨表示，无论自动驾驶系统面对挑战时多么强大，最终都需要政府来判断它们是否足够安全。尽管所有自动驾驶公司都在使用模拟来训练和测试车辆，但衡量其性能的标准各不相同。这也是这些车辆行为存在差异的部分原因。

不论是不久的将来我们跳上一辆自动驾驶出租车，还是按下汽车上的"自动驾驶"开关，这项技术的关键推动力都将是信任。我们如何知道可以信任这些车辆？部分原因将是它们已经从疯狂麦克斯式的驾驶学校毕业了。

欲获取更多《华尔街日报》科技分析、评测、建议和头条新闻，请订阅我们的每周通讯。

写信给克里斯托弗·米姆斯，邮箱：[email protected]

刊登于2023年5月20日印刷版，标题为《自动驾驶汽车对决全球最差司机》。