“消失的前车”，为什么击中了“智驾”薄弱点

7月23日，在封闭高速路段上，懂车帝对36款“智驾”车型进行了多个特殊场景测试，包括“高速施工”、“匝道遭遇野蛮加塞”、“横穿的猪”等，毫无意外，这都属于长尾场景。虽然关于猪的测试通过率最低（窜入高速的猪是典型的“非结构化”对象，通常没可能训练到），但“消失的前车”引发共鸣最多。大概因为这种场景很多人经历过，因为惊险，所以印象深刻。

AEB与高速NCA的冲突

按照懂车帝的设定，测试车（以下称“本车”）以时速120 km/h跟随前车行驶，前车突然向左变道躲避本车道事故车，猝不及防的本车，需要在极短时间内完成感知-决策-执行闭环。36辆车，只有5辆车成功做出了规避动作。

这一测试，当然是不严谨的——因为每辆车面临的场景条件变量不一致。有的车测试时左车道是空的（后车稍远），有规避空间；有的车面临左道被占，很难绕行。这就造成了结果可信性不高。尽管如此，结果仍然有一定参考价值。就像懂车帝自己说的，重要的不是第几，而是人是否安全。

“消失的前车”，场景设置非常有技巧，它恰好击中了智驾系统薄弱的结合部——AEB（自动紧急制动）和高速NCA（导航辅助驾驶）的冲突问题，不管品牌方是否将两个功能融合在一起。

在感知层，本车需要识别左侧车流与突然出现的前方静止障碍的双重威胁；决策层需要做出决定，变入左道车流空档内，还是强力制动；执行层则需要AEB和NCA协同。

实际测试中，多车出现严重失误。懂车帝也出来解释说，很多车型在AEB被触发后，NCA功能被抑制，导致车辆硬刹，结果是制动距离不够，仍然撞上障碍物。这还算好的，更多的车型根本没有识别最大的威胁——本车道前方静止障碍，导致一头撞上去。减速很少或者压根没有减速。

无论AEB还是NCA，感知层不管有多少个传感器源，都是同一组。而决策层则有两个模块，而且不能同时主导。不过，这只是表面上的模块冲突导致决策非最优。

静态决策导致孤立响应

当前主流智驾普遍采用端到端架构。端到端的设计思想，就是将传感器输入通过神经网络，直接映射为驾驶控制信号，减少中间模块误差传递的影响，也避免规控模式覆盖空白导致系统失能。

人类熟练驾驶，即便面对极端场景，基本都是下意识反应，这和端到端思路有共同之处。但差别在于，即便电光火石间，人类驾驶员做出决策，也是依据“连续时帧”画面做出决断，而非单纯依靠一个画面做出。前者意味着即便做出决断，随着时间流逝发现新的、更严重威胁，也能及时矫正，采取新对策（是否成功另说）。

而很多端到端模型采取静态数据输入（单帧画面或者短时间窗口），忽视驾驶行为本质上是一个强时序相关的连续决策过程。缺乏时序建模，导致一些需要随机应变的场景中，智驾系统表现出呆板、控制漂移、变线失稳等。

在“消失的前车”场景中，前车紧急刹车-躲避障碍-左道车（如果有理智的话）刹车让行等行为，站在本车观察角度，形成了复杂的“信号链”。本车根据这些时序信号，也应该形成一个策略序列，而不是孤立的一个策略。智驾有时显得很傻，道理就在这，即静态决策必然导致孤立响应。

智驾判断缺乏随机应变性，有时候就显得很傻

更复杂的是，其他交通参与者给出的信号，往往具有多义性。同一个驾驶员即便面对非常类似的场景，也可能采取不同策略，均为合理行为。但如果这些行为都作为数据输入，容易模型学习方向不确定，训练震荡。如果多个驾驶员处理类似场景风格不同，模型学习到的控制行为，可能飘忽不定。最终在高压场景（比如本文需要极短时间内决断的场景）下，“既不充分制动也不果断变道”的折衷决策，貌似温和，其实是最坏的选择。

端到端架构中，前帧感知偏差（如误判左侧车流速度）会通过Transformer等序列网络不断放大。测试中车辆向左变道时轨迹线突然消失，正是时序误差累积的典型表现。

为什么不用“长时帧”

如果简单认为，采用连续帧训练就能解决此类困境，可能有点天真了。要考虑为什么不倾向于用长时间连续帧训练。

第一个理由，容易跳帧。如果连续帧间的目标ID、轨迹或意图标注不一致，会导致模型误认为是两个完全不同的事件，进一步削弱其对跨帧语义的建模能力。简单说，就是系统认为这是两个完全风马牛的事，导致同一目标在两帧中出现“跳帧”、“漂移”甚至“消失”，这可真成了“消失的前车”了。

连续帧不仅记录时空变化，更为关键的是提供了其他交通参与者的真实意图。人类司机不也是靠着连续观察，判断旁道车辆到底想直接加塞，还是想让行后再加入进来——对行人意图的判断更是如此（因为其没有转向指示灯）。

优化后的标识呈现

个别端到端系统，和人类判断的方式差不多，也将行为意图作为显式标识，通过多目标轨迹回归进行建模。前提是需要在一定时序内创建客体（其他车或行人）ID一致性标签。防止跳帧、丢失客体观察。

这就引出了第二个理由，成本问题。长时帧的标注和ID标签训练成本太高了，大家都鼓吹无/轻标注和无监督学习，这让静止帧训练成了现实选择。

长序列不仅要求高质量时空数据样本，还依赖强化标注，大大扩张了数据量。对大模型和转移之后的车端小模型构成更多算力压力。很多品牌已经注意到连续行为数据的采集、标注与利用。但从这次懂车帝测试情况来看，成果尚未反映到模型训练和转移。

不过，目前业内多品牌的端到端系统，比以前更重视“连续语义行为”的训练，尽量模拟人类随着时序所做的连续决策与执行。目标是让系统变得更稳健可信，构建有清晰合理责任边界的系统，而不是到关键时刻自己掉链子要求接管的甩锅系统。

我们应该相信，随着技术发展，智驾将越来越理智，并最终接管人类驾驶。在此之前，还是要谨慎宣传，避免误导公众。

注:图片部分来源网络，如有侵权，联系删除。

克服AI幻觉？也许在开智驾倒车

2025过半，整车市场终局的端倪

小鹏与华为合作，产业新动向