特斯拉在自動駕駛領(lǐng)域的發(fā)展中先人一步，目前已啟用的自動駕駛系統(tǒng)處于L2-3的水平，稱之為“自動輔助駕駛系統(tǒng)”，仍然需要人工時(shí)刻保持警惕和介入。

特斯拉自動變換車道示意圖

雖然特斯拉的自動駕駛技術(shù)處于全球領(lǐng)先的地位，但其發(fā)展速度仍然比馬斯克的預(yù)期要慢了一拍。馬斯克宣布將于2018年進(jìn)行跨越美國東西海岸的全自動駕駛之旅，與此同時(shí)，競爭對手們也沒有懈怠，他們正努力打造自己的自動駕駛技術(shù)（比如通用的超級巡航系統(tǒng)Super Cruise，已在其旗下的CT6車型中配備）。

特斯拉在自動駕駛技術(shù)的競賽中會一直保持領(lǐng)先地位嗎？——Trent Eady在詳細(xì)研究了特斯拉的自動駕駛技術(shù)之后，認(rèn)為“特斯拉仍將保持領(lǐng)先地位，并將加快發(fā)展步伐。”

特斯拉VS谷歌Waymo、Uber：激光雷達(dá)是自動駕駛中不可或缺的技術(shù)嗎？

自2016年10月起，每一輛下線的特斯拉車輛都配備了支持全自動駕駛功能的硬件（即第二代自動駕駛系統(tǒng)），包括攝像機(jī)、雷達(dá)、超聲波傳感器和可升級的車載計(jì)算機(jī)。截止目前，約有15萬輛搭載二代自動駕駛系統(tǒng)的特斯拉行駛在全球各地。理論上講，特斯拉車輛可通過空中軟件更新（OTA）升級為全自動駕駛。

而激光雷達(dá)是一種利用紅外激光脈沖計(jì)算距離的技術(shù)，目前谷歌Waymo、Uber都認(rèn)為激光雷達(dá)將是自動駕駛中的不可或缺的技術(shù)。特斯拉對此并不贊同，特斯拉的第二代自動駕駛硬件中也沒有使用激光雷達(dá)，而是依靠聲波雷達(dá)和光學(xué)相機(jī)。

激光雷達(dá)的優(yōu)勢是其較高的空間精度（Spacitial Precision），它能夠比目前的攝像機(jī)技術(shù)更精確地測量距離。但激光雷達(dá)的弱點(diǎn)也很明顯，它受制于天氣因素——大雨、雪或霧可能導(dǎo)致激光雷達(dá)的激光脈沖折射和散射，從而影響其測量精度。

雖然激光雷達(dá)有其獨(dú)特之處，但Eady稱，隨著技術(shù)的發(fā)展，相機(jī)與激光之間的差距將會縮小。目前，還沒有可商業(yè)化的自動駕駛激光雷達(dá)產(chǎn)品上市，因此距離激光雷達(dá)真正成為市場化應(yīng)用的時(shí)間尚不可知。

特斯拉自動駕駛示意圖

“比起普通相機(jī)，人們更愿意相信自動駕駛是由酷炫的激光技術(shù)來實(shí)現(xiàn)的。”

雖然，馬斯克與其自動駕駛團(tuán)隊(duì)確信激光雷達(dá)在自動駕駛技術(shù)上并非不可或缺，那為什么其他競爭對手都對它深信不疑呢？

“激光雷達(dá)在大眾潛意識中產(chǎn)生了神奇的光環(huán)。”Eady解釋道，“如果你告訴他們，自動駕駛是由一種酷炫、極具未來感的激光技術(shù)實(shí)現(xiàn)的，他們更容易相信；但如果你告訴他們，自動駕駛只是把一些普通的相機(jī)與具備深度學(xué)習(xí)功能的神經(jīng)網(wǎng)絡(luò)結(jié)合在一起，就能讓一輛車在復(fù)雜的城市街道上行駛，人們更傾向于相信前者。”

車載激光雷達(dá)

從現(xiàn)實(shí)中來，到現(xiàn)實(shí)中去

Eady相信，這些具備深度學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)是特斯拉在競爭中保持領(lǐng)先地位的真正原因。特斯拉通過15萬輛配備2代以上自動駕駛硬件的傳感器收集大量數(shù)據(jù)，這為特斯拉提供了自動駕駛系統(tǒng)在真實(shí)世界的大范圍測試。

作為特斯拉自動駕駛技術(shù)的競爭對手，谷歌Waymo擁有一套包含25,000輛虛擬車的計(jì)算機(jī)模擬系統(tǒng)，每天從800萬英里的模擬駕駛中生成數(shù)據(jù)。特斯拉在真實(shí)世界中的數(shù)據(jù)當(dāng)然比任何模擬數(shù)據(jù)都更有價(jià)值，并且，特斯拉將其結(jié)合神經(jīng)網(wǎng)絡(luò)，不斷提高自動駕駛系統(tǒng)的性能。

示意圖，別當(dāng)真

神經(jīng)網(wǎng)絡(luò)是一種計(jì)算系統(tǒng)，它采用仿生學(xué)設(shè)計(jì)，模擬人腦神經(jīng)網(wǎng)絡(luò)的組織方式——聽起來，像是馬斯克一直擔(dān)憂的AI人工智能。深度神經(jīng)網(wǎng)絡(luò)能模擬復(fù)雜的非線性關(guān)系，可用數(shù)據(jù)越多，性能就越強(qiáng)。

“2012年，在贏得了ImageNet（一項(xiàng)專注于圖像分類的計(jì)算機(jī)視覺競賽）之后，具備深度學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)開始受到公眾關(guān)注。”Eady接著說，“2015年，神經(jīng)網(wǎng)絡(luò)第一次在ImageNet競賽中超越了人類的紀(jì)錄，而在視覺方面，計(jì)算機(jī)超越人類的能力讓人驚嘆。該技術(shù)可以在某些復(fù)雜領(lǐng)域代替人類，汽車自動駕駛就是其中之一。”

PS. 你知道在ImageNet挑戰(zhàn)賽中，被計(jì)算機(jī)超越的那個人是誰嗎？

——他就是Andrej Karpathy，特斯拉的AI人工智能總監(jiān)。

Andrej Kapathy ,深度學(xué)習(xí)和計(jì)算機(jī)視覺專家 ,畢業(yè)于斯坦福人工智能實(shí)驗(yàn)室，獲得計(jì)算機(jī)視覺博士學(xué)位。博士師從李飛飛教授，曾在谷歌大腦、DeepMind 實(shí)習(xí)，與吳恩達(dá)共事，業(yè)界幾大深度學(xué)習(xí)實(shí)驗(yàn)室皆有其足跡，有AI “網(wǎng)紅”之稱。