近日，特斯拉更新了自動駕駛軟件的2020.12版本更新，在這一版更新中，特斯拉加入了交通信號燈和停車標(biāo)志識別的自動駕駛功能。如果特斯拉選配了FSD完全自動駕駛能力套件，就能通過OTA升級體驗(yàn)車輛在紅燈前自動停下，綠燈亮起后又自動加速的自動駕駛功能。

這項(xiàng)功能正式發(fā)布，為即將到來的特斯拉城市道路自動駕駛打下基礎(chǔ)，也標(biāo)志著特斯拉向“完全自動駕駛”又邁進(jìn)了一步。

▲特斯拉交通信號燈識別功能

對交通信號燈和停車標(biāo)志的識別實(shí)際上并不容易。對于駕駛員來說很容易識別的內(nèi)容，對于還不太聰明的機(jī)器來說還是個(gè)不小的挑戰(zhàn)。例如，不同車道有不同的交通信號燈，停車標(biāo)志也是五花八門，有些還被遮擋，這就非常考驗(yàn)機(jī)器識別的效率和準(zhǔn)確性。

今年2月，特斯拉人工智能高級主管Andrej Karpathy發(fā)表了一個(gè)演講，他在演講中闡述了特斯拉是如何憑借視覺系統(tǒng)識別道路環(huán)境，并應(yīng)用于自動駕駛當(dāng)中的。

▲Andrej Karpathy的演講視頻

特斯拉利用“影子模式”，在駕駛員駕駛的過程中，自動駕駛電腦進(jìn)行實(shí)時(shí)同步計(jì)算，但不參與車輛控制。一旦駕駛員的操作和機(jī)器的計(jì)算有所出入，特斯拉的自動駕駛電腦就會記錄下這個(gè)案例，并上傳給特斯拉總部。在收集到大量的數(shù)據(jù)之后，特斯拉將不同場景進(jìn)行分類，機(jī)器學(xué)習(xí)之后就能讓整個(gè)識別算法更加“聰明”。

在應(yīng)用于車輛時(shí)，特斯拉還會利用機(jī)器學(xué)習(xí)，用二維的圖像計(jì)算出三維的場景，就能準(zhǔn)確判斷與障礙物之間的距離，實(shí)現(xiàn)更加精準(zhǔn)的自動駕駛功能。

一、特斯拉自動等紅燈 離城市自動駕駛又近一步

4月24日，特斯拉向用戶推出了2020.12軟件更新。在這一更新中，特斯拉正式推出了“識別交通信號燈和停車標(biāo)志并做出反應(yīng)”功能。

選配有FSD的特斯拉車主在更新軟件之后，車輛就可以自動識別紅綠燈和停車標(biāo)志。如果前方有禁止通行的紅燈或停車標(biāo)志，特斯拉會在車機(jī)屏幕上提前發(fā)出提示信息，告訴駕駛員距離前方停止線的距離。

如果駕駛員沒有及時(shí)采取制動措施，車輛制動系統(tǒng)就會及時(shí)介入，并緩緩?fù)Ｔ谕Ｖ咕€之前。在綠燈亮起之后，車輛會自動繼續(xù)加速前進(jìn)。如果駕駛員在需要停車的路口確認(rèn)安全之后，踩下加速踏板，車輛也會重新加速前進(jìn)。

▲特斯拉軟件更新后車主的測試

在行駛過程中，車輛可以檢測到前方的綠燈、黃燈閃爍和紅燈，并在車機(jī)上顯示。如果檢測到前方有紅燈或停車標(biāo)志，車輛會提前提醒駕駛員停止線的位置，如果駕駛員沒有做出反應(yīng)，車輛就會自動減速并停在停止線前。如果駕駛員確認(rèn)安全后希望前行，只要踩下油門踏板，車輛就會繼續(xù)加速前進(jìn)。

不過，由于這項(xiàng)功能剛剛發(fā)布，運(yùn)行的邏輯會比較保守，車輛在一些情況下不會嘗試自行通過交叉路口。隨著使用這一功能車輛數(shù)量的增加，特斯拉自動駕駛計(jì)算芯片進(jìn)行機(jī)器學(xué)習(xí)后會讓這項(xiàng)功能更加完善。

根據(jù)此前公布的特斯拉自動駕駛使用手冊，這項(xiàng)功能實(shí)際也有一定的局限性。特斯拉表示，雖然車輛可以自行監(jiān)測前方的交通信號燈和停車標(biāo)志，但駕駛責(zé)任完全由駕駛員負(fù)責(zé)。駕駛員需要始終注意行車道上發(fā)生的情況，并隨時(shí)準(zhǔn)備采取緊急措施。

▲特斯拉交通信號燈和停車標(biāo)志識別功能使用手冊（美國版）

值得注意的是，用戶手冊中有這樣一句話：如果在特斯拉汽車行駛較多的路段，停車標(biāo)志和交通信號燈的識別準(zhǔn)確度會更高。也就是說，特斯拉確實(shí)是依靠深度學(xué)習(xí)讓算法變得更加優(yōu)秀，并且同一場景學(xué)習(xí)的次數(shù)越多，識別準(zhǔn)確率也就越高。

此外，信號燈和停車標(biāo)志識別功能也不是在所有場景都可以使用。特斯拉在使用手冊中表示，在美國地區(qū)，鐵路道口、禁區(qū)、收費(fèi)站、人行橫道區(qū)域、不清晰或臨時(shí)的交通信號燈、復(fù)雜信號燈和車道指示燈等環(huán)境下都無法啟用這項(xiàng)功能。

這項(xiàng)功能更新是特斯拉FSD自動駕駛系統(tǒng)的一大進(jìn)步，也讓特斯拉距離城市道路的自動駕駛更近一步。

今年2月，特斯拉人工智能高級主管Andrej Karpathy在ScaledML會議上的一次演講，就透露了特斯拉自動駕駛系統(tǒng)的最新進(jìn)展。利用機(jī)器學(xué)習(xí)的算法，特斯拉就能準(zhǔn)確判斷路旁的信號標(biāo)志，同時(shí)也能計(jì)算出與停止線、障礙物之間的距離信息。

二、特斯拉強(qiáng)在哪？上百萬車主幫特斯拉測試軟件

在特斯拉人工智能高級主管Andrej Karpathy的演講中，首先對特斯拉自動駕駛系統(tǒng)的工作原理進(jìn)行了講解。他表示，當(dāng)前特斯拉主要依靠視覺系統(tǒng)采集圖像信號，自動駕駛電腦進(jìn)行計(jì)算之后，就能控制車輛的車速和轉(zhuǎn)向，從而實(shí)現(xiàn)自動駕駛。在這個(gè)過程中，自動駕駛電腦的計(jì)算是最重要的一環(huán)，需要人工智能算法提供支持。

▲Andrej Karpathy演講現(xiàn)場

在今年2月美國加州車管局（DMV）公布的自動駕駛路側(cè)數(shù)據(jù)可以發(fā)現(xiàn)，2019年全年，特斯拉官方進(jìn)行的自動駕駛公路測試僅有12.2英里（約合19.6公里）。與百度、Waymo、Cruise等公司每年動輒數(shù)十萬上百萬英里的自動駕駛測試?yán)锍滔啾龋梢哉f特斯拉官方相當(dāng)于沒有進(jìn)行測試。

如果不進(jìn)行大量的自動駕駛測試，特斯拉又如何進(jìn)步呢？原來，特斯拉的測試者是百萬量級的特斯拉車主，依靠“影子模式”進(jìn)行自動駕駛測試的。

2016年，特斯拉發(fā)布了“影子模式”，在駕駛員駕駛過程中，裝有HW1及更新自動駕駛電腦的特斯拉就能實(shí)時(shí)進(jìn)行自動駕駛運(yùn)算，但不會參與控制車輛的方向和速度。如果駕駛員的操作和自動駕駛電腦的操作有較大出入，自動駕駛電腦就會自動記錄下這個(gè)案例，并上傳給特斯拉。

從2018年正式啟用至今，影子模式已運(yùn)算了超過30億英里（約合48.3億公里）的駕駛里程。每天，特斯拉自動駕駛研發(fā)團(tuán)隊(duì)都會收到大量的案例：駕駛員停車，自動駕駛電腦繼續(xù)前進(jìn)；駕駛員向左微調(diào)了方向，自動駕駛電腦直行前進(jìn)；當(dāng)然，也會有駕駛員發(fā)生碰撞，但自動駕駛電腦避開危險(xiǎn)。

舉例來說，路旁的停止標(biāo)志并不全都清晰可見，有些被樹葉擋住，有些屬于臨時(shí)標(biāo)志，有些標(biāo)志在夜間非常模糊，還有部分停車標(biāo)志左轉(zhuǎn)停車，右轉(zhuǎn)不用停……這些并不清晰的標(biāo)志就有可能對自動駕駛電腦產(chǎn)生干擾，一旦識別出錯，可能就會造成駕駛事故。

▲上圖：不清晰的停車標(biāo)志；下圖：有條件的停車標(biāo)志

為解決這個(gè)問題，特斯拉利用了數(shù)據(jù)引擎對算法進(jìn)行訓(xùn)練。首先，車輛將收集的數(shù)據(jù)回傳至特斯拉自動駕駛研發(fā)部門，然后特斯拉相似的場景進(jìn)行分類，同一類的機(jī)器學(xué)習(xí)訓(xùn)練，讓特斯拉的算法更強(qiáng)大，也更加“聰明”。

▲特斯拉的“數(shù)據(jù)引擎”機(jī)器學(xué)習(xí)模型

在對算法進(jìn)行訓(xùn)練之后，特斯拉會持續(xù)關(guān)注自動駕駛電腦對類似場景的識別準(zhǔn)確率，形成下面這個(gè)表格。

從中可以看出，特斯拉對Stop Sign（停止標(biāo)識）這一種路牌，竟然給出了至少14種可能存在的情況，包括大雨、大雪下的路牌、被擋住的路牌、校車上路牌、甚至還有門上的路牌、手持路牌等。

也就是說，特斯拉的目標(biāo)是要在各種特殊情況下，都能識別路牌。

▲同一標(biāo)志在不同場景下的準(zhǔn)確度評估

回到正題，特斯拉在訓(xùn)練完模型后，會把算法通過影子模式進(jìn)行測試，對每一個(gè)場景的識別準(zhǔn)確率進(jìn)行重新評估，準(zhǔn)確率不斷提高，也就意味著算法正在一點(diǎn)點(diǎn)進(jìn)步。當(dāng)識別準(zhǔn)確率提升到了較高水平，特斯拉就可以考慮對所有車輛進(jìn)行功能更新，增加自動駕駛的功能和使用場景。

這里面講一個(gè)有趣的小細(xì)節(jié)。

特斯拉此前推送了識別雪糕筒的更新，有用戶為了弄明白特斯拉能識別哪一些雪糕筒專門進(jìn)行了一個(gè)堪稱變態(tài)的測試。

這里測試的道具除了大小高低不同的雪糕筒之外，他們竟然還有一個(gè)穿著雪糕筒衣服的人類作為道具。從視頻中看，只要穿著雪糕筒衣服的人類在移動或者站著，特斯拉就能識別出這是一個(gè)人。但如果這個(gè)人蹲下不動，就會被識別為雪糕筒。

▲外國網(wǎng)友穿著雪糕筒的衣服，但沒有騙過特斯拉

這也就說明，特斯拉在識別雪糕筒這件事兒上，也同時(shí)考慮到了大量的特殊情況，才會表現(xiàn)出這種成績。

從算法的代碼層面來說，特斯拉把它們的深度學(xué)習(xí)網(wǎng)絡(luò)稱為HydraNet。其中，基礎(chǔ)算法代碼是共享的，整個(gè)HydraNet包含48個(gè)不同的神經(jīng)網(wǎng)絡(luò)，通過這48個(gè)神經(jīng)網(wǎng)絡(luò)，就能輸出1000個(gè)不同的預(yù)測張量。理論上來說，特斯拉的這個(gè)超級網(wǎng)絡(luò)，能同時(shí)檢測1000種物體。完成這些運(yùn)算并不簡單，特斯拉已經(jīng)耗費(fèi)了7萬個(gè)GPU小時(shí)進(jìn)行深度學(xué)習(xí)模型訓(xùn)練。

▲特斯拉HydraNet網(wǎng)絡(luò)

雖然工作量很大，但由于大部分工作由機(jī)器承擔(dān)，特斯拉的人工智能團(tuán)隊(duì)僅由幾十人組成，與其他自動駕駛公司數(shù)百人甚至數(shù)千人的規(guī)模相比，確實(shí)規(guī)模不大。

三、二維圖像秒變3D 算法還能自己改代碼

在經(jīng)過大量的機(jī)器學(xué)習(xí)訓(xùn)練之后，特斯拉的算法會逐漸成熟，這套算法也會以O(shè)TA升級的方式分發(fā)到每一輛特斯拉汽車當(dāng)中，在車主實(shí)際駕駛過程中還能進(jìn)一步試錯，讓算法更加完美。

研發(fā)這套算法的最終目的是要實(shí)現(xiàn)特斯拉的自動駕駛功能，最終還是需要車上硬件互相配合才能實(shí)現(xiàn)。

特斯拉全車共配備了8個(gè)攝像頭，一個(gè)毫米波雷達(dá)和12個(gè)超聲波雷達(dá)，監(jiān)測外部環(huán)境，向自動駕駛電腦實(shí)時(shí)傳送信息。

▲特斯拉車外傳感器

簡單來看，特斯拉的攝像頭、毫米波雷達(dá)、超聲波雷達(dá)以及慣性測量單元記錄下當(dāng)前車輛所處的環(huán)境數(shù)據(jù)，并將數(shù)據(jù)發(fā)送給特斯拉的自動駕駛電腦。自動駕駛電腦在進(jìn)行算法的計(jì)算之后，將速度和方向信息傳遞給轉(zhuǎn)向舵以及加速、制動踏板，實(shí)現(xiàn)對車輛的控制。

不過，在日常行駛過程中，攝像頭作為傳感器捕捉的內(nèi)容都是二維圖像，并沒有深度信息。

▲特斯拉攝像頭采集的畫面可以確定邊界，但不包含深度信息

也就是說，雖然二維圖像已經(jīng)可以區(qū)分公路和路旁的人行道，但并不知道現(xiàn)在車輛距離“馬路牙子”還有多遠(yuǎn)。由于缺失這樣一個(gè)重要信息，自動駕駛的運(yùn)算可能并不準(zhǔn)確，操作可能出錯。因此，捕捉或者建立一個(gè)三維的圖景很有必要。

傳統(tǒng)工程師認(rèn)為，直接在車頂安裝三維攝像機(jī)就能解決這一問題。不過，這既要增加車輛的制造成本，又影響車輛美觀。此外，由于車頂面積比較大，如果三維攝像頭高度不夠，盲區(qū)將會非常大。

特斯拉的工程師又想到用算法解決這個(gè)問題。如果有一種算法能夠?qū)⒍S圖景的時(shí)序、邊緣對齊，投影形成三維圖景，這個(gè)問題就解決了。

▲通過算法得出的“鳥瞰視圖”

在計(jì)算出三維圖景之后，特斯拉甚至可以計(jì)算出車輛的“鳥瞰視圖”。也就是說，雖然車輛上方?jīng)]有攝像頭，但通過計(jì)算就能模擬出從車輛上方向下看的圖景。這樣一來，車輛離障礙物還有多遠(yuǎn)的距離，車內(nèi)都能直觀地看到。

▲特斯拉視覺系統(tǒng)預(yù)測的馬路邊緣和車道線

實(shí)際上，特斯拉還有更厲害的地方，那就是算法可以預(yù)測流媒體視頻中每一個(gè)像素的深度信息。也就是說，只要算法足夠好，流媒體視頻更加清晰，特斯拉的視覺傳感器所捕捉的深度信息甚至可以超過激光雷達(dá)。

▲特斯拉采集視覺信息（上），預(yù)測每一個(gè)像素的深度信息（中）并投影形成鳥瞰視圖（下）

在實(shí)際的自動駕駛應(yīng)用中，泊車入位和智能召喚兩個(gè)使用場景下就能充分利用這套算法。在停車場行駛時(shí)，車輛之間的距離很小，即使是駕駛員駕駛，稍不留神也很容易出現(xiàn)刮蹭事故。對于機(jī)器來說，停車場場景的行駛更加困難。在預(yù)測到深度信息之后，車輛可以在超聲波雷達(dá)的輔助之下，快速完成對周圍環(huán)境的識別，車輛泊車就會更加順利。

在完成深度信息的預(yù)測之后，這部分信息會顯示在車機(jī)上，同時(shí)也會直接參與控制轉(zhuǎn)向、加速、制動等駕駛動作。不過，轉(zhuǎn)向、加速、制動這些駕駛策略沒有固定的規(guī)則，有一定靈活性。

因此，自動駕駛的駕駛策略沒有最佳，只有更好。

特斯拉基礎(chǔ)的自動駕駛策略由工程師完成，已經(jīng)寫出了大量的代碼，這相當(dāng)于是駕駛策略的1.0版本代碼。不過，由于實(shí)際路況更加復(fù)雜，1.0版本的駕駛策略代碼實(shí)際覆蓋范圍較小，邏輯也難免出錯。隨著時(shí)間推移，必須要不斷升級駕駛策略。

Andrej Karpathy表示，如果在機(jī)器學(xué)習(xí)網(wǎng)絡(luò)中不斷升級策略代碼，這樣既節(jié)省了人工成本，自動駕駛能力進(jìn)步的速度也會明顯加快。

在駕駛員駕駛的過程中，車輛也會收集駕駛員的駕駛習(xí)慣。通過對百萬特斯拉車主駕駛習(xí)慣的學(xué)習(xí)，特斯拉的自動啊及時(shí)策略就會不斷提高。

通過對百萬車主駕駛習(xí)慣的學(xué)習(xí)，機(jī)器可以編譯出自動駕駛策略的2.0版本代碼。

▲機(jī)器編譯的2.0版本代碼正在逐漸取代1.0版本代碼

Andrej Karpathy預(yù)測，隨著機(jī)器的編譯能力提高、采集的數(shù)據(jù)更加豐富，2.0版本的代碼會逐漸覆蓋1.0版本的代碼，最終實(shí)現(xiàn)所有代碼都由機(jī)器編譯完成，這樣的自動駕駛策略就會更加精確。

結(jié)語：自動駕駛之爭正轉(zhuǎn)變?yōu)樗惴ㄖ疇?/strong>