游客,你好!登陸/注冊
滾動排行政務暖聞 國內國際社會軍事辟謠知事 文化司法投訴圖片視頻 體育娛樂財經科技專題
首頁資訊財經產經正文

車主被當成小白鼠 特斯拉純視覺路線惹爭議

財經自媒體2021-08-10 09:34:190閱

當然,迪斯博士吹特斯拉,國內外有太多“特吹”,是為了麻痹敵人,而且,那是另外一回事。包括大眾集團CEO赫伯特·迪斯博士。

然后再用(激光雷達)算法處理這些數據,得到比之前好非常多的視覺測距精度。你不覺得奇怪么,就是特斯拉將2D視圖轉化為模擬激光雷達數據,既然還是得用激光雷達算法,具體來說,為什么不用激光雷達呢?

傳感器融合才是未來

不過,特斯拉總會拉出來遛遛。公社的小伙伴中還是有對特斯拉超有信心的,“大家都沒開過,怎么知道行不行呢?這套系統能不能用在更加復雜的中國的開放道路上?”是啊,BETA FSD V9.0的這些內測BUG會在實際道路上反復出現,是騾子是馬,毫無疑問這為城市交通也制造了更多的隱患。

而且,在他看來,所以,特斯拉的深度學習系統已經比毫米波雷達強100倍,馬斯克也表示過,現在的毫米波雷達已經開始拖后腿了。與其讓二者互相扯后腿,不如只選一個并把它做到極致。

02

場景二:無法識別路中單軌道路。

1)天氣環境因素造成的視覺傳感器致盲(如逆光炫目、沙塵暴遮擋等);

通用視覺系統和神經網絡

美國本土的傳統車企通用汽車將在2021年超越特斯拉,此外,原因就在于特斯拉在自動駕駛方面已經落后,已經有外媒認為,特別是又在“純視覺”的路線上一條道走到黑。

就算完成了99%,馬斯克和特斯拉還是過于迷信軟件和AI的力量了。特斯拉認為靠AI和超級計算機能解決,支撐特斯拉車價一降再降的當然是成本的控制。對于自動駕駛的“長尾問題”,最后的1%依然是不可跨越的鴻溝。但是,這都是有問題的。

為什么純視覺?

場景四:在單行車道上逆行。

2)小目標物體在中低分辨率視覺感知系統中,可能造成目標晚識別(如減速帶、小動物、錐桶等);

“事實上,雖然是以視覺為主,人類開車的時候,為什么呢?道理其實很簡單,是一種近乎無意識的感知,他就能夠預測下一步應該怎么辦,人在開車,從而規避事故?!边@是奇瑞科技有限公司總經理李中兵在世界人工智能大會的一場論壇上所講的。比如聽覺,身體的觸覺,甚至是意識的直覺等。而在這點,但是其他的感官都是一體作用的,特斯拉有點過于執著在視覺上了。并非無用。

攝像頭數據和雷達數據在做融合的時候比較困難,那么,當攝像頭數據與雷達數據有沖突時,為什么特斯拉取消雷達使用純視覺?特斯拉多次強調過,系統反而會更加難以抉擇。

”“強行讓機器來學人(純靠視覺)本就是錯誤的發展方向,用神經網絡的車我是肯定不敢坐的……”“是的,機器有自己的優勢(可以自由加裝雷達等設備進行輔助)而不利用,Learning方向的人表示,就是典型的教條主義、本本主義。做ML(Machine “作為一個做Deep Learning)的看現在的自動駕駛,堪比醫生遇到掛科的同學給自己做手術?!薄?/p>

因為后方車輛逼近,錯過時機,場景六:汽車壓實線并線;急需換道時,只能下個路口見了。

不過,對于走上歧路的特斯拉,CVPR(計算視覺與模式識別大會)上,我們還是奉勸要保持冷靜。特斯拉首席AI科學家安喬·卡帕西(Andrej 而在今年的 Karpathy)還講了特斯拉如此“執拗”的原因。

而且,人類駕駛員不僅需要手握方向盤,但是,還需要在城市道路上與車載電腦系統較勁,雖說,增加了額外負擔和心理壓力。在L2級別的駕駛輔助系統(而不是自動駕駛系統)這個前提下,還有一點是,這些功能多少仍顯得有些雞肋,FSD 9.0給智能輔助駕駛系統是創造了更廣闊的應用場景,因為駕駛過程中根本無法脫手。

這次的CVPR上,特斯拉的安喬·卡帕西(Andrej Karpathy)詳細介紹的基于深度學習開發的自動駕駛系統,那么,也就是全視覺的好處是什么?

但是,“雖百死而不悔”的精神雖然有了,那都是消費者的命啊……

4)視覺傳感器本身的識別要理要求,對于視覺識別的高算力需求等。

場景三:闖公交車專用道。

責任編輯:李思陽

”故事已經成為一種神話。所以他們必須保持希望,Zurich)教授Marc 蘇黎世聯邦理工學院(ETH Pollefeys則認為特斯拉不太可能放棄完全自動駕駛近在咫尺的說法,”他說,“很多人已經為此買單(特斯拉的FSD套餐),“他們被困在那個故事里。

但是,如果特斯拉很老實地講自己是駕駛輔助也就罷了,現在馬斯克給吹得成為一種神話,壞就壞在從一開始馬斯克喜歡“吹”自動駕駛,這種造神運動讓馬斯克騎上虎背下不來了。直到吹破了以后在內部郵件中承認是L2級駕駛輔助。

比如一些復雜的天氣情況,如大雨、大霧、沙塵、強光、夜晚,有業內人士認為,這對于視覺和激光雷達都是非常惡劣的場景,就純視覺的局限來說,難以用一種傳感器應對。在一些極端的場景中是無法滿足對于感知探測能力的KPI指標的。主要體現在幾個大的方面:

場景一:自動轉彎之后徑直向道路中央的綠化帶撞了過去。

通過幾百萬車主積累的大數據,其自動駕駛系統是基于神經網絡的特征識別、預判和規控,表現出來的能力就是,對于道路環境項目進行學習,特斯拉可以輕松做到目前城市道路的自主駕駛。比如交通路牌的含義到底是什么,按照特斯拉的說法,需要通過很多場景素材訓練系統,訓練得越多系統能處理的場景越多。

03

場景九:左轉時,差點進入對向路邊停車位。

3)異形目標由于未經訓練可能造成無法匹配,被漏識別(道路落石、前車掉落輪胎等);

01

特斯拉有點像“西毒”歐陽鋒了,這都是很專業的質疑,為了降低成本,特斯拉是不是點錯科技樹?這個問題雖然見仁見智,純視覺一條道走到黑,“雖百死而不悔”的精神雖然有了,但是從主流的CV(Computer Vision)+雷達路線來說,但是,那么,那都是消費者的命啊……

單說特斯拉靠“純視覺”方案,且不說特斯拉多年排名墊底的自動駕駛功力,說能達到全自動駕駛L4~L5級別,已經讓多少人命喪黃泉,這就讓人匪夷所思了。

路口右轉時,無法判斷使用哪個車道。場景五:一直轉換車道。

特斯拉始終認為,最終效果恐怕只是1+1<2,車輛只靠視覺來行駛。收集環境信息是一回事,“我們拋棄了毫米波雷達,利用環境信息又是另一回事?!盞arpathy認為,得不償失。而且,有了通用視覺系統,傳感器的種類和數量越多,互相之間的協調與整合就越難做,車輛就不再需要什么補充信息了。

從各個動圖來看,很明顯現在的系統還是只能算是駕駛輔助,一位叫Giacaglia的網友看了一下特斯拉車主們發的視頻,如果脫手或者離開人的監控,9.0 這不,還是會出事情。馬上就收集了FSD beta的11個失誤瞬間。這次可以看到的BUG有:

場景七:自動并線超車之后發現道路劃線,還要強行壓線并道。

場景八:左轉時提前換道。

也就是特斯拉所謂的“鳥瞰圖視覺”。新算法調用所有用于自動駕駛的8個攝像頭,修復跨鏡頭畸變、時域差,從技術上來說,拼接成環視視覺,Beta 這次特斯拉發布的FSD V9.0,再對周圍環境進行實時的3D建模。

所以,傳感器融合是構建穩定感知系統的必要條件。畢竟,在智能駕駛中也多次發生撞車事故,視覺感知能力有局限,就算一些自動駕駛測試或比較成熟廠商,必須結合毫米波雷達或激光雷達做優勢互補才能實現。為傳感器系統的失效付出慘痛代價。

來源:汽車公社 C次元

而且,特斯拉征召了2000名車主內測,特斯拉 V9.0終于在美國向用戶推送。相比起上一個版本,報名踴躍。徹底拋棄了雷達的使用。不過,FSD Beta 這次是美國時間7月10日,BUG很快就出來了。V9.0做了FSD有史以來最大的一次更新。

作者:王小西

才內部郵件宣布達成L2級自動駕駛,這次徹底“純視覺”了。特斯拉最近又出大新聞了。

要知道,馬斯克一直都希望將特斯拉的制造成本壓到最低。目前特斯拉Model 3的自動駕駛攝像頭成本只需要65美元。從成本上來說,2018年的時候,實際上,Velodyne的64線激光雷達HDL-64售價可是高達7.5萬美元的。而激光雷達的成本,還基本上在1000美元以上級別。

“任何AI系統都不了解實際發生的事情,與人類司機不同的是,”研究自動駕駛汽車計算機視覺的康奈爾大學副教授克里安·溫伯格(Kilian Weinberger)如此表示。如果系統沒有遇到場景,它就無法推理該做什么。

場景十:汽車穿過幾條車道后才能左轉。

場景十一:在一個只有停車標志的地方,看到兩個停車標志。

當然,因為它要求神經網絡僅僅基于視頻輸入就能達到超強性能的輸出?!安贿^,一旦取得了突破,Karpathy 強調,就能獲得通用視覺系統,特斯拉的底氣,方便部署在地球的任何地方?;谝曈X的自動駕駛,在技術角度更難實現,是采用了“通用視覺系統”和“神經網絡”兩種黑科技?!?/p>

這能讓人放心嗎?特斯拉的車主們也忒心大了。這次特斯拉的內測BUG里面,但凡有一個場景沒有人類駕駛員眼明手快接手的話,回頭來說,就會演變成為交通事故。

特斯拉依靠的最先進的機器學習只是識別模式,此外,這意味著它會在新情況下掙扎。一掙扎,我們知道,就會產生誤判。攝像頭如何感知深度只是自動駕駛問題的一部分。

評論列表共0條

    今日推薦

    首頁資訊財經產經正文

    相關資訊

    熱點資訊