本文來源：車右智能
/ 導讀/
新年新氣象。Tesla的支持者們很快提供了一份「驚人的」可以證明AutopilotFSD系統在大踏步自我進化的證據——完全無人幹預的長距離完全自動駕駛實踐，為狂飆突進的Tesla和其電動車及完全機器駕駛的宏圖偉業注入新的信心。
正文
頻繁接觸Tesla和Autopilot負面新聞的讀者們先別急著拍磚，讓我們看看這次長距離自動駕駛旅行的具體信息，如下：
1 起止終點：
去程：聖何塞——>洛杉磯（途徑Firebaugh和Kettleman City）
回程：洛杉磯——>聖何塞（途徑Kettleman City）
2 距離：
去程：371miles=593公裡；
回程：347miles=555公裡；
總裡程：1148公裡（幾乎相當於從北京到上海的空中直線距離）
3 充電次數和位置：
去程：Firebough充電一次，Kettleman City充電一次；
回程：Kettleman City充電一次；
4 人類司機接管次數和場景：
去程：兩次進出充電站分別進行了人工接管，進入洛杉磯市內為了規避路面不明障礙物進行了人工接管。共三次；
回程：一次進出充電站進行了人工接管。共一次。
從以上的信息整合，再根據兩次完整的全程視頻（倍速）可以看到，在這個共分兩段，總計1148公裡的長途距離旅行中，真正需要人工接管的次數就只有發生在去程並進入洛杉磯市區的那一次，而且那一次也是因為駕駛員主動介入（並非是FSD完全處理不了這個規避動作）。而一共三次的充電過程中的人工幹預，在小編看來也並非是FSD無法處理，更多的原因一個是因為駕駛員趕路，另一個是因為特斯拉的超級充電站點內部的語義信息也不會完善到直接和Tesla現有的Google Map導航地圖進行對接的地步（使用者無法定位到具體可用的充電站位）。
直觀上，我們可以看看具體的路線，如下:
【去程，593公裡，充電兩次】
【回程，555公裡，充電一次】
因為有完整的來迴路程的完整視頻（駕駛艙角度）佐證，所以全程零幹預的結論是可以信任的。只是沒有選擇走海邊的101公路有點遺憾（沒能看到美麗的西海岸公路和大海），估計路程是Tesla的Google Map自動規劃的，需要根據當前車輛的電池容量和消耗速度來兼顧最便利的充電站，所以在往返的路程都沒選擇101公路。道路狀況分兩種情況，城際之間肯定是以封閉高速公路為主的（美帝的這個路段上的高速車輛並不算少）；而城市內部道路分城市快速路，和一部分社區的開放道路。典型路貌和路況如下：（小編在文末提供了視頻來源，有興趣的讀者可以去看）
上圖為典型的社區道路環境，可以通過Tesla車內主屏幕的UI風格來看，他是處於本次小規模測試的FSD風格。請讀者注意，此時Model 3所經過的路段也就是返程那一段的起點，LA的霍桑。SpaceX的總部就在這裡，請注意行車方向左側的兩個紅色箭頭，一個是SpaceX總裝廠房（Elon Musk在搬家去德州之前大部分時間都在這裡辦公），另一個是矗立在十字路口的獵鷹九返回式火箭的第一級（處於支架打開狀態，是霍桑當地的航天迷網紅地）。
上圖顯示為城際公路所顯示的高速公路路況和路貌典型照片，Tesla車內的主屏幕UI內顯示，FSD恢復到常規風格（上圖主車正在進行換道操作）。
上圖顯示在Kettleman City內一個特斯拉的超級充電站內，人類駕駛員進行手動操作的狀態。只有在車輛非常接近超級充電站大門的時候，駕駛員才進行接管。
綜上從全程的視頻來看，以及小編最近一段時間看過所有的FSD實際道路測試視頻來看，美國的道路特點主要是以下幾個：
路況雖然不簡單。路況不簡單是指很多城際高速公路和城市內的主幹道，車流量還是非常繁忙的，不是我們想像的地廣人稀車流少的狀態；但道路結構簡單且具備較高的一致性。雖然車流量不低，但是美國的道路結構構成還是保持了很高的一致性，比如各種路口（十字路口、丁字路口、帶 Stop 標誌的十字和丁字路口、環形路口），和其配套的交通燈和地面指示牌，一致性很高，很少看到千奇百怪非規範的樣子；在道路環境中非機動車包括行人的參與目標非常稀少。除了極個別的大城市內的商業中心或者特色地段（比如唐人街）以外，非機動車，包含路內行人、自行車、非機動車的數量和密度非常少見；
綜合以上的直觀感覺，尤其在美國西部基建相對完整的區域（說西部是因為截至目前大部分的FSD測試視頻都是來自LA和Sanjose西部城市），美國人的道路結構總的複雜度比較低、且非機動車的道路參與度比較低，這是他們的優勢。客觀上由於道路結構及基建多樣性所引發的corner cases機率就不應該太高，這是個客觀的環境基礎。那麼從主觀上，號稱FSD的Autopilot版本在兩個月出頭的時間段內，已經出了8個迭代版本（不完全統計，可能更多）。這個迭代速度是遠遠高於Autopilot商用版本的正常迭代速度的（一般是一個月兩個版本），這也是為什麼我們大量觀察到Tesla車輛自動駕駛行為越來越像人類的原因，實地駕駛——搜集數據——自動化標註——模型訓練——OTA更新投入使用——實地駕駛……大閉環下，迭代次數越多，理論上模型性能就越好。不管這個模型是用於識別、預測還是控制等各種模塊上，都應該遵循這個規律。
和FSD版本小範圍規模測試的同時（Tesla官方指定了被推送的車輛和註冊駕駛員），按照官方說法，在Tesla的雲端同步部署了Dojo訓練系統，或者叫做模擬仿真系統。Tesla車輛自動駕駛行為非常接近於人類駕駛員的表象，可能和背後的Dojo系統的工作方式有很大關係。在理論上，Tesla龐大的物理車隊基礎和Shadow mode陰影模式，可以在三個方面保障Dojo的訓練效率，至少包含以下：
足夠數量的現場駕駛數據，來自於 Shadow mode 和 FSD 測試時開放測試人員的手動上報方式；足夠的數據標註手段，Shadow mode 本身上報的就是標註好的數據。以及在 FSD 階段需要駕駛員主動上報 corner case 情況的技術通道，參見下圖；足夠的 Dojo 物理計算資源。
目前看，這是Tesla具備，但其它自動駕駛系統研發企業所不具備的優勢。
【FSD測試計劃中的駕駛員，會在遇到FSD無法處理或者處理極限問題的結果不能令人滿意的時候，主動觸發上圖中的攝像機標記，從而通知後臺FSD將當前的必要數據打成Snapshot，並在之後WiFi條件具備的時候上傳給Dojo。】
所以，我們不難理解以上三點保障的前提下，後臺Dojo系統會如何幫助FSD的駕駛決策和表現越來越像人類司機：
丁字路口由 Stop 標誌控制時，Tesla 車輛會在路口的入口處執行「探頭」和「爬行」操作，和人類一樣在尋找最佳切入時機；十字路口右轉和行人爭奪斑馬線行人道使用權，表象也是通過「爬行」緩慢切入行人道，從而在通過和安全中找到平衡；左轉無保護路口，如果不是第一輛排隊待轉時，會略微左轉偏出車頭，有人推測是為了更好的前車和前前車的觀察視野（待考證）；在 FSD 的版本迭代中，明顯發現對於應對美國普遍的環形路口的通過成功率和堅決度，越來越成熟。不大會出現自動駕駛常見的「極度遲滯」現象。
顯然這一切行為表象不應該（不是不可能）是由C++硬代碼來固化人類邏輯從而植入FSD系統的，而是基於大量人類行為模型化之後真正的NN訓練的結果。Elon Musk在12月初在德國參與訪談節目的時候說，根據他們的觀察，FSD的當前狀態表明，可以確保Tesla在2021年推出99.9%可靠的自動駕駛系統，但監管體系和機制不明、政策和相關法律不明，是他們所無法掌控的。Elon musk篤信的是，自動駕駛技術的進步是個漸進過程，而非一蹴而就。先別說Autopilot是否能夠達到SAE所定義的Level-4/5，那個並沒有實際意義。因為背後深藏不露的立法者都沒給出個實際可以量化的標準，那麼爭論Autopilot是否真正的Autopilot、FSD是否真的FSD就意義不大了。真正的問題和勇氣在於不能停下腳步坐等技術自然成熟，而是承擔相當的風險去在遊泳中學習遊泳，最終達成目標。
當然，讀者需要注意的是，我們雖然在談到Autopilot系統的時候言必稱Dojo，實際上Elon Musk也只是僅僅給了Dojo系統存在的說法而已，我們並沒有看到真正Dojo存在並且發揮實效的證據。雖然今天的Tesla的Model 3可以縱跨一千多公裡從聖何塞到洛杉磯再順利返回而只有一次人工幹預，但這不代表FSD已經可以在99.9%的概率上去接管車輛而確保穩定性。Corner case的殺傷力體現在，只要一次，就有可能要了駕駛員的命，或者開發公司的命（可以參考Uber Auto在亞利桑那測試致死案後的崩潰）。每一位Tesla車輛擁有者必須清楚的一個事實是，你在享受Level-2 Autopilot給你帶來的有限的便利的同時，你實際是面臨一個更加惡劣的個人安全環境：懈怠、麻木和習慣了把安全交給機器的習慣隨時有可能導致無法挽回的事故。
那麼Dojo可以改變這一切而最終帶我們進入Level-5的境界嗎？小編說，這只是希望，這只是一條理論上、部分實踐上走得最遠的一個選擇。推翻固化人類經驗的C++代碼，在實際銷售車輛上獲取海量數據並有不錯的自動化標註手段，如果Dojo真的那麼強大可以不斷完成NN的快速訓練、測試和迭代，那麼我們就有理由…..
期待完全自動駕駛這一天儘快到來，更期待在遊泳過程中的代價不要太大。
備註：
1 題圖來自網際網路搜索；
2 文中插圖1/2來自於Google Map的截圖；
3 文中插圖3/4/5為帳戶@whole Mars Catalog在YouTube上的視頻相關截圖，URL，https://www.youtube.com/watch?v=XPrsRM2cxGs&t=260s；
4 文中插圖6來自於帳戶@greentheonly的推文截圖；
5 文中插圖7來自於Elon Musk參加Axel Springer頒獎是的訪談對話部分內容；
- End -