圖像來源于警方公布的TV監(jiān)視器上的視頻片段。重疊的圖像顯示了Mobileye ADAS系統(tǒng)的響應(yīng)。綠色和白色邊界框是自行車和行人檢測模塊所輸出的結(jié)果。水平圖顯示了道路和障礙物之間的邊界，我們稱之為“自由空間”。
此次實驗所使用的軟件與當(dāng)前配備ADAS的車輛采用的軟件相同，并已經(jīng)在數(shù)十億英里的用戶行駛里程中得到了驗證。
現(xiàn)在，像深度神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)的發(fā)展，讓很多人認為，高精物體檢測系統(tǒng)已經(jīng)可以被輕松地開發(fā)出來，而那些計算機視覺專家十幾年的經(jīng)驗則被視為大打折扣。這使得很多新手涌入這一領(lǐng)域。雖然這些新技術(shù)的確有用，但很多傳統(tǒng)依舊不能忽略，這包括識別和完成數(shù)百次極端情況的測試、對數(shù)千萬英里數(shù)據(jù)集的注釋以及在數(shù)十個ADAS項目上進行極具挑戰(zhàn)性的試生產(chǎn)驗證測試。經(jīng)驗至關(guān)重要，尤其是在安全為先的領(lǐng)域。
對事件的第二個觀察是透明度。人人都說“我們把安全放在最重要的位置”，但我們認為，要想獲得公眾信任，就必須更加透明。正如我在去年10月在Mobileye發(fā)布責(zé)任敏感安全模型（RSS）時所說，決策必須符合人類判斷的常識。我們將“危險情況”和“正確響應(yīng)”等常識概念做了數(shù)學(xué)公式化設(shè)計，并建立了一個從數(shù)學(xué)上確保符合定義的系統(tǒng)。
第三個觀察則是冗余。真正的感知系統(tǒng)需要有冗余設(shè)計，而且，必須依賴于獨立的信息源：攝像頭、雷達和激光雷達。把這些信息源整合起來，有助于提高駕駛舒適度，但不利于安全。為了展示我們獲得了切實的冗余度，Mobileye開發(fā)了獨立、僅攝像頭的端到端系統(tǒng)以及獨立的激光雷達和僅雷達系統(tǒng)。
如果類似上周的事故再次發(fā)生，用戶本來就很脆弱的信任，將會被進一步降低，并可能引發(fā)被動監(jiān)管，最終扼殺這項重要的工作。正如我在介紹責(zé)任敏感安全模型時所說，我堅信，現(xiàn)在就需要對全自動駕駛汽車的安全驗證框架做出有意義的討論。我們邀請汽車廠商、該領(lǐng)域的技術(shù)公司、監(jiān)管部門以及其它相關(guān)各方一起解決這些重要問題。
本文作者：Amon Shashua教授 英特爾公司高級副總裁以及英特爾子公司Mobileye公司首席執(zhí)行官兼首席技術(shù)官
