棄坑超聲雷達，特斯拉官宣100%純視覺自動駕駛，看路全靠8顆攝影機

山無棱，天地合，馬斯克初心未改。

作為純視覺一貫的忠實信徒，他近日宣佈：特斯拉即將採用100%純視覺方案！

繼2021年5月特斯拉棄用毫米波雷達後，這次連僅有的超聲波雷達也扔掉了。

你如何看？

網友表示：不敢看，以後看見特斯拉就要躲遠點。

超聲波雷達被棄了

近日，特斯拉官方稱，從10月開始，歐洲、北美、中東地區交付的Model 3、 Model Y將移除超聲波雷達感測器（USS）。

並且將在全球推進Model 3、Model Y純視覺方案。

與此同時，高端Model S、Model X在2023年也不再配備超聲波雷達感測器。

聲明中，特斯拉解釋了其視覺神經網路如何取代超聲波雷達感測器。

隨著USS被移除，特斯拉將會啟動基於視覺Occupancy Network，目前僅能在FSD測試版中使用。

它能夠實現Autopilot高畫質空間定位、更遠距離可見性以及識別和區分對象的能力。

特斯拉還自信地表示，與配備雷達的車相比，採取純視覺方案的Model 3和Model Y在美國和歐洲保持或提高了主動安全等級，並且在行人自動緊急制動(AEB)干預方面表現更好。

也就是說，特斯拉的純視覺方案完全不輸「視覺+雷達」方案。

特斯拉官網也介紹道，8個攝影機和強大的視覺處理能力可實現360度視野範圍，對周圍環境的監測距離最遠可達250米。

最後，特斯拉還指出在最近交付的沒有配備UUS車輛會有部分功能在短期內受到限制，比如泊車輔助、自動泊車、召喚、智能召喚功能。

這些問題後續會通過OTA進行修復。

先扔毫米波，再扔超聲波

要知道，馬斯克一直以來都是純視覺自動駕駛方案的擁躉。

現在常見的汽車雷達，主要分為這三種：超聲波雷達、毫米波雷達、雷射雷達。它們基於不同技術原理，功能也各不相同。

超聲波雷達是通過超聲波發射裝置向外發出超聲波，再利用接收器接收反射回來的超聲波時間差來測算距離。主要用在倒車、自動泊車上。

毫米波雷達，顧名思義用的是毫米波波段。測距原理是把無線電波（雷達波/電磁波）發射出去，根據接收回波與傳送之間的時間差測得目標位置距離資料。主要用於高速巡航車距保持功能。

雷射雷達的工作原理是向目標發射探測訊號（雷射束），然後將接收到的從目標反射回來的訊號（目標回波）與發射訊號進行比較，獲得目標距離、方位、高度、速度、姿態、形狀等參數。

因為雷射速度快，提供資訊豐富，雷射雷達是現在大多數自動駕駛系統的第三重保障（第一重是毫米波雷達，第二重是攝影機）。

蔚來ET7、小鵬P5等國產智能汽車都已配裝雷射雷達。

而馬斯克對於雷射雷達，態度一直很倨傲。

兩年前，他曾在某論壇上公開說：「誰用雷射雷達誰是傻子」。

他還曾詳細解釋過自己對雷達和攝影機的看法：

他說到做到，特斯拉的所有車型上至今沒有一款採用雷射雷達。

而早在2021年5月，特斯拉就曾官宣摒棄毫米波雷達功能。當時他的這一石破天驚的舉動，引起汽車行業內的巨大爭議。

因為毫米波雷達的取消，特斯拉的幽靈剎車事件陡增，還引發了新一輪的監管調查。

此前，美國國家公路交通安全管理局（NHTSA）發佈了一份監管檔案顯示，特斯拉「幽靈剎車」的投訴量激增，從2月份的354起增長至單月758起，短短幾個月，暴增了一倍。

一般來講，車輛在輔助駕駛過程中主動剎車，原本是主動避險危險。但「幽靈剎車」卻因為汽車感知硬體被外界誤導所致。

這樣突如其來的剎車就會帶來人身危險以及車輛追尾事故。

而現在，馬斯克竟然把超聲波雷達也扔了。

這會帶來什麼樣的問題呢？我們知道，車輛主要是靠超聲波雷達來感知環境，也是靠它來發現空著的停車位。

因此，比起毫米波雷達，超聲波僅是用來感知環境和定位的利器。

作為最常見的車載感測器，超聲波雷達的成本也並不高。無論是倒車方案還是自主泊車方案，都超不過500塊。

就是這麼便宜的基本功能，馬斯克也照扔不誤。

網友對此評價：此舉的作秀成分大於實際意義。

知乎答主@森山

用演算法模擬超聲波雷達？

那麼，用電腦演算法可以模擬超聲波雷達嗎？馬斯克說能。

在今年十一的AI Day上，馬斯克祭出一套100%純視覺方案：8個攝影機，only攝影機。

他再次重申：而智能車的眼睛，就是攝影機。我們人類完全可以讓智能車的眼睛cover一切。

在AI day上，特斯拉甩出一套別緻的形容：我們在創造一種人造動物——汽車。

因為它能像動物一樣，自主、智能地行動。而特斯拉的自動駕駛方案，就是讓車模擬人類駕駛的過程：先用視覺辨別，再通過大腦神經計算，最後到達身體執行的層面。

特斯拉理想的視覺模擬攝影機，就像人類視覺皮層的神經網路連線一樣，能夠模擬大腦資訊輸入和輸出的過程。

為此，特斯拉建構了一種RegNet殘差神經網路(residual neural networks)。

在底層，使用的是BiFPs為代表的特徵金字塔網路(feature pyramid networks)。

而在大腦神經計算這一塊，特斯拉建構了一個多工學習神經網路架構HydraNets，也叫「九頭蛇網路」。

攝影機傳進來的資料，會利用RegNet殘差網路和BiFPN演算法模型統一處理，得出不同精度下的圖像特徵，供給不同需求類型的神經網路任務。

此外，為了讓車輛擁有所謂的記憶能力，特斯拉會將行駛的環境特徵提取出來，再標記時間，形成一個3D+時間組成的4D空間，放入資料庫，訓練自動駕駛。

特斯拉還搭建了自動標註流水線，用45秒-1分的視訊，包括大量感測器資料，交給神經網路離線學習，隨後用大量機器和人工演算法，生成可以訓練的資料。包括3億個圖像和近50個標註。

此處使用的是NeRF「神經輻射場」，這種圖像演算法能夠把2D轉為3D，給出一段XY的2D坐標，神經網路就能預測地面高度，生成XYZ的3D坐標。隨後將各種道路資訊資料放入，投射到攝影機畫面，從而建構出一個4D空間，模擬真實道路。

因為使用了神經元渲染技術，圖像看起來更加逼真。

這個技術最強大的地方在於，不同於地圖，只要資料足夠精準，和攝影機捕捉的資料相吻合，就不需要額外的維護。

顯然，這一整套流程需要的強大算力，普通的電腦已經不夠用了。

為此，特斯拉特意建構了Dojo超級電腦。在不到1立方英呎的體積下，Dojo的算力高達9PFLOPs，I/O頻寬高達36TB/s。

馬斯克認為，剔除超聲波雷達後，攝影機就是唯一的感測器。因此，可以有更純淨的資料和模型最佳化。

通過AI演算法，可以實現更清晰的空間定位、更遠距離的可見性、更清晰的物體識別區分。並且整個模型還會隨著時間推移、隨著資料累增而不斷最佳化躍遷。

根據特斯拉的展示，通過使用視訊網路，視訊模組的結果曲線已經在雷達訊號之上。

特斯拉的豪賭

純視覺方案究竟好不好，在多數人看來並不認同。

作為超級網紅、流量神話，馬斯克此舉似乎並沒有科技深意，原因也許就兩個字：「省錢」（雖然並不能省多少）。

一直以來，特斯拉純視覺方案飽受詬病，最主要的原因便是其對於未知障礙物識別能力差。

無法識別「白色卡車」的特斯拉已經導致多場車禍的發生，因此雷達也成為不可或缺的汽車裝備。

甚至在2021年CVPR分享會上，特斯拉AI主管稱「雷達只是一根枴杖」。

他表示，特斯拉最終還要完全依靠攝影機，利用神經網路來實現純視覺自動駕駛。

此前有知乎網友曾拿下面這張圖做視覺識別實驗。

把白色卡車圖片匯入Photoshop，採用快速選擇工具，試圖把白色卡車的輪廓勾選出來，得到的結果是這樣的：

有一大片藍天白雲同時被劃入了勾選框。在Photoshop來看白色貨箱和天空是一樣的。

特斯拉輔助自動駕駛視覺識別系統的結果可能也是如此。

對此，有網友稱遇見特斯啦要穿的鮮豔一些，尤其不能穿的像白色大貨車。

即便是這樣，特斯拉依然堅持採用純視覺方案，從另一面看也是對自身一個豪賭。

剛剛提到，特斯拉在取消UUS後會啟動Occupancy Network，能夠非常精準識別周圍物理遠近以及形狀。

在AI Day上，斯拉自動駕駛研發總監的解釋，它可以預測汽車周圍所有物體的體積佔用率。

即3D空間中的每個體素或連續點都有被佔用的機率以及它接下來的可能運動。

Occupancy Network技術的資訊收集端頭就是攝影機。用攝影機收集到的汽車周圍各種元素後進行計算並得出本車自動執行階段的精準位置。

它使用12位原始光子計算，每個像素有4位元資訊，這意味著動態範圍提高16倍，每個像素的位移計算速度是10毫秒。

從理論上講，的確有可能比傳統雷達感測器更安全。

對於純視覺方案來說，研發壓力主要在於軟體演算法。顯然，視覺具有更大的開發潛力，也擁有理論上更高的上限。

而攝影機就好比人眼能夠採集帶有最豐富和完整的畫面資訊。

特斯拉最終希望達到的目的，是讓其視覺處理能力達到雷射雷達的可見性。這在行業中被稱為「偽雷射雷達」。

若想將2D圖像的每個像素還原成真實的3D場景，最核心的能力依舊是圖像處理演算法，以及支援能夠運行這一演算法的算力硬體。

因此也不難理解特斯拉為何要研發自己的超算晶片。

同時，在今年AI Day上，特斯拉也計畫在2023年之前建造它的第一個Exapod。

當然，針對中國市場，特斯拉並未取消毫米波雷達，更沒有取消超聲波感測器。因為國內交通環境更複雜，特斯拉純靠視覺難度較大。

對於超聲波的移除，網友認為特斯拉自動泊車功能本來就是災難級的，這次官宣放棄明顯是減配減成本一路走到黑。

對此，網友表示：這是特粉必經的一場修行。

知乎答主@Sudo Make

要是真出事了，也可以靠公司的法務部門顯神通。

無論如何，人的生命是無法交給演算法的。

知乎答主@森山

參考資料：

https://www.tesla.com/support/transitioning-tesla-vision

https://zhuanlan.zhihu.com/p/570431956

https://www.zhihu.com/question/558212074/answer/2707939768

https://www.zhihu.com/question/558212074/answer/2707947762 https://www.zhihu.com/question/558212074/answer/2707622643

特別鳴謝知乎答主「劉三姐」的精彩回答

本文來自微信公眾號 “新智元”（ID：AI_era），作者：新智元，編輯：Aeneas 桃子，36氪經授權發佈。

本文經授權發布，不代表36氪立場。

如若轉載請註明出處。來源出處：36氪