特斯拉公开为什么干掉雷达！AI主管亲自演讲解读车东西（公众号：chedongxi）

车东西（公众号：chedongxi）
作者|James
编辑|晓寒
特斯拉纯视觉自动驾驶的秘密，被自家高管全曝光了！
不久之前，特斯拉取消了Model3和ModelY车型的毫米波雷达，在全球第一个实现了纯视觉的L2级自动驾驶系统，引起了自动驾驶行业以及相关机构的密切关注。
马斯克虽然简单解释过走纯视觉路线的原因——避免多传感器感知结果不一致的问题，但外界对这答案并不满意，依然有不少观点在质疑特斯拉的做法。
而特斯拉的AI高级总监AndrejKarpathy刚好在日前发表了一篇干货十足的演讲，从技术的角度详细介绍了特斯拉走纯视觉路线的原因，以及背后的核心做法。
Andrej的演讲时长为40分钟，但是他本人语速惊人，甚至可以说内容量至少是是40分钟演讲的1.5倍，并且给出了大量技术细节与实际案例，非常具有说服力。
他在演讲中讲到，从特斯拉开发自动驾驶之初，就没有考虑为车辆加入激光雷达和高精地图，因为这会导致建图、维护成本大幅上升。而随着AI能力不断提升，特斯拉直接取消了毫米波雷达。
纯视觉感知最大的问题就是无法测量距离、速度和加速度。不过纯视觉感知和人眼类似，人脑能“脑补”出距离并拥有优秀的驾驶技术，神经网络同样有这样的能力。
在过去4个月时间里，特斯拉人工智团队的核心20名成员搞定了这件事。
特斯拉收集了221种共100万段10秒钟的短视频，利用对物体自动标签化，经过7轮影子模式循环，最终在纯视觉感知中取得了不错的效果，超越了毫米波雷达+摄像头的传感器融合方案。
特斯拉甚至为此建立了一台全球排名第五的超级计算机，采用5760个英伟达A100TensorCoreGPU ， 10PB容量的NVME存储。
以下为AndrejKarpathy演讲核心内容的编译。
▲特斯拉AI高级总监在CVPR2021上的演讲
一、毫米波雷达表现不稳特斯拉更相信视觉传感器
演讲开始时， Andrej首先谈到了自动驾驶的必要性，并且总结了自动驾驶的三大优势。
人类驾驶一辆车，反应时间通常需要250毫秒；观察周围交通环境通过旋转头部看后视镜判断；同时人的精力有限，难免出现注意力不集中的现象。

文章图片
▲人类驾驶VS机器驾驶
当机器在驾驶时，反应时间通常小于100毫秒，拥有360度的感知能力，同时机器永远不会累。
Andrej说道：“全球每天有近3700人在车祸中丧生，自动驾驶技术能够显著减少车祸发生的概率。同时，由人类驾驶的出行成本太高，如果机器驾驶出行成本也将明显降低。 ”
因此，自动驾驶技术十分必要。
从十多年前开始，谷歌等科技公司开启了自动驾驶技术的研发。从当年的视频中可以看到，谷歌的表现并不出色，在一个左转路口处方向飘忽不定。

文章图片
▲谷歌无人车多年前的自动驾驶表现
经过长时间的研发，自动驾驶技术应对各种场景的表现都能做到非常出色。同时，行业内也发展出了两条截然不同的感知技术路线。
其中一条是纯视觉感知，另一条是激光雷达、高精地图、视觉传感器的融合感知。
Andrej说道：“很多自动驾驶车辆在车顶装上昂贵的激光雷达，就能够感知360度的环境，并测量距离。不过，如果要使用激光雷达，还需要高精地图的匹配。根据高精地图存储的车道线、红绿灯等信息，就能够实现自动驾驶。 ”
不过，特斯拉所走的路线完全不同。特斯拉希望基于环绕车身的8个摄像头实现自动驾驶。当车辆行驶在道路上时，需要自动驾驶电脑判断哪里是车道线、哪里是红绿灯。
也就是说，激光雷达+高精地图的技术路线本质上是匹配的过程，而纯视觉技术路线则是寻找的过程。
同时， Andrej指出，纯视觉方案显然是一个更具拓展性的技术路线。当前，特斯拉在全球范围内已经交付了百万辆汽车，因此打造一套全球范围的高精地图并不现实，因此特斯拉选择了纯视觉的技术路线。
他说道：“想要实现纯视觉感知实际非常困难，需要基于视频打造非常优秀的神经网络。不过，一旦纯视觉系统真正投入使用，将是一套通用的系统，并且理论上全球任何区域都能使用。 ”
几年前特斯拉开始研发Autopilot时，就已经确定不使用高精地图和激光雷达，全车的传感器有8枚摄像头和1个毫米波雷达。从几年的成果来看，无论是实际效果还是功能丰富程度，特斯拉在量产自动驾驶行列中一直处于头部。