投稿|特斯拉自动驾驶的底层逻辑( 四 )
文章图片
可以说，特斯拉宣布拿掉毫米波雷达的底气，是对自己纯视觉算法成熟的自信，并且在无监督自学的加持下，特斯拉纯视觉算法迭代和完善明显提速 。
今年7月10日，特斯拉纯视觉版本的FSD正式在美开启内测，2000名受邀车主通过OTA方式升级到FSD Beta V9.0版本，他们大多是特斯拉的粉丝兼中小型KOL，Youtube博主Chunk Cook（以下简称CC）就是其中之一，他还略懂工程学和航天学专业知识 。
系统更新一结束，CC开启新版FSD道路测试，并把测试视频上传至油管 。视频中他来到一个车辆较多、车速较快的T路口进行转弯测试，结果显示，7次中只有1次，FSD顺利完成自动驾驶，其余都需要人工接管方向盘来完成驾驶 。
但很快，随着7月底FSD推送新版本V9.1，CC发现升级后的FSD表现出乎他的意料 。他又在相同道路进行了七次自动驾驶测试，结果显示，7次中4次都较为顺利完成自动驾驶，但在转弯速度上有些“磨蹭”，没有展现老司机应有的果断，但在综合得分上，新版本Autopilot优于旧版本 。
8月16日，特斯拉FSD又升级至新版本V9.2，CC同样抢先测试并上传视频，还是一个路段，不过测试时间改为夜间，他公开表示，此次最明显的改进是Autopilot的加速表现，在转弯时能像人类驾驶员一样果断加速 。
前后一个月的时间，纯视觉Autopilot在同一条道路的表现进步迅速，身后正是人工神经网络强悍自学能力的体现 。马斯克表示，FSD beta V9.3、9.4都已在筹备中，会根据车主使用情况不断进行细节优化，改善用户体验，并预备在V10版本做出现重大的变化 。
03 Dojo上马，模拟极限需要注意的是，大家惊艳特斯拉纯视觉Autopilot各种老司机操作时，也不能忘记这些路测大部分发生在北美地区，而在非英语地区，比如人口稠密的亚洲地区，其城市道路交通复杂度与地广人稀的北美迥异，而如何让神经网络学会应对各种路况交通，更值得思考 。
收集实地数据是方法之一，但前提是你有大量车队在该地区驾驶，另一种解决方法则是对自动驾驶进行仿真测试 。仿真，简单讲就是利用现实数据，将真实世界的实时动态景象，在计算机系统实现重新构建和重现 。
除了能模拟不同城市的交通路况，而且仿真测试还能模拟一些极限场景，比如各种突发交通事件或者极为罕见的交通路况 。在AI DAY上，特斯拉工程师举了具体例子，包括有行人在高速路上奔跑、行人数量庞大、或者非常狭窄的驾驶道路 。
这些案例往往非常极端，在日常驾驶场景中出现的概率也微乎其微，但正因为此，通过仿真来训练神经网络才有真正价值，而只有通过训练，神经网络才能学会正确应对 。
为了能真正起到训练作用，这些仿真测试必须充分还原现实场景，包括道路上各种行人、车辆、绿化林、路障、信号灯等等，几乎包含你在路上见到的所有交通要素 。目前特斯拉已创建了3.71亿张车内网络训练的图像，以及4.8亿个标签，并且数据规模还在快速扩张中 。
文章图片
要知道，仿真测试可达到的逼真程度，与计算机可提供的数据处理能力成正比 。特斯拉AI的仿真越强，对硬件算力、读写速度的要求越高 。
推荐阅读
- boost|性能太激进！一加10 Pro发布，不俗产品力拉开竞品差距
- 投稿|一度超越微信登AppStore榜首，但“元宇宙”社交也难逃“月抛”魔咒
- 投稿|陕旅饭店集团破产重整，昔日“混改模范”为何沦为反面教材？
- 投稿|疫情之下，本土自主设备如何突围？中国制造的投机主义和长期主义
- oppo|配置到位设计拉满，OPPO平板爆料提前看！性能和生态适配亮点多多
- 投稿|即视角｜出海正当时：欧美、东南亚、中东、拉美市场观察
- 投稿|“东南亚小腾讯”跌入谷底：受阻的业务飞轮撑不起千亿市值
- 投稿|员工行为几乎全裸？深信服“监控门”背后
- 投稿|信任危机？一场针对民族企业的商业“阳谋”
- 摩托罗拉|传小米2亿像素超大底曲面屏新机研发中 价格或不便宜