四川
特斯拉更信赖视觉传感器打造模拟人脑神经网络的超级计算机纯视觉方向，特斯拉一条道走到底
去年开始伴随着激光雷达的装车，一派是以激光雷达、毫米波雷达以及摄像头等多传感器路线融合的国产车企，再就是特立独行改由单纯靠摄像头来实现辅助驾驶/自动驾驶。
前段时间，特斯拉甚至从5月份开始将美国市场销售的Model 3（参数丨图片）和Model Y前毫米波雷达给取消了，改由Tesla Vision（基于摄像头纯视觉方案）来实现Autopilot等驾驶辅助功能。
这不禁令人疑惑，雷达这玩意儿到底是不是多余的？马斯克也曾简单解释过纯视觉路线的原因是为了避免多传感器感知结果不一致。但这个答案显然无法令人信服，多数人还是质疑。
车载毫米波雷达技术已非常成熟，车载激光雷达也相对成熟，加上特斯拉自动驾驶也出过事故。为此，特斯拉的AI总监Andrej从技术角度详细介绍了特斯拉的纯视觉路线。
与其他车企一样，特斯拉认为自动驾驶很有必要。人类在驾驶汽车时反应时间为250毫秒，机器在驾驶时的反应时间小于100毫秒，通过车身传感器能够拥有360度的感知能力，且人类驾驶车辆也有可能出现注意力不集中的情况。
其他很多品牌自动驾驶方案选用激光雷达+视觉传感器+高精地图的多位一体融合，将激光雷达识别的结果和高精地图存储的车道线、红绿灯等信息进行匹配。
而特斯拉所走的路线是纯视觉感知，通过环绕车身的8个摄像头识别车道线、红绿灯，类似于人类驾驶汽车的过程，本质是发现道路信息标志，再作出判断。
特斯拉认为，这个世界是三维的，人类观察三维对象而眼睛看到的画面在视网膜上是二维投影，通过两个眼睛所看到的不同二维画面传递到大脑，经过大脑皮层视觉中枢的渲染而恢复成三维感知，因此能够计算出距离、速度、面积、体积等等。换而言之，如果将计算机的神经网络模拟人脑这一过程，也能实现对速度、距离的感知。
为此，特斯拉开始大量的数据训练，多达几百万段视频，然后对视频中的物体如车辆、车道线、交通信号灯等物体进行标签化，采用数据自动标记的方法，计算其速度、距离等信息。另外，还包含数据的多样化即各种非常规案例，模拟沙尘、雨、雪、雾等复杂极端天气。资料显示，特斯拉一共为60亿个物体做了标签化处理，同时包含精准的数据如速度信息、尺寸信息等，这些数据一共有1.5PB（约等于157万GB），非常庞大。
在收集了广泛的数据以后，特斯拉就开启了以视频数据训练神经网络，为此特斯拉搭建了一个世界排名第五的超级计算机——Dojo。这台超级计算机使用720个节点，总共由5760个英伟达A100显卡组成，总算力超过1.87EFLOPS，读写速度达到1.6TB/s。而这台超级计算机的硬件成本高达1.5亿美元。
特斯拉表示，测试结果270万公里0事故，纯视觉感知效果比毫米波雷达好得多。此外，特斯拉还采用仿真测试建立了超过一万个场景继续测试，这些数据相当于人类10年的驾驶时间。
2021年是激光雷达的上车元年，不少重磅车型也都搭载激光雷达雷达。不过唱反调的特斯拉不仅不用激光雷达，还把毫米波给干掉，这一直是业界热议的话题。但是限于当前自动驾驶的技术问题，我们目前是无法判断到底雷达路线还是纯视觉路线才是自动驾驶最正确的技术方案。
不过可以肯定一点，特斯拉在纯视觉路线与自动驾驶方面的投入确实是业界最拔尖的存在，技术也是走在前列。特斯拉另辟蹊径发展纯视觉路线，就像苹果使用面部解锁一样为业界带来技术创新。
纯电车
纯电汽车专业资讯
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
