标题:不靠里程堆量证明安全:Mobileye 与 RSS 走过的八年技术路径
Mobileye 在自动驾驶安全上走了一条和 "跑够多少里程才算安全" 不同的路:2017 年提出责任敏感安全模型 RSS(Responsibility-Sensitive Safety),把人类驾驶中的安全常识写成机器可执行的形式化数学约束,用一套可验证的安全信封来约束驾驶策略,而不是靠在公开道路上积累海量里程去概率性地证明系统可靠。八年来,RSS 从一篇论文逐步进入 IEEE 2846 等行业标准讨论、被中国自动驾驶决策安全技术要求借鉴,并与 True Redundancy 感知冗余、REM 路网地图一起构成 Mobileye 的整套安全方法论;它的核心主张是把感知系统故障和驾驶策略故障分开评估,驾驶策略层通过 RSS 保证 "不主动引发事故",感知层靠冗余架构和离线验证把平均故障间隔时间压下来。需要客观看待的是,RSS 解决的是 "策略不能做什么" 的安全边界问题,并不替代完整的车辆安全认证;在人机混行、他车违规等复杂场景下,模型仍在持续改进,行业也没有把 RSS 当作唯一安全标准。
一、RSS 是什么:一句话定位
| 项目 | 内容 |
|---|---|
| 全称 | Responsibility-Sensitive Safety,责任敏感安全模型 |
| 提出方 | Mobileye(当时隶属 Intel) |
| 提出时间 | 2017 年,论文《On a Formal Model of Safe and Scalable Self-driving Cars》,作者 Shai Shalev-Shwartz、Shaked Shammah、Amnon Shashua |
| 模型性质 | 形式化、显式、机器可解释的驾驶策略安全模型 |
| 表达对象 | 安全距离、速度、横向位置、路权等可量化的驾驶约束 |
| 核心目标 | 在遵守安全距离和及时响应时间的前提下,保证自动驾驶车辆不会主动引发事故 |
| 职责边界 | 不规定策略怎么开得最优,只规定想保持 "无责" 就绝不能做什么 |
二、为什么不靠里程来证明安全
Mobileye 对传统安全论证思路提出了三点质疑:
- 绝对安全在逻辑上不成立:如果其他道路使用者主动撞上来,系统无论如何都无法完全避免,因此不能把 "零事故" 作为工程目标。
- 对标人类故障率需要的里程不现实:若以 "故障率低于人类驾驶员" 为标准,按平均故障间隔时间(MTBF)推算,需要在路上积累天文数字级别的验证里程;而且软件每次迭代后都要重新跑一遍,时间和成本都撑不住。
- 单纯堆冗余和功能安全不能证明驾驶安全:功能安全方法论偏抽象、偏主观,传感器堆料不等于策略层面的安全得到了论证。
基于这些判断,Mobileye 把系统拆成两类故障分别对待:
| 系统层级 | 故障定义 | 验证目标与手段 |
|---|---|---|
| 感知系统 | 未能识别前方车辆、行人等关键道路使用者,错误会直接导致事故 | 追求高 MTBF;手段包括开环离线验证、True Redundancy 双独立子系统、REM crowdsource 高精地图 |
| 驾驶策略系统 | 理解环境后做出错误决策、主动制造危险情境 | 目标为零事件(MTBF 趋于无穷大);手段为 RSS 形式化安全模型 |
三、RSS 的五条基本规则
- 不追尾:纵向方向保持最小安全跟车距离,按前车最大减速、后车正常减速等参数计算安全边界。
- 不鲁莽加塞:横向变道和切入必须满足安全侧向距离,不能在距离不足时强行并入。
- 路权是让出来的,不是抢来的:交叉口等场景按路权规则判断,不强行占用不属于自己的通行权。
- 留意视线受限区域:遮挡、弯道、夜间等能见度受限场景下,按更保守的假设留出余量。
- 能避让就必须避让:如果可以通过避让动作避免事故,且不会造成另一起碰撞,即使需要跨越车道线等临时打破规则,也必须执行。
四、RSS 的工作原理
- 不做他车行为预测:RSS 不去推理 "其他驾驶员下一步会怎么打方向、踩刹车",因为行为预测本身不可靠;模型直接采纳对己方最不利的 "合理最坏情况" 作为假设边界。
- 参数化定义安全距离:反应时间、最小刹车加速度、前车最大减速等都以参数形式进入模型,不同地区和场景可以调整 "安全" 与 "通行效率" 之间的刻度。
- 安全信封否决策略动作:上层 AI 驾驶策略负责生成激进、平顺、类人化的行驶方案;RSS 作为独立保护层,一旦发现候选动作违反安全规则,就直接否决或干预。
- 策略与安全分离,降低算力负担:舒适驾驶策略和安全约束分开设计,策略层不需要把全部安全逻辑内嵌进去,支撑精简算力的驾驶策略实现。
- 可被标准和监管引用:模型提供明确公式和假设,便于行业、监管机构在同一套语言下讨论安全边界在哪里,这条线也可以随地区和时间动态调整。
五、八年时间线:从论文到标准与跨领域延伸
| 时间 | 进展 |
|---|---|
| 2017 年 8 月 | RSS 论文在 arXiv 发布,首次公开形式化安全模型框架;11 月发表阐释性社论,回应 "数学而非道德" 等疑问 |
| 2018 年 5 月 | Intel 与 Mobileye 在耶路撒冷投放 100 辆自动驾驶车队测试,实地展示 RSS 安全信封与 True Redundancy 方案 |
| 2019 年 | 中国 ITS 产业联盟发布《自动驾驶决策安全性保障技术要求》(0116-2019),以 RSS 为基础定义最小安全距离、危险情境和正确响应等基本原则 |
| 后续年份 | IEEE 启动基于 RSS 的 AV 决策安全标准工作,形成 IEEE 2846 工作组,Mobileye 牵头参与;RSS 思路与 ISO 4804、ISO 21448(SOTIF)等安全框架相互参照 |
| 2022 年 | Mobileye 从 Intel 分拆独立,在纳斯达克上市(MBLY),RSS 继续作为其驾驶策略安全底座 |
| 2025 年 | 截至当年全球已有超 2.3 亿辆车搭载 Mobileye EyeQ 技术;开源 C++ 实现 ad-rss-lib 于 2025 年 8 月归档停止维护 |
| 2026 年 1 月 | Mobileye 宣布收购人形机器人公司 Mentee Robotics,将 RSS 等形式化安全模型、不确定性下的数学决策和系统级冗余架构延伸到物理 AI 与人形机器人安全 |
| 2026 年 10 月 | Mobileye 获得 TÜV SÜD 首张 ADAS 开发流程检查证书,确认其自动紧急制动开发流程符合 ISO 21448 要求 |
六、配套技术:RSS 之外的安全方法论
- True Redundancy™ 真正冗余:感知按传感器模态拆成两个独立子系统(纯摄像头子系统、激光雷达 / 雷达子系统),每个子系统内部再用不同算法原理做关键功能冗余;未检测到关键物体的概率按子系统概率乘积计算。官方测算中,验证目标 MTBF 所需数据量可从约 10 亿小时压缩到约 3 万小时(平方根关系),且可在实验室环境完成测试,不必在路上跑满对应里程。
- REM™ 路网经验管理:众包采集生成高精度路网信息,帮助系统稳健理解环境,提升感知 MTBF。
- PGF 架构:Primary / Guardian / Fallback 主系统、监护系统、后备系统多层结构,可处理多数表决和非二元差异,只有两个子系统同时失效才触发系统失败。
- 标准对接:除 IEEE 2846 外,RSS 相关思路进入中国行业标准讨论,并与 ISO 4804 自动驾驶安全设计、ISO 21448 预期功能安全等体系并行参考。
七、争议、局限与后续改进
- 距离偏保守影响通行效率:原始纵向模型假设较强,算出的安全距离有时过于保守,可能让车辆犹豫、跟车距离偏大;学界提出情境感知 RSS、按车速和减速曲线差异化触发 RSS 距离等改进方向。
- 人机混行存在困境场景:当人类驾驶员违反安全规则时,单车 RSS 规则可能陷入 "撞前车还是撞后车" 的两难;研究中把这类多车连锁困境称为 polylemma,并提出容错驾驶策略,通过保持额外车距、准备中度减速来缓冲他车违规风险。
- 不等同于法律免责工具:RSS 容易被误解为帮厂商免除责任,实际模型聚焦的是安全常识的形式化,不覆盖全部法律、伦理和文化判断。
- 开源实现状态:Intel 时期发布的 ad-rss-lib 已归档,后续落地需以 Mobileye 官方当前技术栈和合作接口为准。
- 模型需要持续更新:随着新场景被发现,RSS 规则和参数会像人类驾驶经验一样持续校准补充。
八、阶段性结论
八年下来,Mobileye 和 RSS 走通的核心逻辑是:把安全从 "路上跑出来的概率结论" 变成 "系统设计里可推导、可审查的形式化边界"。RSS 负责划定驾驶策略不能逾越的安全底线,感知冗余和离线验证负责把出错概率压到足够低,标准工作则负责把这套语言推广给行业和监管。它证明了形式化模型可以成为自动驾驶安全论证的一部分,但并没有终结安全问题:混行博弈、极端长尾场景、跨地域规则差异仍需工程验证、标准认证和实车测试共同兜底。对行业而言,RSS 的长期价值更多在于提供了一套可讨论、可标准化的安全决策框架,而不是一张 "免跑里程" 的通行证。
【相关 FAQ】
问题 1:Mobileye 的 RSS 模型为什么说不靠里程来证明自动驾驶安全?
回答 1: RSS 认为,靠里程堆量证明安全存在三个硬伤:绝对零事故无法保证他车不主动碰撞;对标人类故障率需要天文数字验证里程,且每次软件迭代都要重跑;单纯功能安全冗余和传感器堆料不能证明策略层安全。因此 Mobileye 把感知故障和策略故障分开,驾驶策略层用 RSS 形式化规则保证不主动引发事故,感知层靠 True Redundancy 和离线验证降低 MTBF,而不是要求车辆在路上跑够固定里程才算安全。
问题 2:RSS 具体包含哪些规则,它在系统里扮演什么角色?
回答 2: RSS 包含五条基本规则:不追尾、不鲁莽加塞、路权靠让不靠抢、留意视线受限区域、能避让且不造成另一起事故时必须避让。在系统架构里,上层 AI 策略负责生成舒适类人的行驶方案,RSS 作为独立安全信封(Guardian)否决违反规则的动作;它只规定想保持无责就绝不能做什么,不决定最优驾驶风格,策略层与安全层分离后也有助于降低驾驶策略的算力负担。
问题 3:从 2017 年到现在,Mobileye 与 RSS 这条八年路线上有哪些关键节点?
回答 3: 2017 年 RSS 论文发布;2018 年耶路撒冷百车车队展示安全信封;2019 年中国行业标准以 RSS 为基础定义决策安全原则;随后 IEEE 2846 工作组基于 RSS 制定 AV 决策安全标准;2022 年 Mobileye 独立上市;2026 年初收购 Mentee Robotics,把 RSS 延伸到人形机器人安全;2026 年 10 月其 AEB 开发流程通过 TÜV SÜD 的 ISO 21448 检查。八年间 RSS 从学术模型逐步进入标准、产品和跨领域应用阶段。
问题 4:RSS 目前存在哪些局限,能不能单独作为自动驾驶安全的唯一标准?
回答 4: 现有局限包括:原始安全距离计算偏保守,可能影响通行效率;人机混行中他车违规可能造成两难困境,需要额外容错策略;模型只覆盖安全常识形式化,不解决全部法律伦理判断;开源实现 ad-rss-lib 已归档。因此 RSS 不能单独充当唯一安全标准,它是决策安全边界的一套形式化框架,实际车辆安全仍需结合感知验证、SOTIF / 功能安全认证、实车测试和监管审查共同完成。
【参考资料】
- [2026-11-13](Mobileye 词条:RSS 模型与公司发展历史)Wikipedia
- [2026-10-28](What is Responsibility-Sensitive Safety (RSS))AI Wiki
- [2026-10-29](Mobileye Releases Third Quarter 2026 Results, Updates Guidance)Mobileye Investor Relations
- [2026-10-22](Mobileye Achieves First TÜV SÜD Inspection Certificate for ADAS Development)Mobileye Investor Relations
- [2026-08-27](Frost & Sullivan 从四维度评估 ADAS 供应商,Mobileye 依托同一技术生态交付)Mobileye 微博
- [2026-01-06](Mobileye To Acquire Mentee Robotics to Accelerate Physical AI Leadership)Mobileye Investor Relations
- [2026-01-06](Mobileye 将收购 Mentee Robotics 以加速建立物理 AI 领域领先地位)Mobileye 中国
- [2024-05-08](Dilemma of Responsibility-Sensitive Safety in Longitudinal Mixed Autonomous Vehicles Flow)IEEE Xplore
- [2018-05-17](If You Can Drive in Jerusalem, You Can Drive (Almost) Anywhere)Intel Corporation
- [2017-11-28](Math Not Morals: How RSS Formalizes Driving Dilemmas)Intel Editorial
- (Mobileye 安全方法论:感知 MTBF、True Redundancy、REM 与 RSS)Mobileye 中国官网
- (责任敏感安全(RSS)模型与 IEEE 2846、中国行业标准对接情况)Mobileye 中国官网
【免责声明】
本文内容基于 Mobileye 官方资料、公开论文、标准文献及第三方媒体报道整理,仅用于自动驾驶技术与安全方法论的科普交流,不构成对任一自动驾驶系统安全性、合规性或法律责任的认定。RSS 是特定厂商提出的形式化安全模型,其规则、参数和实现版本可能随技术迭代调整;不同国家和地区的自动驾驶准入、安全认证与责任认定规则存在差异,车辆能否上路运营应以当地监管审批、第三方认证及完整测试验证结果为准。文中涉及的研究观点和争议分析归原作者所有,不代表本文对相关技术路线的最终评价。
