特斯拉自動駕駛:像人類一樣思考
特斯拉日前在其加州總部舉行了“自動駕駛投資者日”活動,並對其高級駕駛輔助及其汽車最終實現自動駕駛做了進一步概述。

該公司採取了一種與當前大部分公司截然不同的做法,這些公司試圖通過雷達、攝像頭以及激光雷傳感器達來打造一款真正的自動駕駛汽車,而特斯拉則摒棄激光雷達傳感器,計劃只使用前兩項來完成這項工作。
也就是說,特斯拉押注於使用神經網絡解決所有的自動駕駛問題。神經網絡是實現自動駕駛的前提之一,但該公司特別指出神經網絡所需的方法使所有其他方法(包括激光雷達傳感器等)成為一種干擾,並增加不必要的成本。
新芯片
特斯拉已經發明了自己的芯片,定制的芯片只根據他們認為的汽車需求進行處理,該公司當前正在把這種芯片植入所有新車中。特斯拉認為這是全自動駕駛所需的全部計算。該芯片主要用於神經網絡卷積的點積運算。馬斯克標榜該芯片是目前全球神經網絡領域“最出色的芯片”。不過,許多開發神經網絡芯片的公司可能會對此提出異議。該公司主要將其性能與英偉達通用GPU芯片進行比較。
使用新的網絡硬件,特斯拉將大部分精力放在培養更加完善的神經網絡上,以便對道路上出現的所有實物進行分類。特斯拉的優勢在於擁有巨大的銷量,而這些特斯拉汽車的反饋將有助於該公司培養網絡。
該公司人工智能高級總監安德烈•卡拉帕(Andrej Karpathy)在活動期間對神經網絡的培養做了進一步解釋。比如,該公司一開始採取的是通過創建帶有人類標記的圖像這種方式來培養網絡。此後,該公司發現還可通過要求用戶上傳圖像的方式來進一步完善網絡,最終創建一個非常善於理解各類情景的網絡系統。
特斯拉不僅針對靜止和移動的物體要求用戶上傳圖像,還針對汽車行駛過程中發生的一些情景進行測試,從而訓練網絡能夠正確識別這些情景,以便有助於該公司預測道路上汽車的未來活動。該公司在進行路徑規劃時也採取了同樣的方式,觀測人類駕駛員在各種道路情況下所選擇的路徑,以了解特定情況下典型的人類行動。一旦發現車輛在規劃路徑或識別情景時出現錯誤,該公司會優先獲取更好的數據來訓練網絡。
此外,特斯拉在訓練網絡估測視野中所出現的物體的距離方面也取得了令人矚目的成功。其中一種方法是利用車內雷達對所有雷達目標的距離進行客觀測量。一旦將雷達目標和視覺目標匹配起來,該公司就可以訓練網絡學習如何估計純視覺目標的距離。
而特斯拉車主使用行車記錄儀所記錄的數據則為該公司創造了訓練神經網絡感知和駕駛的條件。關鍵問題是,這是否足以達到無需人工干涉完全自動駕駛所需的“最後9秒”的可靠性。特斯拉認為,只有擁有大量的訓練數據,才能達到如此高的水平,而該公司在獲取這些數據方面具有優勢。儘管這樣的數據越多越好已成為共識,但對於這樣的數據是否足夠,或者是否需要其他技術來達到這種極端的可靠性水平,目前仍存在爭議。
尚未成熟
福特首席技術官肯•華盛頓(Ken Washington)早在月初曾表示2021年將開始看到自動駕駛汽車,特斯拉則在“自動駕駛投資者日”活動上向投資者展示該公司的自動駕駛技術,這表明安全的自動駕駛技術仍處於開放式討論的進程中,這一技術尚未成熟。
康奈爾大學計算機科學教授巴特•塞爾曼(Bart Selman)明確指出。儘管自動駕駛汽車技術在過去的五年裡取得了令人難以置信的進步,視覺技術的巨大進步,以及來自其他傳感器的投入正在讓完全自動駕駛接近成為現實,但能否在未來三五年達到人工駕駛的安全水平仍有待商榷,而特斯拉對計算機視覺的嚴重依賴則帶來了其他問題。
塞爾曼直言目前的計算機視覺系統可能以非常不可預測的方式失敗,因此包括激光雷達在內的多傳感器至關重要。但如何解決多個傳感器之間可能存在的衝突信息,以及如何在不需要人工輸入的情況下處理突發情況,仍然是一個挑戰。
衡量完全自動駕駛汽車的安全性仍有一些灰色地帶,但加州汽車管理局(California Department Motor Vehicles)發布的數據顯示谷歌旗下的Waymo 在短期內仍處於領先地位。塞爾曼指出,人類司機在理解意外事件方面表現出色,通常可以採取必要的預防措施來避免事故的發生。然而,由於目前的自動駕駛系統對其環境缺乏更廣泛的了解,這些系統很難採取類似的預防措施,問題的關鍵在於能否開發出一種遇到意外事件時可以降低風險的系統。
初創企業AEye正在從事這方面的研究,該公司從凱鵬華盈(Kleiner Perkins)、英特爾資本(Intel Capital)和LG等多家投資機構籌集6000萬美元用於開發智能探測和測距(iDAR)系統,取代目前的被動激光雷達傳感器。
IDAR是一種感知系統,能夠超越環境模仿人類大腦及其智能感知能力。該公司利用人工智能(AI)幫助自動駕駛汽車像機器人一樣思考,但像人類一樣理解。