“硅谷钢铁侠”惹众怒:激光雷达到底配不配做无人车的“眼睛”?

职场故事 阅读(924)
千亿国际登入

“硅谷钢铁侠”引起公众愤怒:激光雷达是否不适合无人驾驶车辆的“眼睛”?

麝香,热衷于“带来仇恨价值”,再一次达到了预期,并为我们提供了4月份的最后一个甜瓜激光雷达傻瓜。

市场上有一种说法:激光雷达是自动驾驶的“眼睛”。换句话说,想要从事自动驾驶的制造商必须首先崇拜激光雷达的“山峰”。

然而,在4月24日的“自治日”产品发布会上,正在粉碎空气的马斯克用枪指着激光雷达。

原来的话是这样的,“激光雷达是一个傻瓜的差事”,白痴只使用激光雷达,现在谁(自动驾驶仪)依赖于激光雷达,那么它就注定了!不要相信走路!

951bce09fec243b3a70cdbf81f3fc817.jpeg

新闻稳定!

在一周内,马斯克像葫芦娃一样贡献了“葡萄藤上的七瓜”。

“汽车家族”集体解析马斯克的观点,驭科技,文源之星,汽车公司等公司的发展,以及Velodyne等激光雷达公司的关键领导者,都明确表示自动驾驶要完全摆脱激光雷达完全不可能。

但马斯克本人并不孤单,很快科技作家史蒂夫切尼出来支持“所有明智的人将在三年后放弃激光雷达”,原因与马斯克一样,因为(激光雷达)“不是必要而且非常昂贵”。

我不得不说,双方的意见很多.老话。事实上,自动驾驶的实现取决于激光雷达或相机。这个话题已经讨论多年了。

对我们来说更有趣的是,“激光雷达傻瓜理论”在这个时刻出现,也许不是偶然的。背后隐藏的是自动驾驶汽车长时间无法解决的痢疾,现在确实需要重新思考。

今天我们使用一篇文章来帮助您了解当大型谈话者谈论激光雷达时会发生什么。

公共激光雷达?马斯克说:坐下来,经常运作!

在吃甜瓜之前,让我们来看看自动驾驶和激光雷达之间的密切关系:

如果我们想成为一个自动驾驶汽车,我们需要完成一些必要和关键的步骤:首先,感知,即从外部世界获取信息,然后判断,主要依靠云算法,最后做出决策,停下来,是时候走了。

可以看出,感知阶段是自动驾驶性能最基本,最重要的信息来源和经验保证。目前的主流传感方法依赖于雷达,摄像机和激光雷达三种传感器系统。

件。其唯一的缺点是成本太高而无法大规模地用于大规模生产车辆。

0b44fb90be1f4dc499191c31e03f39b6.jpeg

在过去几年中,几乎所有自动驾驶仪制造商都无法避免激光雷达。唯一的区别是谁可以使三者的安排更有效,更准确和更便宜。例如,丰田TRI研究所制造的无人驾驶汽车已在机体上装备了七个Velodyne激光雷达。谷歌的自动驾驶仪Waymo在独立后做的第一件事是试图将激光雷达的成本从70,000美元暴跌到7,500美元。

与业界对激光雷达的追求相比,马斯克是一个成熟的外星人。

他坚持认为使用激光雷达是一个错误的选择。在目前的智能驾驶汽车中,只有特斯拉系列摄像机才可用。这至少表明马斯克不是“说话和正直”,而是从心里说,激光雷达对自动驾驶的未来毫无价值。

话虽如此,“班级代表”会给你一个关于“倒雷”的重要论点的摘要(dis lidar的一部分):

1.激光雷达成本太高。由于激光雷达的“不可替代”性质,相应的价格也非常高,这使得汽车制造商和芯片公司难以在激光雷达的前提下实现盈利。

那么为什么不考虑降低成本?目前,激光雷达市场主要由汽车行业支持。短期内几乎不可能产生新的大规模需求。机械激光雷达的生产和组装效率不能迅速提高,边际成本自然很高。

为了降低整车的价格,一些公司采用了更便宜的固态激光雷达,但它也带来了一个新问题,就是雷达无法360度旋转,无法检测到它背后的情况,并需要引入新的传感器。就经济影响而言,这是不可行的。

2.激光雷达的实际应用存在缺陷。一个是激光无法完成跟踪目标的任务,因为无法识别颜色。同时,激光雷达在高速运动中需要处理的信号越多,大量像素将对无线电和电视探测器造成干扰,识别进度将降低;激光雷达需要插入外部适配器进行充电,使用起来比较麻烦。

cea91903787540bc8b0cb6dfc10ddaa8.jpeg

更重要的是,利用激光雷达作为改善汽车感知的捷径也催生了科技公司和汽车制造商的“懒惰”。这主要体现在激光雷达在先进自动驾驶方案上的过度依赖和堆叠,这使得它们或多或少地避免了视觉识别算法和芯片自动驾驶必不可少的基本问题。换句话说,激光雷达不仅可以解决实际问题,还可以使企业家陷入盲目建设资源的金融大战中。

听起来这么好吗?想象一下,如果您移除激光雷达并完全引入视觉识别算法和高性能计算硬件,这将为您节省大量的激光雷达部署成本。对于自动驾驶员制造商和渴望尝试的潜在车主来说,这绝对是一个福音。

也有公司这样做。除了特斯拉之外,初创公司AutoX还允许只有七台摄像机的林肯MKZ在无人状态下制造普通车道。

然而,更多的汽车公司和无人驾驶技术公司受到激光雷达的高价格和“商业能力”的诱惑,他们必须日夜研究如何使激光雷达更好。

这当然不是因为他们带来了自己的“震动M”体格,但与其他技术解决方案相比,激光雷达是当时可以找到的最佳解决方案。

你在线:视觉算法可以拿起大王旗吗?

在会议上,特斯拉人工智能高级主管Andrej Karpathy表示。我们人类驾驶,所有这些都是完全视觉驱动的。激光雷达不可能到达机器吗?

这是特斯拉的另一项技术实现:通过多摄像头解决方案收集数据,使用模拟器训练神经网络以恢复实际环境,并通过智能视觉实现车辆对交通道路状况的“认知”。

特斯拉宣布了一组数据,其完整的视觉感知解决方案已经能够处理99.999%的场景。特斯拉汽车每天都有10万次车道变更,没有发生交通事故。

此外,越多用户使用此模拟视觉模拟系统,神经网络的性能越好,特斯拉预测和处理交通状况的技能越多。

当然,特斯拉并未向用户提供3D图像处理的所有培训工作。它围绕算法做了很多重要的工作,例如使用软件算法使图像数据更加健壮,从而实现图像的深度。知觉。

364f5b8993d54b0a820b2b26a3902321.jpeg

为了确保算法在无人驾驶车辆终端中的效率,特斯拉还建立了全自动驾驶硬件。然而,尽管进行了一系列的准备工作,我还将激光雷达切割成“牺牲天空”,但马斯克的相机“视觉感知”理想,真的可靠吗?

至少在坚定的“温柔”眼中,这是不可接受的。他们反驳的理由并非没有基础:

首先,坚持使用相机作为特斯拉的传感器,之前的事故率已经触手可及。特斯拉2019年第一季度的官方数据显示,使用Autopilot自动驾驶的事故数量有所增加。每287万英里发生一次事故。相关的车祸新闻报道近年来成为新闻媒体和电视台的常客。

cd35bee02a4849059d8547fec689fe75.jpeg

件下,单个相机传感器系统更加紧张。

在这方面,一些网民出现在Hacker News上:几周前芝加哥大雪纷飞,我的AutoPilot因为雪覆盖了相机而被关闭。所以我不会买这些没有激光雷达的“自动驾驶仪”。

在这种情况下,很难相信3D视觉感知技术已经成熟到可以完全放弃激光雷达的程度。

根据康奈尔大学的最新论文,伪激光的3D深度表示与先前的最佳图像方法相比,识别精度提高了2倍,达到了KITTI 3D目标检测列表中的当前最高水平。但这只是立体摄像系统和激光雷达系统之间性能差距的一半。

6222e77f00fc4c28b71228e45b9dbb98.jpeg

对于成熟的汽车制造商和技术旅游公司来说,他们需要面对市场和用户的考验,以及政府监管和公共安全的基本制约因素,并且需要尽最大努力确保无人驾驶车辆的稳定性和准确性。反馈到公众层面,“激光雷达”已成为不可或缺的存在,即使是作为一个坩埚道具或安慰剂。

因此,如果“激光雷达白痴理论”必须争夺一个理由,那么结果显然是行业和学术界都传递了一个明确的信号:在短期内,期望相机+视觉系统不起作用,和激光雷达是必要和必要的。

在这种情况下,大兄弟们都有点心慌,留下了许多不能解决的问题,光顾这些喉舌?目前,这场辩论的最大意义在于它消除了激光雷达长期存在的神圣和不可动摇的工业意义,并试图寻找新的解决方案。

硬或软或软和硬:谁是自动驾驶的未来?

马斯克此时站起来对抗激光雷达,虽然它有点激进,但也许指出前一阶段自动驾驶仪制造商的“新皇帝的新衣服”真的不适合继续穿着。

在这方面,业内也有很多人都同意。

例如,该公司创始人兼首席执行官吴干莎认为,缺乏激光雷达必定存在问题。在很长一段时间内,纯视觉解决方案的稳健性必须低于视觉加激光融合的稳健性。但从较长的角度来看,激光雷达确实没有未来,因为相机视觉可以有更丰富的维度来理解世界。

一些高精度地图初创公司还强调使用低成本相机解决方案来收集基于成本的高精度数据。

在嗡嗡声中,对硬件和软件主导地位的争夺已经悄然开始。

为了理解这一点,让我们更全面地了解这个视角,看看特斯拉除了激光雷达之外还做了什么。

首先是强大的全自动驾驶硬件硬件3.0的发布。每组HW3.0包含2组FSD硬件,每秒最高可处理2.5千兆像素和36.8 TOPS。据说浮点计算能力是NVIDIA Drive Xavier。 7次。

值得注意的是,FSD仅运行特斯拉加密的软件,非特斯拉软件不支持该软件。

马斯克还带着仇恨说,“特斯拉从来没有设计过芯片,它怎么能同时成为世界上最好的芯片?但它确实发生了。”

7479753b80184813a044ef59e289a5da.jpeg

第二个是虚拟仿真系统。

基于特斯拉电动汽车的大规模生产(500,000辆,并且仍在快速增长),特斯拉拥有培训神经网络的关键资源。

例如,如果特斯拉无法解决在车上安装自行车的问题(因为它将被系统识别为两个物体),它将命令汽车将“问题”图片上传到总部。特斯拉将演出这些照片。标记然后导入神经网络继续训练,直到视觉系统熟练识别技能。

例如,只有通过雷达和摄像头,只要两者所获得的距离相匹配,神经网络就可以估计出车辆之间的距离。

a884077a56524835aa1c9ad857e50a74.jpeg

从这个角度来看,特斯拉的目标不是要在整个行业中推出重磅炸弹,而是要构建一个集成了硬件和软件的自动驾驶解决方案。

在底层技术中,特斯拉推出了自行开发的高性能AI芯片,并且具有“基础硬件”的“曲线超越”,解决了对计算能力的迫切需求,同时摆脱了局限供应商和最大化核心组件主动掌握在自己手中。

特斯拉在软技术壁垒上的表现也越来越强。在算法方面,特斯拉拥有一个基于现实生活数据的神经网络训练平台,并且可以实时生成大量的细节数据。

此时,已经提出软件和硬件集成解决方案的特斯拉再次开辟了与同行竞争的差距。与此同时,它也设定了姿势,吸引了更多的合作伙伴以软硬的方式加入他们的营地。

3d62b45c3151420c9eec406c6062a074.jpeg

虽然这场辩论始于“挑衅”,但它也与营销炒作的一贯做法密不可分。但与此同时,人们可以清楚地看到一件事。就像汽车没有被发明一样,人类只想要更快的马车。

当自动驾驶进入行业的冷却期时,技术的快速迭代和冰的生存,使制造商不得不感到震惊。但是,沉浸在这种“技术恐慌”中,很容易忘记人类需要的是发明汽车,而不是建造一个更快的马车。

看看更多