近日，一位理想L8車主在網絡上發布消息稱，自己夜晚駕車時突然發現車輛感知系統提示後方有人追車，檢查後确認車後并沒有人。事後，理想汽車官方回應稱出現該情況是因為理想L8 Pro（AD Pro平台4.2版本）視覺感知算法存在BUG，由于事發當晚下着小雨，系統誤将雨滴識别成了行人。雖然隻是虛驚一場，但此事一出，還是引發了輿論對于駕駛輔助系統可靠性的熱議。

　　BUG頻出、投訴持續高企 駕駛輔助技術仍不完善

　　智能汽車已經成為全球汽車産業發展的戰略方向，作為核心技術之一的駕駛輔助技術也迎來了飛速發展。不過，受限于政策法規的制約，當前汽車自動駕駛水平普遍仍處在L2階段，也稱為L2級輔助駕駛，即車輛實現部分的自動化，距離完全自動駕駛還有很長一段距離。與此同時，随着駕駛輔助技術市場滲透率逐漸提升，暴露出的問題也越來越多。據車質網數據顯示，2020-2022年，“行車安全輔助系統故障”投訴量始終居高不下，已經成為除“影音系統故障”和“車載互聯故障”外，投訴量排名第三位的汽車智能網聯類問題。

　　事實上，類似于理想L8這類視覺感知系統的問題并非個例，類似的問題同樣在其他車型上出現過。2021年，有國外特斯拉車主在社交平台上發視頻稱，自己駕駛特斯拉路過無人墓地時，中控屏上顯示感應到了很多人影。而在國内也有不少特斯拉車主稱遇到了類似的情況。

　　所幸理想L8車主隻是被莫名出現的人影吓了一跳，但試想一下，如果在高速行駛中，這個人影出現在了車頭，或者在倒車時出現在了車尾，導緻系統産生誤判而執行緊急刹車，那後果就不堪設想了，對于車主的人身安全會構成嚴重威脅。然而，即便此類問題已經有了前車之鑒，但透過理想L8事件來看，理想官方對于此類問題顯然并未能予以足夠的重視。

　　軟件算法“背鍋”，駕駛輔助技術仍需不斷優化

　　作為L2級駕駛輔助邁向高階自動駕駛的關鍵一步，軟件算法起到了至關重要的作用。軟件算法可以分為感知算法、融合算法、決策算法和執行算法。當前車企普遍使用的感知算法是将傳感器數據轉換成車輛所處場景的機器語言，包括物體檢測、識别和跟蹤、3D環境建模、物體的運動估計等。無論是此前的特斯拉Autopolit誤判還是近期的理想L8系統BUG，都是因為感知算法出現了問題，進而影響到系統識别的準确性。

　　因此，如何改進算法來提高障礙物檢測準确性和複雜場景下的決策能力，将成為下一階段駕駛輔助技術的研發重點。一方面可以增加傳感器的數量，提高系統芯片算力，通過硬件協助軟件算法作出更精準地判斷；另一方面也可以利用5G V2X設施和高精度地圖信息所獲得的數據，以及以往所收集到的駕駛行為、駕駛經驗、駕駛規則、案例和周邊環境等數據信息，不斷優化算法。

　　防患于未然，車企消除駕駛輔助系統安全隐患勢在必行

　　相關機構預測，預計到2027年，全球自動駕駛市場規模将達到5754.73億美元。雖然目前駕駛輔助技術日趨成熟，應用範圍也越來越廣，不過當面對複雜的道路情況以及不同的天氣條件，仍然不可避免會出現一些問題。

　　縱觀各類駕駛輔助功能BUG，共通之處在于系統算法存在一定的局限性，當外部環境發生變化，算法可能由于更新不及時導緻識别出錯，從而對用戶體驗和行駛安全造成嚴重影響。

　　所幸的是，目前因為駕駛輔助系統BUG所導緻的嚴重事故并不普遍，車企對待此類問題的态度也值得肯定。不過，對于可能存在的駕駛輔助系統安全隐患，還是建議車企在新車上市前制定更加完善的軟件驗證方案，針對不同場景模式和極端環境進行充分測試，及時消除軟件存在的問題，避免新車“帶病”上市。另外，在新車上市後車企也應通過收集車輛數據，持續優化功能體驗，主動發現問題，消除安全隐患，而不是在每次出現問題後亡羊補牢，被動解決問題。

　　總結：駕駛輔助系統原本是為了在車輛行駛過程中，通過提前感知危險，更及時、有效地保護駕乘人員安全的一項技術。在不斷發展過程中，難免會出現這樣或那樣的問題，但對于一些可能會造成行駛安全威脅的問題，車企萬不可掉以輕心。隻有持續發現和及時完善可能存在的安全隐患，最大程度提升消費者行駛安全和使用體驗，才能真正推動智能駕駛輔助技術不斷向前發展。

　　,