【突发】Telsa致命车祸细节报告:人为设定超速15%(下载)

简介:



事故发生后的几天,媒体一度蜂拥对此进行分析,当时我们也凑热闹还写了一大段事故描述:


“一如既往蓝天白云且风和日丽的天气,一辆横在路上的白色重卡,一个热衷尝试新技术且对此深信不疑的驾驶员,一条笔直到让人犯困的公路,一套尚在完善的自动驾驶系统,车-路-人联手为新锐车企Tesla乃至整个自动驾驶产业“量身定做”了一个大新闻。”


事故发生后,NTSB(National Transportation Safety Board)派了五人调查小分队来到Williston做现场,该机构创立于1967年,并不属于交通部,也跟任何DOT的官方机构没关系,没有执法权,调查结果也不会作为呈堂证供,就是为了调查清楚事故原因来改善驾驶安全。


由于事故的代表性比较突出,NTSB采用三维激光雷达扫描技术对事故场景进行建档,包括事故地点,涉事车辆等,用于后续的事故分析。此次NTSB的报告中细化了事故场景:


“卡车是2014 Freightliner Cascadia,带了个53英尺拖车,Tesla是2015 Model S,并且根据其车上数据显示,事故发生时速度为74mph,而该路段限速65mph。数据还证实了当时AutoPilot处于开启状态,而AEB(自动紧急刹车)和气囊均未被触发。”



事故全貌





2015年5月7日,周日,下午4点40分。佛罗里达Williston西部27A高速的一个匝道口,一辆Tesla 2015 Model S西向东行驶,从一辆2014 Freightliner Cascadia卡车的主车底下穿了过去。事故发生时,卡车横在路上正在试图左转到NE 140乡间公路。发生事故的27A公路是双向两车道,标称限速65mph,中间有个75英尺隔离带,跟NE140交界的宽度大概132英尺,事故发生当时天气晴朗干燥。


撞击发生那刻,Tesla的电池包就跟电机脱离,车体挤压穿过卡车底部,向右前方冲下公路,297英尺后撞毁立柱,继续前进50英尺,旋转最后面向公路垂直方向停下,40岁男性司机死亡。




上图是涉事卡车,Okemah快递公司用来向当地工场运送蓝莓。圆圈部分是跟Tesla撞击的位置,距离车尾23英尺,撞击角度几乎垂直,卡车侧面仅有轻微破坏,经查看,该车辆底盘也未有明显损坏。




上图是涉事Tesla,就比较严重了,可以看到整个车窗以上已全部被削平,整个后窗被掀起。事故发生时速度为74mph,而该路段限速65mph。数据还证实了当时AutoPilot处于开启状态,而AEB(自动紧急刹车)和气囊均未被触发,更多的分析还要等到NTSB提取出更多数据。


最后,我觉得最终的结果很可能Tesla要为此次事故负责,因为Elon Musk回答不了这些系统设计的问题:


  • 为什么车速可以限定超过限速?

  • 为什么双手离开方向盘还可以自动驾驶?

  • 为什么本来是变速巡航和车道保持却成为AutoPilot一个整体?


Elon Musk的日子不好过了,然而业界还在用改装车半夜路测的各位,上面的问题又能回答几个呢?



结语



很多人问我对Mobileye甩了Tesla怎么看,我觉得可以从两家公司对自动驾驶技术的界定来讨论一下原因:Mobileye一直跟车企绑定在一起,旨在通过提供L1-L2层次的辅助驾驶技术来优化驾驶体验,公司也一直在此基础上发展的很好。在Tesla来讲,官网上一直宣传自己是站在车企行列的,而AutoPilot的产品描述也是L2。


然而,从非正式的宣传甚至Elon Musk自己的言语来看,AutoPilot在处处散发着全自动驾驶的优越性,对用户错误的教育和引导直接导致了多起车祸出现。我非常主观地认为,两者之间的矛盾在于对自动驾驶系统的推进方式。Mobileye趋向安全饱受,而Tesla则趋向高调激进,问题是目前Mobileye单目产品其实并不能完全搞定Tesla这种激进的需求。订单量小还要背锅,是我也直接终止合作了。


文章转自新智元公众号,原文链接

相关文章
|
关系型数据库 MySQL OLAP
TiDB亿级数据亚秒响应查询方案介绍
TiDB亿级数据亚秒响应查询方案介绍
1085 0
|
12月前
|
机器学习/深度学习 人工智能 搜索推荐
上百万智能体在OASIS模拟平台上玩推特,AI玩社交媒体和真人有多像?
OASIS是一个模拟平台,利用大型语言模型(LLM)驱动的智能体模拟社交媒体上的行为,研究复杂社会系统现象。它模仿推特和Reddit等平台,支持动态环境、多样行动和推荐系统。通过模拟上百万个智能体,OASIS帮助研究人员大规模分析信息传播和社会互动,但仍面临规模、行为多样性及伦理隐私挑战。论文:https://arxiv.org/abs/2411.11581
480 6
|
机器学习/深度学习 人工智能 自然语言处理
【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,涵盖AI系统的初步设计原则,并深入探讨了AI在计算机视觉、自然语言处理和音频处理三个领域的具体应用。同时,文中还介绍了AI在金融、医疗、教育、互联网及自动驾驶等行业中的广泛应用,强调了AI基础设施的重要性及其对企业竞争力的影响。通过阅读本文,读者不仅可以获得系统的AI知识,还能激发对AI系统研究的兴趣,掌握相关的设计原则与方法。
864 1
|
大数据 数据挖掘
大数据中配对删除(Pairwise Deletion)
【10月更文挑战第22天】
635 6
|
监控 Linux 网络安全
Centos7下多种方式配置 Apache虚拟主机
Centos7下多种方式配置 Apache虚拟主机
1461 1
Centos7下多种方式配置 Apache虚拟主机
|
存储 开发框架 缓存
ABP VNext框架中Winform终端的开发和客户端授权信息的处理
ABP VNext框架中Winform终端的开发和客户端授权信息的处理
|
存储 监控 Cloud Native
云原生之使用Docker部署webos私有云盘
通过以上步骤,你可以在云原生环境中使用Docker部署webOS私有云盘,实现高可用、弹性扩展和简化部署等优势。 买CN2云服务器,免备案服务器,高防服务器,就选蓝易云。百度搜索:蓝易云
294 4
|
测试技术 API 数据库
微服务架构基础——解读六边形架构
追溯微服务架构的渊源,一般会涉及到六边形架构。追溯六边形架构的起源,要看始作俑者Alistair Cockburn的这篇文章 http://alistair.cockburn.us/Hexagonal+architecture, 读原文,译重点,记感受, 如下: 六边形架构的意图 采用同等的方式,应用可以通过用户,程序,自动化测试或批处理脚本来驱动,而独立于最终的运行环境及数据库进行开发和测试。
2730 0
|
存储 缓存 NoSQL
软考_系统设计架构师--备考重点建议与心得
软考_系统设计架构师--备考重点建议与心得
|
Ubuntu 网络协议 Python