发表于 2019-04-23 15:18 IP属地:江西
特斯拉坚定地选择计算机视觉
团队取得的这些成绩,也让这位 CEO 再度发出豪言:“任何使用激光雷达的自动驾驶公司注定失败(doomed)”。
而在软件算法的部分,特斯拉人工智能和自动驾驶视觉总监 Andrej Karpathy 罕见登场。这位李飞飞的高徒在斯坦福 AI 实验室攻读博士期间就已声名远扬,后加入 Open AI,特斯拉正是看中他在计算机视觉领域内的深厚技术积累,才将其任命为人工智能部门主管。
这位 AI 大牛在特斯拉的主要工作是训练 FSD 以及神经网络信息处理。Andrej Karpathy 的现场演讲展示了早期将神经网络部署在真实世界中训练的重要性,比如说,特斯拉的每一位司机其实都参与到了神经网络的训练中,每一个新手都将为特斯拉的自动驾驶系统喂入新的数据。而且,Karpathy 认为,在神经网络的训练中,和数据的规模相比,数据的质量更加重要,特斯拉的原始数据集也可能是全球最有价值的,因为特斯拉拥有全球范围的车队,可以提供各种环境、天气条件的数据,还会收集车辆的异常道路表现数据。在数据的标注上,特斯拉也正在尝试自动化标注的方向。
Andrej 强调特斯拉非常依赖视觉传感器,特斯拉的 AI 软件能够处理来自视觉传感器收集到的车道线、交通、行人等信息,将这些信号与已知的物体进行匹配再最终作出决策。
他同样对比了激光雷达(Lidar)方案和计算机视觉方案的优劣,而且显然也和马斯克一样是计算机视觉派:“某种意义上,Lidar 是一个捷径。它回避了对自动驾驶非常重要的视觉识别基本问题,给人一种虚假的技术进步了的感觉”。他表示,和 Lidar 相比,特斯拉更加依赖计算机视觉,并将收到的视觉信息进行 3D 渲染,涵盖视频输入到深度感知。
也就是说,特斯拉认为,摄像头+数据+神经网络,足以挑战 Lidar。如此认定计算机视觉嫌弃 Lidar,这种选择现阶段这在业内也非常罕见,绝大多数业者还是采用 Lidar 的方案或者 Lidar+计算机视觉,因为目前的纯计算机视觉方案在安全性的保障上仍有一定风险。