对Elon Musk和其旗下的Tesla来说，最近的日子都有点难过。起因肯定是那起Tesla Model S驾驶员最终死亡的“车祸”。

图片来自 Teslaowner

而特斯拉似乎打算“悄悄”解决这个问题——根据一个叫做“Tesla Owner”的博客爆料，一辆贴着斯坦福大学标志的Model S出现在Tesla总部的附近区域，其车顶上方赫然装着一个全向激光测距仪，而且这辆车最终驶入了Tesla总部的停车场。

这也许是Tesla即将向Google“偷师”的征兆。当然除了技术，也许更应该学习Google谨慎的态度。

从车祸中暴露出来的Tesla缺陷

图片来自 Reuters

爱范儿（微信号：ifanr）之前原创和转载的两篇文章《这个特斯拉骨灰级粉丝，为何会惨死在Model S上》、《特斯拉把机枪送给了猴子》中已经对事故进行了一定的介绍和分析。

虽然目前美国国家公路交通安全管理局（NHTSA）的调查尚未结束，而且是不是还爆出“车祸中丧生的车主在车辆行驶的过程中疑似在使用笔记本”这样的新消息，归根结底暴露的是 Tesla目前Autopilot系统的不足。

图片来自 Quora

整套系统包括以下部件：

12个环绕车体的超声波传感器，测量范围16英尺（4.9米）；

1个前向的摄像头；

1个前向的毫米波雷达；

回到车祸中，为什么这些传感器会全部失效呢？首先我们需要了解的是这些传感器的实际工作原理：

摄像头：拍下车辆前方图像，然后利用处理器根据图像的特征判定哪里是车道、哪里有别的车辆；

毫米波雷达：发射毫米波信号，然后接收回波，利用中间的传播时间计算距离；

超声波雷达：发射超声波信号，然后接收回波，利用中间的传播时间计算距离；

这一套系统中用来感知车辆外部整体情况的只有摄像头，另外两个雷达只具有测量距离的作用。在其摄像头在因为集装箱颜色和阳光双重作用“致盲”之后，集装箱下方的空间让剩下的两个雷达失效，最终导致了车主的死亡。

事故之后，就有人提出疑问：“如果我在Tesla前面放块玻璃，它会不会撞上去？”如果毫米波雷达和超声波工作正常的话，那它就不会撞上去。但如果你在Tesla快开到的时候在它前面放一块两个雷达探测不到的玻璃，你有很大概率可以重现这次事故。

这也反应出了目前Tesla的Autopilot系统面对极限的条件时存在探测缺陷。

抄Google，补全探测系统？

图片来自 Digitaltrends

作为目前两家最出名的自动驾驶技术开发商中的另一个，Google无人驾驶汽车虽然没有正式上市，但频密的无人驾驶测试早已成为了最好的证明。并且其自动驾驶技术主要的开发方就来自斯坦福大学。

那么同样是“自动驾驶”技术，Google跟Tesla的区别在哪里呢？这就要提到Google无人驾驶汽车经常出现的那个“天线”了。无论是一开始的测试车辆还是最终萌到爆的Google Car，它们的头顶都有一个柱状物。

图片来自 Blogspot

而包含在里面的则是一台激光测距仪，它能够借助激光对周围的环境进行高精度的360度距离测量。而通过这些测量出来的距离点，Google就能够判断出这个物体究竟是汽车、自行车还是行人。

然后再利用深度学习来判断道路上每个人的行动，并且给出预测。

之所以会采用激光测距，就是因为其可靠度较高。激光测距仪能够每秒对数百上千个空间点进行测量，同时还能得到与空间点之间绝对的距离数据。无需再通过视频和图像处理再去“计算”距离。

当然这种“直接”方法也是有代价的：激光测距仪的成本相当贵，从目前的资料来看，Google无人汽车上面的激光测距仪大概就要花70000美元（约47万元）。而Tesla最终没有选择激光测距仪的原因也应该是源于此。

完美的自动驾驶时代，需要数据来进行支持

换一个角度来看，激光测距、摄像头、毫米波、超声波传感器他们的职责其实都是一样的，将真实世界转化为数据，提供给机器进行理解。从这个角度出发，Tesla Model S之所以会发生这样一起车祸同样也是由于“数据量不足”。

目前的交通系统是以人类为中心建立的一种高容错度系统。

这一观点在事故中同样适用：虽然集装箱是白色，虽然阳光很强烈，但是集装箱司机并不知道Tesla处于自动驾驶状态；而Tesla的车主虽然也会感受到刺眼，但是人眼会针对强光条件作出改变，自然也就不会发生事故以及后续的这些事情。

从比较幻想的角度来想，实现自动驾驶时代其实非常简单，只需要把所有汽车装上感应器、电脑和网络，一切按照程序的规则来运行即可。可惜这并不现实，未来相当长的一段时间内必然还是人和电脑司机共存的状态，所以我们只剩下了一个唯一选项：让电脑尽可能的预测人的行为。

但在这一点上无论是Tesla还是Google都远未达到“完美”，而就此将带有“辅助驾驶”功能的电动车当做“无人驾驶”汽车来宣传最终只会伤害到自动驾驶的未来。