深度解析:Tesla自動駕駛的前世今生 (中)

2020-12-16 雷鋒網

雷鋒網按:本文作者Ryan Woo,曾擔任中科院計算技術研究所互動設計師,現在矽谷擔任計算機軟體工程師。原文載於知乎,雷鋒網(公眾號:雷鋒網)已獲授權。本文是《Tesla自動駕駛的前世今生》的中篇。

Tesla自動駕駛1.0:是遊刃有餘還是如履薄冰?

說完了Tesla自動輔助駕駛技術的來源,我們現在來看看Tesla的自動輔助駕駛是怎樣一種技術,又是如何煉成的?

首先,我們不妨回顧一下目前業界對車自動駕駛等級的定義。

參照美國的標準,其中NHTSA是美國國家公路交通安全管理局,SAE是美國汽車工程師協會

(圖片來源:www.cheyun.com

目前Tesla的自動輔助駕駛Autopilot達到了第二級,部分實現了第三級功能,在向完整實現第三級乃至第四級邁進。

| Lidar,攝像頭和雷達之間的區別

同時目前業界和學術界對自動駕駛的實現方法來說主流是攝像頭和Lidar,雷達都是作為輔助信號。

Lidar,攝像頭,雷達之間有什麼區別呢?對此非專業研究自動駕駛的筆者只能簡單介紹一下Lidar,俗稱的雷射雷達:

攝像頭,以Mobileye舉例就是特殊定製的單色攝像頭,位於車頂玻璃上方:

而雷達,則是分布於車四周以及前方的雷達探測點:

在很多自動駕駛開發平臺上,往往是綜合運用這三者,然後通過相應的軟體算法去處理這些設備收集而來的數據。

雷達穿透力很強,不受雨霧等環境影響,也不受限於光線,但是生成的3D環境圖在Tesla 8.0自動輔助駕駛公布之前並沒有多少實際應用範例

Lidar穿透力其次,可以生成3D影像圖,但是成本巨大,甚至達到整車的成本,同時體積也是個需要解決的問題,多為學術界和研究時的標配,在量產路上還需要很長的時間,此外Lidar由於是可見光域,所以也受到雨,塵埃,霧的影響,同時反射效果並不強。

攝像頭沒有穿透力,需要光線,只能獲取2D圖像,3D環境建模只能靠算法理解,一旦獲取的圖形有誤差,會極大地影響最終分析結果,好處當然是成本非常低,而且技術普遍被工業界研究,例如Mobileye,NVIDIA等圖像識別巨擎。

Tesla的自動駕駛方案

簡單分析完三種技術的優劣,我們來看Tesla的自動駕駛方案,下面的截圖來自於Tesla 自動駕駛部門負責人Sterling Anderson在2016年5月於MIT的演講。

Sterling一上臺就開門見山的說Tesla為什麼要搞自動駕駛:

為了「更快地推進世界向可持續能源前進」,這個願景被轉化成兩個目標:

  • 讓我們的交通資源更高效

  • 讓我們更高效的使用目前的交通資源

所以第一條便是指Tesla的電動車,電能存儲等。

第二條便是對應的自動駕駛系統,正是目前低效的駕駛系統和各種人為失誤導致每年單在美國就有3萬3千人喪生,55億個小時被堵車浪費掉,同時還需要2740平方公裡用來作停車場。

Tesla 目前在Model S和Model X上面採用的自動輔助駕駛系統集成了12個超聲波傳感器,用來識別周圍環境:

一個前置攝像頭,用來辨識前方物體:

一個前置雷達,用來辨識前方物體:

以及衛星高精度地圖:

接下來的部分便十分有趣,Tesla雖然在所有車上面內置了自動輔助駕駛的硬體,但是真正把完整的自動輔助駕駛交給用戶其實是一個不短的過程,而這其中促成這一切的關鍵是OTA的空中更新——最初的Tesla只是擁有道路輔助警告,依靠每一輛Tesla都擁有免費的無線3G/4G LTE網絡,通過OTA來獲取最新的軟體和功能進一步擴展輔助駕駛的潛力:

2014年10月在所有Tesla車型上面安裝自動輔助駕駛硬體(6.0系統)


2014年11月開啟道路偏離警告和速度提示(通過攝像頭讀取路邊車速牌)


2014年12月開啟自適應定速巡航系統以及前方碰撞預警


2015年3月開啟自動緊急剎車和盲點預警


2015年10月開啟自動方向盤接管,側方位碰撞躲避和一字位自動停車,真正意義上實現了自動

輔助駕駛功能(正式啟用7.0系統)


2016年1月開啟十字位停車,彎道車速適應以及召喚進出車庫(7.1系統)

所以我們口中的 Tesla 自動輔助駕駛其實是一整套套件的合集,Tesla 每次開放一點,最後完整成一體才有了我們現在看到的自動輔助駕駛 Autopilot。這其中每一次更新都經過了內部測試、封測、路測、驗證以及更新到實際 Tesla 車隊,再通過車隊反饋數據進一步加強自動輔助駕駛。

Tesla與Google,Apple無人駕駛發展戰略的區別

所以不同於Google、Apple目前閉門造車搞無人駕駛,Tesla 是採用了一種迭代和漸進式的方式來逐步實現真正意義上的無人駕駛,兩種方式各有優劣,後面會進一步分析。

接下來的內容更加有趣,這張關於車隊學習幻燈片介紹了幾個重要數據——

從自動輔助駕駛硬體開始收集道路數據開始到2016年5月,Tesla收集了12億五千萬公裡的數據;


從自動輔助駕駛激活到2016年5月,Tesla收集了1億6千萬公裡的自動駕駛數據;


車隊每天會記錄420萬公裡裡程數據(現在這個數據已經擴大到500萬公裡),只需要大約6小時便可以收集100萬公裡數據;


Tesla非常聰明的一點是在2014年10月之後的車身上全面安裝了自動輔助駕駛硬體,即便是你沒有花錢激活自動輔助駕駛功能,你的車一樣會在路上搜集數據。

這是個什麼概念?

Google的自動駕駛汽車,從立項到現在4年一共也就積累了不到250萬公裡的數據。 Tesla只需要15個小時便達到了...... 這指數級的差別註定了對後面Tesla 8.0更新的大換血埋下了伏筆。

Sterling專門舉例說Tesla的自動輔助駕駛性能,從最初不如人工駕駛到目前遠超人工駕駛全靠一步一步地通過真實數據去對比和學習。下面是Tesla 自動輔助駕駛一個月中的數據對比:自動輔助駕駛時,Tesla可以更長時間保持在道路中心,對比人工駕駛只有不到1/3的時間能做到完全居中,差別非常顯著。

說完了理論依據,我們再看看實際上路的表現,這裡附上外媒對Tesla 自動輔助駕駛和其他車商類似自動輔助駕駛的對比和評測:

1. The War For Autonomous Driving: 2017 Mercedes-Benz E-Class VS. 2017 Tesla Model S

2. Semi-Autonomous Cars Compared! Tesla vs. BMW, Mercedes, and Infiniti

3. Hands off

4. Testing (Semi) Autonomous Cars With Tesla, Cadillac, Hyundai, and Mercedes

上述測試中翔實的測試數據和結論足夠我再寫一篇長文分析了,由於時間原因,只作部分摘錄和翻譯。

在上面autofil的測試中,測試者發現奔馳E200的自動輔助駕駛有非常嚴重的漂移現象。

在過一個大彎的途中:


奔馳在自動輔助駕駛中越過了道路中央的黃線,並且跑到了逆行車道,我們不得不人工把車調回來,因為車完全沒意識到自己已經逆向行駛。


Tesla始終保持在黃線內測,無需人工幹預。


小彎道:


奔馳在行駛中滑出了道路白線,並且完全沒有修正企圖。


Tesla很輕鬆就保持在道路中心。


下一個彎道中,奔馳繼續滑出了黃線,而Tesla繼續保持領先。


最後我們高速通過彎道:


我們放開讓汽車自己控制,不出意外,奔馳繼續滑出了黃線,奔向了逆行車道。


Tesla雖然有點擦線,但是它依然保持在道內並且減速後順利通過了彎道,我們沒有人工幹預。

對比全程的結論——

Steering Wheel warning:車輛發出的掌握方向盤預警

Driver input:手工幹預次數

the drive的結論:


Benz Drive Pilot: The only good thing about Drive Pilot is that your Mercedes will protect you from it. Did I trust it? Only at a crawl. Did I understand it? I don’t understand how Mercedes-Benz could release this to the public. I hated literally everything about it. It drove like a drunk ten year old, fighting for the wheel with a drunk fourteen year old. It was, in most conditions, dangerous.

奔馳Drive Pilot:唯一值得一提的是這系統會想方設法保護你不要用它... 我能否信任它?一丟丟而已。我能否理解它?我完全無法理解奔馳怎麼能把這樣一個系統發布給公眾。基本從頭到尾都讓人厭惡,它開起來就像一個喝醉酒的10歲小屁孩,跟一個10歲的醉酒小青年搶方向盤。在大多數情況中,它開得太危險。


Autopilot: I loved it. A few hours in and one begins to learn a dance between looking out the window, looking at the display and using the stalk to manage speed. Once mastered, the pedals become largely unnecessary. It drives like a very good second year teenage license holder who really wants impress, and is getting better all the time.

It's definitely safer than a human driver alone, assuming you use it as intended. Without a doubt, it is the best ADAS system on the market. It’s incredible Level 2, but also a facsimile of Level 3 without sufficient advance warnings, which is where problems have risen. Ignore the warnings like a child and you will be disappointed, or worse. Heed the warnings like an adult, and it’s the best thing on the market.


Tesla的Autopilot: 我喜歡它,嘗試幾個小時後就能享受它帶來的便捷。看著窗外的風景,調節調節駕駛參數。一旦掌握了要點,油門變得不再那麼重要。它開起來就像是一個有著良好駕駛培訓的少年非常想讓你感到印象深刻,也確實開得越來越好。


如果在正確環境下使用,它確實比單純人工開車感到安全。在目前ADAS市場上,是無需質疑的最佳系統。它達到了無人駕駛第二級水準,擁有部分第三級的潛力。但是由於預警信息還不完全到位,最好別期望能完全達到第三級。作為一個成年人去合理甄別這些提示信息,你會發現這是市場上最好的系統。

在此就用一張圖來總結,請自行腦補:

今天上午,Elon Musk發布了關於Tesla 8.0升級中的Autopilot ,接下來文章將會探討8.0時代的Autopilot ,以及,8.0的發布為什麼意味著Tesla與Mobileye正式分道揚鑣?請關注雷鋒網接下來的文章。

雷鋒網原創文章,未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • 深度揭密:華為自動駕駛雲服務Octopus,一隻八爪魚的前世今生
    大會現場,我們用金字塔圖描繪了智能汽車解決方案的五大業務板塊:智能網聯、智能駕駛、智能座艙、智能電動、雲服務。而自動駕駛雲服務Octopus(八爪魚)就位於這張金字塔圖的塔尖,今天,小編今天就帶大家深度探索這隻"八爪魚"的前世今生。
  • 全面解析特斯拉無人駕駛戰略:控制論與資訊理論、Tesla-NVIDIA體系及...
    美國當地時間10月19日,Tesla發布聲明稱,包括還未上市的Model 3在內,目前工廠在產的特斯拉汽車都將全部配備能夠實現完全自動駕駛(full self-driving capability)的硬體。
  • 自動駕駛功能=「詐騙」?說明你不懂它!深度解析自動駕駛功能!
    同時,國際汽車工程師學會(SAEInternational)於2014年發布了自動駕駛的六級分類體系,其中L3級才能讓駕駛員不掌控車輛,使之自動駕駛!而在現實情況中,廠家宣傳達到L3級的車型目前有現款奧迪A8L,但實際駕駛中,駕駛員一定不會完全放任車輛完全自動駕駛!
  • 雲發育論壇第20講:大咖為你解析前列腺(癌)的前世今生
    雲發育論壇第20講:大咖為你解析前列腺(癌)的前世今生 2020-09-17 17:15 來源:澎湃新聞·澎湃號·政務
  • 深度解析自動駕駛行為預測和規劃
    本文開發了一種多模態架構,完成自我環境(ego surrounding)建模,並訓練深度強化學習(DRL)的代理,其在隨機高速公路駕駛場景保持一致性。為此,將自我環境的佔用網格(occupancy grid)饋送到DRL代理獲得高級串行命令(即車道變換)發送到較低級別的控制器中。
  • 深度:自動駕駛特斯拉背後核心技術解析
    說起特斯拉,大家可能立馬會想到今年 5 月份發生在特斯拉 Model S 自動駕駛上的一宗奪命車禍。初步的調查表明,在強烈的日照條件下,駕駛員和自動駕駛系統都未能注意到牽引式掛車的白色車身,因此未能及時啟動剎車系統。
  • 向自動駕駛又跨進一步,Tesla推出了自動駕駛導航功能
    特斯拉正在推出自動駕駛功能導航。特斯拉CEO埃隆馬斯克(Elon Musk)上周五晚發布的一條推特消息稱,北美的一些特斯拉車主將會收到一項新的司機輔助功能。「特斯拉自動駕駛導航功能將於今晚在北美地區正式發布」馬斯克在推特上說。特斯拉的自動駕導航駛被公司描述為迄今為止最先進的駕駛員輔助功能。這一功能被稱為「自動駕駛導航」(navigation on Autopilot)或「導航」(just navigation)。
  • 今生的夫妻是前世情人,今生的情人是前世夫妻:善待每一份相遇!
    夫妻,是前世的情人。之所以今生做夫妻,是因為前世欠了你的情債,今生是來報恩的。所以才會今生跟你一起扛起生活的重擔,共同經歷生活一路的風風雨雨,忍受你的壞脾氣,照顧你,心疼你,呵護你,陪伴你,怕你冷,怕你熱,懂得你的不易,心疼你的安危,為的就是感恩你在前世修給她的一份深情的愛。不論是情人還是夫妻,因都在前世。
  • 前世今生因果輪迴
    世界如此之大無奇不有,我們生活在這美好的世界裡,人生在世是否真的會有前世與今生。每一個人都在猜想,都在找答案。如果真的有前世,就會想到有沒有來世。前世與今生如果真的還有今生,那麼今生無法報答的恩情等到來世再報 。人世間是如此美好,今生修來的福分是前世的因果。好人必有好報。前世的因果,決定了今生的命運。
  • 花中皇后的「前世今生」
    花中皇后的「前世今生」 2020-05-26 21:09 來源:澎湃新聞·澎湃號·政務
  • 廖閱鵬:前世今生催眠曲,帶你夢回前世,總結今生!
    最近在最右上,看到了一則消息,許多人聽了廖閱鵬的前世今生催眠曲,都看到了自己的前世,我覺得很神奇,便趁著月黑風高之夜,孤身一人躲在被窩裡,悄悄的打開了喜馬拉雅收音機,點開了前世今生催眠曲,帶上耳機,準備一場穿越之旅。
  • Waymo和Tesla,誰能代表全球自動駕駛最高水平?
    一個小細節是,去年年底,Wymo去掉了坐在駕駛位上應對突發狀況的安全員,但在今天的正式商業化運營中,這些安全員又坐回了駕駛位,原因是「乘客覺得方向盤後沒有人還是會緊張」。WymoOne是實實在在的全行業第一個實現正式商業化的自動駕駛打車服務。這是不是意味著,過去三年自動駕駛賽道的競爭結束了?Wymo自動駕駛汽車會像Google搜索一樣快速席捲全世界嗎?
  • 輪迴的實證:貝滿中學老師的前世今生
    無獨有偶,在那年又碰到一位通靈的朋友,她看到我前世的情況與臺灣老師看到的情況一一相應,還把我周圍一些朋友和同事的情況查到,居然我們很多人在前世都在一個女子中學工作,也是同事。因為很多人的前世故事中都有抗日戰爭的情節,我們推斷出是在民國30-40年代時候。
  • 【關注】自動駕駛技術與實例最全解析
    3)深度學習法 (a)深度學習,其概念源於人工神經網絡的研究,是機器學習中一種基於對數據進行表徵學習的方法。 (b)深度學習,含多隱層的多層感知器就是一種深度學習結構。
  • 袁勇麟教授暢談協和的前世今生
    《協和的前世今生》專題教育講座 楊競雯/攝談及學院的「今生」,新生入學講座《協和的前世今生》同學認真聽講 劉夢卿/攝新生入學講座《協和的前世今生》同學認真聽講 劉夢卿/攝新生入學講座《協和的前世今生》 國際商學系同學認真聽講座  謝寧靜/攝
  • 自動駕駛LiDAR點雲深度學習綜述
    背景準確的環境感知和精確的定位是自動駕駛汽車在複雜動態環境中能夠進行可靠導航,信息決策以及安全駕駛的關鍵。這兩個任務需要獲取和處理真實環境中的高度準確且信息豐富的數據。LiDAR點雲在自動駕駛領域中的應用可以分為以下兩個方面:1)基於場景理解和目標檢測的實時環境感知和處理;2)基於可靠定位和參考的高精度地圖和城市模型的生成和構建。這些應用具有一些類似的任務,可以大致分為三種類型:點雲分割,三維目標檢測和定位以及三維目標分類和識別。這項技術的發展引發了自動駕駛領域對點雲數據自動處理與分析的日益迫切的需求。
  • [新聞晚報]神秘音頻網上熱傳 "前世今生"音頻實為催眠
    走出洞口後,我發現自己飄在空中,身上纏繞著七色彩帶,下面則是莊嚴輝煌的皇城,街上人來人往一片繁榮……」在天涯社區一名為《千萬不要聽那個前世今生的音頻!!》的帖子中,一位體驗者詳細記敘了她聽完催眠音頻後做的夢,包括在古代邂逅如意郎君、遭黑蜘蛛精追殺、逃難時被天將所救等離奇經歷,最後還看到了死去親人的笑臉。   記者看到,雖然該帖內容看似荒唐,卻有數百網友紛紛回帖評論。
  • 汽車自動駕駛深度報告:自動駕駛提速,布局明日之星
    3 月 9 日,工信部在官網公示《汽車駕駛自動化分級》推薦性國家標準報批稿,該標準規定了汽 車駕駛自動化系統的分級原則和技術要求,為智能網聯汽車發展提供支撐。國際自動駕駛 分級標準大多採用 SAE 分級標準。L3 級別(有條件自動駕駛)是自動駕駛的分水嶺。美 國 L3 級別自動駕駛規定駕駛者可以放開手、放開眼,但不能深度休息,而國內有條件自 動駕駛標準是在某些特定場景下,可以放開手、放開眼。
  • 美團技術解析:自動駕駛中的決策規划算法概述
    引言 在一套完整的自動駕駛系統中,如果將感知模塊比作人的眼睛和耳朵,那麼決策規劃就是自動駕駛的大腦。大腦在接收到傳感器的各種感知信息之後,對當前環境作出分析,然後對底層控制模塊下達指令,這一過程就是決策規劃模塊的主要任務。同時,決策規劃模塊可以處理多麼複雜的場景,也是衡量和評價自動駕駛能力最核心的指標之一[1]。
  • 馬斯克放話:特斯拉「非常接近」實現L5自動駕駛技術,這次吹的牛能...
    7 月 9 日,埃隆·馬斯克(Elon Musk)在上海舉行的世界人工智慧大會(WAIC)的視頻講話中表示,美國電動汽車製造商特斯拉(Tesla Inc.)已「非常接近」實現 5 級自動駕駛技術。