9月17日上午，在海南省海口市召開的2021世界新能源汽車大會(huì)上，特斯拉首席執(zhí)行官埃隆·馬斯克通過視頻發(fā)言時(shí)表示，未來的自動(dòng)駕駛可以通過視覺神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，并且相比普通人駕駛有十倍以上的安全性。

近日，特斯拉向其搶先體驗(yàn)車隊(duì)推出FSD（Full-self Driving，完全自動(dòng)駕駛）Beta V10軟件。這是在特斯拉AI Day上發(fā)布最新應(yīng)用在自動(dòng)駕駛上的視覺神經(jīng)網(wǎng)絡(luò)之后，技術(shù)上做了重要改進(jìn)的的純視覺自動(dòng)駕駛方案新版本。

特斯拉CEO伊隆·馬斯克稱，有望在9月25日左右向所有特斯拉車主開放使用。

FSD Beta 10的軟件版本號(hào)為2021.24.15。在該版本軟件的支持下，特斯拉汽車能夠在高速公路和城市街道上虛擬駕駛，但它仍然被視為L2級(jí)駕駛員輔助駕駛，因?yàn)樗枰{駛員仍然對(duì)車輛負(fù)責(zé)，將手放在方向盤上，并隨時(shí)準(zhǔn)備好控制。

在Youtube（譯為“油管”，是目前全球最大的視頻搜索和分享平臺(tái)）上參與測試的用戶發(fā)布的針對(duì)性測試和路測結(jié)果來看，目前還有很多情景下會(huì)出現(xiàn)問題，一個(gè)最明顯的提升表現(xiàn)在駕駛中可視化用戶界面，越來越多的道路標(biāo)識(shí)和交通標(biāo)識(shí)物的識(shí)別走向細(xì)分化，但依然有部分道路標(biāo)志還不能準(zhǔn)確識(shí)別。

在近期的特斯拉人工智能日上，特斯拉AI負(fù)責(zé)人Andrej Karpathy和自動(dòng)駕駛硬件高級(jí)總監(jiān)Ganesh Venkataramanan介紹了純視覺自動(dòng)駕駛系統(tǒng)與FSD軟件的最新成果，此前5月份，馬斯克曾發(fā)文表示，特斯拉最新版本的FSD將取消毫米波雷達(dá)，采用純視覺感知方案。

在自動(dòng)駕駛感知領(lǐng)域，有兩個(gè)明顯區(qū)別的路徑——純視覺派和激光雷達(dá)派，純視覺派認(rèn)為單純依靠攝像頭就可以完成自動(dòng)駕駛所需要的周圍環(huán)境感知，特斯拉、極氪、百度都使用的是純視覺感知方案。激光雷達(dá)派則以激光雷達(dá)為主導(dǎo)，配合毫米波雷達(dá)、超聲波傳感器、攝像頭多傳感器融合完成周圍環(huán)境感知，商湯AR小巴、小鵬P5、蔚來ET7使用的是激光雷達(dá)方案。

商湯智能駕駛研發(fā)總監(jiān)李怡康在接受澎湃新聞（www.kxwhcb.com）采訪時(shí)表示，“無論是純視覺方案還是多傳感器融合的方案最終都是有可能實(shí)現(xiàn)L4或L5級(jí)別的自動(dòng)駕駛的，區(qū)別在于，引入激光雷達(dá)實(shí)際上是把問題變簡單了，因?yàn)槲覀円肓撕芏囝~外的信息，而且這些信息跟視覺很互補(bǔ)，有些信息，比如深度，它可以估算地很準(zhǔn)確。假如最后兩條路徑都能實(shí)現(xiàn)L5級(jí)自動(dòng)駕駛，那我相信多傳感器融合這條路線可能會(huì)更快一些。當(dāng)然，感知只是決定自動(dòng)駕駛是否實(shí)現(xiàn)的因素之一。”

特斯拉“純視覺派”技術(shù)路線：視覺神經(jīng)網(wǎng)絡(luò)

特斯拉人工智能與自動(dòng)駕駛視覺總監(jiān)Andrej Karpathy認(rèn)為，將激光雷達(dá)添加到自動(dòng)駕駛堆棧會(huì)帶來其自身的復(fù)雜性。在CVPR 2021自動(dòng)駕駛研討會(huì)上，Karpathy，“你必須用激光雷達(dá)預(yù)先繪制環(huán)境地圖，然后你必須創(chuàng)建一張高清地圖，你必須插入所有車道及其連接方式以及所有交通信號(hào)燈，收集、構(gòu)建和維護(hù)這些高清激光雷達(dá)地圖是不可擴(kuò)展的，讓這個(gè)基礎(chǔ)設(shè)施保持最新狀態(tài)將是極其困難的。”

Karpathy表示特斯拉在其自動(dòng)駕駛堆棧中不使用激光雷達(dá)和高清地圖，“發(fā)生的一切，都是第一次發(fā)生在車內(nèi)，基于圍繞汽車的八個(gè)攝像頭的視頻”。

特斯拉汽車上安裝了8個(gè)攝像頭，攝像頭沒有深度信息，他們的目標(biāo)之一就是形成矢量空間視圖。那么要怎么知道旁邊一輛車究竟在哪里又有多長呢？

首先的一個(gè)難點(diǎn)是，不同視角的攝像頭都只能看到周邊環(huán)境的一部分，有不同的校準(zhǔn)（calibration）、位置（location）、取景方向（view direction）等，比如以下這張圖，誰能知道這個(gè)點(diǎn)對(duì)應(yīng)于相機(jī)視圖的哪個(gè)點(diǎn)？而我們只有知道這些信息，才能把周圍物體準(zhǔn)確放到向量空間視圖（vector space view）中。

因此就需要一種將多個(gè)攝像頭的信息融合在一起的技術(shù)，特斯拉使用了在2017年提出，如今已經(jīng)席卷自然語言處理和計(jì)算機(jī)視覺領(lǐng)域的Transformer神經(jīng)網(wǎng)絡(luò)（Transformer Neural Network）。

然后則是加入有時(shí)間概念時(shí)間的RNN（Recurrent Neural Network，循環(huán)神經(jīng)網(wǎng)絡(luò)）以判斷移動(dòng)物體的速度以及對(duì)被遮擋物進(jìn)行預(yù)測。RNN體現(xiàn)了“人的認(rèn)知是基于過往的經(jīng)驗(yàn)和記憶”的觀點(diǎn)，通過記憶來處理任意時(shí)序的輸入序列，從而對(duì)接下來要發(fā)生的事情進(jìn)行預(yù)測。比如這里對(duì)被遮擋物預(yù)測，通過對(duì)遮擋前的特征和軌跡的記憶，使得視野被短暫遮蔽的情況下，依然可以預(yù)測遮擋視野后的物體運(yùn)動(dòng)軌跡，并記錄已行駛過的路段的各種路標(biāo)。

而對(duì)于深度信息，在缺少了雷達(dá)信息后，則需要通過對(duì)大量的有深度標(biāo)注的相機(jī)數(shù)據(jù)進(jìn)行訓(xùn)練得到的檢測算法來得到。

激光雷達(dá)多傳感器融合方案

激光雷達(dá)多傳感器方案是以激光雷達(dá)為主導(dǎo)，毫米波雷達(dá)、超聲波傳感器及攝像頭作為輔助。通過激光雷達(dá)發(fā)射激光束，測量激光在發(fā)射及收回過程其中的時(shí)間差、相位差，從而確定車與物體之間的相對(duì)距離，實(shí)現(xiàn)環(huán)境實(shí)時(shí)感知及避障功能。攝像頭的價(jià)格在幾十美元左右，而激光雷達(dá)則要昂貴的多，這或許也是很多純視覺流派廠商一個(gè)沒有說的難言之隱。

商湯智能駕駛研發(fā)總監(jiān)李怡康向澎湃新聞（www.kxwhcb.com）介紹，“我們會(huì)做很多種傳感器的評(píng)測，去找到最適合我們設(shè)計(jì)需求的傳感器方案，然后通過自動(dòng)化的算法將這些傳感器擺放到最合適的地方，從而實(shí)現(xiàn)最優(yōu)的環(huán)境信息獲取。傳感器之間是不在一個(gè)坐標(biāo)系下的，我們通過自動(dòng)化標(biāo)定算法將不同傳感器的特性及相關(guān)關(guān)系非常準(zhǔn)確地找出來，然后設(shè)計(jì)融合感知模型，并用大量的感知數(shù)據(jù)去訓(xùn)練它，最終實(shí)現(xiàn)多傳感器融合感知。”

自動(dòng)駕駛底層邏輯是感知、決策、執(zhí)行三個(gè)步驟的結(jié)合，對(duì)周圍環(huán)境的周密感知是所有決策的基礎(chǔ)，也是自動(dòng)駕駛汽車的安全保障。在了解周圍環(huán)境中物體的位置、速度和方向、路面的性質(zhì)、路緣石的位置、信號(hào)（交通、道路標(biāo)志）等之后，自動(dòng)駕駛系統(tǒng)則要開始做計(jì)劃和控制：首先是其他移動(dòng)物體在接下來的短時(shí)間會(huì)做什么，然后是根據(jù)整體計(jì)劃（比如規(guī)劃的通向目的地路線）計(jì)劃自己要做什么，最后就是告訴汽車要做什么。