为什么自动驾驶最怕“少见情况”?

摘要： 自动驾驶不是不会开车，而是最怕训练中很少见、现实中却可能突然出现的复杂场景。它怕的不是“难题”，而是“不常见的难题”。

一、自动驾驶看路，像是在“猜下一秒”

很多人以为自动驾驶是在像人一样理解道路：红灯停、行人让、前车慢就刹。更准确地说，它是用摄像头、雷达、激光雷达等传感器收集信息，再判断：前方是什么？它会怎么动？我该怎么走？

这很依赖经验。人类看到孩子追球，会想到他可能突然冲出；自动驾驶也要学会类似判断，只是经验主要来自数据。见过的场景越多，判断越稳定。问题是，真实道路从来不是固定题库。

图注： 常见场景像“标准题”，少见情况像“变形题”，更考验自动驾驶判断。

二、“少见情况”为什么特别麻烦？

自动驾驶最怕的少见情况，常被称为 edge case。它不常发生，却可能瞬间影响安全。

比如路上掉了床垫，施工人员临时手势指挥，前车绑着飘动旗子，雨夜反光让车道线模糊，骑车人打伞横穿，动物突然上高速。

人类未必处理完美，但能用常识推理：大纸箱横在路中间，哪怕没见过，也知道不能撞。自动驾驶则要先识别它是什么，再预测会不会动、要不要刹车或绕行。少见情况难就难在：看不清、认不准、猜不透。

三、真正难的不是“开得快”，而是“别犯低级错”

在封闭测试场里，自动驾驶可以很漂亮：保持车道、跟车、泊车、识别红绿灯。但公共道路不是实验室，有临停、外卖电动车、逆行行人、施工围挡、褪色标线，还有各地不同的驾驶习惯。

更难的是，少见情况不能只靠“多跑几圈”解决。即使收集了大量数据，明天仍可能遇到从未出现过的组合：夜晚、暴雨、无标线、事故、交警手势、旁车强行并线。

所以，自动驾驶不仅要会处理见过的场景，还要在不确定时更谨慎：减速、靠边、请求人工接管，或选择更保守路线。

图注： 面对少见情况，理想的自动驾驶不一定马上“完美解决”，更重要的是识别风险并保守行动。

四、这也是为什么它进步很快，却很难一夜普及

自动驾驶的进步是真实的。高速跟车、车道保持、紧急制动，已经能减少很多重复劳动。但要在所有城市、天气、道路条件下都可靠，难度远高于“会开车”。

因为交通安全看的是最坏时刻，而不是平均表现。系统九千九百九十九次都很好，第一万次遇到少见情况出错，公众仍难接受。这也是它常先在限定区域、路线、天气中运行的原因：范围越可控，验证越容易。

结语：自动驾驶最怕少见情况，不是因为它笨，而是现实世界太会出题。真正成熟的关键，不只是学更多规则，而是在没见过的情况里知道自己“不确定”，并先把安全放在第一位。