【智驾深谈】特斯拉发布新一代 Autopilot 勇闯 L5,续写冰与火之歌

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介:

12月31日,2016年的最后一天,特斯拉对外宣布,开始在1000辆汽车上推送软件更新,如果一切顺利的话,下周更多的汽车将会接收到升级推送。本次更新包括了Autopilot 的交通感知巡航控制功能、前方碰撞预警和自动转向(Autosteer),其中,Autosteer 是 Autopilot 的旗舰功能,但是目前只能在“低速”下启动。特斯拉对此次升级非常慎重,软件团队在公司的内部视觉团队(特斯拉视觉)、机器学习技术和数据收集车队中加入安全特性后才会展开升级推送。


早在今年10月Autopilot 2 硬件发布时,马斯克曾豪言,要实现L5级别的全自动驾驶,此番软件更新,将能让已经具备硬件能力的 Autopilot 2  用户享有和Autopilot 1 一样广泛的自动驾驶能力。2017年的序幕缓缓展开,马斯克在兑现承诺的路上已经迈出了重要一步。


实现L5级别的全自动驾驶,听来让人振奋和激动。新智元【智驾深谈】特约编辑小猴机器人带来一篇特写《 2016,特斯拉的冰与火之歌》,回顾这家智能驾驶领域独树一帜的企业在2016年所走过的道路,对特斯拉在2017年的发展进行展望。

 

导言


有这样一个角色。他无比的激进,是一列冒着浓烟和烈焰的火车,高速行驶的同时还在飞快的修补自身。他无比的高傲,是一个独自在末世荒野中前进的独行侠,间或有人为伴,大部分时间孤立无援。关于他的评价太多太多,但一个中评都没有,要么极端的爱,爱他爱到献出生命,要么极端的恨,恨到在全世界面前决裂。在汽车工业发展的百年史上,我们从来没有见过哪怕一个类似,他就是特斯拉,行走在冰与火边缘的歌者。


2016年对于特斯拉来讲绝对不平凡,这个初来乍到的小子,这个惟一将自动驾驶量产装车的小子,这个被迫改名辅助驾驶,而后又推出全自动套装的小子,这个跟巨头决裂的小子,走到哪里,都在舆论漩涡的中心。本文基于新智元过去一年的智驾深谈,对特斯拉的2016年做一个总结,谈谈他的致命车祸,谈谈他对自动驾驶的理解,谈谈全自动驾驶系统的必然,带领读者看清这个自动驾驶量产产品的发展之路。毕竟,我们不是针对谁,但在座的各位其实都还只是在做原型,不是吗?


冰之歌:致命车祸是量产与原型的矛盾


“一如既往蓝天白云且风和日丽的天气,一辆横在路上的白色重卡,一个热衷尝试新技术且对此深信不疑的驾驶员,一条笔直到让人犯困的公路,一套尚在完善的自动驾驶系统,车-路-人联手为新锐车企Tesla乃至整个自动驾驶产业“量身定做”了一个大新闻。”


量产与原型产品的最大区别,就是需要考虑成本、可靠性和普适性。这也是为什么特斯拉没有采用激光雷达的原因,贵、不可靠以及受天气影响。而这样的产品设计决策,导致了接连不断的致命车祸,铺天盖地的头条重磅质疑,接踵而至的来自车企和互联网竞品的诋毁之词,联手将特斯拉在炎热的夏季瞬间推入了冰窟之中。


“驾驶员太激进!“

“辅助驾驶跟驾驶员的关系没有处理好!”

“特斯拉缺乏测试甚至新锐企业对传统行业缺乏敬畏!”


致命车祸的当天,我们做了一篇“Tesla致命车祸的必然性:谈自动驾驶的三个命门”,从技术且客观的角度,对车祸进行了比较全面的分析,并且提出车祸发生是因为系统设计的缺陷导致。


事故发生的路段,一看就是事故多发路口,没有信号灯,横向是高速,纵向却有车流汇入,甚至还有对向车辆转弯抢占路权的情况。




下图是三藩CBS电视台给出的交警初步报告,直路飞速行驶的特斯拉毫无减速拦腰撞到了一辆白色重卡的拖车,比头图给出的示例还要惨烈,驾驶舱当时被削平,前进数十米后离开路面,撞击数个围栏,旋转后停下。驾驶员当场毙命,只剩那个手持的播放器还稳健地播放着哈利波特。,驾驶员溜号了,而传感其中的摄像头其实看到了一个大白板而已,毫米波安装太低而超声检测距离太近,然后就有了特斯拉官方博客所说的“Mobileye把卡车当成了蓝天白云,毫米波把卡车当成了路牌,发生了严重事故,被NHTSA调查(可能会召回)。”



 

感知层是这次特斯拉事故的主要原因,在量产性价比和识别效果之间的权衡,让特斯拉选择了比较廉价的传感器组合,传感器配置图如下,图中1是安装在前后保险杠附近的超声波传感器,2是位与挡风玻璃上后视镜下方的Mobileye摄像头,3是安装在前格栅中部的77G毫米波雷达。



 

其中超声波传感器负责检测车辆周围5米以内的障碍物,毫米波雷达负责前端150米以内的障碍物距离和车速。


如果说前面陆续发生的特斯拉事故最终都归类给驾驶员不恰当的使用,这次致命事故,则给正在豪言壮语声称能飞到火星的Elon Musk当头棒喝,也给狂热的自动驾驶业界泼了一大盆冰水,因为在进行事故复盘的时候,做辅助驾驶系统的兄弟们都沉默了,自己手里在研这套系统,遇到这样的极端场景(Corner Case),也很可能搞不定,直接被按住了命门。


冰之歌:致命车祸因为渐进式自动驾驶是伪命题

 



量产成本的考虑不是特斯拉致命车祸的惟一原因,而是长期以来,传统车企和供应商都推崇自底向上逐步推广自动驾驶的方式,这在ADAS和ACC的尝试过程中是合适的,驾驶员的注意力没有释放,出了问题还是会及时接管,因为这些情况下,都还是驾驶员起主导作用。


然而,到了L3也就是部分场景全自动驾驶的时候,还想沿用L2的思路,就一定会出问题,因为这种情况下驾驶员的注意力大部分会转移,而横向辅助LKA等功能又不能完全胜任,系统对现场场景覆盖的空白就会出现,导致事故发生。


对此,我们也做了一篇文章“Tesla再现匝道口致命隐患:谈高精地图和定位的重要性”,来证明L2过渡到L3其实是个伪命题,要想解决问题还是需要全自动驾驶中的部分甚至全部技术,比如高精地图和定位。


目前很多L3系统设计有且仅有视觉识别车道线进行横向相对定位,一旦识别误判,会导致车辆剧烈调整转向,严重可导致失控。一种直接的解决办法是引入为L4中核心的高精地图和定位方法,降低定位抖动的风险。这篇文章以高速公路匝道口的场景为例,复盘翻车事故,分析事故可能的原因,介绍高精地图和定位的现状,讲解该技术如何能够解决匝道口这种高速上常见然而又非常挑战L3系统的场景。


当时新闻是这样描述的(国内见到一些新闻的翻译有一些问题),大概下午五点钟,天气和能见度都很好的情况下,一个画廊老板在Pennsylvania Turnpike向东行驶,到了Bedford出口附近,突然撞到了右侧护栏,然后又向左横穿过整条高速,撞上中间的水泥隔离带。

 


官方数据显示,截至目前Tesla已经积累过亿里程,从实际测试和网友分享的视频来看,路段中一般不会出现问题,因此我们推测事故发生在匝道口,上图是Bedford周围最可能的一个。


其实大部分L3搞不定缺乏车道线(non-marked)信息的匝道口,由于信息的不透明,广大读者也都不清楚,当然系统的辅助目的也不是为了搞定这个。特斯拉作为新锐企业,用户非常有品牌认可度,因此有大量的用户会乐于尝试AutoPilot,如果缺乏引导(用户往往不会有耐心阅读手册和提醒的),或者恰当的系统设计,是会导致AutoPilot滥用和误用的情况出现。



 

在AutoPilot开启状态时,用户被假设应该随时手扶方向盘,然而现实情况他们往往做不到。就匝道口这个例子来讲,是会有问题的。随手到Youtube上翻一下,就能找到很多用户分享AutoPilot在匝道口偏向辅路行驶的情况。



 

跟传统车企不同,特斯拉乐于倾听用户的反馈,然而匝道口这件事情却一直没有得到很好的反馈。在特斯拉官方论坛上,还能找到许多用户对于偏向辅路行驶的投诉和讨论,里面都不约而同提到“突然”(Sudden),“可怕”(Scary)和“危险”(Dangerous)这些词语,而很多人在下面回复多谢提醒。对于感兴趣且有空逛论坛的车主,算是提了个醒,那么对于那些更多的车主,特斯拉并没有明确提出需要注意匝道口的问题。



 

BusinessInsider还专门撰文对此进行过讨论,在当时也是一度引起关注,然而后续也是不了了之。



 

那么,为什么匝道是L3杀手?ROT给出了两个表面上的解释:一是匝道有时会伴随比较大曲率的道路;二是主路右侧和匝道左侧车道线是一同向前延伸的,Mobileye系统可能会都识别,而选取哪两条线作为参考,则是决策系统需要解决的问题了,可能会选错。解决这两个问题,L4早有经验,那就是高精地图和定位技术,两者缺一不可,共同确定车辆当前所在的车道,哪怕是车道线混淆和缺失的情况,还可以预知前方道路的曲率。


冰之歌:致命车祸是因为算法问题


接二连三事故的发生,让人们对辅助驾驶乃至无人驾驶技术产生了质疑。实际上,自动驾驶向智能化发展的一个重要标志,就是对场景语义理解的逐步递进。同样我们也写了一篇文章专门谈:“Tesla车祸盘点,谈语义分割技术的重要性”。


我们盘点今年以来特斯拉AutoPilot出现的比较严重的车祸,描述车祸现场,并分析其原因。而后引出目前比较火热的无人车研究方向:语义分割,介绍其原理,进展,以及如何利用该技术避免特斯拉类似车祸。


  • 事故1:2016年1月,在中国京港澳高速上,特斯拉轿车直接撞上前方正在作业的道路清扫车;该清扫车停在最左侧边线上。


 


  • 事故2:2016年5月,在美国佛罗里达州北部一个没装红绿灯的十字路口,特斯拉和一辆白色集装箱货车相撞,该货车正在从对向车道进行拐弯操作。



  • 事故3:2016年8月,在德克萨斯州的高速公路上,特斯拉因为未能识别弯道而径自冲出去,从而撞上高速的护栏。

 


  • 事故4:2016年8月,北京的罗先生刚给新买的特斯拉上完牌照,依然因为未能识别左侧路边临时停靠的小汽车而发生剐蹭。


 




对于事故1,在场景模型中,可以很好的分辨出前方左侧停靠的清扫车;另外,对于天空、路面、外侧车道线以及护栏的检测识别,能够进一步对障碍物进行校验。



    

 对于事故4,在场景模型中,左侧停靠的汽车并不会发生漏检;在此基础上,利用场景中其他元素进行校验,自动驾驶应该能够成功完成刹车操作。


火之歌:全自动才是正道

 



12月30日,特斯拉CEO Elon Musk 发文称,特斯拉已经开始推送软件升级,让搭配了第二代Autopilot同时具有更强劲的硬件优势的特斯来汽车具备一代所有的那些功能。从某种程度上来说,他没有食言。


昨天,特斯拉开始在1000辆汽车上推送软件更新,如果一切顺利的话,下周更多的汽车将会接收到升级推送。特斯拉对此次升级格外的谨慎,所以只有少数的车主在不受硬件限制的情况下试用完整的 Autosteer 功能,注意,是新的硬件套装。在接下来数周内,每一位车主应该都会收到升级推送。


此前媒体报道,特斯拉的新Autopilot包含了8个相机、1个雷达和超神波传感器,以及一台新的超级计算机,用于支持其“特斯拉视觉”技术和端到端的图像处理软件和神经网络。当时,特斯拉就一改“辅助驾驶”的口径,称要实现L5级别的全自动驾驶。




新的硬件套装仍然以超声波和前向毫米波雷达为主要传感器,但是,正如此前报道中提到的,全自动驾驶要求有360度的相机覆盖,这是新的传感器套件新增加的一个主要功能,

如前向三摄像头:


 主摄像头:最长距离150米,50°视角;

窄角摄像头:最长距离259米,35°视角;

广角摄像头:最长距离60米,150°视角。




根据特斯拉的消息,本次更新包括了Autopilot 的交通感知巡航控制功能、前方碰撞预警和自动转向(Autosteer),其中,Autosteer 是 Autopilot 的旗舰功能,但是只能在“低速”下启动。


这些功能只有在拥有清晰标记的高速路上才能使用。特斯拉的主要目标是拥有Autopilot 2.0 硬件的特斯拉车主,让他们在交通拥堵的条件下使用,时速控制在35英里以下。


虽然目前 Autopilot  的功能在完整的道路和高速路上能使用,最高速度能达到90英里每小时。但是,特斯拉的软件团队也必须要在公司的内部视觉团队(特斯拉视觉)、机器学习技术和数据收集车队中加入安全功能。


特斯拉预计在2017年年初把这些技术全部加入到新的硬件套装中。 到时候,特斯拉将能实现这些功能的提升,并在二代的Autopilot中的“ Autosteer+”里加入。这些升级在接下的几个月里完成。


尾声


我们应该庆幸,有特斯拉这么一家毁誉参半的企业,持续不断地推动着自动驾驶量产产品的推广, 不然我们中间又有谁能够迈出这一步呢?2016就这样过去了,感谢特斯拉!无比期待2017年即将上演的量产和商业化大战。


文章转自新智元公众号,原文链接

相关文章
|
安全 jenkins 持续交付
Jenkins设置视图权限
Jenkins设置视图权限
|
5月前
|
存储 JSON API
获取Ozon商品详情数据的API接口技术指南
本文详解如何调用Ozon(俄罗斯主流电商平台)API获取商品详情:涵盖开发者注册、API密钥获取、接口调用(GET /v1/product/info)、Python代码实现、JSON数据解析及频率限制、安全等关键注意事项,助力高效集成。(239字)
2007 1
|
人工智能 安全 编译器
华为自研仓颉编程语言将开源,未来与ArkTS同等地位
在2025年华为开发者大会上,华为正式推出HarmonyOS 6 Developer Beta,并宣布仓颉编程语言将于7月30日开源。作为定位下一代的编程语言,仓颉具备高效开发、安全可靠、轻松并发与卓越性能等特性,支持多范式编程与全面工具链,助力鸿蒙生态构建。
819 1
华为自研仓颉编程语言将开源,未来与ArkTS同等地位
|
自动驾驶 物联网 5G
深入探索5G网络中的网络切片技术及其应用场景
深入探索5G网络中的网络切片技术及其应用场景
4432 3
|
机器学习/深度学习 算法 前端开发
集成电路设计:从概念到实现的完整解析优雅草卓伊凡
集成电路设计:从概念到实现的完整解析优雅草卓伊凡
478 2
集成电路设计:从概念到实现的完整解析优雅草卓伊凡
|
机器学习/深度学习 人工智能 自然语言处理
【ACL2024】基于长尾检索知识增强的大语言模型
近日,阿里云人工智能平台PAI与阿里集团安全部内容安全算法团队、华东师范大学何晓丰教授团队合作,在自然语言处理顶级会议ACL2024上发表论文《On the Role of Long-tail Knowledge in Retrieval Augmented Large Language Models》,论文主题为长尾知识检索增强的大语言模型。通过将问题识别为普通可回答和长尾两种性质,让大模型针对性的对长尾问题进行检索文档增强。对于普通可回答的用户提问可以直接通过大模型回答,而不需要进行文档检索增强,从而能增强大模型处理不同类型用户提问的效率。
|
数据可视化 前端开发 数据安全/隐私保护
Streamlit快速构建数据应用程序
【10月更文挑战第21天】Streamlit 是一个开源的 Python 库,用于快速构建数据应用程序。它简化了数据可视化的开发过程,允许用户通过简单的 Python 脚本创建交互式应用,而无需编写复杂的前端代码。本文介绍了 Streamlit 的基本概念、安装方法、示例应用的创建、扩展功能及部署方法,展示了其在 Python 可视化领域的潜力和优势。
|
开发框架 安全 .NET
文件上传漏洞技术总结
该文总结了文件上传技术相关的漏洞和绕过方法,包括语言可解析的后缀(如phtml、pht)、常见的MIME类型、Windows特性(如大小写、ADS流、特殊字符)、0x00截断技巧(需满足PHP版本和magic_quotes_gpc状态)、POST型0x00截断、文件头检查(通过合成图片马绕过)、二次渲染(利用未修改部分插入恶意代码)以及各种服务器的解析漏洞(Apache的.htaccess、解析漏洞,IIS的目录解析、文件解析、默认解析和IIS 7.x/Nginx的畸形解析)。此外,还提到了Java的空字节截断问题。
743 1
文件上传漏洞技术总结
|
Rust 安全 Java
Rust语言在Web后端的应用:基于Actix-web构建高性能、安全可靠的服务器实践
【8月更文挑战第31天】随着互联网的发展,Web应用对性能和安全性要求不断提高。Rust凭借卓越的性能、内存安全及丰富生态,成为构建高性能Web服务器的理想选择。本文通过一个简单示例,展示如何使用Rust和Actix-web框架搭建基本Web服务器,从创建项目到运行服务器全程指导,帮助读者领略Rust在Web后端开发中的强大能力。通过实践,读者可以体验到Rust在性能和安全性方面的优势,以及其在Web开发领域的无限潜力。
1381 0
|
存储 前端开发 Go
golang怎么搭建Websocket聊天室服务端
连接的添加和移除 添加连接: 当一个新的WebSocket连接建立时,服务器需要将这个连接添加到全局的连接列表中。多个连接可能同时建立,从而导致多个并发操作试图修改连接列表。 移除连接: 当一个WebSocket连接断开时,服务器需要将这个连接从全局的连接列表中移除。如果多个连接同时断开,可能会导致并发修改连接列表。
317 0