全球汽車(chē)快訊 據外媒報道，在自動(dòng)駕駛領(lǐng)域，特斯拉可謂獨樹(shù)一幟。該公司致力于研發(fā)計算機視覺(jué)和人工神經(jīng)元網(wǎng)絡(luò )技術(shù)，旨在解決與自動(dòng)駕駛車(chē)輛相關(guān)的挑戰。

盡管豐田、谷歌、優(yōu)步、福特和通用汽車(chē)都致力于采用激光雷達技術(shù)，但特斯拉卻總是高調地宣稱(chēng)，激光雷達永遠也不會(huì )成為解決問(wèn)題的途徑。

特斯拉 首 席執行官——埃隆·馬斯克有句名言：“（采用）激光雷達是徒勞的，任何依賴(lài)激光雷達的公司都注定要失敗?！?

那么，準確地說(shuō)，激光雷達的瑕疵和計算機視覺(jué)zui大的優(yōu)勢是什么呢？

阿基琉斯之踵——激光雷達的致命弱點(diǎn)

即使將測距精 確到毫米級，激光雷達的表現也極為高效。然而，在面對移動(dòng)的物體時(shí)，該技術(shù)的表現就沒(méi)那么高效了。

據特斯拉人工智能部門(mén)的資 深總監——安德烈·卡帕西（AndrejKarpathy）透露，激光雷達無(wú)法區分塑料袋和路面上減速帶，這會(huì )造成安 全隱患：在駛向減速帶時(shí)，車(chē)輛需要減速，然后才能輕松通過(guò)該塑料減速帶（避免顛簸）。

此外，直到目前為止，激光雷達技術(shù)的產(chǎn)品成本依然極為昂貴，這就產(chǎn)生了一個(gè)問(wèn)題：若一款車(chē)型同時(shí)搭載多個(gè)激光雷達，那么該車(chē)型的成本效益就低了。

盡管存在諸多瑕疵，但激光雷達相關(guān)的zui大挑戰源自于3D高清地圖——后者是一項不可或缺的重要技術(shù)，若無(wú)3D高清地圖的配合，自動(dòng)駕駛無(wú)從談起。

這類(lèi)地圖創(chuàng )建的3D街景視圖（建模）同樣是自動(dòng)駕駛及其安 全性所需的技術(shù)，且只能與谷歌持續更新的3D高清地圖協(xié)同使用。

然而，哪怕是繪制一厘米的街景圖，也需要消耗大量資源，且從金 錢(qián)角度看，該任務(wù)的花費不菲。這表明，搭載激光雷達的車(chē)輛只能在已繪有地圖的限定區域內行駛，這就極大地限制了自動(dòng)駕駛車(chē)輛出行的覆蓋范圍。

特斯拉的非傳統技術(shù)路徑

特斯拉是全球zui大的電動(dòng)車(chē)制造商，其采用的技術(shù)路徑也與其他競爭對手截然不同。該公司希望賦予車(chē)輛“視覺(jué)”能力，使車(chē)輛能夠像人類(lèi)那般完成駕駛操控。

與競爭對手不同，特斯拉并未采用激光雷達。相反，該公司致力于研發(fā)先進(jìn)駕駛員輔助系統（AdvancedDriver Assistance System，ADAS）或半自動(dòng)駕駛系統（semi－auto pilot），該系統與攝像頭與雷達整合系統協(xié)同使用。（zui近，特斯拉車(chē)輛在升級系統后可使用純攝像頭系統。）

攝像頭與雷達的整合能夠為算法提供所需的錄入數據，從而創(chuàng )建車(chē)輛周邊的地圖，其采用計算機視覺(jué)及基于人工智能的算法來(lái)做駕駛決策，幾乎像逆向工程設計的人類(lèi)視覺(jué)。

特斯拉采用8個(gè)攝像頭＋雷達的矩陣套件，從而實(shí)現自動(dòng)駕駛、自動(dòng)泊車(chē)、車(chē)道居中控制、自適應巡航控制及便道等功能。

特斯拉車(chē)輛的車(chē)載軟件則基于深度學(xué)習算法，其嘗試在函數中研發(fā)高等神經(jīng)元網(wǎng)絡(luò )，起到與人類(lèi)視覺(jué)系統相類(lèi)似的作用，這就需要從車(chē)輛的周邊環(huán)境采集純視頻輸入。

然后，這類(lèi)神經(jīng)元網(wǎng)絡(luò )就會(huì )對道路、路標、行人、減速帶、障礙物及其他車(chē)輛的視頻輸入加以分析。

純計算機視覺(jué)所面臨的主要爭議在于：在沒(méi)有激光雷達和雷達設備的輔助下，我們無(wú)法確定神經(jīng)元網(wǎng)絡(luò )能否**地測距并完成深度預測。

為解決該問(wèn)題，特斯拉一直在訓練其神經(jīng)元網(wǎng)絡(luò )，為其輸入從全球特斯拉車(chē)輛所采集來(lái)的視頻數據集。在自動(dòng)算法及人工監督的輔助下，完成對上述視頻的標識工作。

安德烈在2021年計算機視覺(jué)與模式識別國際會(huì )議（ComputerVision and Pattern Recognition Conference 2021）上對上述內容進(jìn)行了詳細闡述。他向觀(guān)眾透露，在算法培訓所用數據集的開(kāi)發(fā)過(guò)程中，其團隊識別了200余種觸發(fā)器，暗示目標物探測仍需調整。

這類(lèi)觸發(fā)器將造成探測結果之間出現不一致。為此，特斯拉不得不再花了四個(gè)月時(shí)間，修復每一個(gè)觸發(fā)器。特斯拉還采用了超級計算機來(lái)訓練深度學(xué)習建模并實(shí)現優(yōu)化調節。

特斯拉的首要目的是研發(fā)一款類(lèi)似于人類(lèi)視覺(jué)系統的自主計算機通用性視覺(jué)系統及一套可全 面發(fā)揮Autopilot車(chē)載系統性能的算法。

如今，特斯拉只是將此視為監督式學(xué)習的一個(gè)問(wèn)題。公司已經(jīng)提升了卷積神經(jīng)元網(wǎng)絡(luò )的性能，期望未來(lái)的車(chē)輛能夠基于計算機視覺(jué)技術(shù)來(lái)完成操控及車(chē)輛的運行。

從另一方面講，激光雷達技術(shù)所取得的進(jìn)展也并不令人興奮。除了持續滑落的售價(jià)外，激光雷達在地圖繪制方面所取得的進(jìn)展并不大，更遑論還有其他瑕疵。

因此，就讓我們懷著(zhù)激動(dòng)的心情拭目以待——看看特斯拉的技術(shù)路徑能否在未來(lái)取得出色表現？屆時(shí)再看看激光雷達能否在通過(guò)自我技術(shù)革新來(lái)消除其短板？（本文為編譯作品，所用英文原文和圖片選自analyticsindiamag）