坚持视觉感知用AI神经网络技术提升辅助驾驶能力
特斯拉的底气 ， 是采用了“通用视觉系统”和“神经网络”两种黑科技 。
据特斯拉首席AI总监AndrejKarpathy介绍 ， 每辆特斯拉汽车拥有8个环绕车身、覆盖周围360度的摄像头 ， 来获取交通信号灯、信号牌、匝道、路缘等周边信息 ， 为神经网络学习提供了绝佳条件 。
Andrej表示 ， “我们希望能够打造一个类似动物视觉皮层的神经网络连接 ， 模拟大脑信息输入和输出的过程 。 就像光线进入到视网膜当中 ， 我们希望通过摄像头来模拟这个过程 。 ”


每辆特斯拉汽车拥有8个环绕车身、覆盖周围360度的摄像头
而多任务学习神经网络架构（HydraNets） ， 可以将8个摄像头获取的画面拼接起来 ， 并平衡视频画面的延迟和精准度 。 通过人工或自动标注车道、车辆、信号灯、障碍物等环境和动静物体 ， 系统会逐帧分析视频画面 ， 了解物体的纵深、速度等信息 ， 再将这些数据交给车队学习 。


特斯拉开发了“矢量空间”（VectorSpace）技术
此时特斯拉发现了几个问题：部分空间数据的输出质量不高、不同摄像头获取物体信息不同、拼接画面很难进行整体把握 。 为此 ， 特斯拉开发了“矢量空间”（VectorSpace）技术 ， 兼具空间非凸（Non-convex）、高维度两大优势 。 该技术可以通过8个摄像头输入的数据 ， 实时绘制3D鸟瞰视图 ， 形成4D的空间和时间标签的“路网”以呈现道路等信息 ， 帮助车辆把握驾驶环境 ， 更精准的寻找最优驾驶路径 。


特斯拉建立4D空间+时间 ， 实时绘制3D“地图”
可以想象 ， 当车辆判断可以向左变道 ， 但同时左侧有正常行驶的车辆时 ， 如果此时突然变道 ， 车主及乘客的安全将受到威胁 。 但若是搭载特斯拉FSD ， 便可以实现在1.5毫秒内自动进行2500次变道时机搜索 ， 最终找到一条最安全、最舒适、最快速的变道时机 ， 并采取变道措施 。


特斯拉FSD通过复杂路况
当然 ， 有了海量、精准的视频数据 ， 特斯拉还需要创造一个强大的神经网络 ， 并对其进行特殊布局 ， 使这些数据能在一个可共享的总主干网络上 ， 进行整合和重新分析 。 因此 ， 特斯拉自主研发了基于神经网络的训练方式 。


“矢量空间”自动标注所有摄像头的多帧画面
据了解 ， 特斯拉拥有一支由世界各地人才组成的数据标注团队 ， 规模在1000人左右 。


特斯拉数据标注示意图
团队每天对视频数据中的物体在“矢量空间”中进行人工标注 ， 同时与自动标注配合 ， 这就为特斯拉带来了上百亿级的有效且多样的原生数据 ， 而这些数据都会用于神经网络培训 。


特斯拉开发“仿真场景技术” ， 模拟现实中不太常见的场景用于自动驾驶培训
同时 ， 特斯拉还开发了“仿真场景技术” ， 可模拟现实中不太常见的情况 。 例如在高速道路上有人行走怎么办？如果路上有太多人如何标签？停车场里如何避让其他车辆？

• 滴滴出行|裁员真能拯救中国互联网？
• iPhone14|准大学生的数码装备推荐
• 在昨日推文中，王者荣耀将以“____文化”为主题推出限定皮肤，为乡村振兴加油? 王者荣耀6月28日每日一题答案
• 土耳其发现四肢爬行人群，这是咋回事？科学家警告：人类要留心了
• 华为鸿蒙系统|鸿蒙3.0即将推送，Mate 50首发
• “入圈，出圈”！未来的“超级IP”将会是……
• 为什么科学家用昆虫翅膀的起源质疑进化论？达尔文到底是对是错？
• “亿元级”消费券激发市场活力
• 潘博文|腾讯QQ回应用户号码被盗：目前受影响范围已得到控制
• 高通骁龙|中国能够生产机械硬盘吗？