科技日报记者 李宏策
现实版“钢铁侠”马斯克曾在2016年写道：“你将能够从几乎任何地方召唤你的特斯拉。一旦它载上你，你就可以在前往目的地的过程中睡觉、阅读或做任何其他事情。”
三年过去了，理想总是很美好，现实也总是很骨感，马斯克的全自动驾驶梦更近了吗？
可惜，梦想总被冷水泼。近日，腾讯科恩实验室发布最新研究报告，对准特斯拉自动驾驶系统“三炮齐射”，宣称特斯拉Model S的雨刷识别系统、车道判断系统和车辆控制系统存在漏洞，再次将自动驾驶的安全问题置于聚光灯下。
科恩实验室提出的三项漏洞中，雨刷错误启动索性还无大碍；利用系统漏洞实现游戏手柄遥控，把特斯拉变成大号玩具车是骇客们玩出的新花样；最抓人眼球的要数道路识别系统漏洞，在路面贴上难以注意到的三个小贴纸，假扮行路线，成功“忽悠”经过的特斯拉错误判断并驶入反向车道。逆向走位，画面激烈犹如电影大片，后果让人不敢想象。
三张贴纸攻破特斯拉自动驾驶系统？
科恩实验室研究认为，特斯拉AutoPilot的道路识别系统性能强大，在测试过程中使用了很多不规则道路，让测试车辆系统能够有效识别复杂的道路标识。然而，Autopilot识别不完美道路标志的能力使其对某些错误信息更为敏感，导致不显眼的贴纸成功“得手”。
三个红色原点代表三张贴纸，有可能引导特斯拉驶入左侧的反向车道
科恩发布报告后，特斯拉随即给出回应：“驾驶员可以随时通过使用方向盘或刹车轻松覆盖自动驾驶，驾驶员也应该随时准备应对突发情况，现实世界不存在这一担忧”。
贴纸的波浪刚起，特斯拉又在3日信心满满地宣布，于当天更新美国用户系统，增添最新版本“无缝导航”功能，可实现在默认许可下车辆自动改变车道。此前，特斯拉自动驾驶系统在进行操作前会主动要求司机手动确认执行车道变化。
新的软件更新改变了这一点，驾驶员设定目的地后，可选择在无需转弯杆确认情况下汽车自动改变车道。系统在执行自动变道前，将通过铃声、视觉信号等方式通知司机，为驾驶员观察环境及取消变道操作留有时间。当然，特斯拉也补充到，驾驶员仍必须始终对汽车负责，并且必须始终控制汽车。
特斯拉通告中写道，自2018年推出AutoPilot功能以来，全球用户已经使用该功能行驶超过1亿公里，并根据系统建议执行超过900万次车道变更。客户反馈该功能让公路旅行和高速驾驶更加轻松、愉快。有美国媒体认为，三张贴纸似乎并未对其造成严重影响，特斯拉此次更新是向全自动驾驶方向更迈进一步。
其实，科恩实验室的东家腾讯早在2017年就已成为特斯拉的第五大股东，科恩发布“黑材料”和特斯拉针锋相对“正面刚”也远不是第一次，科恩和特斯拉的“相爱相杀”都是为了自动驾驶能够走的更远。
全自动驾驶离我们还有多远
按照马斯克的说法，特斯拉将在2019年底实现完全自动驾驶。类似的话马斯克在2016年也说过，不过那会说是2018年就能实现，到底什么时候才能做到上车、睡觉、到家？
对此，西蒙顾和上海办公室执行总监陆盛赟在接受本报采访时给出详细解读。自动驾驶的分级标准有欧版（SAE）和美版（NHTSA）之分，两者在0至3级自动化水平的定义基本相同，欧版标准对全自动驾驶的定义和分级更为细化。如图：
0级为无自动化，需要驾驶员全权操作汽车，系统仅提供警告、保护等辅助功能，如车道偏离警告、盲点监测等；
1级为驾驶支援，指系统对方向盘或加减速中的一项操作提供支援，其他驾驶动作由驾驶员完全主导，如自适应巡航控制系统（ACC）、自动紧急制动（AEB）等；
2级为部分自动化，指系统对方向盘或加减速中的多项操作提供支援，同时具有纵向和侧向的自动控制，驾驶员可以放弃主要控制权，但必须随时待命；
3级为有条件自动化，由无人驾驶系统完成所有驾驶操作，根据系统请求，驾驶者提供适当应答。
美国的4级和欧洲的5级为全自动驾驶，只要输入出发地和目的地，责任完全交给车辆端。
目前，各大车企最新量产汽车主要在L2级上下功夫，也有车型已经率先进入L3阶段，如最新配置自动驾驶功能的奥迪A8、特斯拉等。
陆盛赟表示，那种驾驶员可以睡觉、完全脱手的全自动驾驶在现有技术上还无法实现。目前的主流研发方向是一种“人技结合”的自动驾驶，司机仍需要在行驶中发挥作用，自动驾驶不等于无人驾驶。而马斯克所说于今年底实现的全自动驾驶，可能需要附加很多特定条件，如制定与之相适应的交通和监管规则，在一定封闭的环境内，区域内车辆均采用相同自动驾驶系统等，其商业落地场景具有局限性。此前，百度等已经在封闭园区内实现了这种有附加条件的全自动驾驶，但离全社会的完全自动驾驶还是很遥远的。
实现开车睡到家还要加把劲
法国自动驾驶技术专家李铀对科技日报记者表示，目前的自动驾驶系统主要包含感知、定位、高精地图、导航与控制五大块。其中，感知模块通过处理各种传感器的数据，如摄像头、毫米波雷达、激光雷达、超声波雷达来获取障碍物、行道线、路面等信息，再结合定位、地图生成驾驶路径，最后再由控制器执行。由此可以看出，感知系统在自动驾驶系统中占据重要位置，也是主要难点。
李铀说，机器学习被视为实现自动驾驶的重要核心技术，其通过在已标记的数据集上进行统计学习，来模拟人的认知能力。目前机器学习集中应用在感知系统当中，包括图像识别、点云识别等。
最近几年，深度学习因为深层神经网络能够处理海量数据，在各大数据集上达到、甚至超越人类的认知能力，使得该技术快速产业化，其中自动驾驶是其最火的应用领域。然而其本质上是在已知、过去的空间中采样学习，面对未知、未来的开放空间，并不能很好的认识到其自身的局限性，会把未知划入到已知范畴加以处理，从而给出错误的结果，这给开放道路下完全自动驾驶带来严重的安全隐患。
面对科恩实验室的贴纸等特别设计的对抗样本，除了将其纳入学习样本，并不能保证面对新的对抗样本时不出错误。
李铀认为，目前技术下实现完全自动驾驶还需要人工智能技术实现突破，比如能够使其认识到自己的局限。另外，还需要激光雷达等传感器技术进一步发展。同时在社会层面，需要交通规划、道路设计、车联网、安全标准、法律法规等基础设施取得长足发展之后才会变得可行。
在此之前，配有自动驾驶系统功能的汽车可以在某些情况、某些路段下实现无人驾驶。但由于边界不清，还将继续在人的监控下实现自动驾驶，比如特斯拉要求司机必须将双手放在方向盘上。由此带来的驾驶员走神、无聊等心态变化也会产生新的安全隐患。
目前在汽车行业可落地的自动驾驶主要还是自适应巡航、自主紧急刹车、车道线保持、自主泊车、堵车辅助驾驶等L2至L3自动驾驶技术。
现阶段，所谓的全自动驾驶系统更多的是汽车厂商的宣传，车还得我们自己开。可喜的是，L3级别自动驾驶技术正逐步走向成熟。未来，开车将会更轻松。
来源：科技日报 文中图片来自网络
编辑：朱丽
审核：王小龙