自动驾驶|马斯克：我信摄像头，我要死磕到底( 二 )

Andrej Karpathy 还称，现在特斯拉的自动驾驶场景模拟系统可以在行驶过程中实时绘制路况，结合多个车辆经过同一地点的绘制，得到一个完整的地图。
而这恰恰是特斯拉和 Waymo 等竞争对手最大的不同：基于类似人脑的视觉感知系统、自动化标注能力，以及仿真等功能，特斯拉在 Autopilot/FSD 上试图摆脱激光雷达，力图将「纯视觉」路线走得更加彻底。
这确实是马斯克一贯的坚持。
2019 年，马斯克一句「把激光雷达装在车上真的很蠢」，直接将自动驾驶技术路线一分为二，激起千层浪。
以特斯拉为代表的仅以摄像头与各种传感器作为硬件，背后重算法的路线，与 Waymo 为代表的注重激光雷达的技术路线，站在了对立面。
关于二者谁能走到最后，到今天也没有出现一个决定性的结论。
激光雷达，顾名思义是以激光作为信号源，由激光器发射出的脉冲激光打到周围物体上引起散射，一部分光波会反射到激光雷达的接收器上，根据激光测距原理计算，就得到从激光雷达到目标点的距离。激光不断扫描目标物，就可以得到全部数据，成像处理后，可得到精确的三维立体图像。
而在马斯克看来，「纯视觉感知才是通往真实世界 AI 的道路」，既然人类是通过视觉收集信息辅以大脑处理信息的方式进行驾驶，那自动驾驶也应当能通过视觉感知辅以算法处理的方式实现安全驾驶。
当外部环境越来越复杂，自动汽车上安装的传感器也越来越多，如果雷达与摄像头传来的信息互相矛盾，自动驾驶系统反而会更加难以抉择。
马斯克拒绝「拉扯」，他选择直接将摄像头的作用发挥到极致。
将「第一性原理」贯彻到底？熟悉马斯克的人都知道他一直奉行「第一性原理」，即回归事物最基本的条件，将其拆分成各要素进行结构分析，从而找到实现目标的最优路径的方法。
目前「感知、判断驾驶环境」无疑是自动驾驶领域的核心困难，马斯克依旧回归到「感知」的基础，不遗余力地将 AI 进化到能与人类视觉感知媲美的地步。
马斯克认为，毫米波雷达不擅长描述物体的缺陷是几乎不可能弥补的，而摄像头不擅长探测距离的缺陷却是可以弥补的。为了「一步到位」，马斯克丝毫不考虑将激光雷达安装在特斯拉上。
事实上，特斯拉的「纯视觉路线」，需要更加深度地学习海量的数据，深度训练神经网络，这一点对于其他的自动汽车公司而言，绝不是敢轻易尝试的。马斯克能坚持下去，和其起步早、能积攒的数据多不无关系。
据高盛估计，目前特斯拉车队的数量在全球超过 150 万辆，这为特斯拉提供了大量、多样化和真实世界的数据库。这意味着，即便数据采集效率相同，跑在路上的特斯拉数量是对手的数十倍，数据量也就是竞争对手的数十倍。
再加上今年特斯拉一季度销量在全球范围内飙升到了 18 万辆以上，有着超过 200% 的涨幅，整体而言特斯拉的盈利处于上升状态，研发资金方面也无需忧愁。充足的资金，让特斯拉敢于为纯视觉自动驾驶路线「砸钱开路」。
特斯拉想在技术路线上保持自己的独特优势是可以理解的，据相关人士分析，如果特斯拉能在「纯视觉」上开辟出一条道路来，形成独特的自动驾驶技术闭环，无疑会让特斯拉距离「电动车界的苹果」更近一步。
当然，这个决策背后的商业风险也是不容忽视的。
因为另一边，随着随着技术发展，激光雷达不断完善优化，价格也在逐渐下降。
激光雷达头部公司 Velodyne 本周宣布，其最受欢迎的激光雷达系统 VLP-16 的价格相比 2016 年降低了一半。激光雷达价格下降受惠于产能、研发成本平摊；辅助自动驾驶推广等因素。