Xiaomi SU7 ошибочно пробуждала китайца от сна за рулем

На прошлой неделе житель Чжэцзяна, г-н Ли, сообщил о неоднократных ложных предупреждениях от системы обнаружения усталости автомобиля во время поездок.

По словам г-на Ли, система ошибочно приняла его от природы узкие глаза за признак сонливости, вызвав более 20 голосовых оповещений: «Пожалуйста, сосредоточьтесь на вождении» за одну поездку, с ещё более частыми прерываниями на длинных маршрутах.

В ответ на проблему служба поддержки клиентов Xiaomi выступила в защиту системы, заявив, что она разработана для обеспечения безопасности водителя. В компании отметили:
«Каждый Xiaomi SU7 Max оснащён системой мониторинга водителя для повышения защиты. Хотя в некоторых случаях она может быть чрезмерно чувствительной, пользователи имеют возможность отключить эту функцию.»
Технология мониторинга SU7 Max запрограммирована на выявление признаков сонного поведения – таких как закрытые глаза или зевание – автоматически выдавая оповещения, если система фиксирует признаки усталости или отвлечения. Однако случаи чрезмерной чувствительности, как у г-на Ли, выявили потенциальные недостатки в её работе.

Ситуация г-на Ли – не единична. Автомобильный блогер @DerekTLM сообщил, что у него действительно маленькие глаза и он не спал, но система помощи при вождении Xiaopeng Motors ошибочно определила его как спящего, и его баллы за интеллектуальное вождение были снижены. Автоблогер Чан Янь также сталкивался с ситуациями, когда системы мониторинга водителя (DMS) в автомобилях Xiaopeng, Weilai и других брендов ошибочно фиксировали отвлечённость из-за особенностей его глаз.

В чём причина неадекватной реакции системы Xiaomi SU7 на людей с узкими глазами? Сейчас большинство производителей полагаются на универсальный визуальный шаблон для оценки усталости. Алгоритм далёк от совершенства и плохо адаптирован, особенно под азиатскую внешность.

Парадоксально, что китайские системы часто используют американский стандарт PERCLOS P80 – если веки закрывают более 80% зрачка, глаза считаются закрытыми. Однако такой подход оказывается неэффективным в Китае, где частота ошибок достигает 60%.