深度神經(jīng)元網(wǎng)絡(luò)VS激光雷達(dá) 兩者孰優(yōu)孰劣？

全球汽車快訊 據(jù)外媒報(bào)道，在自動駕駛領(lǐng)域，特斯拉可謂獨(dú)樹一幟。該公司致力于研發(fā)計(jì)算機(jī)視覺和人工神經(jīng)元網(wǎng)絡(luò)技術(shù)，旨在解決與自動駕駛車輛相關(guān)的挑戰(zhàn)。

盡管豐田、谷歌、優(yōu)步、福特和通用汽車都致力于采用激光雷達(dá)技術(shù)，但特斯拉卻總是高調(diào)地宣稱，激光雷達(dá)永遠(yuǎn)也不會成為解決問題的途徑。

特斯拉首席執(zhí)行官——埃隆·馬斯克有句名言：“（采用）激光雷達(dá)是徒勞的，任何依賴激光雷達(dá)的公司都注定要失敗?！?/p>

那么，準(zhǔn)確地說，激光雷達(dá)的瑕疵和計(jì)算機(jī)視覺最大的優(yōu)勢是什么呢？

阿基琉斯之踵——激光雷達(dá)的致命弱點(diǎn)

即使將測距精確到毫米級，激光雷達(dá)的表現(xiàn)也極為高效。然而，在面對移動的物體時，該技術(shù)的表現(xiàn)就沒那么高效了。

據(jù)特斯拉人工智能部門的資深總監(jiān)——安德烈·卡帕西（AndrejKarpathy）透露，激光雷達(dá)無法區(qū)分塑料袋和路面上減速帶，這會造成安全隱患：在駛向減速帶時，車輛需要減速，然后才能輕松通過該塑料減速帶（避免顛簸）。

此外，直到目前為止，激光雷達(dá)技術(shù)的產(chǎn)品成本依然極為昂貴，這就產(chǎn)生了一個問題：若一款車型同時搭載多個激光雷達(dá)，那么該車型的成本效益就低了。

盡管存在諸多瑕疵，但激光雷達(dá)相關(guān)的最大挑戰(zhàn)源自于3D高清地圖——后者是一項(xiàng)不可或缺的重要技術(shù)，若無3D高清地圖的配合，自動駕駛無從談起。

這類地圖創(chuàng)建的3D街景視圖（建模）同樣是自動駕駛及其安全性所需的技術(shù)，且只能與谷歌持續(xù)更新的3D高清地圖協(xié)同使用。

然而，哪怕是繪制一厘米的街景圖，也需要消耗大量資源，且從金錢角度看，該任務(wù)的花費(fèi)不菲。這表明，搭載激光雷達(dá)的車輛只能在已繪有地圖的限定區(qū)域內(nèi)行駛，這就極大地限制了自動駕駛車輛出行的覆蓋范圍。

特斯拉的非傳統(tǒng)技術(shù)路徑

特斯拉是全球最大的電動車制造商，其采用的技術(shù)路徑也與其他競爭對手截然不同。該公司希望賦予車輛“視覺”能力，使車輛能夠像人類那般完成駕駛操控。

與競爭對手不同，特斯拉并未采用激光雷達(dá)。相反，該公司致力于研發(fā)先進(jìn)駕駛員輔助系統(tǒng)（AdvancedDriver Assistance System，ADAS）或半自動駕駛系統(tǒng)（semi－auto pilot），該系統(tǒng)與攝像頭與雷達(dá)整合系統(tǒng)協(xié)同使用。（最近，特斯拉車輛在升級系統(tǒng)后可使用純攝像頭系統(tǒng)。）

攝像頭與雷達(dá)的整合能夠?yàn)樗惴ㄌ峁┧璧匿浫霐?shù)據(jù)，從而創(chuàng)建車輛周邊的地圖，其采用計(jì)算機(jī)視覺及基于人工智能的算法來做駕駛決策，幾乎像逆向工程設(shè)計(jì)的人類視覺。

特斯拉采用8個攝像頭＋雷達(dá)的矩陣套件，從而實(shí)現(xiàn)自動駕駛、自動泊車、車道居中控制、自適應(yīng)巡航控制及便道等功能。

特斯拉車輛的車載軟件則基于深度學(xué)習(xí)算法，其嘗試在函數(shù)中研發(fā)高等神經(jīng)元網(wǎng)絡(luò)，起到與人類視覺系統(tǒng)相類似的作用，這就需要從車輛的周邊環(huán)境采集純視頻輸入。

然后，這類神經(jīng)元網(wǎng)絡(luò)就會對道路、路標(biāo)、行人、減速帶、障礙物及其他車輛的視頻輸入加以分析。

純計(jì)算機(jī)視覺所面臨的主要爭議在于：在沒有激光雷達(dá)和雷達(dá)設(shè)備的輔助下，我們無法確定神經(jīng)元網(wǎng)絡(luò)能否精準(zhǔn)地測距并完成深度預(yù)測。

為解決該問題，特斯拉一直在訓(xùn)練其神經(jīng)元網(wǎng)絡(luò)，為其輸入從全球特斯拉車輛所采集來的視頻數(shù)據(jù)集。在自動算法及人工監(jiān)督的輔助下，完成對上述視頻的標(biāo)識工作。

安德烈在2021年計(jì)算機(jī)視覺與模式識別國際會議（ComputerVision and Pattern Recognition Conference 2021）上對上述內(nèi)容進(jìn)行了詳細(xì)闡述。他向觀眾透露，在算法培訓(xùn)所用數(shù)據(jù)集的開發(fā)過程中，其團(tuán)隊(duì)識別了200余種觸發(fā)器，暗示目標(biāo)物探測仍需調(diào)整。

這類觸發(fā)器將造成探測結(jié)果之間出現(xiàn)不一致。為此，特斯拉不得不再花了四個月時間，修復(fù)每一個觸發(fā)器。特斯拉還采用了超級計(jì)算機(jī)來訓(xùn)練深度學(xué)習(xí)建模并實(shí)現(xiàn)優(yōu)化調(diào)節(jié)。

特斯拉的首要目的是研發(fā)一款類似于人類視覺系統(tǒng)的自主計(jì)算機(jī)通用性視覺系統(tǒng)及一套可全面發(fā)揮Autopilot車載系統(tǒng)性能的算法。

如今，特斯拉只是將此視為監(jiān)督式學(xué)習(xí)的一個問題。公司已經(jīng)提升了卷積神經(jīng)元網(wǎng)絡(luò)的性能，期望未來的車輛能夠基于計(jì)算機(jī)視覺技術(shù)來完成操控及車輛的運(yùn)行。

從另一方面講，激光雷達(dá)技術(shù)所取得的進(jìn)展也并不令人興奮。除了持續(xù)滑落的售價外，激光雷達(dá)在地圖繪制方面所取得的進(jìn)展并不大，更遑論還有其他瑕疵。

因此，就讓我們懷著激動的心情拭目以待——看看特斯拉的技術(shù)路徑能否在未來取得出色表現(xiàn)？屆時再看看激光雷達(dá)能否在通過自我技術(shù)革新來消除其短板？（本文為編譯作品，所用英文原文和圖片選自analyticsindiamag）