國內最熱的新造車公司蔚來，近日也出現了一起自動駕駛（L2級）相關的事故。就在剛剛過去的一月底，1台蔚來ES8在高速公路上開啟L2級自動駕駛功能（NOP，領航輔助）時，先後撞上了一名男子和一台五菱宏光，兩車嚴重受損，零件散落一地。

▲事故畫面

蔚來ES8全車搭載了25個傳感器，是目前全球少數幾款擁有自動導航輔助這種高級L2級自動駕駛功能的車型，蔚來官方更是表示自己具有全棧自動駕駛能力。

但就是在這種硬件配置和能力之下，為何ES8在一條空曠的高速路上卻躲不了一個行人和一台車呢？官方給車東西的回復大意是車速過高，AEB系統不在工作範圍，無法避免，或減緩碰撞。

▲ES8事故現場（圖源@跑不動的小狐狸）

但顯然更本質的原因是NOP系統沒有及時發現前方障礙物，最終導致了碰撞。車東西向蔚來汽車方面詢問了更為細節的事故原因，但對方表示目前不方便回答。

事故的原因依然存疑。

為了弄明白事故背後到底發生了什麼，以及可能存在的技術原因，車東西也與來自車企、Tier1企業、自動駕駛公司、傳感器公司的多位專家和高管進行了長時間的交流後，找到了幾個可能的答案。

01 .

寫在前面：事故責任在駕駛員

蔚來汽車方面向車東西確認，事故發生時，這台ES8確認正在開啟NOP（Navigate on Pilot）領航輔助功能。

根據SAE和工信部《汽車駕駛自動化分級》標準，NOP是一套標準的L2級自動駕駛系統，工作時車輛在單一車道居中向前行駛，根據前方障礙車輛自行控制加減速，並可自行變道超車、下匝道。

▲工信部駕駛自動化等級與劃分要素關係圖示

L2級自動駕駛系統有三個關鍵點：

（1）系統有嚴格的工作條件，超過工作條件便會失效或退出。

（2）系統執行自動化操作時，駕駛員需要始終監測路況，並準備隨時接管。

（3）最終的駕駛責任在駕駛員。

也就是說，如果超出了系統工作範疇，駕駛員應該及時接管。如若沒有接管而產生的事故，責任在駕駛員。

蔚來官方在NOP的用戶手冊裡明確強調：

（1）NOP無法對人、動物、交通燈及靜態障礙物（如高速收費站、路障、三角警示牌等）做出反應。

（2）本車與前車相對速度大於50公里/小時，如前車靜止或緩行，Pilot（NOP的基礎功能，兩者縱向控制是一套算法）存在無法剎停的風險，出現上述情況，請立即退出Pilot，切勿在上述情況嘗試Pilot對靜止車輛剎停或跟停前車。

▲蔚來車主手冊的警示

很明顯，這次事故的場景，剛好把蔚來NOP/Pilot手冊中的兩個警示條款都遇到了，一個是行人，一個是靜止車輛。

屬於駕駛員沒有在特殊情況下接管車輛，最終造成了事故，責任在駕駛員，前方那個五菱宏光在高速超車道停車本身也屬於違規行為。

▲ES8事故現場（圖源@跑不動的小狐狸）

當然，對專注於自動駕駛技術報導的車東西來說，我們更想弄清楚，號稱有全棧自動駕駛研發能力，全球繼特斯拉NOA（Navigate on Autipilot）後第二個推出類似功能（NOP ）的蔚來，為什麼無法完美解決靜止車輛的避讓問題，這次事故的潛在原因有哪些？背後又面臨著哪些技術挑戰？

注意，以下內容僅僅屬於技術分析與探討，最終事故原因以交管部門和蔚來汽車出具的報告為準。

02 .

蔚來的解釋：NOP剎不住，AEB沒啟動

在事故發生後，車東西與蔚來公關部取得了聯繫，對方給出瞭如下回复：

根據自動輔助駕駛系統的設計，無論是否開啟NOP，當系統檢測到機動車、行人時，如果車速低於8公里/小時或大於85公里/小時，自動緊急制動（AEB）不會啟動。NOP在發現靜止或低速物體時所能請求的減速度有限，會提前減速，在減速度不足時，提示駕駛員接管。

本次事故初步調查顯示，車輛發生碰撞前時速超過100公里/小時，在此情況下，NOP所能請求的最大減速度已無法保持車距，車輛發出“注意保持車距”的警示，提示駕駛員接管車輛；又因為車速超出AEB可觸發的車速區段，故發生該起事故時AEB沒有觸發。

蔚來官方的回复僅僅告知了表面原因——NOP剎不住，AEB沒啟動。

▲蔚來NOP功能說明

根據業內通用做法，NOP、Pilot這類L2功能屬於舒適性功能，因此系統所能夠請求的減速度（就是最大剎車力度）有限。

在碰撞前最後一刻，NOP發現了前方有靜止車輛，然後進行了剎車，但力度不夠沒剎住，就出現了碰撞事故。

NOP面對這個場景會剎不住，那麼誰能起到作用呢？

答案是AEB自動緊急制動系統，但蔚來的AEB系統設計的工作範圍是8-85公里/小時，而在事故發生時車速超過100公里/小時，不在工作範圍，最終不幸發生了事故。

這裡需要注意，目前有些車型AEB系統的工作區間上限或超過100公里/小時，甚至超過120公里/小時。蔚來的AEB如果工作範圍更大，能夠幫助減緩損害。

03 .

為什麼剎不住？感知到障礙車輛太晚

在這起事故中，表面上看是NOP剎車力度不足，導致沒法在最後一刻剎停這台ES8。

但從L2級自動駕駛系統背後技術後看，核心原因是感知系統沒有及早發現靜止車輛（躲避行人的功能蔚來沒做，此處不做討論），所以留給NOP進行剎車的時間太短了，進而出現請求的減速度不足的情況。

試想，如果在100米，或者50米的距離就已經發現了前方車輛，NOP早點開始減速不就能剎停，或是大幅減速降低碰撞傷害嗎？

給個剎車數據做個參考。

蔚來ES8搭載了Brembo的高性能剎車系統，全力製動時，2噸多的SUV從100公里/小時到0的剎車距離只有33.8米。

▲小改款後的2020蔚來ES8

這個成績不僅遠超大部分普通家用SUV，更是直接能叫板性能車和超級跑車。即使NOP所能請求的剎車力度不足，剎車距離翻倍也在100米之內。

然後再看看蔚來官方的回复，“在此情況下，NOP所能請求的最大減速度已無法保持車距，車輛發出“注意保持車距”的警示，提示駕駛員接管車輛”。

翻譯一下就是NOP系統發現前方有障礙車輛的時間已經太晚了，剎車也沒用了。所以從技術邏輯分析，這起事故的根本原因是感知系統的“鍋”。

這裡再次強調，蔚來汽車已經在用戶手冊中註明了前方存在靜止或緩行車輛，需要駕駛員接管。所以說感知系統要“背鍋”，並不是說NOP存在設計缺陷，或者是蔚來汽車需要為事故承擔責任。

04 .

25個傳感器為什麼看不到一台車？

蔚來汽車方面向車東西確認，事故車輛是一台老款ES8。

根據車東西了解到的信息，老款ES8搭載了25個傳感器，包括一個前向3目攝像頭、5個毫米波雷達、4個環視攝像頭和12個超聲波雷達、一個駕駛員監測攝像頭。

整個L2級自動駕駛系統使用了Mobileye目前最強的EyeQ4芯片提供算力，並且ES8在2018年發布的時候還是全球首個搭載EyeQ4的量產車。

▲蔚來ES8的感知系統

在NOP系統運作的時候，正前方主要依靠車頭處的前向長距離毫米波雷達和前視攝像頭進行感知。

事故車輛搭載的是博世第四代毫米波雷達中距離產品MRR（Mid Range Radar）。在ES8小改款後，該雷達換成了德爾福的雷達。

▲蔚來ES8的前雷達

攝像頭的感知算法由Mobileye提供，內嵌在EyeQ4中。毫米波雷達的感知算法由博世提供，內嵌在MRR雷達的主控芯片中。

這裡有一個細節需要注意，由於EyeQ4使用的是單目攝像頭算法，所以蔚來雖然有三個前視攝像頭，但其實只有一個攝像頭參與前方感知，並沒有使用雙目攝像頭組成的立體視覺算法。

據推測，蔚來ES8的三目攝像頭一個其中一個給EyeQ4輸出畫面，一個用做行車記錄儀，另一個用於蔚來自行採集數據，以便訓練自家的算法。

▲Mobileye EyeQ4芯片

特斯拉早期的自動駕駛系統也有類似做法。就是裝多個前視攝像頭，其中一個給Mobileye提供畫面，另外一個自己收集數據默默訓練自己的感知算法。

NOP開啟時，EyeQ4和MMR雷達分別輸出目標感知的結果，其中後者的目標結果會傳遞至EyeQ4芯片上，由蔚來自主研發的融合算法對目標進行比對，在獲得關鍵的外界感知結果後，最終計算出駕駛決策。

作為一套引入了EyeQ4芯片的L2級系統，蔚來NOP系統的基礎架構來自於視覺系統，即通過攝像頭識別可行駛區域，並感知外界目標，在發現需要躲避的關鍵目標後，再引入毫米波雷達的感知數據來精確感知目標的速度和距離，進而算出駕駛決策。

這個架構換句話來說就是視覺是主傳感器，然後再用毫米波雷達進行輔助。其中視覺傳感器的權重高，毫米波雷達的權重低。

在這個背景下，蔚來的NOP的感知系統沒有及時發現前車，就存在這樣幾種情況：

1、攝像頭和毫米波雷達均在最後時刻發現前車

2、攝像頭始終沒有發現前車，毫米波雷達最後時刻發現前車（可排除）

3、毫米波雷達始終沒有發現前車，攝像頭最後時刻發現前車

4、毫米波雷達較早發現前車，攝像頭在最後時刻才發現前車

5、攝像頭較早發現前車，毫米波雷達在最後時刻發現前車（可排除）

考慮到蔚來NOP是一套L2級系統，並且是視覺為主傳感器，所以如果攝像頭較早發現了前車並持續追踪，理論上會在較早位置開始減速，所以情況5可以排除。

在以視覺為主的L2級自動駕駛系統中，一般情況下如果沒有視覺感知的結果，L2系統幾乎僅依靠毫米波雷達的目標進行反應。

在單雷達的AEB和ACC系統中，存在僅依靠雷達進行反應的做法。但考慮到蔚來的AEB系統根本不在工作範圍，所以情況2也可以基本排除。

現在我們剩下了1、3、4三種情況。

還是那句話，因為視覺是主傳感器並且權重更高，所以在情況4之下，即使毫米波雷達先發現了前車，系統也會暫時不行動，需要等待攝像頭的感知結果融合後再採取行動。

看到這裡，其實這起事故的技術原因已經很清楚了，最關鍵的是視覺沒有及時發現目標。

同時毫米波雷達則顯得有一些奇怪，它既可能較早就發現了目標，也可較晚發現，甚至還可能根本沒有發現目標。

在下一部分，我們具體聊一聊事故中到底遇到了哪些感知難題，以及毫米波雷達為什麼有這麼多的可能性。

05 .

感知難點在哪？雨天+靜止車輛+特殊位置

從行車記錄儀視頻畫面來看，事故發生時這台ES8的雨刮器正在工作，說明當時正在下雨，擋風玻璃的雨滴會對車載前視攝像頭產生一定的干擾，影響視覺識別能力。

不過需要注意，視頻中雨刮器工作的頻率不高，同時前風擋玻璃上的雨滴也比較少，可見當時應該下著小雨，對Mobileye的成熟算法來說，應該影響較小。

▲事故當天在下雨

幾位自動駕駛從業者告訴車東西，視覺真正受影響的關鍵在於被撞五菱宏光的位置。

當時五菱宏光的車主下車在後方佈置警示牌，同時五菱宏光又停在了車道線偏左、靠近隔離帶的位置。

從ES8的視角來看，五菱宏光車主和車身之間有一定的重疊。

▲事故時，行人和前車有重疊

“視覺算法會依靠車輪、尾燈等特徵點進行識別，行人跟車輛重疊在一起，很容易乾擾識別算法。”一位車企的自動駕駛負責人這樣向車東西解釋道。

至於毫米波雷達，車東西詢問了來自車企、Tier1和自動駕駛公司的相關專家後，也弄清楚了背後的多重複雜原因。

首先需要知道蔚來與博世的合作模式才能推測可能性。

據介紹，車企在選購博世的MMR第四代毫米波雷達時有兩種模式，一是雷達直接給車企提供32個原始目標，並且告知是靜止還是運動目標。

在這種模式下，需要車企自行結合視覺算法，來判斷靜止物體是汽車還是其他障礙物。

第二種模式下，博世會根據自己的經驗和能力，基於毫米波雷達的RCS反射面積和不同幀之間反射點情況，從32個原始目標中篩選出功能安全目標——即車輛需要做出反應的目標。

“給原始目標的話，那麼大一個五菱宏光不可能探測不到。”一位自動駕駛公司的專家向車東西說道，“但雷達並不知道那是個什麼東西，需要視覺算法來進行分類才能做出反應。”

▲事故現場（圖源@跑不動的小狐狸）

所以如果蔚來是直接拿原始數據，毫米波雷達幾乎不可能感知不到前車，只能說蔚來的NOP系統沒有合理使用雷達數據。

如果是第二種合作模式，博世的雷達自己會進行目標篩選，這裡存在兩種可能。

一種是博世的算法將這台五菱宏光當成不相干的靜態物體過濾掉了。另一種可能是需要到很近的距離（30米左右），博世的算法才將前車識別為功能安全目標。

當然，如上一部分所言，因為毫米波雷達不是主傳感器，所以不管毫米波雷達如何發揮，最終的結果都是發生了碰撞。

06 .

毫米波雷達為什麼怕靜止車輛？

從上一部分的結論來看，不管是蔚來還是經驗豐富的博世，在碰到這種靜止車輛場景時，毫米波雷達都存在較大的不確定性——即使雷達回波告知前方有目標，也很難對其準確分類，以確定行為策略。

這是毫米波雷達的探測原理，以及目前的技術現狀共同決定的。

東南大學國家毫米波重點實驗室毫米雷達技術專家、毫米波雷達公司隼眼科技CTO張慧向車東西解析了其中的多種原因。

從最底層的工作原理來說，毫米波雷達主要是依靠多普勒效應來感知移動目標。多普勒效應的特性是，動態對動態最容易感知、動態對靜態較難感知、靜態對靜態極難感知。

這是因為如果前方車輛靜止，目標信息容易和地雜波等摻雜在一起，需要一定的算法才能從中分辨出目標。而如果是一個行駛中的汽車，基於其多普勒信息，從而比較好探測到目標。

但目前像是博世、大陸等企業的雷達工程師們早就解決了從地雜波中識別靜態物體的問題，為什麼還是沒法準確識別靜止車輛呢？

這裡就跟當前毫米波雷達的技術現狀有關了——一般的毫米波雷達沒有高度信息，同時空間分辨率不足。

沒有高度信息，意味著雷達很難區分橫穿馬路的路牌和橋下的車；空間分辨率不足，意味著兩個距離很近的物體，其回波會被混在一起，很難知道有幾個目標。

▲道路中央的路牌

“這個場景中五菱宏光車身和護欄挨得很近，並且都是靜止狀態，這個時候雷達對於這兩個目標的區分就得依靠角分辨率來實現了。在較遠的距離雷達反射點混在一起，要到很近的距離才能區分護欄和車輛。”承泰科技CEO陳承文這樣告訴車東西。

如果很難區分，把靜態目標錯誤的識別為車輛，然後進行剎車會嚴重影響用戶體驗，甚至增加事故，所以一些雷達公司和自動駕駛公司會選擇將靜態物體（包括車）過濾掉，來減少誤觸發的情況。

不過據了解，博世、大陸、承泰科技等新老雷達企業，已經可以通過不同物體RCS反射面積的不同和不同幀之間的反射點的不同來區分路牌、立交橋和車輛。

“確實存在這樣的技術，但是根據我們的實測，單純用毫米波雷達區分靜態物體和靜態汽車的準確率並不算高。”一位車企自動駕駛負責人這樣向車東西說道。

那麼問題又來了，不同物體的RCS反射面積不同，比如汽車和立交橋的反射面積不同，為什麼不能通過區分RCS來確定不同的物體呢？

“這是因為不同形狀、材質的物體，RCS都不相同。而即使是同一個物體，不同角度的RCS也不相同，車載場景下變量太多暫時很難以簡單通過RCS來確定一個物體的類型。 ”東南大學國家毫米波重點實驗室毫米雷達技術專家、毫米波雷達公司隼眼科技CTO張慧說道。

“最典型的例子就是B2、F117等隱形飛機，雖然飛機很大，但通過吸波材料覆蓋機身，其RCS卻很小。”他說道。

▲不同角度下，汽車的RCS不同

這麼看下來，毫米波雷達確實存在很多限制。但好消息是博世、大陸等企業都在積極研發高分辨率、成像毫米波雷達等新一代的產品。

比如博世的第五代毫米波雷達就極大地增加了點云密度，進而大幅提升了感知能力，對靜態車輛的識別也會越來越好。

當然，對於車企來說，最簡單粗暴的做法就是在現有攝像頭和毫米波雷達基礎上，再引入激光雷達，甚至是多個高線束激光雷達，更是能夠大幅提升感知能力。

比如蔚來的新車ET7就直接裝了一個Innovusion的等效300線的高精度激光雷達。

▲蔚來下一代自動駕駛技術採用激光雷達

07 .

結語：一線車企必須走全棧自研之路

從蔚來車型的競爭力和本次事故來看，一線車企幾乎必定會選擇自研自動駕駛技術，並且肯定會從部分自研往全棧自研轉變。

一方面，車企要想更快地實現更多高級功能，增加產品競爭力，只能依靠自己。比如蔚來就是通過自研才能在特斯拉之後，推出第二個自動導航輔助駕駛系統NOP，在供應商那裡暫時買不到類似技術。

另一方面，做自研還必須往全棧自研發展。

這次事故就是一個很好的例子，蔚來的視覺和毫米波雷達算法都來自供應商，蔚來的自動駕駛系統只能依靠對方提供的感知結果來決策，一旦感知系統出現問題或者拖了後腿，決策系統根本無能為力，最終導致出現事故，也成了蔚來的自動駕駛之“殤”。

只有將所有算法掌握在自己手中，才最有希望。這也是為何在ET7發佈時，蔚來高聲喊出自己要做全棧自動駕駛的關鍵原因之中。

只不過，這條路非常困難。