本文中的PPT來自於Shashua教授18年3月在德國Dresden的演講，演講內容可以去Mobileye的官網觀看，這裏整理了下筆記。
另外還參考了下面文章：Mobileye的RSS安全模型究竟有哪些技術要點
Mobileye於2017年被英特爾公司以153億美元收購。作爲開發高級駕駛輔助系統（ADAS）的全球先行者，其目標是開發和推廣以視覺爲主的自動駕駛技術。
基於多年在汽車輔助駕駛領域的成功經驗，Mobileye開發了一個名爲RSS (Responsibility Sensitive Safety)的責任敏感安全模型，以期通過數學的方式來界定“安全狀態”。在“安全狀態”中，無論其他車輛做出任何反應，自動駕駛汽車都不可能引發事故。
RSS是什麼？爲什麼需要RSS
當今社會對自動駕駛汽車的接受程度依賴於一個最重要的因素：技術開發者衡量風險、確保安全的能力。但是，絕對的安全並不存在。如下圖所示，假設在高速路上，藍色車輛（自動駕駛）行駛在中間車道，突然右側某輛車由於某種原因偏離當前車道並撞向黃色汽車。此時，藍色汽車無論是加速、剎車，還是躲避到其他車道都可能會引起碰撞。那麼，藍色車輛是否可以採取有效的方法來躲避碰撞？我們該如何解決這個問題？
或許最直接的反應是不允許自動駕駛汽車進入這種場景，但這種場景在高速公路上很常見，不允許自動駕駛汽車支持這種場景就意味着自動駕駛汽車不可用。如果允許自動駕駛汽車在這種場景使用，絕對的“安全”就不存在。那麼，我們所謂的安全是指什麼呢？
目前業界比較常用的一種方法是通過已經測試了多少里程來從統計意義上證明安全。根據統計結果，目前人類駕駛汽車事故的死亡率是10^-6次/小時，如果想讓社會接受機器代替人類駕駛，那麼比較合理的假設是死亡率要降低3個量級，即10^-9次/小時。可是，要保證達到10^-9次/小時死亡率的安全性，大概需要30億英里的測試數據，而且每次軟件升級後都需要完成這個量級的測試，這顯然是不可能實現的。因此，嘗試使用數據驅動的統計方法來保證安全性，聲稱隨着測試里程的增加而增加了安全性的說法並不嚴謹。
此外還有一種方法，被稱作最佳裝備論（Best Practice）。廠家宣稱自己擁有最好的傳感器、有冗餘備份、高性能軟件、充分的驗證、足夠多的里程…因此是“安全”的。但是，和里程統計論一樣，這種方法也不能充分證明其安全性，還會讓廠家走上軍備競賽的不歸路，導致最終只是進行了一場昂貴的科學實驗
因此，Mobileye提出了RSS(Responsibility Sensitive Safety)模型，其目標是通過一些數學公式從理論上來保證自動駕駛汽車的安全行駛，並通過形式化以下人類駕駛中比較具有主觀性的幾個常識確保自動駕駛汽車永遠不會主動導致事故發生，這些常識包括：
- 什麼是危險情況？
- 什麼是危險情況下的正確反應？
- 誰要對事故負責？
RSS模型要達到的目標具有兩重含義：
1.自動駕駛汽車本身不會導致事故（捲入事故和導致事故是完全不同的概念，如上文提到的例子，自動駕駛汽車可能捲入事故，但它不是事故的責任方）
2.自動駕駛汽車應該在其它車輛發生錯誤時做出正確反應
RSS要做的就是在事故發生前設定遊戲規則，主要用於自動駕駛系統中的決策部分，可以讓其它OEM廠家將此模型直接放入他們的決策系統，從而促進行業標準，提高自動駕駛的整體安全。
RSS的四個“常識”
總的來說，RSS通過形式化以下4個“常識”規則來確定“誰需要對事故負責”：
- 追尾不是前車的責任，後車必須保持足夠的安全距離。
- 除非前車突然併線，紅車突然插入黃車的車道導致追尾，責任在紅車。
- 不要刻板地使用“路權”（“right-of-way” is given not taken）。如果某輛汽車違反了交通規則進入自動駕駛汽車擁有路權的道路，但自動駕駛汽車有足夠的時間剎車避免事故，則它必須剎車，而不能由於自己的路權高而向前衝，否則就要承擔責任。
- 小心被遮擋區域，小孩可能會被前車遮擋。
既然RSS是形式模型，就必須符合如下標準，才能被稱之爲一個好的形式模型：
- 合理性：當RSS模型認爲事故中自動駕駛汽車沒有責任時，它必須符合人類判斷的常識。
- 實用性：我們可以制定出一些不會導致事故的駕駛規則，即便事故發生，也可以明確不是自動駕駛車輛的責任。比較極端的做法是車輛一旦遇到意外情況就立刻停止，但是這種車是沒用的，我們必須保證道路的通行能力。
這裏說了下幾個重要的概念 安全距離，什麼是危險情況，危險激活時刻，合適的反應，責任歸屬。
安全距離
安全距離是指在最惡劣的情況下仍可以避免碰撞的距離。最惡劣的情況是指前車以最大剎車加速度開始剎車，後車發現後有一定的反應時間，並在反應時間內仍以最大加速度前進，然後改成以最小剎車加速度剎車，直到危險解除。因此，最小安全距離的計算公式如下：
參數：Vf前車速度，Vr後車速度，反應時間ρ、最小剎車加速度αmin,brake、最大剎車加速度αmax,brake以及最大加速度αmax,accel
說明：
-上述公式中的參數應該是法規制定的合理值。
-人類駕駛汽車和自動駕駛汽車的參數可以不同。比如自動駕駛汽車的反應時間一般會比人類短，而且自動駕駛汽車可以比人類駕車的剎車更有效。因此，自動駕駛汽車的αmin,brake可以設置得更大些。
-不同路況下可以設置不同的參數（溼滑路面、冰、雪等）。
上面的公式計算的是同向行駛車輛的安全距離，如果是反向行駛，就是有對向車輛駛來的情況，安全距離計算公式如下：
因突然併線而導致的追尾，責任在實施併線的車輛。這在現階段的交通法規中，也是這麼定責的，但這並不意味着自動駕駛汽車就可以不作爲，RSS模型認爲，即使旁邊車道的車輛突然插入了自動駕駛車輛的前方，只要有足夠的距離進行剎車，自動駕駛汽車也必須進行剎車避免碰撞。
這裏的負號是因爲定義方向的原因，其實最後都是加的絕對值。
路權
多條道路交叉或匯合時就會涉及到路權。有些道路的優先級高於其他道路，在這些道路上行駛的汽車就擁有路權。RSS模型涉及到部分場景的解決方法，後期仍然需要擴展模型，並對安全距離的計算進行必要調整。
爲了更好地理解路權，我們需要先定義一個名詞：縱向順序(Longitudinal Ordering)，用來代表距離交叉點的直線距離。如下圖所示，左圖中，在縱向順序上紅車在藍車前面，因爲Dred < Dblue；右圖反之。
和上文提到的公式化安全距離一樣，我們同樣可以定義多道路交叉時的縱向安全距離。如下圖所示，藍車擁有路權，優先級高，那麼紅車必須在進入路口前的安全距離內進行剎車，從而保證藍車正常行駛。
如前文所述，RSS並不是刻板地以路權做爲唯一判斷，比如在下圖中，紅車來不及剎車闖入了藍車的車道，藍車也要採取剎車以避免碰撞。甚至，RSS模型還可以支持輕微橫向位移來避免撞擊。
交通信號燈和空曠的道路
行人和遮擋
對於行人，首先需要明確行人的路線和優先級。某些地方行人的路線很明確，如人行道或者交叉路口的斑馬線。這些地方自動駕駛汽車在自己車道上行駛時，一般無需擔心行人會突然闖進來，車有優先權，但是也必須遵循靈活運用路權的原則。
但在有些地方，如居民區內，行人路線不明確，這時必須謹慎駕駛，給行人更高的優先權。考慮到人類的反應時間大概是500ms，最大加速度是2m/s²(博爾特的加速度是3.09m/s²)。那麼，根據之前的公式，車輛與行人之間的安全距離是50cm，行駛時必須保證處於這個安全距離之外。
另外，需要格外注意有遮擋的環境。下圖中的車輛正在通過一排停車位，一名兒童突然以速度10km/h的速度跑過來（比如在追球）。根據計算，10km/h的速度必須要保持15m的安全距離纔可能避免碰撞發生。但此時汽車側方的視野只有0.3m，顯然無法滿足安全要求。在這種情況下，RSS模型做了如下定義：
-在車輛可以發現目標的第一時間（Te）到反應時間結束時（Te + ρ），車輛沒有加速，且到發生撞擊或者完全停下來的時刻（Ts），車輛一直以不低於αmin,brake的加速度在剎車。
-從Te到Ts這段時間內，車輛的平均速度低於行人的平均速度。
這種情況下車輛是沒有責任的。這個定義隱含的論點是：在發生撞擊的時刻，車輛的速度比行人的速度低，或者兩者都移動得很慢，從而使撞擊的傷害降到最低。
在這些不確定性高，視眼有限的場景，基本上都是要考慮 worst case。
對於可靠性，Mobileye使用了NHTSA的場景進行測試，cover了99.4%的碰撞情況。
對於可用性，Shashua講的比較有意思，他提到了蝴蝶效應，一個無辜的行動造成了之後的事故，這個不具有可用性，因爲從計算的角度，很難去驗證合適的響應。另外就是在驗證合適響應的時候，你需要檢驗是其實是不同的關係組合，可以是不同的單個車輛，也可以是任意車輛的組合，後者從計算的角度看不具有可用性。
可以的安全驗證，符合RSS合適響應的駕駛策略不會對事故負責，或者說不會直接造成事故或者做了合適的規避。這個其實是RSS的精髓，我自己不惹事，即便別人惹我也不是我的錯。
和AEB類似，Mobileye認爲只要驗證規劃就可以了，因爲OEM有責任做好之前的感知模塊。
需要注意的是，RSS描述的不是駕駛策略，而是對駕駛策略的結果進行安全判定，通過這種種規則的設定，Mobileye希望將自動駕駛汽車打造成一個經驗老道的人類“老司機”，這個“老司機”心中有一杆關於“安全”的秤，知道什麼樣的情形下該採取何種行爲，來提前預防、及時避免事故的發生，以及在事故無法避免時，如何將傷亡降到最低。同時，保護OEM廠商的正當權益，避免受到來自社會或監管方不合理的責任分配。
另一方面，RSS在定義不同場景下的危險情況、正確反應、事故責任劃分中，是基於人類駕駛員的常識，而非僅僅法律法規，因此目前Mobileye正在積極推廣RSS模型，希望能在業界、政策制定者、學者等社會團體之間達成共識，促進自動駕駛產業的發展。
