根據(jù)加州車輛管理局（Department of Motor Vehicles，DMV）的規(guī)定，自動駕駛汽車必須向當(dāng)局提交自動駕駛汽車測試的情況。谷歌最近提交了在過去一年左右時(shí)間內(nèi)，自動駕駛模式脫離（Disengage）到手動駕駛模式的情況。

自動駕駛的智能化水平顯然離我們預(yù)期的還遠(yuǎn)，目前更多的只是停留在半自動駕駛和駕駛輔助功能上。所以當(dāng)遇到系統(tǒng)無法處理的情況時(shí)，對于自動與人工駕駛模式之間的切換就顯得尤為重要。

DMV對于自動駕駛模式“脫離”（Disengagement）的情況是這樣定義的：

1. 當(dāng)自動駕駛模式未能成功激活；

2. 在自動駕駛模式下需要駕駛員人工干預(yù)采取措施。

所以為了測試自動駕駛系統(tǒng)脫離的表現(xiàn)，除了遇到意料之外的緊急情況，谷歌測試人員每天會主動在自動駕駛和人工駕駛模式之前切換，即使此過程中也許并沒有牽扯到安全。比如，在周圍路況非常復(fù)雜、有過多自行車和行人或其他車輛的時(shí)候，以及測試人員認(rèn)為目前的行駛不在最舒適的狀態(tài)或不利于周圍車流行進(jìn)時(shí)，也會主動進(jìn)行干預(yù)。

此類事件源于軟件監(jiān)測到技術(shù)上無法實(shí)現(xiàn)自動駕駛，系統(tǒng)會立即將駕駛控制權(quán)交給司機(jī)。谷歌將此類行為歸于“緊急人工控制”（Immediate Manual Control），系統(tǒng)會用包括聲音和圖像等最明顯的方式提醒司機(jī)。

緊急人工控制的激活起點(diǎn)被設(shè)置得非常保守，谷歌并不是為了將這種脫離的情況控制在最低。相反，谷歌并不怕這種情況的發(fā)生，而利用這些收集到更多的數(shù)據(jù)以完善自動駕駛系統(tǒng)才是谷歌真正的目的。系統(tǒng)每秒鐘會自檢上千次，當(dāng)主系統(tǒng)和備用系統(tǒng)出現(xiàn)通信故障時(shí)（比如線纜斷裂）、當(dāng)速度表或GPS等傳感器的度數(shù)出現(xiàn)異常時(shí)、以及當(dāng)轉(zhuǎn)向和剎車等關(guān)鍵功能出現(xiàn)異常時(shí)，均會激活緊急人工控制。

?自動駕駛模式未成功激活事件

?事件間隔之間行駛里程

在報(bào)告涵蓋的范圍內(nèi)，谷歌的自動駕駛汽車在超過42萬英里的路程中共遇到了272次類似的事件。車上的測試人員對此均受過訓(xùn)練以應(yīng)對這種情況，平均反應(yīng)時(shí)間為0.84秒。

在對自動系統(tǒng)完善的過程中，數(shù)據(jù)顯示隨著測試車輛公里數(shù)每個(gè)月的持續(xù)增加，這種脫離的情況在慢慢減少。而在每次緊急人工控制發(fā)生的間隔中，自動駕駛的里程在穩(wěn)定的增加。脫離行為的發(fā)生率從2014年第4季度的785英里每次下降到2015年第4季度的5318英里每次。

車上的測試人員在對系統(tǒng)的更新和安全上起到了至關(guān)重要的作用。只要他們認(rèn)為必要，便隨時(shí)介入系統(tǒng)控制車輛。原因可能非常多樣，包括對于行駛的舒適性、安全性以及路面上其他可能會出現(xiàn)突發(fā)行為的交通參與者。

測試人員每次對汽車手動控制，系統(tǒng)都會將此次的脫離記錄下來并在整個(gè)過程中標(biāo)記，以便軟件團(tuán)隊(duì)事后分析。這些系統(tǒng)記錄的信息和來自測試人員的反饋都將用于評估自動駕駛系統(tǒng)潛在的安全問題和可提高的方面。

為了更好的研究脫離行為對于自動駕駛的重要性，谷歌開發(fā)了一套強(qiáng)大的模擬系統(tǒng)，可以讓軟件分析團(tuán)隊(duì)根據(jù)收集到的信息還原當(dāng)時(shí)的場景，并且預(yù)測如果不進(jìn)行人工干預(yù)，自動駕駛汽車以及路上其他的交通參與者會相繼有什么反應(yīng)。這套系統(tǒng)可以模擬出上千種不同可能性的情況，并對各種可能發(fā)生的結(jié)果進(jìn)行評估，以方便分析各項(xiàng)指標(biāo)的影響。

分析人員對每一次的事件都會仔細(xì)研究，并根據(jù)可能引起事件的因素在軟件中進(jìn)行優(yōu)化，隨后將優(yōu)化過的軟件從模擬實(shí)驗(yàn)到實(shí)際道路上進(jìn)行大量測試，并根據(jù)結(jié)果可以對所有車輛的軟件進(jìn)行升級。在這一年多的時(shí)間里，此類型的脫離時(shí)間共發(fā)生了69次。

?基于車輛安全運(yùn)行的人工干預(yù)

這69次事件中，13次被看做可能發(fā)生“模擬碰撞”（simulated contact），意思為如果測試人員不在當(dāng)時(shí)及時(shí)控制車輛的話，很可能會發(fā)生與碰撞事故。而剩下的56次在不脫離的情況下，即使被認(rèn)為很可能并不會造成碰撞的發(fā)生，但會對交通造成潛在的危險(xiǎn)，比如對交通信號燈的識別、對行人和自行車禮讓以及違章等。

而這13次可能發(fā)生碰撞的時(shí)間中有10次經(jīng)過模擬，碰撞很可能由谷歌自動駕駛汽車導(dǎo)致，包括兩次可能碰到的是路邊的錐形路標(biāo)；另外3次可能會有其他的車輛引起，比如其中一次是因?yàn)閷γ孳囕v逆行到了谷歌汽車的車道上，而在這種情況下，自動駕駛系統(tǒng)目前還不如人工操作更加安全。

?事件間隔之間行駛里程

事件間隔之間行駛里程的圖標(biāo)趨勢并不明顯，谷歌對此的解釋是因?yàn)槭录陌l(fā)生次數(shù)相對于里程的大基數(shù)過小，會增大數(shù)據(jù)變化的偶然性。但總體來說，數(shù)據(jù)顯示發(fā)生這種事件的概率隨著自動駕駛里程的增加也在減少，在發(fā)生每次事件的間隔中所行駛的里程也越來越多。

?模擬碰撞導(dǎo)致的脫離事件

上圖顯示了模擬碰撞事件導(dǎo)致的脫離情況。我們可以看到從2015年4月到2015年11月，谷歌汽車在自動駕駛模式下行駛超過了23萬英里，而并未發(fā)生一次類似的模擬碰撞。

DMV標(biāo)準(zhǔn)中提到的原因包括天氣情況、路面條件、緊急情況、發(fā)生事故等，其中有些原因并不是特別適合谷歌自動駕駛汽車。所以在報(bào)告中谷歌根據(jù)測試情況增加了一些原因類型，比如：

- 不合適的駕駛策略（Unwanted maneuver of the vehicle）：比如行駛路線太靠近路邊停放車輛

- 認(rèn)知差異（Perception Discrepancy）：指汽車的傳感設(shè)備未能正確識別馬路上的物體，比如停車場上方限高桿

- 軟件沖突（Software Discrepancy）：比如無法準(zhǔn)確使用GPS等各種功能

- 硬件沖突（Hardware Discrepancy）：硬件設(shè)備工作不正常

- 對其他交通參與者錯(cuò)誤的行為預(yù)測（Incorrect Behavior Prediction of Other Traffic Participants）：比如錯(cuò)誤判斷馬路上的行人是否要突然過馬路

?脫離原因類型

而我們可以看出所謂的認(rèn)知差異導(dǎo)致的脫離情況最多，其次就是軟件沖突，接下來是因?yàn)樽詣玉{駛汽車不合適的駕駛策略和硬件沖突。

下圖顯示了除去谷歌自動駕駛汽車行駛的42萬公里，還有人工控制下將近10萬英里的測試。

?總行駛里程

下面是谷歌對于所有事件發(fā)生的匯總圖表：

?所有脫離時(shí)間與行駛里程

?所有事件間隔中行駛里程

同樣根據(jù)DMV的規(guī)定，當(dāng)自動駕駛系統(tǒng)無法處理情況而不得不轉(zhuǎn)為人工駕駛的時(shí)候，需要花費(fèi)的時(shí)間也是必須提交的一項(xiàng)數(shù)據(jù)，這項(xiàng)數(shù)據(jù)只是在第一種自動駕駛系統(tǒng)未能成功激活的分類下統(tǒng)計(jì)。大部分情況下，測試人員在系統(tǒng)提示之后需要的反應(yīng)時(shí)間大概在1秒以內(nèi)，平均用時(shí)為0.84秒。

?切換人工控制時(shí)測試人員反應(yīng)時(shí)間

但是在272次事件中的88次，系統(tǒng)沒能記錄下測試人員的反應(yīng)時(shí)間（比如上表中打星號的事件）。谷歌解釋是因?yàn)樨?fù)責(zé)記錄和測量反應(yīng)時(shí)間的是主系統(tǒng)，而發(fā)生的錯(cuò)誤導(dǎo)致了主系統(tǒng)記錄時(shí)間點(diǎn)和提供車況（駕駛模式）的模塊間出現(xiàn)通信中斷。而谷歌稱根據(jù)緊急人工控制和已有的平均反應(yīng)時(shí)間，這些缺失的數(shù)據(jù)不會對結(jié)果造成什么影響。

谷歌自動駕駛汽車在過去的一年內(nèi)測試的總里程超過了42萬英里，其中只遇到了 272 樁意外事件，概率確實(shí)很低。而根據(jù)這份報(bào)告，我們也可以很明顯看出谷歌自動駕駛汽車的表現(xiàn)確實(shí)是在不斷變好。最近谷歌也開放了自己的測試場地，陸續(xù)發(fā)放邀請進(jìn)行參觀。

就目前而言，根據(jù)測試者的經(jīng)驗(yàn)，即使坐到了谷歌自動駕駛的汽車?yán)?，我們?nèi)匀恍枰獙㈦p手放置在9點(diǎn)和3點(diǎn)的位置上，隨時(shí)盯著前方路況不能轉(zhuǎn)移注意力，其實(shí)并沒有解放多少人類駕駛員角色的負(fù)擔(dān)，還需要駕駛員有一定的反應(yīng)速度以便在必要的時(shí)候迅速接手汽車進(jìn)入人工駕駛模式。而且這也僅僅是基于路上各種路標(biāo)指示完善的情況下。

雖然谷歌稱即使那些事故發(fā)生，他們的自動駕駛汽車也不是過錯(cuò)方，更多因?yàn)槠渌囕v駕駛者的魯莽操作。但這也又一次反映出自動駕駛距離真正融入現(xiàn)實(shí)交通還比較遠(yuǎn)，系統(tǒng)不僅需要遵守法律，還要考慮路面上大部分人的駕駛習(xí)慣。

車云菌認(rèn)為，從造成脫離時(shí)間的原因來看，不可否認(rèn)的是先進(jìn)的硬件是對軟件必要的支持，導(dǎo)致最多數(shù)量的認(rèn)知差異的原因，也許就是因?yàn)閭鞲杏布淖R別能力不夠強(qiáng)大。就像英偉達(dá)在這次CES上推出的Drive PX 2一樣，強(qiáng)大的內(nèi)核性能是支撐起大量機(jī)器學(xué)習(xí)的基礎(chǔ)。