特斯拉「纯视觉」自动驾驶发布，「感知冗余」还有必要吗？( 二 )

2016年5月，美国佛罗里达州一辆开启了Autopilot自动驾驶模式的特斯拉与白色重型卡车相撞，导致特斯拉车主身亡。

而Autopilot判断错误的主要原因，有可能是毫米波雷达测距误判。当时毫米波雷达已测到前方有巨大障碍物，但可能因为卡车反射面积过大和车身过高，毫米波雷达将拖挂车误判为悬挂在道路上方的交通指示牌；同时，前置摄像头EyeQ3很可能也产生了误判。因为事故拖挂车是横置的，全身白色，没有色彩警告，在阳光强烈的环境下，图像识别系统容易将拖挂车误判为白云，故而没有发出警报。

而这样的误判，在2019年依然存在。一位叫green匿名工程师在Twitter上表示。他的特斯拉一开始检测到了前方的拖车，但后来green发现，在几秒钟内的画面内，由于拖车下的大空间，Autopilot没有识别出它是一辆拖车，而把它判定当成了一个可以穿越的物体，并明确汇出了绿色的可行驶区域，和黄色的驾驶预测线，如果不是人为干预，车辆很可能会从拖车底下穿过去，那么3年前的悲剧，很可能再次上演。

如此看来，摄像头+毫米波雷达方案尚且缺乏冗余度，光靠摄像头的「纯视觉感知」方案，如果面对更复杂的驾驶场景，显然有些单薄了，缺乏『冗余设计』，则很难为高阶自动驾驶提供更高级别的安全保证。
3. 自动驾驶场景需要深度本土化，体验才能更好
a) 最新的特斯拉FSD在北美表现怎么样？
在最新版本的FSD推送后，不少Twitter博主守着晚上0点的更新迫不及待进行了测试。

只是在V9.0自动驾驶的情况下，车辆经过减速带时速度为18-19英里/小时（30公里/小时），这个速度似乎对驾驶员和乘客的屁股不太友好。不过这位博主说得最多的一句话是『Smooth』，全程「纵享丝滑」让德芙都想打钱。

不过，随着参加测试的博主越来越多，特斯拉的FSD Beta V9.0开始出现一些未能识别的场景BUG，这位网友在西雅图的道路上针对各种场景进行了详细的测试，结果发现了11种让V9.0「无法正确执行」的场景。