物界前沿当自动驾驶遇到“宠物司机”：一个关于技术信任与责任边界的社会实验
你是否想过，当一项技术的能力超越其设计者的预期，而使用者却以最荒诞的方式去“测试”它时，真正的风险究竟在哪里？上海徐汇警方通报的这起“宠物狗坐主驾自动泊车”事件，表面上是一个博眼球的闹剧，但作为研究计算机视觉与自动驾驶系统多年的学者，我看到的是一个关于技术信任、法规滞后与公众认知偏差的典型案例。
从技术原理上讲，事件中的“离车泊入”功能属于L2级自动驾驶的延伸。这类系统通常依赖车身周围的超声波传感器、摄像头以及视觉SLAM算法，通过预训练的地图匹配和实时路径规划，在驾驶员离开车辆后，通过手机App或钥匙遥控启动泊车。其核心设计约束是：车辆必须在驾驶员视线范围内，且环境相对静态、无突发动态障碍物。然而，当车主将一只哈士奇放置在主驾位置时，它实际上在系统中引入了两个不可控变量。
为什么警方最终决定罚款200元、记3分？从法律适用角度看，这起事件并非简单的“危险驾驶”或“无人驾驶”违规。根据《道路交通安全法》及相关实施条例，驾驶机动车时不得有“妨碍安全驾驶的行为”。但问题在于：车辆自动泊车时，车主在车外，此时“驾驶行为”的主体是谁？是车主，还是车辆系统？警方引用的法条极有可能是针对“驾驶人在车外操作车辆”这一行为本身，因为离车泊入功能的使用说明书往往明确要求“驾驶员必须在车外保持对车辆的直接监控”。
[!quote] 引用 / 他人观点
我们可以引用一项关于自动驾驶人机交互的研究：Lee和See（2004）在《Human Factors》中提出的“信任与依赖模型”指出，当用户对自动化系统的能力产生过度信任时，会倾向于取消自身的监控责任，从而造成“自动化悖论”——系统越可靠，用户越不警惕，事故风险反而上升。本案中的车主，正是这种“过度信任”的典型代表。
进一步分析，这起事件折射出一个更深层的问题：公众对自动驾驶技术的认知普遍停留在“它能自己完成所有事”的层面。实际上，当前量产车所搭载的自动泊车系统，其感知模型的鲁棒性远未达到能在“有宠物的混乱环境”中安全运行的阶段。在计算机视觉领域，我们有一个著名的“分布外检测”（OOD Detection）问题：训练数据中从未包含“副驾坐狗、主驾无人”的样本，系统在面对这种分布外场景时，其行为是不可预测的。
[!example] 案例分析 / 具体事例
类似事件并非孤例。2023年，美国加州曾发生一起特斯拉车主将儿童座椅放在驾驶位、使用“召唤”功能导致车辆撞上路缘的事故。NHTSA的调查结论是：驾驶员未履行“持续监控车辆”的职责。这些案例的共同点在于，用户将技术视为“全自动保姆”，而忽视了系统设计时明确标注的“部分自动化”限制。
从社会实验的角度看，这起事件相当于一次“野蛮的实地测试”——它暴露了三个关键问题：一是技术说明书的法律效力不足，用户往往忽视安全警告；二是执法部门对新型自动驾驶行为的定性存在模糊地带，这次罚款更多是“兜底条款”的适用，而非针对特定违规；三是公众对自动驾驶安全性的误解，可能被此类视频进一步放大，导致更多人效仿。
[!tip] 核心观点 / 深度判断
我认为，解决这类问题的关键在于建立“技术使用者的责任梯度”。不妨借鉴航空航天领域的“驾驶舱资源管理”（CRM）理念，将自动化系统的使用分为“主动驾驶”“辅助驾驶”“自动泊车”等不同等级，每个等级对应明确的法律责任。例如，对于离车泊入功能，应该强制要求车辆在激活前通过人脸识别或蓝牙距离确认驾驶员在车外10米内，且在泊车过程中，驾驶员必须通过手机实时观看车辆周围影像。否则，一旦发生事故，驾驶员需承担全部责任。
回到新闻本身，那位女子或许只是觉得好玩，但她的行为实际上为自动驾驶的法规制定者提供了一个“正面案例”——它告诉我们，技术不能脱离人的行为模式而独立存在。从研究者的角度看，这也为未来的HMI（人机交互界面）设计提出了新课题：如何
