Tesla:特斯拉為什么「拋棄」毫米波雷達

5月25日，特斯拉官方博客宣布，Autopilot正在過渡到基于攝像頭的TeslaVision系統。

從2021年5月起，北美制造的Model3和ModelY將不再配備毫米波雷達，這些車型將通過特斯拉的攝像頭視覺和深度神經網絡來支撐Autopilot、FSD完全自動駕駛和某些主動安全功能。

單價約300人民幣的前向雷達，超45萬輛/年的銷量規模，對于特斯拉的毫米波雷達供應商、頂級Tier1供應商大陸集團而言，中途丟掉一年過億的訂單實在不是個令人愉悅的消息。

去掉毫米波雷達

盡管特斯拉明確說明，計算機視覺和深度神經網絡處理將實現主動安全/Autopilot/FSD的感知需求，但博客一出，各方立刻應聲而動。

美國高速公路安全管理局官網修改了2021款Model3和ModelY的主動安全功能頁面，包括前向防撞預警、防撞自動剎車、動態制動輔助均被明確提示，2021年4月27日后生產的車型不再配備。

特斯拉跌幅擴大至3%:金色財經報道，特斯拉(TSLA.O)跌幅擴大至3%，此前馬斯克的律師要求將推特的審判從10月推遲到11月。[2022/8/31 12:59:10]

與此同時，《消費者報告》宣布暫停將2021款Model3列為「推薦」，美國高速公路安全保險協會取消了Model3曾經TopSafetyPick+的最高安全評級。

簡單總結，特斯拉說我們移除了毫米波雷達，并通過攝像頭實現了雷達之前的能力，但所有人都只聽到了前半句。

在我看來，各大民間和監管的安全機構如今對特斯拉都有些過敏，事實上，如果我們去梳理全球第一大視覺感知供應商Mobileye這些年的耕耘，正是一個將雷達逐步移出汽車主動安全范疇的發展史。

2007年，Mobileye主動安全技術首次進入汽車行業。2010年，融合雷達和攝像頭的MobileyeAEB搭載在沃爾沃品牌量產。2011年，Mobileye純視覺前向防撞預警在寶馬、通用和歐寶品牌量產。2013年，Mobileye純視覺車輛和行人自動緊急制動在寶馬和日產品牌量產。2013年，Mobileye純視覺自適應巡航控制在寶馬品牌量產。2015年，Mobileye純視覺全功能AEB進入多個OEM。

馬斯克11月16日當天賣出了209688股特斯拉股票:11月17日消息，據美國證交會文件，特斯拉CEO埃隆·馬斯克11月16日當天賣出了209688股特斯拉股票，累計出售44.02%的股份。（金十）[2021/11/17 21:56:55]

但事情正在愈演愈烈。特斯拉CEOElonMusk不得不通過Electrek辟謠：所有的主動安全功能都在新下線的車型中有效，NHTSA會在下周對新車型進行重新測試，當前移除雷達的車型是標配這些功能的。

但公眾的質疑并沒有被打消。比如，雷達擅長的對障礙物距離和速度的測量，恰恰是攝像頭的傳統弱勢項目，特斯拉如何解決？

又或者，兩種傳感器怎么也比一種傳感器好吧，即使攝像頭可以做雷達所做的工作，兩種傳感器一起檢測不好嗎？

下面我們就來聊聊這些問題。

計算機視覺+RNN＞雷達？

我們需要先了解雷達的技術原理，以及其在自動駕駛中所扮演的角色。

毫米波雷達，通過發射電磁波信號，接收目標反射信號來獲得車身周圍其他障礙物的相對速度、相對距離、角度、運動方向等。

辟謠：使用比特幣購買特斯拉汽車系設計作品:一位美國推特用戶發出一張圖片，稱美國境內可以使用比特幣購買特斯拉汽車。隨后他在推文中承認這是自己的設計作品，并不是真的。如果特斯拉未來真的支持比特幣支付，自己可以提供設計幫助。[2021/2/11 19:30:51]

通過對上述這些信息的處理，汽車得以配備一系列的主動安全功能，如自適應巡航控制、前向防撞預警、輔助變道、自動跟車甚至盲區檢測等。

那么，特斯拉又如何通過攝像頭獲得上述信息的呢，比如，對前車距離的判斷？

2020年8月21日，Elon在Twitter上表示，通過純視覺進行準確的距離計算是基礎，其他傳感器可以提供幫助，但那不是基礎。他所回復的博文，介紹的正是特斯拉一項名為《EstimatingobjectPropertiesUsingImageData》的專利。

4月13日，特斯拉Model3車主、Facebook分布式AI和機器學習軟件工程師TristanRice「黑」進了Autopilot的固件，揭開了特斯拉通過機器學習取代雷達的技術細節。

比特幣市值升至全球市值資產第7位超越特斯拉:AssetDash數據顯示，目前比特幣市值超過8107.03億美元，與知名公司股票市值相比，排名升至第7位，超越特斯拉（市值現報8078.29億美元）。[2021/2/8 19:15:03]

根據Tristan的說法，從新固件的二進制文件中可以看出，Autopilot的深度神經網絡增加了許多新的輸出，除了現有的xyz輸出外，還包括許多傳統雷達輸出的數據，例如距離、速度和加速度等等。

深度神經網絡可以從一張靜態的圖片中讀取速度和加速度嗎？當然不行。

特斯拉訓練了一個高度精確的RNN，通過15幀照片/秒的、基于時間序列的視頻來預測障礙物的速度和加速度。

RNN又是什么？RNN的關鍵詞是預測。RecurrentNeuralNetwork，循環神經網絡，顧名思義，基于環狀神經網絡傳遞和處理信息，通過「內部記憶」來處理任意時序的輸入序列，以準確預測接下來即將發生的事情。

英偉達的AI博客曾舉過一個經典的例子：假設餐廳供應是菜品規律是不變的，周一漢堡、周二炸玉米餅、周三披薩、周四壽司、周五意面。

對于RNN而言，輸入壽司并尋求「周五吃什么」的答案，Ta將會輸出預測結果：意面。因為RNN已經知道這是一個順序，而周四的菜品剛剛完成，因此接下來是周五的菜品是——意面。

CNBC主持人：LINK是加密界的特斯拉:8月9日消息，CNBC主持人Ran Neuner發推稱，LINK是加密界的特斯拉（TSLA）。[2020/8/9]

對于Autopilot的RNN來說，給到當前汽車周圍的行人、車輛和其他障礙物的移動路徑，RNN就可以預測接下來的移動軌跡，包括位置、速度和加速度。

事實上，在5月25日正式官宣移除雷達的前幾個月，特斯拉一直在將其RNN與全球車隊中的雷達并行運行，通過雷達輸出的正確數據和RNN輸出結果校對，來提升RNN預測的準確性。

多說一句，對于中國交通工況下非常經典的加塞兒處理，特斯拉也通過類似的路線更替實現了更好的表現。

特斯拉AI高級總監AndrejKarpathy在CVPR2021的一次線上演講中透露，對于前車加塞兒識別，特斯拉已經通過深度神經網絡完成對傳統規則算法的替換。

具體來說，Autopilot此前檢測加塞兒基于一個寫死的規則：首先要識別車道線，同時識別和跟蹤前方的車輛，直到檢測到前車速度出現符合加塞兒的閾值水平速度，才執行加塞兒指令。

而如今Autopilot的加塞兒識別移除了這些規則，完全通過RNN基于標注的海量數據做前車的行為預測，如果RNN預測前車將加塞兒，就執行加塞兒指令。

這就是過去幾個月來特斯拉對加塞兒識別取得大幅改進的技術原理。

前文提到的特斯拉專利里詳細解釋了特斯拉訓練RNN的運作形式。

特斯拉會將雷達和激光雷達輸出的正確數據與RNN識別的對象相關聯，以準確估計對象屬性，例如對象距離。

在這個過程中，特斯拉開發了工具使得輔助數據與視覺數據的采集和關聯實現了自動化，無需人工標注。此外，關聯后可以自動生成訓練數據用以訓練RNN，從而實現高度精確地預測對象屬性。

由于特斯拉在全球的車隊規模已經超過100萬輛，特斯拉得以在海量場景數據的訓練下迅速改善其RNN的性能。

而RNN一旦將預測的準確性提升到和雷達輸出結果的同等水平，就會形成相對毫米波雷達的巨大優勢。

這是因為特斯拉Autopilot只搭載了前向雷達，在城市工況下車輛各個方位亂竄的行人、騎自行車和摩托車的人很難全部準確預測。即使是正前方的、在其45°探測范圍內的障礙物，只要兩個障礙物同距離、同速度，Autopilot此前搭載的雷達就無法分辨。

而Autopilot搭載的8顆攝像頭實現了車身周圍的360度覆蓋，其編織的全車BEV鳥瞰神經網絡可以無縫地預測全車任何一個方位的多個障礙物接下來的移動軌跡。

那特斯拉為什么不保留雷達，利用雷達和攝像頭兩種傳感器進行雙重校驗呢？

ElonMusk詳細解釋過他對雷達和攝像頭的看法：

在雷達波長下，現實世界看起來像一個奇怪的幽靈世界。除了金屬，幾乎所有東西都是半透明的。當雷達和視覺感知不一致時，你采信哪一個？視覺具有更高的精度，因此投入兩倍的精力改善視覺比押注兩種傳感器的融合更明智。傳感器的本質是比特流。攝像頭比特/秒的信息量要比雷達和激光雷達高幾個數量級。雷達必須有意義地增加比特流的信號/噪聲，以使其值得集成。隨著視覺處理能力的提高，攝像頭的性能將會遠遠甩開當下的雷達。

這番表態看起來十分微妙。我們此前的文章《特斯拉：我為激光雷達代言》一文中曾經寫到過ElonMusk對毫米波雷達的態度。在上面這番言論中，他同樣沒有「宣判」雷達在特斯拉的死刑。

「雷達必須有意義地增加比特流的信號/噪聲，以使其值得集成。」即將到來的特斯拉Autopilot會搭載成像雷達嗎？

Tags：FSDCVPTeslaFSD幣FSD價格CVP價格CVP幣Tesla幣是什么幣

PEPE