特斯拉公开为什么干掉雷达！AI主管亲自演讲解读( 三 ) 车东西（公众号：chedongxi）

文章图片
▲神经网络架构
为什么要不断分离形成终端呢？Andrej解释道，研发人员可能对大量的输出结果感兴趣，但是不可能用一个神经网络单独输出每一项结果。同时，分支结构的另一个好处是它在终端解耦所有信号，所以当研发人员正在处理特定对象的速度、加速度等信息时，就能够拥有小神经网络，不用触及其他信号就能完成工作。
最终结果是，这种架构能让工作效率更高。因为研发人员一致都在微调终端结果，从骨干到终端的修改则是偶尔进行。
要处理如此多的数据，特斯拉搭建了一个世界排名第五的超级计算机。

文章图片
▲特斯拉超级计算机
这个集群使用了720个节点，每个节点8个英伟达A100TensorCoreGPU（共5760个GPU），实现了1.8exaflops的性能。

文章图片
▲英伟达A100TensorCoreGPU
这个超级计算机采用10PBNVME存储，读写速度能够达到1.6TB/s 。 Andrej介绍，这可能是全世界最快的数据存储设备。
未来，特斯拉会让这台超级电脑运行Dojo项目，特斯拉希望通过Dojo不断训练其神经网络，帮助特斯拉Autopilot不断进化。
三、纯视觉优势凸显270万公里自动驾驶0事故
在转向纯视觉感知后的特斯拉，效果如何呢？Andrej举出三个典型案例。
第一个案例是前方车辆快速刹车时，视觉传感器和毫米波雷达出现了截然不同的表现。
图中黄色线条代表毫米波雷达感知的距离、速度、加速度图像（从上至下），蓝色线条代表纯视觉传感器的感知结果。可以发现，毫米波雷达在其中有多次出现距离突然降低为0、速度突然提升、加速度突然为0的情况。

文章图片
▲前车紧急制动时，两种传感器感知效果对比
这是因为突然减速之后，毫米波雷达并不能很好追踪前方车辆，因此多次重启，就像是车辆在短时间内重复消失，又出现了6次，这很可能误导自动驾驶系统。
由纯视觉传感器感知的信息和毫米波雷达的信息大致重合，但是没有出现距离、速度、加速度突变的情况，表现非常稳定。
第二个案例是路上常见的立交桥。由于毫米波雷达没有垂直分辨率，所以会认为立交桥是一个静止在前方的物体。

文章图片
▲车辆感知到桥梁认为是静止物体，采取制动措施
传感器感知数据融合之后，车辆认为行驶前方存在静止物体，并判断紧急刹车。这种情况在高速公路上十分危险。
第三个案例是行驶前方出现一辆停靠路边的大货车。此时，毫米波雷达无法判断前方究竟是一辆车还是一个普通的静止物体。因此，毫米波雷达将这项任务交给视觉传感器，最终在距离车辆110米的距离时，才感知到前方的卡车。

文章图片
▲毫米波雷达感知距离不如摄像头
如果用纯视觉传感器，在180米的距离时感知到了前方的货车，并从145米处有明确的感知信息，开始减速。
显然，纯视觉传感器的表现再次胜过毫米波雷达+视觉传感器的融合模式。
Andrej介绍，类似的场景特斯拉一共总结了6000个，可以分70个类别。这些场景每天都会运行，不断提升神经网络的能力。除此之外，特斯拉还用仿真测试的方式，建立了1万个场景，不断测试。这些测试数据相当于人类10年的驾驶时间。
同时，特斯拉也将纯视觉感知加入到影子模式的测试中，经过七轮影子模式的测试，已经相当于人类1000年的驾驶时间。
在发布之前，特斯拉已经进行了1500万英里（约合2400万公里）的驾驶里程，其中170万英里（约合274万公里）都处于自动驾驶状态，目前没有出现过任何一起事故。
Andrej也承认，一些遗留的堆栈还存在一些问题，每隔大约500万英里就会出现一次崩溃问题。但他相信，这些问题会被逐渐解决。
在演讲的最后， Andrej说道：“纯视觉能够精准感知深度、速度、加速度信息。实现纯视觉是一件困难的事情，并且需要大量的数据，不过纯视觉的方向至少是正确的。 ”