特斯拉最近又出大新聞了。才內(nèi)部郵件宣布達成L2級自動駕駛，這次徹底“純視覺”了。

這次是美國時間7月10日，特斯拉 FSD Beta V9.0終于在美國向用戶推送。相比起上一個版本，V9.0做了FSD有史以來最大的一次更新。徹底拋棄了雷達的使用。而且，特斯拉征召了2000名車主內(nèi)測，報名踴躍。不過，BUG很快就出來了。

這不，一位叫Giacaglia的網(wǎng)友看了一下特斯拉車主們發(fā)的視頻，馬上就收集了FSD 9.0 beta的11個失誤瞬間。從各個動圖來看，很明顯現(xiàn)在的系統(tǒng)還是只能算是駕駛輔助，如果脫手或者離開人的監(jiān)控，還是會出事情。這次可以看到的BUG有：

場景一：自動轉(zhuǎn)彎之后徑直向道路中央的綠化帶撞了過去。

場景二：無法識別路中單軌道路。

場景三：闖公交車專用道。

場景四：在單行車道上逆行。

場景五：一直轉(zhuǎn)換車道。路口右轉(zhuǎn)時，無法判斷使用哪個車道。

場景六：汽車壓實線并線；急需換道時，因為后方車輛逼近，錯過時機，只能下個路口見了。

場景七：自動并線超車之后發(fā)現(xiàn)道路劃線，還要強行壓線并道。

場景八：左轉(zhuǎn)時提前換道。

場景九：左轉(zhuǎn)時，差點進入對向路邊停車位。

場景十：汽車穿過幾條車道后才能左轉(zhuǎn)。?

場景十一：在一個只有停車標(biāo)志的地方，看到兩個停車標(biāo)志。

“作為一個做Deep Learning方向的人表示，用神經(jīng)網(wǎng)絡(luò)的車我是肯定不敢坐的……”“是的，做ML（Machine Learning）的看現(xiàn)在的自動駕駛，堪比醫(yī)生遇到掛科的同學(xué)給自己做手術(shù)。”“強行讓機器來學(xué)人（純靠視覺）本就是錯誤的發(fā)展方向，機器有自己的優(yōu)勢（可以自由加裝雷達等設(shè)備進行輔助）而不利用，就是典型的教條主義、本本主義。”……

這都是很專業(yè)的質(zhì)疑，那么，特斯拉是不是點錯科技樹？這個問題雖然見仁見智，但是從主流的CV（Computer Vision）+雷達路線來說，特斯拉有點像“西毒”歐陽鋒了，為了降低成本，純視覺一條道走到黑，“雖百死而不悔”的精神雖然有了，但是，那都是消費者的命啊……

為什么純視覺？

如果特斯拉很老實地講自己是駕駛輔助也就罷了，壞就壞在從一開始馬斯克喜歡“吹”自動駕駛，直到吹破了以后在內(nèi)部郵件中承認(rèn)是L2級駕駛輔助。但是，現(xiàn)在馬斯克給吹得成為一種神話，這種造神運動讓馬斯克騎上虎背下不來了。

而且，國內(nèi)外有太多“特吹”，包括大眾集團CEO赫伯特·迪斯博士。當(dāng)然，迪斯博士吹特斯拉，是為了麻痹敵人，那是另外一回事。

且不說特斯拉多年排名墊底的自動駕駛功力，已經(jīng)讓多少人命喪黃泉，單說特斯拉靠“純視覺”方案，說能達到全自動駕駛L4~L5級別，這就讓人匪夷所思了。

蘇黎世聯(lián)邦理工學(xué)院（ETH Zurich）教授Marc Pollefeys則認(rèn)為特斯拉不太可能放棄完全自動駕駛近在咫尺的說法，“很多人已經(jīng)為此買單（特斯拉的FSD套餐），所以他們必須保持希望，”他說，“他們被困在那個故事里。”故事已經(jīng)成為一種神話。

那么，為什么特斯拉取消雷達使用純視覺？特斯拉多次強調(diào)過，攝像頭數(shù)據(jù)和雷達數(shù)據(jù)在做融合的時候比較困難，當(dāng)攝像頭數(shù)據(jù)與雷達數(shù)據(jù)有沖突時，系統(tǒng)反而會更加難以抉擇。

所以，馬斯克也表示過，與其讓二者互相扯后腿，不如只選一個并把它做到極致。而且，在他看來，特斯拉的深度學(xué)習(xí)系統(tǒng)已經(jīng)比毫米波雷達強100倍，現(xiàn)在的毫米波雷達已經(jīng)開始拖后腿了。

而在今年的 CVPR（計算視覺與模式識別大會）上，特斯拉首席AI科學(xué)家安喬·卡帕西（Andrej Karpathy）還講了特斯拉如此“執(zhí)拗”的原因。不過，對于走上歧路的特斯拉，我們還是奉勸要保持冷靜。

為什么呢？道理其實很簡單，人在開車，雖然是以視覺為主，但是其他的感官都是一體作用的，并非無用。比如聽覺，身體的觸覺，甚至是意識的直覺等。“事實上，人類開車的時候，是一種近乎無意識的感知，他就能夠預(yù)測下一步應(yīng)該怎么辦，從而規(guī)避事故。”這是奇瑞科技有限公司總經(jīng)理李中兵在世界人工智能大會的一場論壇上所講的。而在這點，特斯拉有點過于執(zhí)著在視覺上了。

通用視覺系統(tǒng)和神經(jīng)網(wǎng)絡(luò)

那么，這次的CVPR上，特斯拉的安喬·卡帕西（Andrej Karpathy）詳細(xì)介紹的基于深度學(xué)習(xí)開發(fā)的自動駕駛系統(tǒng)，也就是全視覺的好處是什么？

特斯拉的底氣，是采用了“通用視覺系統(tǒng)”和“神經(jīng)網(wǎng)絡(luò)”兩種黑科技。當(dāng)然，Karpathy 強調(diào)，基于視覺的自動駕駛，在技術(shù)角度更難實現(xiàn)，因為它要求神經(jīng)網(wǎng)絡(luò)僅僅基于視頻輸入就能達到超強性能的輸出。“不過，一旦取得了突破，就能獲得通用視覺系統(tǒng)，方便部署在地球的任何地方。”

“我們拋棄了毫米波雷達，車輛只靠視覺來行駛。”Karpathy認(rèn)為，有了通用視覺系統(tǒng)，車輛就不再需要什么補充信息了。特斯拉始終認(rèn)為，收集環(huán)境信息是一回事，利用環(huán)境信息又是另一回事。而且，傳感器的種類和數(shù)量越多，互相之間的協(xié)調(diào)與整合就越難做，最終效果恐怕只是1+1＜2，得不償失。

這次特斯拉發(fā)布的FSD Beta V9.0，從技術(shù)上來說，新算法調(diào)用所有用于自動駕駛的8個攝像頭，修復(fù)跨鏡頭畸變、時域差，拼接成環(huán)視視覺，再對周圍環(huán)境進行實時的3D建模。也就是特斯拉所謂的“鳥瞰圖視覺”。

具體來說，就是特斯拉將2D視圖轉(zhuǎn)化為模擬激光雷達數(shù)據(jù)，然后再用（激光雷達）算法處理這些數(shù)據(jù)，得到比之前好非常多的視覺測距精度。你不覺得奇怪么，既然還是得用激光雷達算法，為什么不用激光雷達呢？

按照特斯拉的說法，其自動駕駛系統(tǒng)是基于神經(jīng)網(wǎng)絡(luò)的特征識別、預(yù)判和規(guī)控，對于道路環(huán)境項目進行學(xué)習(xí)，比如交通路牌的含義到底是什么，需要通過很多場景素材訓(xùn)練系統(tǒng)，訓(xùn)練得越多系統(tǒng)能處理的場景越多。通過幾百萬車主積累的大數(shù)據(jù)，表現(xiàn)出來的能力就是，特斯拉可以輕松做到目前城市道路的自主駕駛。

實際上，馬斯克一直都希望將特斯拉的制造成本壓到最低。從成本上來說，目前特斯拉Model 3的自動駕駛攝像頭成本只需要65美元。而激光雷達的成本，還基本上在1000美元以上級別。要知道，2018年的時候，Velodyne的64線激光雷達HDL-64售價可是高達7.5萬美元的。

支撐特斯拉車價一降再降的當(dāng)然是成本的控制。但是，馬斯克和特斯拉還是過于迷信軟件和AI的力量了。對于自動駕駛的“長尾問題”，特斯拉認(rèn)為靠AI和超級計算機能解決，這都是有問題的。就算完成了99%，最后的1%依然是不可跨越的鴻溝。

此外，已經(jīng)有外媒認(rèn)為，美國本土的傳統(tǒng)車企通用汽車將在2021年超越特斯拉，原因就在于特斯拉在自動駕駛方面已經(jīng)落后，特別是又在“純視覺”的路線上一條道走到黑。

傳感器融合才是未來

就純視覺的局限來說，有業(yè)內(nèi)人士認(rèn)為，在一些極端的場景中是無法滿足對于感知探測能力的KPI指標(biāo)的。比如一些復(fù)雜的天氣情況，如大雨、大霧、沙塵、強光、夜晚，這對于視覺和激光雷達都是非常惡劣的場景，難以用一種傳感器應(yīng)對。主要體現(xiàn)在幾個大的方面：

1）天氣環(huán)境因素造成的視覺傳感器致盲（如逆光炫目、沙塵暴遮擋等）；

2）小目標(biāo)物體在中低分辨率視覺感知系統(tǒng)中，可能造成目標(biāo)晚識別（如減速帶、小動物、錐桶等）；

3）異形目標(biāo)由于未經(jīng)訓(xùn)練可能造成無法匹配，被漏識別（道路落石、前車掉落輪胎等）；

4）視覺傳感器本身的識別要理要求，對于視覺識別的高算力需求等。

就算一些自動駕駛測試或比較成熟廠商，在智能駕駛中也多次發(fā)生撞車事故，為傳感器系統(tǒng)的失效付出慘痛代價。所以,傳感器融合是構(gòu)建穩(wěn)定感知系統(tǒng)的必要條件。畢竟，視覺感知能力有局限，必須結(jié)合毫米波雷達或激光雷達做優(yōu)勢互補才能實現(xiàn)。

回頭來說，這次特斯拉的內(nèi)測BUG里面，但凡有一個場景沒有人類駕駛員眼明手快接手的話，就會演變成為交通事故。這能讓人放心嗎？特斯拉的車主們也忒心大了。

此外，我們知道，攝像頭如何感知深度只是自動駕駛問題的一部分。特斯拉依靠的最先進的機器學(xué)習(xí)只是識別模式，這意味著它會在新情況下掙扎。一掙扎，就會產(chǎn)生誤判。

與人類司機不同的是，如果系統(tǒng)沒有遇到場景，它就無法推理該做什么。“任何AI系統(tǒng)都不了解實際發(fā)生的事情，”研究自動駕駛汽車計算機視覺的康奈爾大學(xué)副教授克里安·溫伯格（Kilian Weinberger）如此表示。

還有一點是，雖說，F(xiàn)SD 9.0給智能輔助駕駛系統(tǒng)是創(chuàng)造了更廣闊的應(yīng)用場景，但是，在L2級別的駕駛輔助系統(tǒng)（而不是自動駕駛系統(tǒng)）這個前提下，這些功能多少仍顯得有些雞肋，因為駕駛過程中根本無法脫手。而且，人類駕駛員不僅需要手握方向盤，還需要在城市道路上與車載電腦系統(tǒng)較勁，增加了額外負(fù)擔(dān)和心理壓力。

FSD BETA V9.0的這些內(nèi)測BUG會在實際道路上反復(fù)出現(xiàn)，毫無疑問這為城市交通也制造了更多的隱患。不過，這套系統(tǒng)能不能用在更加復(fù)雜的中國的開放道路上？公社的小伙伴中還是有對特斯拉超有信心的，“大家都沒開過，怎么知道行不行呢？”是啊，是騾子是馬，特斯拉總會拉出來遛遛。

返回第一電動網(wǎng)首頁 >