[首發(fā)于智駕最前沿微信公眾號]特斯拉CEO埃隆·馬斯克認為，在復雜的道路駕駛環(huán)境中，模擬生物神經(jīng)網(wǎng)絡和眼睛的視覺系統(tǒng)才是最為有效的方式。他也曾在在多個場合批評激光雷達技術(shù)為“錯誤的解決方案”，并多次強調(diào)視覺系統(tǒng)的先進性。純視覺自動駕駛是指在車輛自動駕駛系統(tǒng)中僅依賴攝像頭而不使用激光雷達或毫米波雷達等主動傳感器。特斯拉率先倡導這一路線，宣稱模擬人類駕駛完全可以依靠視覺。在國內(nèi)，也有一段車企瘋狂追捧純視覺方案的時期，但進入2025年，純視覺的口號逐漸減弱，尤其是隨著“智駕安全第一”呼聲熱烈的當下，純視覺的優(yōu)勢性似乎不再明顯。那純視覺的自動駕駛會帶來哪些安全問題？今天智駕最前沿就和大家來聊聊這個話題。

感知局限性

攝像頭作為被動傳感器，其感知能力受光照和氣象條件影響極大。在雨雪、霧霾等復雜天氣下，攝像頭捕捉到的圖像易出現(xiàn)模糊或?qū)Ρ榷冉档?，導致感知性能明顯下降；夜間或逆光場景下光線不足，也會嚴重限制攝像頭獲取信息的能力。這些問題容易產(chǎn)生感知盲區(qū)或誤檢。特斯拉Autopilot曾有多次事故就是因為系統(tǒng)將白色貨車誤判為天空背景而沒有識別導致的。

此外，純視覺系統(tǒng)需要通過二維圖像推斷三維空間信息。這意味著車輛必須通過多路攝像頭和復雜算法來估計距離和形狀，但這種“2D轉(zhuǎn)3D”的過程存在先天局限。算法需要從圖像中提取深度和速度等特征，其延時和誤差難以徹底消除。此外，純視覺方案在將二維圖像轉(zhuǎn)換為三維信息、理解復雜場景細節(jié)方面等難度也很大。以特斯拉為例，攝像頭本身無法直接測量物體的深度與速度，為了安全起見，特斯拉在取消毫米波雷達后曾將自動轉(zhuǎn)向（Autosteer）最高速度限制為120公里/小時并拉大跟車距離，后來才稍作放寬?？梢?，依賴單一攝像頭感知的方案在距離、深度和速度檢測方面存在不足，難以與激光雷達或毫米波雷達提供的直接測量相匹敵。

環(huán)境適應性

純視覺方案需要依賴大量且多樣化的圖像數(shù)據(jù)來適應不同環(huán)境，而實際道路環(huán)境千差萬別。在駕乘體驗和安全要求面前，視覺系統(tǒng)面臨復雜度極高的環(huán)境適配挑戰(zhàn)。不同國家的交通環(huán)境也會對識別效果產(chǎn)生影響，在中國，高速公路曲折蜿蜒、路網(wǎng)立交交錯復雜，環(huán)島、多層互通的道路更多；城市道路上行人、電動車通行習慣與西方也有顯著差異。有統(tǒng)計顯示，自動駕駛在美國路口通過要比在中國簡單近十倍，這也使得在中國實現(xiàn)純視覺方案更具挑戰(zhàn)。

由于純視覺系統(tǒng)僅靠攝像頭的實時感知，缺乏超視距的先驗信息和高精地圖的輔助，其“視野”往往局限在攝像頭直接能看到的范圍。在今年年初特斯拉FSD在中國剛推送時，也有很多博主進行了測試，卻發(fā)現(xiàn)其有明顯的“水土不服”，在未經(jīng)中國本地數(shù)據(jù)訓練情況下難以流暢行駛，而其他廠商通過激光雷達、高精地圖和定位系統(tǒng)提供的先驗信息，則能更好地應對復雜路況。總之，環(huán)境差異導致純視覺系統(tǒng)泛化能力受限，一旦遇到訓練數(shù)據(jù)中未覆蓋的道路標記、交通標志或行駛習慣，車輛就可能出現(xiàn)判斷失誤。

系統(tǒng)魯棒性不足

高度可靠的自動駕駛要求系統(tǒng)具備多重冗余和故障容錯能力。純視覺方案由于僅依賴攝像頭，天然缺乏其他傳感器的互補與冗余。一旦攝像頭受損（如鏡頭被雨滴、污物遮擋）或誤判（光暈、眩光等），整個感知鏈會陷入癱瘓狀態(tài)，系統(tǒng)沒有備用數(shù)據(jù)源來糾正錯誤。這也導致“幽靈剎車”成為純視覺系統(tǒng)難以根治的問題，在純視覺方案中無法直接測量前車速度和加速度，車輛有時會無故急踩剎車以避免預測的碰撞。據(jù)中國證券報，美國國家公路交通安全管理局（簡稱“NHTSA”）在一份監(jiān)管文件中表示，特斯拉在2021年取消毫米波雷達后，幽靈制動投訴數(shù)量在一個月內(nèi)由354起驟增至758起，引發(fā)美國監(jiān)管機構(gòu)的大規(guī)模調(diào)查。

純視覺系統(tǒng)的安全設計幾乎沒有多傳感器的功能安全保障。為了達到高級別自動駕駛的安全要求，必須防止單一系統(tǒng)失效帶來風險；但純視覺方案很難滿足這一點。如特斯拉Autopilot被定位為L2級輔助駕駛，需要駕駛員時刻監(jiān)控駕駛環(huán)境；即使如此，美國國家公路交通安全管理局也發(fā)現(xiàn)數(shù)百起Autopilot相關(guān)事故，引發(fā)對其安全性的質(zhì)疑。由此可見，由于缺乏多傳感器的冗余設計，純視覺自動駕駛系統(tǒng)在容錯性和魯棒性方面存在明顯短板，其安全性難以與多傳感器融合方案相比。

模型泛化能力與長尾問題

純視覺方案的感知能力主要依賴深度學習模型，而模型性能高度依賴訓練數(shù)據(jù)的覆蓋度。由于現(xiàn)實駕駛場景具有極大的多樣性，模型難以通過常規(guī)訓練囊括所有可能出現(xiàn)的場景。那些在數(shù)據(jù)集中出現(xiàn)頻率很低的“長尾”場景（如罕見交通標志、非常規(guī)障礙物、突發(fā)意外等）往往無法得到充分訓練。結(jié)果是模型可能在這類場景下預測失誤，無法做出正確反應。為應對長尾問題，需通過大規(guī)模數(shù)據(jù)采集、數(shù)據(jù)增強、仿真模擬等方法擴展訓練樣本，但仍無法保證覆蓋所有極端情況。

域外數(shù)據(jù)與本地應用的差異也會導致泛化不足。例如特斯拉的FSD系統(tǒng)主要訓練于北美路況，對于中國復雜的高速公路環(huán)境并不匹配。中國對自動駕駛數(shù)據(jù)安全監(jiān)管嚴格，特斯拉在中國采集的數(shù)據(jù)也難以外傳，這進一步限制了本地化的模型訓練?？傊?，純視覺系統(tǒng)需要海量高質(zhì)量的多樣化訓練數(shù)據(jù)才能提高泛化能力，但在實際應用中獲取和標注這樣的數(shù)據(jù)既昂貴又耗時，難以迅速彌補模型在新環(huán)境下的缺口。

未來趨勢與技術(shù)演進

盡管純視覺方案在成本和算法創(chuàng)新上具有獨到之處，業(yè)界普遍認為真正的大規(guī)模落地仍需要傳感器融合與更先進的AI技術(shù)相結(jié)合。僅用一種傳感器難以覆蓋所有場景，中短期內(nèi)要實現(xiàn)高度可靠的環(huán)境感知必然依賴多種傳感器融合，尤其是在在L4級自動駕駛中，激光雷達和攝像頭從安全性考慮具備相同的重要性和不可替代性，他們?nèi)币徊豢伞?/p>

智駕最前沿以為，今后的智駕路線可能是繼續(xù)發(fā)展端到端大模型和視覺算法優(yōu)化，同時保留毫米波雷達或激光雷達等輔助傳感，以兼顧精度與魯棒性。如特斯拉最新發(fā)布的FSDV12.5.1版本據(jù)稱已引入端到端神經(jīng)網(wǎng)絡架構(gòu)，大幅重構(gòu)了底層代碼，試圖進一步提升純視覺系統(tǒng)的決策表現(xiàn)。此外，傳統(tǒng)自動駕駛公司和供應鏈正在加大對低成本固態(tài)雷達、激光雷達和高精地圖的投入，為車載感知增加多樣化的安全冗余。

總之，純視覺自動駕駛在成本與市場落地潛力上具有優(yōu)勢，但它對感知系統(tǒng)的算法能力和數(shù)據(jù)支撐提出了極高要求?，F(xiàn)實案例表明，依靠攝像頭的方案仍存在可靠性隱患，需要謹慎評估和補強。未來的發(fā)展可能會更加平衡，既利用人工智能與視覺算法的進步，也利用多傳感器融合來保證復雜環(huán)境下的安全性。

審核編輯 黃宇