Tesla宣布取消USS=Ultra-Sonic Sensor低速狀態下超聲波感知子系統的傳言，在圈兒內是發生在2022年年中時期的，互聯網上關于Tesla終于要揮刀向USS的傳言此起彼伏。九月份的CVPR2022上，Ashok做了關于基于純視覺的Occupancy Network的技術報告之后，這種傳言似乎得到了某種加強。而在隨后的Tesla AI Day 2022開放日活動上，Occupancy Network如何落地得到了進一步解釋。關注Tesla取消USS技術傳聞的業內人士已經明顯可以看到，Occupancy Network神經網絡技術所體現出來的Geo位置屬性高于Ontology物質類別屬性的識別能力，對于能否滿足低速、復雜地貌下的泊車需求，幾乎就是針尖兒對麥芒了……

AI Day的3天后，靴子落地。10月4日Tesla官網宣布，Tesla將率先在Model 3和Model Y車型2023款上取消全部十二個USS傳感器， Tesla Vision至少從配置上，趨近完滿……

被放棄的USS到底是什么？

談到車載傳感器，國內汽車行業已經卷到一個相當的程度，有些實現商業量產的車輛，能達到一輛車上配置40顆左右的傳感器，并以此為強大的商業賣點，實在是讓小編有點嘆為觀止。其中的超聲波雷達是汽車中最為常見的一種傳感器。它是通過反射超聲波裝置實現發射超聲波，并接受回來的反射波后，測算車輛本體距離反射體的距離。時至今日，現代車輛的周邊傳感器已經是武裝到牙齒了，從傳感器類別看，超聲波只是其中之一。

相對于其它常見的傳感器大類：毫米波雷達、激光雷達和攝像頭來看，超聲波雷達有其特殊性：它并非是以電磁波的形式來輻射測量信號的，而是聲波-Voice Wave。而二者之間有著本質的不同。所以，一般的技術讀者有時候會忽視這個關鍵的前置條件，小編這里特意強調一下：聲波在空氣中的聲速只有340m/s，相對于電磁波的光速300000000m/s，是一個非常低的速度指標。所以當我們看到主流的車載超聲波傳感器工作頻率在40KHz的時候，不要想當然地把它歸為電磁波機制下的長波超長波系統。

注：聲速下，以40KHz的超聲波雷達為例，其工作波長大約是340m/40,000Hz=8.5mm。在這個波長尺度上的超聲波系統，理論上可以以毫米mm的精度級別對障礙物（回波體）進行測距。雖然波長也在mm毫米級別，但超聲波系統和基于電磁波機制的雷達（小編：多數毫米波雷達工作在30GHz-300GHz之間，波長在1mm-10mm之間，也屬于毫米波系統）還是有著本質的區別。小編自己沒有親自嘗試過，但一些消費者視頻顯示，超聲波雷達在工作時，其圓形的震動薄膜機構是有明顯的手觸感的，但車頭的毫米波雷達和激光雷達（納米波）顯然不會給你這種體感感覺。

上圖1顯示的是一個標準的超聲波雷達組件，不含配套連接線纜。非正式消息顯示Valeo的超聲波雷達技術是Tesla的原始組件供貨商，外觀上確實很像。而且ebay.com上也提供法雷奧的超聲波雷達組件給Tesla車主，提供車主DIY修復超聲波配件的選擇。要知道這個單個雷達組件在ebay.com的公開售價也只有40美金（小編：成本大約是8美金一個，不包含配套線纜和安裝件）。而按照Tesla車輛慣常的維修體系，能換則換的原則，連同Bumper擋板，報價至少1000美金。

圖二【Tesla Ultrasonic and vision-2.png】來自Teslamotorsclub.com插圖節選，取自URL：https://teslamotorsclub.com/tmc/threads/experience-with-ultrasonic-sensor-repairs.168522/；

上圖2所顯示的就是事故中局部受損的Model 3前Bumper和殃及的兩部超聲波雷達。如果前bumper可以重新噴漆處理，那么自己動手更換這兩部超聲波雷達顯然是普通人車主更好的選擇。下圖3所顯示的是一個從紅色Model 3車身上拆下來的超聲波雷達，上表面為紅色涂裝，是為了適配紅色車身。現在不清楚的是，一部車上共12部超聲波雷達在性能上是否有所區分，但顏色上的區分和具體的產品代號是聯系到一起的，共5種5個顏色。跨越車型Model 3 Y X S不會有所區別。

下圖4顯示了在Bumper背部（里側）的超聲波雷達安裝方式和連接線纜的局部細節圖。

圖四【Tesla Ultrasonic and vision-4.png】來自youtube.com上頻道Munro Live的視頻截圖，取自URL：https://www.youtube.com/watch?v=LS3Vk0NPFDE；

超聲波雷達主要用在自動泊車和停車輔助場景上，分類的話可以分為APA和UPA兩種。

* APA超聲波雷達，全稱Automatic Parking Assistance，是安裝在汽車前后兩側的側面，一共四個，主要是是用來檢測障礙物的距離。它的探測距離一般是在30-500cm內，不過由于頻率低（參考頻率為48KHz），精度一般；

APA的主要目標還是用于在較大的范圍內，比如5m左右可以發現可用車位。雖然APA的精度一般，但一個是足夠使用，另一個是其聲波波束指向性較好，且不容易對其它UPA產生干擾，可以同時工作；

* UPA超聲波雷達，全稱Ultrasonic Parking Assistance，是安裝在前后保險杠上，前后各有4個，一共八個，主要用于測量與前后方向障礙物的距離，其探測距離15-250cm內，但是頻率就比較高了（參考頻率為55KHz），波長短則精度就高；

UPA是提供當車輛進入目標空車位時，對于前后左右障礙物和車輛的距離測量，從而可以在車輛前進和后退的方向上，構成高精度的識別結果，甚至可以某種程度勾勒障礙物的大致形狀。

從上圖3和圖4的細節展示來看，從超聲波雷達單元的外觀上，較難發現Tesla是否采用了APA和UPA的差異化部署，從超聲波雷達的安裝位置上看，大概率是，但沒有證據。Ultrasonic的APA和UPA的工作協調性，可以參考如下視頻：

Autopilot系統對于USS超聲波的呈現

在Autopilot系統當中，泊車場景下可以提供完美的泊車效果顯示。在從地平面起的1.5m-2m高度，前后從車頭bumper和車尾bumper起的2.5m的立體范圍以內，只要這個12個USS正常工作，就沒有感知死角。在有家庭車庫的條件下，這種精確到十厘米級別（inch英寸級別）的感知，可以帶給車主足夠的泊車安全感。

圖六【Tesla Ultrasonic and vision-6.png】來自notateslaapp..com的技術文章插圖截圖，取自URL：https://www.notateslaapp.com/software-updates/upcoming-features/id/567/tesla-to-improve-parking-chimes-with-directional-sound；

上圖6展示出了Tesla的UPA（前后各4個）超聲波雷達，所能勾勒出的細致的模擬車位空間限位俯視圖。其中頭部最近距離為21in/53cm，車尾部最近距離為15in/38cm，進入紅色告警狀態。其中的頭部限位空間在左上角呈現出寬松的測量結果，然后被擬合成一根復合的曲線，有句剛句，美學上看這個動畫呈現直觀、表達真實性和可視化（動畫效果）都做得很好。

在車輛的行駛場景中，目前沒有明確的線索顯示Ultrasonic超聲波感知機制是否直接參與Autopilot框架下的各種自動化操作，比如車道保持LKA等典型的Level-2操作等。但從過往持續對于Autopilot版本升級時的各種測試視頻來看，USS超聲波雷達其中的APA—位于前后左右四個側向角度的長程超聲波雷達會在高速行駛過程中，持續工作并至少在Autopilot車內中控UI上顯示檢測反饋，如下圖：

圖七【Tesla Ultrasonic and vision-7.png】來自teslamotorsclub.com的技術問答插圖截圖，取自URL：https://teslamotorsclub.com/tmc/threads/yellow-arc-line-meaning.220361/；

在車輛行駛狀態下，5米范圍內路邊的各種障礙物超聲回波，將會導致探測結果顯示在Autopilot的中控屏幕上：當距離較遠時為灰色弧線，距離中等時為黃色弧線，距離靠近時為紅色弧線。上圖6顯示道路旁的一般性障礙物，類似較高的隔離欄、路邊的垃圾桶和各種雜草和樹木，都會引發超聲波回波。

Autopilot系統對于USS超聲波的利用

根據另外一些來自消費者的非正式消息，早期當Tesla車輛上的USS超聲波傳感器故障（遭遇車禍部分失效）的前提下，Autopilot的車道偏離輔助功能/Lane Departureassist因持續告警而無法使用，系統提示必須人類司機接管。但從Tesla本次取消USS傳感器所發布的官方聲明來看，除了泊車所涉及的具體功能之外，例如summon和auto park，一切Autopilot和Security，甚至FSD的功能都不受限制，如下：

圖八【Tesla Ultrasonic and vision-8.png】來自tesla.com官方網站的信息發布截圖，取自URL：https://www.tesla.com/support/transitioning-tesla-vision；

上圖8可以看到第三行中，Lane Departure Warning/Avoidance功能并不和USS超聲波傳感感知能力掛鉤，并且除了最后四項和Park泊車直接相關的功能受到取消USS的影響之外，所有的Autopilot和FSD的功能都已經和USS感知能力脫鉤。Tesla Vision自從一年半前取消mmRadar之后，確實已經在正常的道路行駛過程中，轉向完全依賴Tesla Vision能力了。

與此形成鮮明對照的是，我們看到除Tesla之外的其它輔助駕駛系統和自動駕駛系統功能提供商眼中，USS因為其高精度測量能力和低成本而令其重要性與日俱增，早已不是最早引用USS上車時侯僅用于倒車環境的“倒車雷達”了。在AEB自動緊急制動功能、FCW前方碰撞預警功能、LCA變道輔助系統和ACC自適應續航控制系統的應用場景中，USS提供感知結果。

南轅北轍。

放棄USS給Tesla帶來的收益

Youtube上有一個長期研究Tesla車輛結構和成本的機械博主，@Muro Live，通過他（Mike Lane）的計算：Tesla的每輛車都有12個USS，估計成本為8美元，總計96美元。用于零件和安裝的熱鉚支架每個估計0.15美元，總計1.80美元。儀表板線傳感器線束估計每個花費2.20美元，兩個總計4.40美元。對于內部的接線連接器，Tesla使用了兩個，每個估計成本為0.40美元，總計0.80美元。他還為儀表板和車身線束使用布線和連接器，估計價格為0.50美元，總計1美元。Tesla還使用了兩個集成電路，估計每個成本為5美元。

以上求和，每輛車的總金額為114美元。

如果我們按照明年起Tesla的年出貨量可以達到200萬臺來估算，僅放棄USS傳感器一項，Tesla一年就可以節省2.3億美金！這筆錢如果用于雇傭Vision Technology工程師，以年薪50萬美金計，可以請456位高手。

Occupancy Network能否提供低速高精度測量

10月份取消USS的官方消息發布以來，小編看到了Tesla歷史上最大的爭議，來自于Tesla車主和汽車技術的從業者、愛好者。上次兩年前取消mmRadar的時候，沒有這么多的爭議。

著名的Tesla黑客@Green說，新發布并開始推送的Tesla2022.40.4軟件版本中，對于那些沒有裝備USS的2023新款Model 3和Y，Tesla將會嘗試使用Autopilot中的Vision技術來提供泊車場景中所需要的障礙物距離測量。但截至目前我們看到各種客戶上報的2022.40.4的測試視頻中顯示，2023新款Model 3和Y在泊車場景中，系統中控UI沒有提供前后障礙物的距離信息。消費者的爭議必然將長期存在，直到Tesla真正可以實現用Tesla Vision技術完整替代USS，并保證擁有足夠的測量精度（inch級別）。任何人類司機都可以想象，在擁擠的慢速行駛場景中，在復雜的停車場障礙物叢生的狀態下，在狹窄路面的掉頭操作中，人類司機如果無法掌控位于車頭和車位的障礙物信息，將會是一件多么諷刺的技術倒退。

理論上唯一的技術指望是OccupancyNetwork。

圖九【Tesla ultrasonic and vision-9.png】來自Tesla AI Day2022視頻節選（B站搬運），取自URL：https://www.bilibili.com/video/BV1Jt4y1w71g/?spm_id_from=333.337.search-card.all.click&vd_source=63bc5d16d5cce41ceadd0a0baf84eefc ；

關于OccupancyNetwork的技術解讀已經汗牛充棟了，小編就不羅嗦了。我們只關注視覺技術是否真的能夠提供足夠高精度的低速場景定位，從而具備替代USS的可能性。參考上圖9，是在AI Day2022上較為完整的Occupancy Network的結構，基本可以理解為在ResNet提取圖像特征feature之后，Transformer將依據不同級別的特征圖來實現BEV轉換，并且這個轉換是在3D空間內進行查詢的，所以我們可以得到一個定義好Voxel尺寸（即單元voxel體素尺寸）的3D BEV——如果這個3D Voxel的BEV輸出再聯系上時間尺度，就是一個流動的3D Voxel場，參見上圖中的Volume Outputs。

框架OccupancyNetwork的核心要義還是TransformerNetwork，它利用注意力機制發現在8個攝像頭投影視場中的feature之間的關系，并最終將這種關系以最低損失轉移到BEV俯視圖，或者Occupancy Network所需要的3D場。這里需要考慮的是，Transformer雖然性能一流，但是計算量會非常大。這是提前定義Voxel體素尺寸的主要原因——犧牲分辨率，提高實時性。這也是一種性能和算力之間的平衡，夠用就好。

但當Tesla將Occupancy Networks應用到停車、泊車、錯車、掉頭等對于操控精度要求很高的低速場景時，因為同時面對低速度和高精度的需求，那么就需要在現有Voxel的精度上再進一步，以便達到很多場合下估算碰撞尺度的inch英寸精度。

圖十【Tesla ultrasonic and vision-11.png】來自twitter賬戶@Jasonfenske13的推文，取自URL：https://twitter.com/jasonfenske13/status/1586084382733135874/photo/1；

上圖10顯示，Model 3倒車入庫，由于雨水澆濕了后視攝像頭，導致視覺倒車影像模糊，但因為Model 3配備USS，從而可以精準估計車尾距離車庫墻壁的距離。

圖十一【Tesla ultrasonic and vision-12.png】來自ebay商家販售Ultrasonic Parking Sensor的廣告截圖，取自URL：https://www.ebay.ie/itm/STRIKER-Ultrasonic-Parking-Sensor-for-Home-Garage-Car-Carport-Storage-Shed-/282109121887；

因為家庭車庫往往尺寸有限，對于車輛長度的警示在老款車輛上（沒有前向USS傳感器）的解決方案是外掛墻壁市的超聲波傳感器，最低距離可以達到6inch，提供給駕駛員視覺警示信號。由此可見不論是正向還是反向倒車進入車庫，都需要高精度的測距工具。Tesla Vision為基礎的Occupancy Network的解決方案是如何的呢？

圖十二【Tesla ultrasonic and vision-10.png】來自Tesla AI Day2022視頻節選（B站搬運），取自URL：https://www.bilibili.com/video/BV1Jt4y1w71g/?spm_id_from=333.337.search-card.all.click&vd_source=63bc5d16d5cce41ceadd0a0baf84eefc ；

上圖12是在今年AI Day上那位華人小哥（Phil Duan）所介紹的，是圖9的后續細節的進一步闡釋，專門針對OccupancyNetworks精度不夠的場景。Phil的現場闡述很簡單，一句話帶過，“Occupancy輸出流是有固定尺寸的Voxel立方體網格組成的，在一些控制和規劃的場景下，這個固定尺寸Voxel構成的外部環境可能在精度上無法滿足使用要求。為了獲取更高精度的Occupancy輸出格式，我們需要針對每個感興趣的Output上的Voxel進行進一步的處理，將其輸入到MLP多層感知機上，然后在更細的顆粒度上查詢Voxel內部的細節，從而了解其精確的位置和語義信息。”我們在圖12中就可以看到兩個各自獨立的MLP會對Occupancy的Output進行更細的占用probability查詢（確定在更細的位置上是否有物體存在），同時對占用的部分進行更細的語義分類。

我們可以大致可以推測如下場景：當車輛進入狹窄車庫并逐漸貼近后墻壁時，后墻上存在一個小尺寸的車輛充電器機械掛鉤。在一定距離下，攝像頭所捕獲的標準尺寸的Occupancy Voxel下被處理為一個大立方體（小編：意味著這個立方體Voxel內部整體完全被占用的可能性很高）從而阻止車輛進一步靠近墻壁合理利用有限空間。但如果車輛本體此時運動速度很低，車輛就有足夠的算力去進一步計算這個大立方體Voxel內部細節到底是什么——通過隨著攝像頭傳感器的不斷對于障礙物的抵近觀察，Voxel的細節也會越來越豐富，從而有可能展示哪些真的有不可碰撞的障礙物實體，哪些觀察到的Voxel粗顆粒度，在更細的細節上實際是空白區域可以讓車輛進一步抵近墻壁。

所以除了Tesla車輛所固有的前向攝像頭觀測死角問題，Voxel的觀測顆粒度問題是另外一個在泊車場景下所必須解決的問題。AI Day上Phil講Occupancy Networks的時效性為10ms，意味著1s提供100幀Occupancy Flow。假設在更高精度上的Occupancy不會導致時效性大幅度下降，Tesla Vision確實有具備完整替代Ultrasonics的潛力。

果斷拆除USS是個好方法嗎？

Tesla歷來特立獨行，這是產品屬性（小編：已經不是嚴格傳統意義上的車輛產品了）和公司屬性（小編：尤其創始人屬性）所共同決定的。截止目前看，市場的總反饋是積極的，不論是消費市場還是資本市場，但也有雜音。

快速在指定型號更新周期——Tesla2023款上，拆除一個必要的傳感器，確實是驚人之舉。為啥說是“必要的”傳感器呢？因為即便Tesla自己，也不能立刻提供替代USS傳感器的Vision能力，而是讓客戶等待后續軟件升級。這種操作相當于突然在產品演進過程中開了局部倒車，潛臺詞是，“相信我，未來總會把功能給你補上，現在請接受一個減配版本吧！”（小編：注意，這還特別是一個關鍵的傳感器，在某些場景下這種能力具備不可替代性）

迄今為止，小編所觀察到的市場反饋一如既往：大家都罵，然后大家繼續買。所以，從Tesla的角度來看，這是個好方法嗎？！

==卷尾語===================

審核編輯 ：李倩