如何评价仰望U8辅助驾驶撞货车导致司机与乘客重伤？

辅助驾驶大家都在拼传感器数量，以及经典的雷达线数，但是很少厂家在面对公众的时候提及决策系统和处理算法，但真正决定安全边界的，往往是感知融合、预测规划、时序记忆和风险策略，

盲点1：时空记忆框架，约等于AI的上下文，记录周边已识别目标的位置、速度、相对距离、轨迹变化、置信度，然后用于预测和规划，这里面很关键的一项技术叫“时序记忆”，利用多帧历史信息减少感知抖动、提高时序一致性，而目前的辅助驾驶的上下文其实偏向于物理层，其实没有让决策层进行更多的计算，来做到防御性驾驶

简单来说就是，人类开车不时记住旁边有一辆车，距离 12 米，速度 60km/h，而是前面有辆货车速度不快，右边那辆辆车刚才频繁压线，虽然现在没打灯，但轨迹在往我这边漂；前方车流突然变密，后车可能反应不过来；刚才路边有施工车，后面车辆还不知道； 地图说这里车道正常，但现实已经被临停车辆堵住了，如果只是“记住雷达识别到的车辆距离、位置、速度”距离人类的防御性驾驶还是远远不够，真正有价值的是把它升级成短时交通行为记忆，形成类似目标车 A过去 6 秒内两次贴近车道线，横向速度逐渐增大，疑似即将并线；驾驶风格激进；如果我继续加速，会进入它的潜在变道路径。这样的风险策略，作为决策层的参考依据，当前的辅助驾驶的问题，不是完全看不见，而是看见了，但没有把看见的变化理解成风险趋势。这就导致了留给紧急事件的处理窗口的冗余不足，表现出来就是2秒前识别到前车，1秒前开始刹车，但是刹不住这样的情况，这就是“上下文不足”的真正含义。

盲点2：V2X，车与车、车与路侧设备、车与行人设备之间的信息交换，美国交通部对 V2X 的定义就是让车辆、移动设备和路侧基础设施通过无线通信交换可信、及时的数据，从而提升安全、通行效率和机动性，它还能在非视距情况下提供 360 度态势感知

单车智能有天然盲区，对于（雷达）视距之外的突发状况没有任何信息，比如前车能看到拥堵尾部，后车看不到；第一辆车知道前方有掉落物，后车不知道；一辆车刚经历急刹，后方车流还没反应；施工、事故、积水、临停、逆行车等等情况只有进入到视距才能够被感知再转至决策层处理，如果这些信息能低延迟传给后车，能显著提升防御性驾驶，比如再这个案例中，如果有前车报告前方左侧车道存在低速大货车，传递时速、GPS等信息，后车就能基于此路况提前预知风险点进行相应的策略调整

当然，这里面最大的问题就是信息量和置信度，可能通过签名认证，限频道，分层处理，交叉验证等手段利用，有待行业进一步的推动车车互联的生态，而不是仅守着自家的一亩三分地

总结就是：当前智能驾驶缺少面向防御性驾驶的“短时交通语境记忆”和“群体风险共享机制”。车辆不应只理解当前帧的物体位置，还应理解过去几秒内周围交通参与者的行为趋势，并把高置信度异常路况以低延迟、短半径、可验证的方式传递给附近车辆，

传感器堆料解决的是“看见更多”，但事故往往出在“看见以后有没有理解成风险趋势，并提前留出处理冗余”。

而回到这个事故，基于U8的硬件配置，隧道入口伴随光线、曲率、坡度、车道线变化、墙体干扰都会导致决策滞后，结果处理窗口就太短了，而为了减少高速误刹，那怕雷达识别到了目标，也会对静止/极低速目标做过滤或更谨慎确认，这就导致了高速场景下处理窗口的进一步缩短，112km/h 约等于每秒 31 米，哪怕系统提前 2 秒发现，实际可用距离也就几十米，对于刹车系统压力还是很大的

总的来说，当前阶段的辅助驾驶，依然处于不完全可信状态，宣传脱手睡觉的企业是真的草菅人命。