特斯拉公司近日证实，一辆行驶在洲际公路上的 Model S 在自动驾驶模式下发生事故，导致司机死亡。美国政府宣布，正初步评估肇事车型特斯拉 Model S 所装配的自动驾驶系统。调查细节还在等待公布，但这起首次因为自动驾驶系统（实际上是辅助驾驶系统）造成死亡的案例确实值得我们对自动驾驶和辅助驾驶技术进行重新思考。
首先需要明确的是，特斯拉的 Autopilot 是辅助驾驶系统，该系统只是减轻驾驶员负担而不是托管，这与第四级别的自动驾驶系统还有很大差别。特斯拉曾多次对这点进行规定和声明。在特斯拉的规范里，它的自动驾驶功能要求在封闭路段才能开启，而这次事故是发生在开放的路口。特斯拉在讨论布朗死亡事件时宣称，此系统并不是完全控制汽车，驾驶员必须用手握住方向盘，并保持警惕以及与汽车系统的互动。
辅助驾驶是发展自动驾驶的路径之一，特斯拉、以及其他传统汽车企业在这个产品级别上，往往是采取较为成熟的方案，他们更加关心行车安全。另外一条路径是直接从第四级别的自动驾驶切入，这类的代表公司有谷歌、百度等科技公司，当然，特斯拉也同时在做这方面研究，这种路径主要是从研发的角度进行前沿技术布局和积累，这种解决方案离商业化和产品化还有很长距离。
因此，我们在把完全自动驾驶作为研究目标的同时，在应用层面，从 ADAS 到完全自动驾驶需要循序渐进来完成。这样一方面可以保障驾驶员的安全，另一方面可以使驾驶员了解目前商用化自动驾驶技术的真实进展，从而杜绝因为对技术的误解和盲目自信造成的不恰当行为。
百度深度学习实验室主任林元庆在接受媒体采访时表示：「我们的定位也是实现全自动无人驾驶，但百度在技术上肯定是走综合以上两条路线的方法，这个是非常重要的。」
所以，在自动驾驶领域，从研究上设定一个宏大目标，但是工程和应用角度采取当下成熟技术的方案或许更加合理。
从自动驾驶技术来看，它融合了软件和硬件的相关技术，主要包括：
• 摄像头和计算机视觉系统，用于物体识别、交通标示和信息识别、路面检测等。
• 雷达，拥有大范围的前视雷达可以提供范围、角度、多普勒速度等信息，在晚上和恶劣天气下能表现的非常出色。
• 激光雷达传感器 LiDAR，激光扫描设备，能够以360度视角创建周围物体的 3D 图像。
• V2X，车与车之间的通信技术。随着自动驾驶车辆的增加，汽车间通信技术非常重要。
• 人机交互，人与车辆更加自然和智能的交互方式，比如生物身份认证、语音交互、图像识别等。
• 地图技术，高精度且实时更新的地图。
在以上技术中，视觉系统、传感器、雷达、LiDAR 及多种传感整合技术在自动化驾驶中至关重要，因为这关乎到自动驾驶汽车与外部环境的交互，外部的物体和行人识别、紧急避障、遵守交通法规、应对恶劣环境等都与之相关，这些就像是人类驾驶员的视觉和听觉，是实现自动驾驶的基础。
而积极布局自动驾驶的科技公司也在这方面投入了巨头的研发资源，也取得了很大的进展，让我们看到了自动驾驶的阶段性成果。谷歌在 4 月份提交了一项新的专利申请，通过摄像头判断前方车辆的刹车和指示灯状态来对它们的行为作出预判，从而避免出现追尾等事故；福特也让 LiDAR 传感器完全具备了「独自作战」的能力，在没有车灯照明的情况下完成了夜间测试；百度借助激光雷达、摄像头、毫米波雷达等多传感器，采用多传感器融合技术方案，从而最大限度的提升识别准确度，KITTI 识别率达到 89.32%。百度自动驾驶事业部总经理王劲表示，百度的目标识别、环境感知技术可以让汽车精准侦测、跟随其它汽车前进，它还可以准确识别道路标志线、精准控制距离和速度。此外，百度计算机视觉技术的物体检测和路面分割功能最近取得了非常好的效果。
而目前特斯拉的信息获取和决策执行的依据还是以摄像头为主，这就决定了它会因为天气、光线和角度的问题而出现误判。汽车之家创始人李想表示，如果有激光雷达，这次事故就可以避免了，摄像头为主的 ADAS 方案做自动驾驶还是有一定的缺陷，就是光线所造成的影响，包括更精准的距离判断，哪怕万分之一次的误判都有关乎生死的风险。
深度学习带来了图像识别准确度的大幅提高，但深度学习主要处理的是静态图像点的信息，而在自动驾驶场景下，却需要处理真实世界中的实时信息流，这与传统深度学习在图像识别中的应用是完全不一样的。所以，在处理自动驾驶系统的信息获取环节时，单纯依靠摄像头会留下很大隐患，应该增加激光雷达等更为成熟的多种传感器，就是百度提出的「多传感器融合技术方案」。
不可否认，自动驾驶确实是我们的终极目标，还需要很长的路要走，百度曾表示，自己的无人车要实现三年商用五年量产，而他们所采取的前沿研究和成熟技术相结合的方式也会帮助他们更好的实现这个目标。
