【如今,已經有越來越多的車廠選擇了光學雷達,這意味著未來「光學雷達」的技術路線或許將比「純視覺」路線擁有更多的規模效應以及成本優勢。
而如果未來視覺+光學雷達一派,在自動駕駛能力上做到和特斯拉相差不多,則意味作為「破風者」的特斯拉,為純視覺路線自動駕駛探索砸下的成本會和收益不成正比。這對於需要長期投入的特斯拉來說,將是不小的壓力。
但對於馬斯克而言,他不在乎。他似乎就是要在第一原理的的思想下,以愚公移山的勁頭,在自動駕駛領域跟「純視覺路線」一路硬幹到底。】
同時也有1部Youtube影片,追蹤數超過55萬的網紅3cTim哥生活日常,也在其Youtube影片中提到,智慧公車的5G技術是來自遠傳5G基地台 現在Podcast也可以聽得到Tim哥的科技午報了 Apple https://apple.co/2IupRwH Google https://bit.ly/3hMfwMn Spotify https://spoti.fi/32ZflZS 訂閱Tim哥生...
「特斯拉自動駕駛原理」的推薦目錄:
- 關於特斯拉自動駕駛原理 在 Facebook 的最佳貼文
- 關於特斯拉自動駕駛原理 在 大詩人的寂寞投資筆記 Facebook 的最佳解答
- 關於特斯拉自動駕駛原理 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於特斯拉自動駕駛原理 在 3cTim哥生活日常 Youtube 的最佳貼文
- 關於特斯拉自動駕駛原理 在 [分享] 特斯拉高管揭秘自動駕駛技術:48種神經網- 看板car 的評價
- 關於特斯拉自動駕駛原理 在 特斯拉自動駕駛設定的推薦與評價,PTT和網友和推特上提到 的評價
- 關於特斯拉自動駕駛原理 在 2022特斯拉自動駕駛-汽車保養試乘體驗,精選在Youtube上的 ... 的評價
特斯拉自動駕駛原理 在 大詩人的寂寞投資筆記 Facebook 的最佳解答
以跑步機器人比喻指數投資
理論上每個機器人的馬達都是設定指數方程式在運作,指數程式原理相同,但是指數馬達是美國製造、台灣製造、全球製造⋯,每天跑起來速度還是不同,全球化影響下趨勢大致相同。
純粹的指數投資人就是傻傻的跑,跟著大家一起跑,不以超越隔壁他人、大眾為目標。
所以我們不進行人為的配速調整,順風加速?逆風減速?彎道超車?
純粹的指數投資確實沒有這個訴求。
但是我們遇到順風的確也是會變快、逆風也是會變慢,但是是自然而然的,因為我們無法預期接下來會是順風還是逆風。
你今天有在場上開車,你我今天開車的績效都差不多,從今天開始一個月、一季、一年,都在場上開車,績效都一樣,微小的差異會有,但是並不大。
很多人會在意,你之前開了很多順風,所以我現在加入感覺是歷史高點,好像很吃虧,靠北,大逆風的時候、低點的時候,你也不敢加入啊,就是不知道高低點、順逆風,才會閉著眼睛加入啊,很在意高低點的人,講的很像自己很能把握時機,問題就是順逆風根本無法掌控無法預測啊。
除了馬達不同的差異外,每個人高矮胖瘦、心臟大小也不同,我心臟比較大顆、股票配置比較多,你心臟比較小顆、債券配置比較多,然後搭配不同區域製造的指數馬達,跑起來實際情況就會更加不同。
實際速度不同,但是大致上也是一群人往同個方向跑(有賺錢),順風時候某些人在這群的前端,可能下次逆風時他就跑到這群的尾端,所以這群人大致上還是混雜在一起,不會有人總是超前、有人總是落後,那就會差距越拉越遠。
跑步的目的地你要自己設定,有的人想安心退休、有的人想提早退休,你越清楚你自己的目標,動機越強烈。
跑步需要體力、馬達需要燃料、投資需要本金;你如果命好,出生後自帶翅膀加速器,搭配指數馬達會更快的到達目的地,若是搭配到錯誤的馬達也是gg的更快;若是凡人如我,主要靠著薪資收入,這個也不是瞬間就能改變的,畢竟學歷、經歷都是是不可改變的過去事實。
不管好車、爛車,總之你自己這台肉身車沒有那麼容易改裝,穩穩開、好好開也是會到達目的地,我們不用像世界富豪一樣太空旅行,我們台灣環島也很開心🥳。
指數投資馬達還自帶自動駕駛,可以讓你在路上更安心工作、退休後看到更多風景,這個是附加的樂趣收穫,講的我都想貼一下我特斯拉的推薦碼呢xd
特斯拉自動駕駛原理 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
特斯拉自動駕駛系統深度研究:是電動車,更是智能車
北京新浪網 10-18 19:30
來源:未來智庫
報告綜述:
本篇報告重點討論特斯拉自動駕駛技術。特斯拉憑藉其Autopilot、FSD自動輔助駕駛功能,不僅在市場上碾壓競品,,更推動特斯拉從單純的車企向平台公司和科技公 司進化,引領行業潮流。
特斯拉憑藉自研晶元及ADAS平台、硬體成本效益顯著、自動輔助駕駛功能全球領先、智能座艙等核心競爭優勢,特斯拉已精準定位中美消費 者對「智能化 + 自動駕駛」的偏好,未來FSD選裝率將有較大的上升空間。據實際調研數據,目前美國Model Y的FSD選裝率已達50%以上,美 國Model 3對應選裝率穩步提升至25%左右。
受益於「晶元 + 平台 + 造車」的商業模式,2020年-2022年特斯拉FSD當期收入達4.9/10.8/20.6億美元(軟體,都是利潤),驅動銷售業務毛利 率再上新台階,預測2020年-2022年分別達到18.8%、27.6%、31.9%。同時,自動駕駛+智能化是特斯拉核心產品價值的體現,將進一步帶動特 斯拉銷量放量;保有量的提升帶動自動駕駛相關行駛累計數據收集,有利於FSD功能的精進升級;良性循環將助力特斯拉形成獨佔鰲頭的競爭 格局。
隨著整車產能的快速釋放、消費者對自動駕駛認可度的提升、以及持續突破創新的價值理念,特斯拉產銷量及業績料將進入爆發期,預計2020 年-2022年特斯拉凈利潤有望達到12.93、75.79、144.59億美元,對應每股盈利為1.19、7.93、15.32美元。以2020年8月31日收盤價$475.05計算, 對應PE為399倍、60倍、32倍。
FSD選裝率助推盈利能力顯著提升
經測算,2020年特斯拉FSD選裝率將達到25%,當期收入達到4.85億美元,同比增長221%,FSD選裝率的提升顯著帶動特斯拉汽車 業務毛利率有明顯改善。
「自動駕駛+智能化「是特斯拉實現產品核心價值的體現,而FSD選裝率的提升是凸顯產品價值最直觀的表現。穩步增長的FSD選裝 率將助推特斯拉汽車業務盈利水平再上新台階,料將有更多資本投入到智能化+自動駕駛領域,形成正向循環。
智能化+電動化的先行者
百萬交付量可期:預計2020年-2022年特斯拉全球交付量將達到51/90/130萬輛,主要系M3、MY產銷持續放量,以及其他車型Cyber、Semi的產銷起量,進一步打開市場空間。
銷量放量+FSD加持雙驅動:整車銷量持續高增長疊加FSD選裝率穩步提升,預計2020年-2022年特斯拉汽車業務收入將達到286/519/742億美元,三年復合增速53%,FSD當期收入佔比汽車業務總收入的7.7%、7.3%、8.5%。
FSD選裝提振單車毛利(含FSD、不含積分):2019年-2022年單車毛利為1.0萬元、0.97萬元、1.52萬元、1.71萬元,其中FSD當期收入貢獻毛利佔比為4%/10%/8%/9%。
軟體晶元自主設計,感測器部件垂直採購
特斯拉把握核心科技:2019年4月特斯拉正式推出完 全自主研發的晶元,搭配自產軟體系統基本上能夠實 現完全自動駕駛。晶元+軟體系統作為ADAS(自動駕 駛系統)皇冠上最閃耀的明珠,特斯拉擺脫傳統晶元 龍頭的束縛,遵循第一原理性法則,自主研發設計, 掌握核心科技。
感測器部件外采,國產替代空間較大:特斯拉原有的 三目攝像頭、毫米波雷達的供應商分別為Mobileye、 法雷奧。聯創電子現已切入特斯拉供應鏈,是車載鏡 頭的二級供應商,部分鏡頭是主供。舜宇光學、歐菲 光等均在車載攝像頭領域研發積淀深厚;華域汽車、 德賽西威的毫米波雷達已配套上汽、小鵬、吉利等多 款車型,有望加速滲透特斯拉供應鏈。
投資建議:
「智能化+自動駕駛」是特斯拉產品核心價值的體現:隨著上海工廠特斯拉國產化率的不斷提升,國內自動駕駛產業鏈相關優質企業 有望切入特斯拉供應鏈。看好特斯拉自動駕駛系統里攝像頭環節中優質鏡頭供應商聯創電子,目前為其車載鏡頭的二級供應商,部分 鏡頭已成為主供。潛在鏡頭標的歐菲光、舜宇光學,潛在CMOS標的韋爾股份。
毫米波雷達國產替代潛力凸顯:看好國內毫米波雷達製造商德賽西威、華域汽車等進入特斯拉供應鏈的潛在機遇。隨77GHz毫米波雷 達國產化產率攀升,國內優質製造商有望打入特斯拉供應鏈。德賽西威24GH毫米波雷達已配套國內小鵬、吉利部分車型;華域汽車 深耕24GHz研發製造,客戶包括上汽榮威等,作為國內優質龍頭,二者均有極大潛力滲透特斯拉供應鏈。
特斯拉供應鏈選股依然是未來很長一段時間的主線:看好寧德時代在特斯拉等主流車廠的全球市場持續突破超預期,看好國產供應商 切入LG化學和松下等海外供應鏈,甚至未來直接向特斯拉電池工廠供貨,標的為科達利、璞泰來、恩捷股份、當升科技、宏發股份、 天賜材料(化工組覆蓋)、拓普集團(汽車組覆蓋)、三花智控(汽車組覆蓋)等。
報告節選:https://m.news.sina.com.tw/article/20201018/36612748.html
特斯拉自動駕駛原理 在 3cTim哥生活日常 Youtube 的最佳貼文
智慧公車的5G技術是來自遠傳5G基地台
現在Podcast也可以聽得到Tim哥的科技午報了
Apple https://apple.co/2IupRwH
Google https://bit.ly/3hMfwMn
Spotify https://spoti.fi/32ZflZS
訂閱Tim哥生活副頻道⬇︎
http://bit.ly/36gDKs7
加入頻道會員⬇︎
http://bit.ly/2LoUuox
我的Line@生活圈⬇︎
@237mhhsl
訂閱3cTim哥主頻道⬇︎
http://bit.ly/2MgPy4H
訂閱Tim嫂頻道⬇︎
http://bit.ly/2PEnHMZ
訂閱眾點旅人頻道⬇︎
http://bit.ly/2QaY1vS
訂閱Jade Lin林瑋婕頻道⬇︎
http://bit.ly/2D2YK8O
想知道更多3C第一手資訊?⬇
【3cTim哥趨勢預測 系列】http://bit.ly/31y57M6
【Apple 蘋果每月一爆 系列】http://bit.ly/2KPzdEd
跟Tim哥學3C小技巧⬇
【Apple蘋果小技巧 系列】http://bit.ly/2NXsIyP
【Android安卓小技巧 系列】http://bit.ly/2LE4kWy
觀看3cTim哥Apple系列影片⬇
【Apple蘋果開箱】http://bit.ly/2LE4M6R
【Apple iPhone 系列】http://bit.ly/2Z6NwsO
【Apple iPad 系列】http://bit.ly/303gknn
【Apple Mac 系列】http://bit.ly/2N5Fkqo
【Apple Watch 系列】http://bit.ly/304F5jc
【Apple其他產品 系列】http://bit.ly/2MioZiN
觀看3cTim哥Android系列影片⬇
【Android安卓高階旗艦機 系列】http://bit.ly/2LDGSZx
【Android安卓中階手機 系列】http://bit.ly/2Z1Y4JP
【Android安卓萬元以下手機 系列】http://bit.ly/2z5qF6l
觀看3cTim哥開箱影片⬇
【3cTim哥家電開箱】http://bit.ly/2v49Uai
【3cTim哥電腦開箱】http://bit.ly/2n0UM8Z
追蹤3cTim哥即時動態⬇︎
instagram☛http://bit.ly/2HCZ52j
facebook☛http://bit.ly/2JyOGGK
TIM X OLI 🛍️ 3C購物
官方網站▶️ https://goo.gl/jW7cny
App Store▶️ https://goo.gl/67foDK
Google PlayStore▶️ https://goo.gl/l6B5Zp
*圖片內容截取自Google搜尋網站
**音樂與音效取自Youtube及Youtube音樂庫
#5G #遠傳 #自駕巴士
![post-title](https://i.ytimg.com/vi/XXkgxKldfKY/hqdefault.jpg)
特斯拉自動駕駛原理 在 2022特斯拉自動駕駛-汽車保養試乘體驗,精選在Youtube上的 ... 的推薦與評價
老婆第一次開特斯拉Tesla model X載全家....自動駕駛好焦慮? 訂閱我是老爸主頻道https://bit.ly/2Yuh19M 訂閱老 ... ... <看更多>
特斯拉自動駕駛原理 在 [分享] 特斯拉高管揭秘自動駕駛技術:48種神經網- 看板car 的推薦與評價
這一篇文章是根據Tesla Autopilot 部門主管Andrej Karpathy 在二月份時所
做的一場演講寫的。Andrej Karpathy 專門研究深度學習以及影像識別,他在
史丹佛大學念博士時是李飛飛的學生,畢業後加入OpenAI,2017年時加入Tesla。
他在這場演講時提到很多Tesla 目前正在做的事情,其中最有趣的應該是利用
軟體算法製造出鳥瞰圖,以及如何應用軟體算法來辨識距離,甚至可以做到辨
識每個像素的深度是多少。
演講影片:
https://youtu.be/hx7BXih7zx8
=====================================================================
https://36kr.com/p/708377901357573
特斯拉高管揭秘自動駕駛技術:48種神經網絡上陣,最多可檢測1000種物體
特斯拉是怎麼靠攝像頭,來做到城市自動駕駛的?
編者按:本文來自微信公眾號“車東西”(ID:chedongxi),作者James,36氪經授權發
布。
近日,特斯拉更新了自動駕駛軟件的2020.12版本更新,在這一版更新中,特斯拉加入了
交通信號燈和停車標誌識別的自動駕駛功能。如果特斯拉選配了FSD完全自動駕駛能力套
件,就能通過OTA升級體驗車輛在紅燈前自動停下,綠燈亮起後又自動加速的自動駕駛功
能。
這項功能正式發布,為即將到來的特斯拉城市道路自動駕駛打下基礎,也標誌著特斯拉向
“完全自動駕駛”又邁進了一步。
▲特斯拉交通信號燈識別功能
對交通信號燈和停車標誌的識別實際上並不容易。對於駕駛員來說很容易識別的內容,對
於還不太聰明的機器來說還是個不小的挑戰。例如,不同車道有不同的交通信號燈,停車
標誌也是五花八門,有些還被遮擋,這就非常考驗機器識別的效率和準確性。
今年2月,特斯拉人工智能高級主管Andrej Karpathy發表了一個演講,他在演講中闡述了
特斯拉是如何憑藉視覺系統識別道路環境,並應用於自動駕駛當中的。
▲Andrej Karpathy的演講視頻
特斯拉利用“影子模式”,在駕駛員駕駛的過程中,自動駕駛電腦進行實時同步計算,但
不參與車輛控制。一旦駕駛員的操作和機器的計算有所出入,特斯拉的自動駕駛電腦就會
記錄下這個案例,並上傳給特斯拉總部。在收集到大量的數據之後,特斯拉將不同場景進
行分類,機器學習之後就能讓整個識別算法更加“聰明”。
在應用於車輛時,特斯拉還會利用機器學習,用二維的圖像計算出三維的場景,就能準確
判斷與障礙物之間的距離,實現更加精準的自動駕駛功能。
特斯拉自動等紅燈,離城市自動駕駛又近一步
4月24日,特斯拉向用戶推出了2020.12軟件更新。在這一更新中,特斯拉正式推出了“識
別交通信號燈和停車標誌並做出反應”功能。
選配有FSD的特斯拉車主在更新軟件之後,車輛就可以自動識別紅綠燈和停車標誌。如果
前方有禁止通行的紅燈或停車標誌,特斯拉會在車機屏幕上提前發出提示信息,告訴駕駛
員距離前方停止線的距離。
如果駕駛員沒有及時採取制動措施,車輛制動系統就會及時介入,並緩緩停在停止線之前
。在綠燈亮起之後,車輛會自動繼續加速前進。如果駕駛員在需要停車的路口確認安全之
後,踩下加速踏板,車輛也會重新加速前進。
▲特斯拉軟件更新後車主的測試
在行駛過程中,車輛可以檢測到前方的綠燈、黃燈閃爍和紅燈,並在車機上顯示。如果檢
測到前方有紅燈或停車標誌,車輛會提前提醒駕駛員停止線的位置,如果駕駛員沒有做出
反應,車輛就會自動減速並停在停止線前。如果駕駛員確認安全後希望前行,只要踩下油
門踏板,車輛就會繼續加速前進。
不過,由於這項功能剛剛發布,運行的邏輯會比較保守,車輛在一些情況下不會嘗試自行
通過交叉路口。隨著使用這一功能車輛數量的增加,特斯拉自動駕駛計算芯片進行機器學
習後會讓這項功能更加完善。
根據此前公佈的特斯拉自動駕駛使用手冊,這項功能實際也有一定的局限性。特斯拉表示
,雖然車輛可以自行監測前方的交通信號燈和停車標誌,但駕駛責任完全由駕駛員負責。
駕駛員需要始終注意行車道上發生的情況,並隨時準備採取緊急措施。
▲特斯拉交通信號燈和停車標誌識別功能使用手冊(美國版)
值得注意的是,用戶手冊中有這樣一句話:如果在特斯拉汽車行駛較多的路段,停車標誌
和交通信號燈的識別準確度會更高。也就是說,特斯拉確實是依靠深度學習讓算法變得更
加優秀,並且同一場景學習的次數越多,識別準確率也就越高。
此外,信號燈和停車標誌識別功能也不是在所有場景都可以使用。特斯拉在使用手冊中表
示,在美國地區,鐵路道口、禁區、收費站、人行橫道區域、不清晰或臨時的交通信號燈
、複雜信號燈和車道指示燈等環境下都無法啟用這項功能。
這項功能更新是特斯拉FSD自動駕駛系統的一大進步,也讓特斯拉距離城市道路的自動駕
駛更近一步。
今年2月,特斯拉人工智能高級主管Andrej Karpathy在ScaledML會議上的一次演講,就透
露了特斯拉自動駕駛系統的最新進展。利用機器學習的算法,特斯拉就能準確判斷路旁的
信號標誌,同時也能計算出與停止線、障礙物之間的距離信息。
特斯拉強在哪?上百萬車主幫特斯拉測試軟件
在特斯拉人工智能高級主管Andrej Karpathy的演講中,首先對特斯拉自動駕駛系統的工
作原理進行了講解。他表示,當前特斯拉主要依靠視覺系統採集圖像信號,自動駕駛電腦
進行計算之後,就能控制車輛的車速和轉向,從而實現自動駕駛。在這個過程中,自動駕
駛電腦的計算是最重要的一環,需要人工智能算法提供支持。
▲Andrej Karpathy演講現場
在今年2月美國加州車管局(DMV)公佈的自動駕駛路側數據可以發現,2019年全年,特斯
拉官方進行的自動駕駛公路測試僅有12.2英里(約合19.6公里)。與百度、Waymo、
Cruise等公司每年動輒數十萬上百萬英里的自動駕駛測試里程相比,可以說特斯拉官方相
當於沒有進行測試。
如果不進行大量的自動駕駛測試,特斯拉又如何進步呢?原來,特斯拉的測試者是百萬量
級的特斯拉車主,依靠“影子模式”進行自動駕駛測試的。
2016年,特斯拉發布了“影子模式”,在駕駛員駕駛過程中,裝有HW1及更新自動駕駛電
腦的特斯拉就能實時進行自動駕駛運算,但不會參與控制車輛的方向和速度。如果駕駛員
的操作和自動駕駛電腦的操作有較大出入,自動駕駛電腦就會自動記錄下這個案例,並上
傳給特斯拉。
從2018年正式啟用至今,影子模式已運算了超過30億英里(約合48.3億公里)的駕駛里程
。每天,特斯拉自動駕駛研發團隊都會收到大量的案例:駕駛員停車,自動駕駛電腦繼續
前進;駕駛員向左微調了方向,自動駕駛電腦直行前進;當然,也會有駕駛員發生碰撞,
但自動駕駛電腦避開危險。
舉例來說,路旁的停止標誌並不全都清晰可見,有些被樹葉擋住,有些屬於臨時標誌,有
些標誌在夜間非常模糊,還有部分停車標誌左轉停車,右轉不用停……這些並不清晰的標
誌就有可能對自動駕駛電腦產生干擾,一旦識別出錯,可能就會造成駕駛事故。
▲上圖:不清晰的停車標誌;下圖:有條件的停車標誌
為解決這個問題,特斯拉利用了數據引擎對算法進行訓練。首先,車輛將收集的數據回傳
至特斯拉自動駕駛研發部門,然後特斯拉相似的場景進行分類,同一類的機器學習訓練,
讓特斯拉的算法更強大,也更加“聰明”。
▲特斯拉的“數據引擎”機器學習模型
在對算法進行訓練之後,特斯拉會持續關注自動駕駛電腦對類似場景的識別準確率,形成
下面這個表格。
從中可以看出,特斯拉對Stop Sign(停止標識)這一種路牌,竟然給出了至少14種可能
存在的情況,包括大雨、大雪下的路牌、被擋住的路牌、校車上路牌、甚至還有門上的路
牌、手持路牌等。
也就是說,特斯拉的目標是要在各種特殊情況下,都能識別路牌。
▲同一標誌在不同場景下的準確度評估
回到正題,特斯拉在訓練完模型後,會把算法通過影子模式進行測試,對每一個場景的識
別準確率進行重新評估,準確率不斷提高,也就意味著算法正在一點點進步。當識別準確
率提升到了較高水平,特斯拉就可以考慮對所有車輛進行功能更新,增加自動駕駛的功能
和使用場景。
這裡面講一個有趣的小細節。
特斯拉此前推送了識別雪糕筒的更新,有用戶為了弄明白特斯拉能識別哪一些雪糕筒專門
進行了一個堪稱變態的測試。
這裡測試的道具除了大小高低不同的雪糕筒之外,他們竟然還有一個穿著雪糕筒衣服的人
類作為道具。從視頻中看,只要穿著雪糕筒衣服的人類在移動或者站著,特斯拉就能識別
出這是一個人。但如果這個人蹲下不動,就會被識別為雪糕筒。
▲外國網友穿著雪糕筒的衣服,但沒有騙過特斯拉
這也就說明,特斯拉在識別雪糕筒這件事兒上,也同時考慮到了大量的特殊情況,才會表
現出這種成績。
從算法的代碼層面來說,特斯拉把它們的深度學習網絡稱為HydraNet。其中,基礎算法代
碼是共享的,整個HydraNet包含48個不同的神經網絡,通過這48個神經網絡,就能輸出
1000個不同的預測張量。理論上來說,特斯拉的這個超級網絡,能同時檢測1000種物體。
完成這些運算並不簡單,特斯拉已經耗費了7萬個GPU小時進行深度學習模型訓練。
▲特斯拉HydraNet網絡
雖然工作量很大,但由於大部分工作由機器承擔,特斯拉的人工智能團隊僅由幾十人組成
,與其他自動駕駛公司數百人甚至數千人的規模相比,確實規模不大。
二維圖像秒變3D,算法還能自己改代碼
在經過大量的機器學習訓練之後,特斯拉的算法會逐漸成熟,這套算法也會以OTA升級的
方式分發到每一輛特斯拉汽車當中,在車主實際駕駛過程中還能進一步試錯,讓算法更加
完美。
研發這套算法的最終目的是要實現特斯拉的自動駕駛功能,最終還是需要車上硬件互相配
合才能實現。
特斯拉全車共配備了8個攝像頭,一個毫米波雷達和12個超聲波雷達,監測外部環境,向
自動駕駛電腦實時傳送信息。
▲特斯拉車外傳感器
簡單來看,特斯拉的攝像頭、毫米波雷達、超聲波雷達以及慣性測量單元記錄下當前車輛
所處的環境數據,並將數據發送給特斯拉的自動駕駛電腦。自動駕駛電腦在進行算法的計
算之後,將速度和方向信息傳遞給轉向舵以及加速、制動踏板,實現對車輛的控制。
不過,在日常行駛過程中,攝像頭作為傳感器捕捉的內容都是二維圖像,並沒有深度信息
。
▲特斯拉攝像頭採集的畫面可以確定邊界,但不包含深度信息
也就是說,雖然二維圖像已經可以區分公路和路旁的人行道,但並不知道現在車輛距離“
馬路牙子”還有多遠。由於缺失這樣一個重要信息,自動駕駛的運算可能並不准確,操作
可能出錯。因此,捕捉或者建立一個三維的圖景很有必要。
傳統工程師認為,直接在車頂安裝三維攝像機就能解決這一問題。不過,這既要增加車輛
的製造成本,又影響車輛美觀。此外,由於車頂面積比較大,如果三維攝像頭高度不夠,
盲區將會非常大。
特斯拉的工程師又想到用算法解決這個問題。如果有一種算法能夠將二維圖景的時序、邊
緣對齊,投影形成三維圖景,這個問題就解決了。
▲通過算法得出的“鳥瞰視圖”
在計算出三維圖景之後,特斯拉甚至可以計算出車輛的“鳥瞰視圖”。也就是說,雖然車
輛上方沒有攝像頭,但通過計算就能模擬出從車輛上方向下看的圖景。這樣一來,車輛離
障礙物還有多遠的距離,車內都能直觀地看到。
▲特斯拉視覺系統預測的馬路邊緣和車道線
實際上,特斯拉還有更厲害的地方,那就是算法可以預測流媒體視頻中每一個像素的深度
信息。也就是說,只要算法足夠好,流媒體視頻更加清晰,特斯拉的視覺傳感器所捕捉的
深度信息甚至可以超過激光雷達。
▲特斯拉採集視覺信息(上),預測每一個像素的深度信息(中)並投影形成鳥瞰視圖(
下)
在實際的自動駕駛應用中,泊車入位和智能召喚兩個使用場景下就能充分利用這套算法。
在停車場行駛時,車輛之間的距離很小,即使是駕駛員駕駛,稍不留神也很容易出現刮蹭
事故。對於機器來說,停車場場景的行駛更加困難。在預測到深度信息之後,車輛可以在
超聲波雷達的輔助之下,快速完成對周圍環境的識別,車輛泊車就會更加順利。
在完成深度信息的預測之後,這部分信息會顯示在車機上,同時也會直接參與控制轉向、
加速、制動等駕駛動作。不過,轉向、加速、制動這些駕駛策略沒有固定的規則,有一定
靈活性。
因此,自動駕駛的駕駛策略沒有最佳,只有更好。
特斯拉基礎的自動駕駛策略由工程師完成,已經寫出了大量的代碼,這相當於是駕駛策略
的1.0版本代碼。不過,由於實際路況更加複雜,1.0版本的駕駛策略代碼實際覆蓋範圍較
小,邏輯也難免出錯。隨著時間推移,必須要不斷升級駕駛策略。
Andrej Karpathy表示,如果在機器學習網絡中不斷升級策略代碼,這樣既節省了人工成
本,自動駕駛能力進步的速度也會明顯加快。
在駕駛員駕駛的過程中,車輛也會收集駕駛員的駕駛習慣。通過對百萬特斯拉車主駕駛習
慣的學習,特斯拉的自動啊及時策略就會不斷提高。
通過對百萬車主駕駛習慣的學習,機器可以編譯出自動駕駛策略的2.0版本代碼。
▲機器編譯的2.0版本代碼正在逐漸取代1.0版本代碼
Andrej Karpathy預測,隨著機器的編譯能力提高、採集的數據更加豐富,2.0版本的代碼
會逐漸覆蓋1.0版本的代碼,最終實現所有代碼都由機器編譯完成,這樣的自動駕駛策略
就會更加精確。
結語:自動駕駛之爭正轉變為算法之爭
在自動駕駛不斷發展的今天,特斯拉已經形成自己的一派,完全使用視覺識別就能完成自
動駕駛。自動駕駛技術也從之前的攝像頭、毫米波雷達、超聲波雷達甚至激光雷達的堆料
,逐步轉變為算法之間的競爭。
特斯拉利用百萬輛每天行駛在道路上的汽車進行自動駕駛計算,其數據源、精準度很可能
已經遠遠超過其他的自動駕駛測試公司。未來,算法之爭還將逐步擴大,同時自動駕駛市
場的競爭也將更加激烈。
--
Tesla 視覺辨識的應用之一 - 智慧召喚時識別邊界:
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.224.223.220 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/car/M.1589704254.A.793.html
... <看更多>