读解特斯拉神经网络领头人安德烈·卡帕斯关于无人驾驶策略的分享(1)

1,907 阅读3分钟

小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。

希望实现交通自动化,许多交通事故是因为人的疏忽或者也可以并不善于驾驶而引发,每年人为造成事故以带来巨大经济损失。

今天电脑代替大脑取给出正确的驾驶决策是一个趋势,电脑有很多优势。具有低延迟、360度感知,人类大脑计算具有局限性,说以我们需要通过不断转移注意力来把握周围的环境。电脑会全程全神贯注,不会打开聊天软件查收信息。所以无人驾驶可以提供更便利、更安全和更经济的交通自动化.

fsd-system.jpeg

特斯拉的独特之处,对于自动驾驶实现方式是,采取了渐进的方法。已经有客户使用了为他们提供的自动驾驶包,已有数百万辆汽车在享受无人驾驶带来额外的安全和便利。而且团队正在努力朝着实现完全自动驾驶。

接下来是一段无人驾驶视频,这是一个 FSD 测试版产品,这个测试版本已经被发送到了 2000 个客户手上,这是一个客户在旧金山周围驾驶的录像,在显示屏幕上显示道路边缘、也就是行车范围,显示路面上标识线,一些物体。这是一个零干预驾驶过程,而且驾驶时间住够长,在全过程是零干预,全程将驾驶权交给了 FSD。

waymo_on_drive.png

接下里有播放一段 Waymo 驾驶的视频,这实际上是一个相当老的视频,很多年前录制的视频。尽管这两个场景看起来是一样的,背后的感知系统却大相径庭。

hd_map.png

有关与基于雷达还是摄像头来实现感知,将无人驾驶技术分为两个方法,采取这种激光雷达加高清地图的方法,这样方式,通常汽车头顶一个昂贵的激光雷达,通过不断旋转 360 扫描周围环境生成点云,通过预先扫描来绘制高清晰的地图,然后需要将 camera 识别交通信号以及车道线融合到这个高清地图,这样就可能带来问题。

而特斯拉采取的方法主要是基于视觉。基于汽车周围八个摄像头的视频来把握周围的一切,现在行驶在那条车道线,哪里是交通灯,这些交通标志和车辆之间是相关的,是什么样的关系。

对于视觉要实现对周围的把握的确是一件比较难的事。采用神经网络视觉系统相对于高清激光雷达的数量具有更好通用性,而要绘制高清地图需要大量的基础工作,而且高清激光雷达的数量的数据从收集、创建和维护都比较困难,而且成本不菲。

cartoon_diagram.png

正如我所提到的,特斯拉不使用高清晰度地图,也不使用激光雷达,只使用视频摄像头。 事实上,特斯拉在过去几年中建立的视觉无人驾驶系统已经取得很好的效果,所以有信心将其他的传感器都甩在了后面,你在车上看到的感知而言,摄像机正在做大部分的重活。