大眾集團(tuán)CEO Herbert Diess預(yù)計(jì)，自動駕駛汽車將在“2025年至2030年之間”上市。但是我們感到預(yù)測的進(jìn)度已經(jīng)趕上自動駕駛開發(fā)的速度了…

汽車制造商是時(shí)候認(rèn)真對待駕駛汽車的安全性了。在這些喧囂、猜測背后，有什么證據(jù)表明，用機(jī)器人司機(jī)取代人類司機(jī)可以提高公共道路上的安全?

全球每年有100多萬與交通有關(guān)的死亡是由人類司機(jī)造成的。但人類共同駕駛的距離是令人難以置信的，許多人估計(jì)，汽車每年在公共道路上行駛的里程總計(jì)超過10萬億英里。

所以，我們已經(jīng)聽夠了那些未經(jīng)證實(shí)的說法。人們希望看到確鑿的數(shù)據(jù)來支持事實(shí)。下面的圖是WHO提供的一些數(shù)據(jù)，這是我們以前從未在公共場合看到過這些數(shù)據(jù)。

我們總結(jié)了中國的AV發(fā)展，重點(diǎn)介紹了中國在基于視覺的驅(qū)動監(jiān)控系統(tǒng)(DMS)部署方面的進(jìn)展。

中國普遍存在較嚴(yán)重的道路安全問題，但目前他們正利用未來的技術(shù)和現(xiàn)有的經(jīng)過驗(yàn)證的安全技術(shù)(駕駛員監(jiān)控和輔助)兩方面著手解決這個問題。歐洲也采取了類似的策略，在2019年底，歐洲議會更新了通用安全條例(GSR)，以滿足機(jī)動車的類型批準(zhǔn)要求。

這張來自大陸的圖表總結(jié)了即將對“金沙江”進(jìn)行的調(diào)整。這項(xiàng)立法完全是為了ADAS和駕駛員監(jiān)控，而不是“自動駕駛”。

在未來的某個時(shí)候，AV可能的確會拯救生命，但如今人們正死在公路上，許多汽車制造商似乎更感興趣的是空洞的預(yù)測，而不是主動安裝經(jīng)過驗(yàn)證的安全技術(shù)。這是最近汽車和公路安全的倡導(dǎo)者在AV原則發(fā)布期間提出的觀點(diǎn)。

所有這些拖延不是因?yàn)槿鄙儋Y金。汽車制造商已投入數(shù)十億美元開發(fā)試驗(yàn)性AV技術(shù)，例如:通用汽車收購了Cruise Automation，本田還追加了一筆投資;福特和大眾投資Argo AI;豐田投資Uber;現(xiàn)代汽車投資了與Aptiv的合資汽車公司。

現(xiàn)代汽車號稱它將在每一款現(xiàn)代、起亞和Genesis車型的車載信息娛樂系統(tǒng)中使用英偉達(dá)的駕駛平臺，但卻沒有承諾普遍采用諸如自動緊急制動、車道偏離警告和DMS等關(guān)鍵安全技術(shù)。現(xiàn)代的策略表明，信息娛樂比安全更重要。

同樣，梅賽德斯-奔馳最緊迫的任務(wù)是它正與英偉達(dá)合作，打造“最先進(jìn)的軟件定義汽車”，而此前安全領(lǐng)域的老前輩沃爾沃，他們把心思放在了與Waymo建立L4級合作伙伴關(guān)系上。

看來，最能宣稱擁有安全桂冠的汽車制造商是寶馬，它對DMS采取了積極主動的態(tài)度。雖然通用汽車在凱迪拉克超級巡航早期采用基于視覺的DMS得到了許多積極的報(bào)道，但它把精力都集中在對Cruise的炒作上而浪費(fèi)了優(yōu)勢。

與此同時(shí)，在采用基于視覺的先進(jìn)數(shù)據(jù)管理系統(tǒng)方面，寶馬悄然占據(jù)了領(lǐng)導(dǎo)地位，首先采用了Smart Eye技術(shù)，然后是Seeing Machines技術(shù)。與其他汽車制造商不同的是，在安裝DMS之前，寶馬并不需要像歐洲NCAP(新車評估程序)那樣讓自己緊盯著別人，而且它比大多數(shù)汽車制造商更快地理解了眼球追蹤和人為因素科學(xué)的安全益處。

DMS測試協(xié)議遭遇難產(chǎn)

此前報(bào)道了2018年歐洲NCAP開發(fā)DMS測試協(xié)議。從那時(shí)起，就再也沒啥進(jìn)展了。我不知道歐洲NCAP什么時(shí)候會最終發(fā)布它的DMS測試協(xié)議。

當(dāng)寶馬成為最認(rèn)真對待DMS的汽車制造商時(shí)，幾乎所有其他汽車制造商似乎都在遵循廉價(jià)的安全路線，并等待著還有沒有更便宜的DMS實(shí)施方案，能滿足歐洲NCAP的要求。

我估計(jì)沒有實(shí)際意義的基于視覺的DMS和最先進(jìn)的DMS之間的成本差異大概是每輛車10美元左右。汽車制造商在這方面似乎變成了一群精打細(xì)算的吝嗇鬼——下次當(dāng)你讀到汽車制造商在電動汽車上又砸了幾十億美元的時(shí)候，請記住這一點(diǎn)。

以下是本人對Euro NCAP可能考慮的DMS測試協(xié)議的一些想法，以及一些可能的引入時(shí)間。

眼球注視追蹤的必要性

以視覺為基礎(chǔ)的DMS最常測量的面部參數(shù)包括頭部姿勢(包括偏轉(zhuǎn)、俯仰和翻滾)、嘴和眼瞼張開、眨眼(包括速度、持續(xù)時(shí)間和頻率)和瞳孔擴(kuò)張(瞳孔測量)。

然而，關(guān)鍵的測量是眼球跟蹤，具體測量眼球注視的位置、速度和加速度變化。如果沒有專門的測試協(xié)議來保證眼球跟蹤的準(zhǔn)確性和可靠性，幾乎所有基于視覺的DMS的安全優(yōu)勢都將被犧牲。

司機(jī)狀態(tài)分析

在“原始數(shù)據(jù)”收集的基礎(chǔ)上，為駕駛員狀態(tài)分析創(chuàng)造了可靠的、更高層次的信號，包括視覺干擾、認(rèn)知干擾、困倦、醉酒和損傷等。

人為因素科學(xué)和行為研究是建立實(shí)時(shí)評估司機(jī)對前方道路的注意程度和投入程度的關(guān)鍵組成部分。司機(jī)狀態(tài)分析的目標(biāo)是要提供一個可靠的，實(shí)時(shí)了解司機(jī)的認(rèn)知狀態(tài)，因?yàn)樗m用于事故風(fēng)險(xiǎn)。

從2020年10月開始，歐洲NCAP協(xié)議文件“輔助駕駛-公路輔助系統(tǒng)v1.0”就寫到:

“指導(dǎo)駕駛員監(jiān)控系統(tǒng)，通過攝像頭或其他傳感器監(jiān)測駕駛員的參與度和認(rèn)知負(fù)荷，以檢查司機(jī)的 “眼睛”或“大腦”是否在運(yùn)作。歐洲NCAP正在為這些驅(qū)動監(jiān)控系統(tǒng)開發(fā)測試和評估程序。”

因此，驅(qū)動狀態(tài)分析很有可能成為歐洲NCAP未來DMS路線圖的一部分，估計(jì)可能從2026年開始。

與ADAS進(jìn)行集成

提高道路安全的明顯方法是將高級DMS信號與ADAS結(jié)合，它可進(jìn)行駕駛員狀態(tài)分析，修改車輛的縱向和橫向響應(yīng)。根據(jù)對駕駛員注意力狀態(tài)和接觸水平的觀察，自動緊急制動和車道保持輔助系統(tǒng)的靈敏度和性能會實(shí)時(shí)變化。

因此，與ADAS的集成也很有可能成為Euro NCAP未來DMS路線圖的一部分，估計(jì)可能從2028年開始。

理想情況下，所有汽車制造商都會自愿在每一輛汽車上安裝經(jīng)過驗(yàn)證的安全技術(shù)。遺憾的是，歐洲NCAP——以及全球其它地區(qū)性NCAP機(jī)構(gòu)必須將安全問題列為汽車制造商的首要任務(wù)。

在經(jīng)過多年的討論之后，我們希望當(dāng)DMS測試協(xié)議最終發(fā)布時(shí)，性能標(biāo)準(zhǔn)將被設(shè)定得很高，畢竟這和命有關(guān)。

延伸閱讀—基于視覺的DMS(Driver Monitoring System)技術(shù)面臨哪些挑戰(zhàn)

1.視覺DMS以車載攝像頭拍攝的視頻流作為輸入，面臨圖像質(zhì)量多變的挑戰(zhàn)。汽車行駛工況復(fù)雜，即便攝像頭在車內(nèi)，成像質(zhì)量也會受外界光線干擾。例如，陽光從側(cè)面車窗照射到人臉上時(shí)會產(chǎn)生陰陽臉現(xiàn)象，汽車進(jìn)入隧道或者夜間行車時(shí)又會存在光線不足的問題。

2.視覺DMS運(yùn)行于車載計(jì)算平臺，面臨算力不足的挑戰(zhàn)。車載計(jì)算平臺升級換代較慢，現(xiàn)有的主流平臺大多只有中低端ARM CPU/GPU，其算力甚至不如兩年前的手機(jī)芯片。在這樣的平臺上運(yùn)行諸如人臉檢測、關(guān)鍵點(diǎn)檢測、人臉識別、視線追蹤、手勢識別等算法，要求資源占用率非常低，這對算法構(gòu)成很大挑戰(zhàn)。

3.數(shù)據(jù)采集與標(biāo)注面臨很大挑戰(zhàn)。計(jì)算機(jī)視覺算法（如基于深度學(xué)習(xí)的算法）對圖像質(zhì)量有較高要求，同一算法在不同攝像頭下性能差異可能會很大。車載攝像頭成像質(zhì)量與公開數(shù)據(jù)集圖像質(zhì)量差異較大，為保證算法效果需要用車載攝像頭采集真實(shí)行車場景下的數(shù)據(jù)，這會極大增加數(shù)據(jù)采集難度與成本。

4.視覺DMS算法面臨駕駛員狀態(tài)多變的挑戰(zhàn)。汽車駕駛員有不同性別、年齡、種族，可能會穿戴帽子、口罩、眼鏡（包括墨鏡），駕駛過程中頭部會出現(xiàn)各種姿態(tài)，可謂“72變”。這些復(fù)雜狀況同樣會對算法構(gòu)成很大挑戰(zhàn)。