2016 年 5 月 7 日，一名来自美国俄亥俄州的白人男子 Joshua D. Brown，在使用特斯拉 Autopilot 自动模式时发生事故死亡。
造成这次事故的原因，NHTSA 在一份初步报告表示：当时在一个十字路口，特斯拉前面的一辆大型拖车在路口左转，但可能由于拖车高度较高，特斯拉的自动制动系统未能工作。
在特斯拉的官方描述中：
当时 Model S 行驶在一条双向、有中央隔离带的公路上，自动驾驶处于开启模式，此时一辆拖挂车以与 Model S 垂直的方向穿越公路。
在强烈的日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因此未能及时启动刹车系统。由于拖挂车正在横穿公路，且车身较高，这一特殊情况导致 Model S 从挂车底部通过时，其前挡风玻璃与挂车底部发生撞击。
事故发生后，有外媒采访了当时驾驶这辆白色拖车司机 Frank Baressi，他回忆当时的情形：那辆特斯拉车行驶速度极快，「他径直朝着我的货车就冲过来了，我没看见他。」Baressi 在采访中说道。「乘车人当场死亡后，那辆特斯拉还在上演着生死时速，然后撞断了不远处的一根电线杆，」
从常识来说，自动驾驶是能够正常识别正前方的任何障碍物。但是为什么这一次：在自动驾驶情况下，特斯拉当时没有识别到这辆白色拖车？以及为什么前方有障碍物时，特斯拉在自动驾驶模式下还会继续向前驾驶？
事故解析图：事故发生时，特斯拉径直从拖车的车底穿过
汽车信息安全专家、360 攻防实验室负责人刘建皓曾经在内部做过这样的议题：如何干扰传感器造成自动驾驶汽车的偏行和逼停。他也会在今年美国黑客大会 Defcon 和中国第四届互联网大会上演示传感器漏洞如何影响自动驾驶安全（与破解特斯拉自动驾驶相关）。
对于此次特斯拉自动驾驶首起致死事故，他向雷锋网解释了这其中可能的原因。
特斯拉有可能撞向的是这样一款白色拖车
特斯拉通过这三种传感器实现自动驾驶的功能： ADAS 功能的 Mobileye 摄像头、77G 毫米波雷达以及车身 8 个超声波传感器。
在事故发生的时候，白色大型拖车左转弯行驶过来的时候，特斯拉的 ADAS 识别到白色物体，导致图像识别的功能基本丧失：强光打在白色拖车上，白色反光可能使摄像头致盲，识别不到路面车辆。
白色拖车的高度过高可能也是导致这起事故的原因之一。拖车的高度高于毫米波雷达的探测距离，导致毫米波雷达没有检测到前方有障碍物。
据刘建皓透露，特斯拉自动驾驶 7.1 版本能够识别箱式货车。当时这辆白色拖车可能在行驶过程中车头与车厢的间隙太大，特斯拉的传感器无法识别对向而来或从侧面拐弯过来的拖车，只能识别到前方车头，最终导致毫米波雷达在输出结果上出现问题。
超声波雷达的检测距离是 5 米，即便当时检测到障碍物，车内有提示，但是当时车速可能太快，5 米的距离造成驾驶员反应时间特别短，最后造成这起事故发生。
刘建皓说，目前自动驾驶都是基于传感器技术、图像识别技术和融合计算来做控制决策。
自动驾驶有两大类：一个是感知，一个是控制。前者依赖于传感器，但是存在技术盲区，比如摄像头，可能有强光对它造成致盲，或者其他光学攻击让图像识别的功能丧失。毫米波雷达和超声波也可以通过其他方式对他们进行干扰，造成自动驾驶数据的不可靠，从而反向造成车辆控制的不可靠，最终造成交通事故。
这表明自动驾驶如果被外界干扰，依然存在安全隐患。
刘建皓告诉雷锋网，此次事故并不是一件偶然事件，恰好是车辆躲过了图像识别和毫米波雷达的探测。
一般自动驾驶需要 5 个毫米波雷达：正前一个 77G 毫米波雷达，左前右前、左后右后共部署 4 个 24G 毫米波雷达。才能保证车辆在行驶过程中的安全性。而特斯拉只有一个毫米波雷达。
另外也有多位业内人士告诉雷锋网，如果当时特斯拉安装有激光雷达，也许能避免这起悲剧的发生。这是因为激光雷达在扫描的精确度和准确性上比起其他传感器要安全得多，但其一个劣势是成本居高不下。
当然，传感器本身也有缺陷。即便将来激光雷达成本下降并普及后，自动驾驶依然存在安全隐患。比如碰上严重的雾霾天，届时它扫描到的周围物体可能都是障碍物。
Minieye 创始人刘国清则从另外一个角度解析：从公众的角度看，造成这个事故的另外一个原因是用户或者大众对于半自动驾驶或无人驾驶现状是高估的。大众消费者对于技术的了解非常有限，他们对于功能的了解基本来源于产品说明甚至来源于功能名字。
特斯拉 Autopilot 的致死事故在今天传得沸沸扬扬，这也说明做自动驾驶并不是一蹴而就的事。之所以受到那么多人关注，是因为这是自动驾驶行业的首次伤亡事故。
新技术的发展从来就是由教训堆积而来：有的是金钱，有的是生命，有的是以企业倒闭为代价。可以预料的是，即便是以后其他车企的自动驾驶上路，也会发生类似事件。
无论如何，今天的事故对于整个汽车行业来说是一个警钟。
正在生成分享图...
nebula