全球汽車快訊 據(jù)外媒報道，在自動駕駛領(lǐng)域，特斯拉可謂獨樹一幟。該公司致力于研發(fā)計算機視覺和人工神經(jīng)元網(wǎng)絡(luò)技術(shù)，旨在解決與自動駕駛車輛相關(guān)的挑戰(zhàn)。

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

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

那么，準確地說，激光雷達的瑕疵和計算機視覺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

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

據(jù)特斯拉人工智能部門的資 深總監(jiān)——安德烈·卡帕西（AndrejKarpathy）透露，激光雷達無法區(qū)分塑料袋和路面上減速帶，這會造成安 全隱患：在駛向減速帶時，車輛需要減速，然后才能輕松通過該塑料減速帶（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)生了一個問題：若一款車型同時搭載多個激光雷達，那么該車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(zhàn)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3D高清地圖的配合，自動駕駛無從談起。

這類地圖創(chuàng)建的3D街景視圖（建模）同樣是自動駕駛及其安 全性所需的技術(shù)，且只能與谷歌持續(xù)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 錢角度看，該任務(wù)的花費不菲。這表明，搭載激光雷達的車輛只能在已繪有地圖的限定區(qū)域內(nèi)行駛，這就極大地限制了自動駕駛車輛出行的覆蓋范圍。

特斯拉的非傳統(tǒng)技術(shù)路徑

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

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)先進駕駛員輔助系統(tǒng)（AdvancedDriver Assistance System，ADAS）或半自動駕駛系統(tǒng)（semi－auto pilot），該系統(tǒng)與攝像頭與雷達整合系統(tǒng)協(xié)同使用。（zui近，特斯拉車輛在升級系統(tǒng)后可使用純攝像頭系統(tǒng)。）

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

特斯拉采用8個攝像頭＋雷達的矩陣套件，從而實現(xiàn)自動駕駛、自動泊車、車道居中控制、自適應(yīng)巡航控制及便道等功能。

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

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

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

為解決該問題，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輛所采集來的視頻數(shù)據(jù)集。在自動算法及人工監(jiān)督的輔助下，完成對上述視頻的標識工作。

安德烈在2021年計算機視覺與模式識別國際會議（ComputerVision and Pattern Recognition Conference 2021）上對上述內(nèi)容進行了詳細闡述。他向觀眾透露，在算法培訓所用數(shù)據(jù)集的開發(fā)過程中，其團隊識別了200余種觸發(fā)器，暗示目標物探測仍需調(diào)整。

這類觸發(fā)器將造成探測結(jié)果之間出現(xiàn)不一致。為此，特斯拉不得不再花了四個月時間，修復(fù)每一個觸發(fā)器。特斯拉還采用了超級計算機來訓練深度學習建模并實現(xiàn)優(yōu)化調(diào)節(jié)。

特斯拉的首要目的是研發(fā)一款類似于人類視覺系統(tǒng)的自主計算機通用性視覺系統(tǒng)及一套可全 面發(fā)揮Autopilot車載系統(tǒng)性能的算法。

如今，特斯拉只是將此視為監(jiān)督式學習的一個問題。公司已經(jīng)提升了卷積神經(jīng)元網(wǎng)絡(luò)的性能，期望未來的車輛能夠基于計算機視覺技術(shù)來完成操控及車輛的運行。

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

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