三個圓點代表三張貼紙，有可能引導特斯拉駛入左側的反向車道。

　　現(xiàn)實版“鋼鐵俠”馬斯克曾在2016年寫道：“你將能夠從幾乎任何地方召喚你的特斯拉。一旦它載上你，你就可以在前往目的地的過程中睡覺、閱讀或做任何其他事情?！?/p>

　　3年過去了，理想總是很美好，現(xiàn)實也總是很骨感，馬斯克的全自動駕駛夢更近了嗎？

　　可惜，夢想總被冷水潑。近日，騰訊科恩實驗室發(fā)布最新研究報告，對準特斯拉自動駕駛系統(tǒng)“三炮齊射”，宣稱特斯拉Model S的雨刷識別系統(tǒng)、車道判斷系統(tǒng)和車輛控制系統(tǒng)存在漏洞，再次將自動駕駛的安全問題置于聚光燈下。

　　科恩實驗室提出的三項漏洞中，雨刷錯誤啟動所幸還無大礙；利用系統(tǒng)漏洞實現(xiàn)游戲手柄遙控，把特斯拉變成大號玩具車是駭客們玩出的新花樣；最抓人眼球的要數(shù)道路識別系統(tǒng)漏洞，在路面貼上難以注意到的三個小貼紙，假扮行駛路線，成功“忽悠”經過的特斯拉錯誤判斷并駛入反向車道。逆向走位，畫面激烈猶如電影大片，后果讓人不敢想象。

　　三張紙條真能“封印”特斯拉？

　　科恩實驗室研究認為，特斯拉AutoPilot的道路識別系統(tǒng)性能強大，在測試過程中使用了很多不規(guī)則道路，讓測試車輛系統(tǒng)能夠有效識別復雜的道路標識。然而，Autopilot識別不完美道路標志的能力使其對某些錯誤信息更為敏感，導致不顯眼的貼紙成功“得手”。

　　科恩發(fā)布報告后，特斯拉隨即給出回應：“駕駛員可以隨時通過使用方向盤或剎車輕松覆蓋自動駕駛，駕駛員也應該隨時準備應對突發(fā)情況，現(xiàn)實世界不存在這一擔憂?！?/p>

　　貼紙的風波剛起，特斯拉又信心滿滿地宣布更新美國用戶系統(tǒng)，增添最新版本“無縫導航”功能，可實現(xiàn)在默認許可下車輛自動改變車道。此前，特斯拉自動駕駛系統(tǒng)在進行操作前會主動要求司機手動確認執(zhí)行車道變化。新的軟件更新改變了這一點，駕駛員設定目的地后，可選擇在無需轉彎桿確認情況下汽車自動改變車道。系統(tǒng)在執(zhí)行自動變道前，將通過鈴聲、視覺信號等方式通知司機，為駕駛員觀察環(huán)境及取消變道操作留有時間。當然，特斯拉也補充道，駕駛員仍必須始終對汽車負責，并且必須始終控制汽車。

　　特斯拉通告中寫道，自2018年推出AutoPilot功能以來，全球用戶已經使用該功能行駛超過1億公里，并根據(jù)系統(tǒng)建議執(zhí)行超過900萬次車道變更。客戶反饋該功能讓公路旅行和高速駕駛更加輕松、愉快。有美國媒體認為，三張貼紙似乎并未對其造成嚴重影響，特斯拉此次更新是向全自動駕駛方向再邁進一步。

　　其實，科恩實驗室的東家騰訊早在2017年就已成為特斯拉的第五大股東，科恩發(fā)布“黑材料”、特斯拉針鋒相對“正面剛”也遠不是第一次，科恩和特斯拉的“相愛相殺”都是為了自動駕駛能夠走得更遠。

　　全自動駕駛離我們還有多遠

　　按照馬斯克的說法，特斯拉將在2019年年底實現(xiàn)完全自動駕駛。類似的話馬斯克在2016年也說過，不過那會兒說是2018年就能實現(xiàn)。到底什么時候才能做到上車、睡覺、到家？

　　對此，西蒙顧和上海辦公室執(zhí)行總監(jiān)陸盛赟在接受科技日報記者采訪時給出詳細解讀。目前，各大車企最新量產汽車主要在L2級（部分自動化）上下功夫，也有車型已經率先進入L3（有條件自動化）階段，如最新配置自動駕駛功能的奧迪A8、特斯拉等。

　　陸盛赟表示，那種駕駛員可以睡覺、完全脫手的全自動駕駛在現(xiàn)有技術上還無法實現(xiàn)。目前的主流研發(fā)方向是一種“人技結合”的自動駕駛，司機仍需要在行駛中發(fā)揮作用，自動駕駛不等于無人駕駛。而馬斯克所說于今年年底實現(xiàn)的全自動駕駛，可能需要附加很多特定條件，如制定與之相適應的交通和監(jiān)管規(guī)則；在一定封閉的環(huán)境內，車輛均采用相同的自動駕駛系統(tǒng)等，其商業(yè)落地場景具有局限性。

　　“此前，百度等已經在封閉園區(qū)內實現(xiàn)了這種有附加條件的全自動駕駛，但離全社會的完全自動駕駛還是很遙遠的。”

　　開車睡到家，技術和社會都得加把勁

　　法國自動駕駛技術專家李鈾對科技日報記者表示，目前的自動駕駛系統(tǒng)主要包含感知、定位、高精地圖、導航與控制五大塊。其中，感知模塊通過處理攝像頭、毫米波雷達、激光雷達、超聲波雷達等各種傳感器的數(shù)據(jù)，來獲取障礙物、行道線、路面等信息，再結合定位、地圖生成駕駛路徑，最后再由控制器執(zhí)行。由此可以看出，感知系統(tǒng)在自動駕駛系統(tǒng)中占據(jù)重要位置，也是主要難點。

　　李鈾說：“機器學習被視為實現(xiàn)自動駕駛的重要核心技術，其通過在已標記的數(shù)據(jù)集上進行統(tǒng)計學習，來模擬人的認知能力。”

　　目前機器學習集中應用在感知系統(tǒng)當中，包括圖像識別、點云識別等。最近幾年的深度學習因為深層神經網(wǎng)絡能夠處理海量數(shù)據(jù)，在各大數(shù)據(jù)集上達到甚至超越人類的認知能力，使得該技術快速產業(yè)化，其中自動駕駛是其最火的應用領域。

　　“然而其本質上是在已知、過去的空間中采樣學習，面對未知、未來的開放空間，并不能很好地認識到其自身的局限性，會把未知劃入到已知范疇加以處理，從而給出錯誤的結果，這給開放道路下完全自動駕駛帶來嚴重的安全隱患。面對科恩實驗室的貼紙等特別設計的對抗樣本，除了將其納入學習樣本，并不能保證面對新的對抗樣本時不出錯誤?！?/p>

　　李鈾認為，只有在人工智能技術取得突破，激光雷達等傳感器技術進一步發(fā)展，同時在社會層面，需要交通規(guī)劃、道路設計、車聯(lián)網(wǎng)、安全標準、法律法規(guī)等基礎設施取得長足發(fā)展之后，完全自動駕駛才會變得可行。

　　在此之前，配有自動駕駛系統(tǒng)功能的汽車可以在某些情況、某些路段下實現(xiàn)無人駕駛。但由于邊界不清，還將繼續(xù)在人的監(jiān)控下實現(xiàn)自動駕駛，比如特斯拉要求司機必須將雙手放在方向盤上，隨之帶來因駕駛員走神、無聊等心態(tài)變化而產生的新的安全隱患。

　　目前汽車行業(yè)可落地的自動駕駛主要還是自適應巡航、自主緊急剎車、車道線保持、自主泊車、堵車輔助駕駛等L2至L3自動駕駛技術。

　　現(xiàn)階段，所謂的全自動駕駛系統(tǒng)更多的是汽車廠商的宣傳，車還得我們自己開?？上驳氖?，L3級別自動駕駛技術正逐步走向成熟。未來，開車將會更輕松。（記者 李宏策）