在今年1月的國際消費電子展（CES）上，Mobileye公布了一段未經剪輯的時長為25分鐘的路測視頻，展示了Mobileye自動駕駛汽車在耶路撒冷喧囂街道上行駛的情景。我們發布這段視頻的首要目的是提高自動駕駛的透明度，即便我們也想展示Mobileye的非凡技術，但比這更重要的是，我們想向世人展示自動駕駛汽車是如何運行的，因為只有這樣，自動駕駛汽車才能贏得社會的信任。

　　我們選擇通過一架無人機來跟蹤拍攝這段駕駛，以便大家對駕駛環境有更形象的認知，進而更好地理解自動駕駛汽車決策背后的邏輯。汽車PCB小編認為，需要說明的是，駕駛過程中唯一受到人工干預的是在約20分鐘左右，我們為無人機更換了電池。此外，我們還為視頻配備了旁白，以詳細介紹Mobileye的自動駕駛技術是在何處發揮作用，以及是如何處理駕駛過程中遇到的各種復雜情況的。

據我們所知，Mobileye的方案是獨一無二的，在自動駕駛行業的眾多廠商中也是名列前茅的。我們的目標是解決自動駕駛汽車的規模化難題，而想要真正步入自動駕駛汽車的美好未來，也必須實現規模化。我們認為，自動駕駛汽車會首先以共享汽車，例如自動駕駛班車的形式實現，進而再在消費級自動駕駛乘用車上落地。在我看來，自動駕駛汽車規模化所面臨的挑戰主要集中在成本、高精地圖的普及以及安全性上，在此想指出的是，安全性必須以非普遍認知的方式來決定軟硬件的體系結構。

　　早在2017年，我們就基于兩項觀察發布了我們對“安全”的定義。首先，我們需要在駕駛策略規劃之初就以正式的方式闡明“小心謹慎”的定義，并以此消除決策過程中因判斷失誤而導致的事故（例如因并道而引發的交通事故），而這最終將用以實現安全性與實用性之間的平衡。

　　Mobileye的責任敏感安全模型（RSS）主要圍繞駕駛員的實際操作展開，通過諸如“路權是被賦予的，而不是爭奪來的”這樣的概念來建立度量參數，以便讓自動駕駛汽車做出安全的決策。當然，這些參數是我們與管理機構和標準機構聯合制定的。在這之后，RSS模型在可供假設的范圍內假定了最壞的情況，即其他道路使用者會做出的最糟糕的動作是什么。這樣一來，我們就不再需要對其他道路使用者的行為進行預測了。RSS的理論證明，如果自動駕駛汽車遵循該理論所規定的假設和行為，那么自動駕駛汽車的決策大腦就永遠不會造成事故。也是從那時起，RSS在全球范圍內得到了推廣。

　　在2019年末，電氣電子工程師協會（IEEE）組建了一個新的工作組，并委派了英特爾公司資深首席工程師Jack Weast擔任該工作組的負責人，該工作組旨在開發用于自動駕駛汽車決策的標準——IEEE 2846。該工作組的成員大致能夠代表整個自動駕駛行業。在我看來，這一跡象是令人安心的，因為這表明我們可以通過全行業的合作打造一個關鍵里程碑，以此推動全行業的進步，進而帶動我們自身的發展。

　　我們發表的論文中的第二個觀察對我們的系統架構產生了深遠的影響。也就是，即便機器人駕駛員的決策過程參考了諸如RSS的安全模型，但我們仍然有可能面臨一種情況，也就是由感知系統故障而導致的交通事故。感知系統通常由攝像頭、雷達和激光雷達構成，并通過軟件將傳感器的原始數據轉換為“環境模型”，這其中尤其包括其他道路使用者的位置和速度。即使幾率極小，但有一種可能是感知系統會忽略掉道路使用者和無生命障礙物等在內的相關物體的存在，或是錯誤地計算其尺寸，從而引發事故。

　　為了更好地理解這個問題，讓我們做一個“粗略的”計算。線路板廠了解到，美國每年的累積駕車行駛里程約為3.2 萬億公里，其中，導致人員受傷的事故約為600萬起。假設平均駕駛速度為每小時16公里，那么平均故障間隔時間（MTBF）為50，000小時。假設我們的自動駕駛汽車的MTBF比人類的MTBF高10倍、100倍或1，000倍（請注意，我們已經排除了“和人類一樣好”的這種可能，因為我們必須做得更好），假設我們部署10萬輛自動駕駛汽車作為自動駕駛班車進行規模化落地（這一數字與網約車廠商提出的數字相符，以這一數字來支持幾十個城市的相關服務是合理的），假設每輛自動駕駛班車每天行駛5個小時，那么，如果MTBF設計提高10倍，大概每天會出一次交通事故；如果提高100倍，每周會出一次事故；如果提高1000倍，則是每個季度僅出一次事故。

　　從社會的角度來看，如果道路上行駛的所有汽車的MTBF都提高10倍，這將是一個巨大的成就；但從車隊經營者的角度來看，無論從經濟還是從輿論上出發，每天一次事故無疑是一個無法承受的結果。顯然，如果我們的目標是自動駕駛汽車的規模化落地，那么下限就是MTBF必須提高1000倍。即便是這樣，每個季度出一次事故還是令人神經緊張。