特斯拉稱取消雷達是避免誤判

特斯拉本周四在北京南四環(huán)中路特斯拉體驗中心舉辦了最新一屆“T-talk”線下分享討論會，主要講解了特斯拉 FSD 在自動駕駛領(lǐng)域所做的努力。

安全是底線：以消滅交通事故為目標(biāo)

調(diào)查顯示，全球每天有 3 萬余人死于交通事故。官方講解了特斯拉在安全方面的舉措：

被動安全方面，特斯拉由于沒有發(fā)動機，車型前方自帶吸能潰縮區(qū)，能在意外中有效保護乘員;采用鋼鋁混合輕量車身、堅固的底盤防護、大量高強度鋼和超高強度鋼的應(yīng)用，加強防護。

在事故的預(yù)防方面，則有全系標(biāo)配的主動安全配置守護。每輛特斯拉車型，均有側(cè)撞預(yù)警、盲點碰撞警報、前撞預(yù)警、速度限制警報、障礙物感應(yīng)限速、自動緊急制動、車道偏離防避等功能。

官方介紹稱，在最新的美國國家公路交通安全管理局(NHTSA)碰撞測試中，特斯拉全系車型均獲得五星碰撞安全評級。其中，Model 3 不僅獲得 NHTSA 全五星安全評級、ENCAP 全五星評級，還摘得了 IIHS SAFETY PICK + 頂級安全大獎。在美國政府的“新車評價項目”中，Model 3 比其測試的任何車輛受傷概率都低。

在此基礎(chǔ)上，特斯拉還提供了主動巡航控制、輔助轉(zhuǎn)向、自動變道、輔助駕駛導(dǎo)航等功能，車輛預(yù)知風(fēng)險、預(yù)判后，系統(tǒng)能夠自主實施轉(zhuǎn)向、制動等決策，盡量避免事故的發(fā)生。

以 Model 3 為例，當(dāng)在并入的臨近車道中探測到車輛時，Autopilot 便會觸發(fā)側(cè)撞預(yù)防功能(轉(zhuǎn)向干預(yù))，并保障車輛自動轉(zhuǎn)向行駛到一個更安全的位置。

據(jù)稱，主動安全系統(tǒng) + Autopilot，帶來的安全性提升是立竿見影的。

NHTSA 公布的最新數(shù)據(jù)顯示，在美國每行車 674 萬公里，平均會發(fā)生 8.66 次事故。而這個數(shù)據(jù)，在使用了 Autopilot 的特斯拉車主中僅為 1 次;沒有使用 Autopilot 但有主動安全功能參與的駕駛中，事故約為 2 次。也就是說，特斯拉的 Autopilot 讓行車安全水平達到平均水平的 8.66 倍。

此外，特斯拉還想解決“浪費”問，減少堵車時間和不需要的停車占用面積。

FSD：硬件 + 軟件 + 數(shù)據(jù)

據(jù)悉，特斯拉的芯片已經(jīng)經(jīng)過 3 次迭代，目前最新的 Full Self-Driving Computer 上搭載了特斯拉自主研發(fā)的兩枚芯片，也就是 Autopilot3.0 硬件，性能比 2.5 版本芯片強大 21 倍。

據(jù)介紹，AI 芯片在圖像識別等領(lǐng)域有著獨特優(yōu)勢，其計算方式為矩陣或 vector 的乘法、加法，配合一些除法、指數(shù)等算法;而 CPU 則適合于不同領(lǐng)域的復(fù)雜算法，比如計算機服務(wù)器領(lǐng)域;GPU 雖然也是針對圖像渲染的算法，但其特性不符合神經(jīng)網(wǎng)絡(luò)。

特斯拉研制的 FSD 芯片中，其中 NNA(NPU)處理器即是為 AI 算法而存在的。相較于 HW2.5，F(xiàn)SD 電腦將算力提升至了 144TOPS，每秒處理的圖片速度提升至 2300 幀。

算力的大幅提升，目的在于處理海量的圖像信息。通過深度學(xué)習(xí)，特斯拉不斷輸入大量數(shù)據(jù)，人工或自動標(biāo)注出正確“答案”，令其不斷自我“進化”，從而快速提供識別率，進而覆蓋更多駕駛場景。

每當(dāng)車輛在遇到各類“邊角案例”時，也就是遇到一些比較“棘手”的駕駛場景時，或駕駛員的操作與系統(tǒng)設(shè)定不一致時，車輛都會脫敏匿名將實際情況上傳給特斯拉云端服務(wù)器，通過龐大的集中算力進行深度學(xué)習(xí)以優(yōu)化系統(tǒng)。

當(dāng)然，特斯拉也為用戶提供了不上傳數(shù)據(jù)的選項，官方還強調(diào)其所有上傳至云端的數(shù)據(jù)均為脫敏、匿名處理后的數(shù)據(jù)。

據(jù)悉，特斯拉 FSD 學(xué)習(xí)過程的優(yōu)勢在于絕大部分數(shù)據(jù)是從日常生活中看到的那些真正行駛在路上的車輛收集的，只有小部分來自測試車隊，因此更加貼近車主日常駕駛場景。

IT之家了解到，為了處理巨量駕駛數(shù)據(jù)，特斯拉還在努力研發(fā)更強的機器學(xué)習(xí)和 AI 模型。

例如特斯拉此前啟動了一個代號為 Dojo 的重大項目，它是一臺超強的訓(xùn)練計算機，處理的數(shù)據(jù)不再停留在圖片層面，而是針對視頻類的數(shù)據(jù)，能夠以較低的成本實現(xiàn)算法性能的指數(shù)級提升。

新思路：取消雷達，選擇靈敏的視覺方案

自動駕駛系統(tǒng)，傳感器得到的數(shù)據(jù)是一切的基礎(chǔ)，不過不同的傳感器各有不同優(yōu)劣勢。特斯拉表示，毫米波雷達(Radar)的優(yōu)勢在于對距離、速度等信息的判斷，不過通過算法的優(yōu)化，他們已經(jīng)能夠通過攝像頭實現(xiàn)該目的。

但特斯拉并沒有急于取消雷達，畢竟在那之前還需要將通過雷達來判斷其視覺方案是否能夠準(zhǔn)確得知距離、速度等信息。

能夠替代 Radar 給出距離、速度等信息還只是其中一個理由，另一個更關(guān)鍵的理由在于，雖然越多的傳感器經(jīng)過融合算法后，能夠提供相對越全面的環(huán)境信息，但當(dāng)不同傳感器給出的信息也會出現(xiàn)互相矛盾的問題。

特斯拉經(jīng)過實際測試和對比，通過純視覺方案不僅能夠提供與雷達方案一樣的信息，并且還將體驗優(yōu)化提升了很多。

官方舉例表示，在你前方的車緊急制動的場景下，純視覺方案沒有出現(xiàn) Radar 那種信息中斷和誤判的情況，非常線性，從而能夠提供線性的制動決策。

注：黃色線條代表毫米波雷達感知的距離、速度、加速度圖像;藍色線條代表純視覺傳感器的數(shù)據(jù)結(jié)果。

而在通過立交橋下的場景中，由于 Radar 的垂直分辨率很低，所以容易導(dǎo)致系統(tǒng)誤判空中的物體為障礙物;而純視覺方案則完全不會出現(xiàn)該問題。

還有一種因素是雷達對靜止物體的判斷不比視覺方案。對于毫米波雷達來說，前方車輛?？吭诼愤叄瑢?dǎo)致識別較晚，在距離車輛 110 米時才感知到前方停有卡車。而純視覺方案在距離車輛 180 米的時候就可識別到該車輛。

關(guān)鍵詞： Autopilot 手動開車 更安全 FSD分享