無益交通安全 自動駕駛技術分級根本沒啥用?

2021-08-03
作者 Colin Barnden,EE Times專欄作者

J3016從L0到L5的分級方式,被人們誤解為自動駕駛技術是一個等級接著一個等級持續演進的,但事實並非如此。廣義來說,L0到L2的發展是利用相關技術達到使人類駕駛員更安全駕駛,L4和L5則是以技術取代人類成為駕駛。

今年5月初,美國汽車工程師學會(SAE International)再度更新了其J3016標準中定義的自動駕駛技術分級(如圖1所示)。在描繪從人類駕駛車輛到機器駕駛車輛的演進歷程上,應該沒有哪一種分級比J3016更為人熟知或廣泛引用了。

筆者認為,科技在提升公共道路交通安全上扮演兩種截然不同的角色:一是讓人類成為更安全的駕駛員,二是取代人類成為駕駛員;但這是兩條完全獨立、永遠不會交叉的發展軌跡。它們是平行的,沒有交會點。

不過J3016從L0到L5的分級方式,被人們誤解為自動駕駛技術是一個等級接著一個等級持續演進的,但事實並非如此。廣義來說,L0到L2的發展是利用相關技術達到使人類駕駛員更安全駕駛,L4和L5則是以技術取代人類成為駕駛。

這種連續錯覺的發生始於L3,因為這個等級的自動駕駛技術是預設機器無法再駕駛時,人類駕駛員會接手駕駛任務並承擔法律責任。但實踐經驗讓我們發現這是個荒謬的想法,網路上流傳數不清的影片,顯示那些Tesla駕駛人試圖濫用Autopilot功能;而數十年來的人為因素研究也證明,人類無法安全地履行此類責任。

無論是否故意,J3016已被一些新創公司和顛覆者(disruptor)在「實現L5競賽」中濫用,導致人們普遍產生誤解,以為隨著「高等級」自動駕駛技術的發展,「低等級」自動駕駛技術就會跟著過時;這個結論是錯誤的!

這種說法是有例證的:目前市場上沒有一家市值超10億美元的公司正在開發經證實的安全技術,如自動緊急煞車(AEB)或是以視覺為基礎的駕駛員監控系統(DMS)。在此同時,美國自駕車業者Waymo最近又募得了25億美元,而業界幾乎任何與光達(LiDAR)技術相關的新聞都會讓投資者們垂涎三尺。

實際上,L5還沒有實際意義,而L3在時速超過25英哩時不安全,這意味著用高等級自動駕駛技術來「拯救生命」這種狂妄的承諾,現在將由Waymo這樣的L4自動駕駛技術開發者來兌現了。然而,Waymo近來卻負面新聞不斷,先是執行長John Krafcik和財務長Ger Dwyer離職,接著是爆出Waymo無人駕駛車輛無法繞過道路施工區域三角錐的視訊。

 

圖1:SAE J3016自動駕駛技術分級。

(圖片來源:SAE International)

這引發了一個問題:儘管主要供應商都自信滿滿,但開發自動駕駛技術以實現人類的安全出行,實際上所面臨的挑戰是否比我們所知困難得多?以下讓我們來深入探討這個問題。

了解Waymo

其實Waymo自駕車在識別交通三角錐方面並沒有問題,真正的問題在於該自駕車不能判斷公開道路實際上是一種複雜(complex)、並非難解的系統。筆者在先前的一篇文章中,曾寫過關於複雜性理論(complexity theory)所描述的不可預測性,到目前為止我們還不清楚,以「蠻力」道路測試訓練出來的機器學習軟體,是否真的能讓機器駕駛比專注的人類駕駛更安全?

未知的、極端的和罕見的事件被稱為「邊緣案例」(edge cases)。由複雜性理論可知,事件有無數種可能的組合,自動駕駛車輛的機器學習感知系統必須透過訓練,來了解其設計行駛區域內的所有可能場景;但在不熟悉的場景下它可能會不知所措,就像Waymo自駕車無法辨識施工區域的三角錐。

Edge Case Research共同創辦人暨美國卡內基美隆(Carnegie Mellon)大學教授Phil Koopman曾提及有關現實世界中意外事件通常呈現重尾分佈(heavy tail distribution)的問題(參考圖2),而他的結論是:「人類更擅長處理重尾事件。」

 

圖2:Edge Case Research共同創辦人暨美國卡內基美隆(Carnegie Mellon)大學教授Phil Koopman認為人類更擅長處理重尾意外事件。

 

此外Koopman也估計了驗證自動駕駛技術安全性所需的道路測試里程,Waymo Driver自動駕駛系統就是其中的一個例子;如圖3所示,Koopman的分析顯示,測試里程可能需要達到大約20億英哩。

假設Waymo Driver「自2009年以來在現實世界道路上累積的行駛里程超過2,000萬英哩,」,那僅相當於Koopman估計之必要里程(20億英哩)的1%。這些計算結果意味著,對所有L4以上的自動駕駛,要驗證其安全性,供應商投入的資金、時間和測試還遠遠不夠。

以上案例分析顯示,自動駕駛技術的測試里程還有很長一段得走,這讓人不禁想問:L4技術供應商的投資人是否真的了解所面臨的挑戰有多大?而且確實有足夠的資金、耐心和勇氣來完成這一段旅程?

還是說,J3016扮演了安撫巾(comfort blanket)的角色,以及自動駕駛技術所許諾的美好前景,在無意中產生了一條有史以來最長、最花錢的「死胡同」?

 

圖3:驗證自動駕駛技術安全性所需的道路測試里程。

 

滑板車、NHTSA和NCAP

今年2月,Waymo宣佈將自駕車道路測試範圍擴大到美國加州舊金山市,在一篇部落格博文章中寫道:「當人們被問到是什麼因素導致城市交通不暢時,63%受訪者表示是危險駕駛,74%表示是停車,而57%表示是壓力沉重的通勤。令人擔憂的是,近四分之一的受訪者認為在舊金山的道路上一點也沒有安全感。」

而如果舊金山市民得知一輛Waymo自動駕駛測試車輛在不久前與一名騎滑板車的行人發生擦撞,恐怕他們的憂慮會更甚。對此,Waymo在一份聲明中解釋:「在車輛進入一個十字路口準備左轉時,我們的自動駕駛專員才剛剛讓車輛退出自動駕駛模式、改為手動駕駛;而一轉過去,還維持手動駕駛模式時,就撞到了一位電動滑板車騎士。」

仔細想想,Waymo測試車所配備的感測器和處理器比任何私人轎車都要多,竟然在(人類)手動模式下行駛時,其防撞技術還不足以避免與滑板車發生碰撞…這讓人很好奇,現在舊金山市民會有多麼擔心?

多年來,歐洲新車安全評鑒協會(Euro NCAP)一直要求汽車配備AEB-VRU行人識別/保護系統。然而,舊金山市事件意味著,儘管在公開道路上進行測試的Waymo自動駕駛車輛針對手動模式採用了防撞技術,卻連舊的Euro NCAP標準都不能滿足,更不用說當前的最新標準了。

對於在公開道路上以手動模式進行測試的自動駕駛車輛,為什麼美國國家高速公路安全管理局(NHTSA)沒有規定最低AEB性能標準?再者,為什麼沒有任何法令條文規範DMS的最低性能標準,用以辨別自動駕駛車輛上隨時準備接手的後備人類駕駛員是否分心或疲勞?這是兩個明顯被忽視的安全因素。

雖然就像狐狸看守雞舍一樣,我們還很難期待自動駕駛車輛能保障為道路交通安全,但最近法規環境還是發生了巨大變化:NHTSA頒佈了《Standing General Order》通用法規,要求進行自動駕駛測試的業者報告所有碰撞事件。

這只是自動駕駛測試和開發相關法規環境發生的第一個重大改變,未來可能還會有更多的改變,立法者現在越來越質疑自動駕駛業者的承諾,同時也認真聽取像是《消費者報導》(Consumer Reports)和美國車輛汽車研究測試機構Center for Auto Safety等倡議交通安全的各方組織之意見。Center for Auto Safety一直在推動將可靠的安全技術(例如AEB、DMS和車道偏離警告系統)變成車輛強制性功能。

DMS的主要作用是維持人類駕駛員的專注與參與度,AEB和防車道偏離系統則分別提供縱向速度輔助和橫向車道輔助。這些經實證的車輛安全技術在未來幾十年內,看似能比任何L3、L4或L5的所謂「自動駕駛」技術拯救更多的生命。儘管廣為人知,J3016規格也許對交通安全一點幫助都沒有。

本文同步刊登於《電子工程專輯》雜誌2021年8月號;責編:Judith Cheng

(參考原文:Is the Spec for Vehicle Automation Levels a Dead End?,By Colin Barnden )

 

 

 

 

 

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報