为什么特斯拉采取不同的方法来无人驾驶汽车

2019-5-5

当拒绝其他公司依赖的技术来控制他们的无人驾驶汽车时,伊隆马斯克并不讳言。


为什么特斯拉采取不同的方法来无人驾驶汽车


反对传统智慧和放弃他的大多数竞争对手认为基本的声音风险。但马斯克从来就不是一个跟随牛群或低估的人。


这家电动汽车制造商表示,它的新车已经拥有足够的传感器和计算机来驱动自己,并且它将在今年年底之前发送无线软件更新以完成图片(尽管可能需要一些时间才能完成保险公司和监管机构愿意允许汽车以完全自主的方式使用。)


马斯克抱怨的“拐杖”涉及两种最常见的自动驾驶车辆了解周围世界的方法。


激光雷达传感器使用激光发出光脉冲并测量反射回来所需的时间,是目前测量其他物体形状和距离的最佳方法之一。但它们价格昂贵,今天的机械模型耗资数千美元。


将其工作减少到硅芯片可能会有所帮助。世界已经习惯了像这样的硅元件的成本随着时间的推移迅速下降。但是,大幅降低成本取决于大批量生产。



例如,智能手机组件成本的急剧下降反映了市场规模,2018年销售了15亿部手机。相比之下,去年全球仅售出约8,200万部汽车,而且可能需要几年时间才能销售。相当一部分新车配备无人驾驶。


同时,高清地图用于帮助无人驾驶汽车了解周围环境,减少他们收集和处理所需的原始数据量。这使得有必要对它们进行“地理围栏”,只允许它们在已经精确映射的区域中行进。


根据马斯克先生的说法,问题在于,当现实世界以一种未在地图中反映出来的方式发生变化时,它可能会导致系统失败,如果你不能指望地图是100%准确的,它失去了它的价值。


而不是像这样的技术,特斯拉的自动驾驶技术几乎完全依赖于教他们的汽车使用一系列相机“看”。作为后备车,它的汽车还使用前向雷达,以及车辆周围的十几个超声波传感器,以帮助探测附近的物体。


计算机图像识别的改进已经成为人工智能最近的最大进步之一。然而,与人工智能相关的是,对于人类而言看起来容易看起来容易的任务甚至可以使最好的计算机。


特斯拉开发了硬件和软件的组合来处理这项任务。两周前,它发布了一款内部设计的计算机芯片,用于处理大量的图像数据,使其汽车能够解读周围环境。即使是Nvidia,其芯片广泛用于其他无人驾驶汽车的人工智能系统,也使该公司为该行业“提高了标准”。


为了理解它正在处理的所有数据,特斯拉依赖于一种称为深度学习的AI技术。这采用了人工神经网络,这种系统最初建模在动物的视觉皮层上。


事情变得艰难。神经网络需要大量的数据进行训练:只有当它们被喂食了许多不同的相同事物的例子,每个人都经过精心标记时,他们才能学到足够的东西来识别现实世界中的同一个物体。


为此,特斯拉指望拥有比任何其他公司更好的实际数据集。它可以利用已经在路上的40万辆汽车拍摄的图像(它希望在明年年中左右达到1米)。它使用一种称为“阴影模式”的软件在后台运行,它可以跟踪人类驾驶汽车的行为,利用它来为其学习系统提供动力。


但即使这样也可能还不够。众所周知,神经网络是“脆弱的”:例如,当一个物体的图像与之前显示的任何变化都不匹配时,它们会意外地失败。他们总是有可能遇到他们没有受过训练的现实世界的情况。


尽管如此,特斯拉还是采取了一种挑衅性的纯粹态度。为网络提供足够的真实数据,说明它可能遇到的所有情况,并且机器可以匹配并超越人类驾驶员。


在雪地里开车,对于无人驾驶汽车来说,这是一项众所周知的难以掌握的技能。特斯拉的计算机视觉负责人安德烈•卡尔帕菲(Andrej Karpathy)表示,人类出人意料地预测雪道上的车道标记在哪里。他说,将足够人类标记的雪道图像输入人工智能系统,计算机最终将能够解释类似的场景。


人工智能世界中的其他人质疑它是否像听起来那样直截了当。据最近对特斯拉人工智能有近距离观察的一位专家称,尽管这位人士补充说特斯拉可以很好地实现其目标,但该技术仍然远远不能达到马斯克先生在今年年底所承诺的水平。在未来两到三年内。


为了判断其他特斯拉产品的频繁延误,马斯克经常将最后期限视为可动的承诺。但如果他能在其他人使用不同技术之前达到完全自治,任何延迟都可能无关紧要。


相关新闻

扫一扫

全国免费服务热线
400-0353-088