車東西（公眾號：chedongxi）
文 | ?James
近(jin)日，特(te)斯拉(la)更(geng)新了(le)自(zi)(zi)動駕(jia)(jia)駛軟件(jian)(jian)的(de)2020.12版本更(geng)新，在(zai)這一版更(geng)新中，特(te)斯拉(la)加入了(le)交(jiao)通(tong)信號(hao)燈和(he)停(ting)車(che)標志識(shi)別的(de)自(zi)(zi)動駕(jia)(jia)駛功能。如果特(te)斯拉(la)選配了(le)FSD完(wan)全自(zi)(zi)動駕(jia)(jia)駛能力套件(jian)(jian)，就能通(tong)過OTA升級體驗(yan)車(che)輛(liang)在(zai)紅燈前自(zi)(zi)動停(ting)下，綠燈亮(liang)起后又自(zi)(zi)動加速的(de)自(zi)(zi)動駕(jia)(jia)駛功能。
這項功能正(zheng)式(shi)發布(bu)，為即將(jiang)到來的特斯(si)拉城市(shi)道(dao)路(lu)自(zi)動駕(jia)駛(shi)打下基礎，也標志著特斯(si)拉向“完(wan)全自(zi)動駕(jia)駛(shi)”又邁進了一步。
▲特斯拉交通信號燈(deng)識別功能
對交通信號(hao)燈和(he)停車(che)標志(zhi)的(de)識(shi)別實(shi)際上并不(bu)容易。對于(yu)駕駛員來說(shuo)很容易識(shi)別的(de)內容，對于(yu)還(huan)不(bu)太聰明的(de)機器(qi)來說(shuo)還(huan)是(shi)個(ge)不(bu)小的(de)挑戰(zhan)。例如，不(bu)同車(che)道有不(bu)同的(de)交通信號(hao)燈，停車(che)標志(zhi)也(ye)是(shi)五花八門，有些還(huan)被遮(zhe)擋(dang)，這就(jiu)非常考驗機器(qi)識(shi)別的(de)效(xiao)率和(he)準(zhun)確性(xing)。
今年2月，特斯拉人工智能高級主(zhu)管Andrej Karpathy發表了(le)一個演講，他在演講中闡(chan)述了(le)特斯拉是如何憑借視覺(jue)系統識別道路環境，并應用于(yu)自(zi)動(dong)駕駛當中的(de)。
▲Andrej Karpathy的演講(jiang)視頻
特斯拉利用(yong)“影(ying)子(zi)模(mo)式”，在駕(jia)駛(shi)員(yuan)(yuan)駕(jia)駛(shi)的(de)(de)過(guo)程中，自動駕(jia)駛(shi)電腦(nao)進行實時(shi)同(tong)步(bu)計算，但不(bu)參與(yu)車輛(liang)控制(zhi)。一旦駕(jia)駛(shi)員(yuan)(yuan)的(de)(de)操作和機(ji)器的(de)(de)計算有所出入，特斯拉的(de)(de)自動駕(jia)駛(shi)電腦(nao)就會記錄下這個案例，并上(shang)傳給特斯拉總部。在收集到大量(liang)的(de)(de)數據之后(hou)，特斯拉將不(bu)同(tong)場(chang)景進行分(fen)類，機(ji)器學習之后(hou)就能讓整(zheng)個識別算法更加“聰明”。
在(zai)應用(yong)于車輛時，特斯拉還會(hui)利(li)用(yong)機器學(xue)習，用(yong)二維的(de)圖像計算出三維的(de)場景，就能準確判(pan)斷與障礙物(wu)之間的(de)距離，實現更(geng)加精準的(de)自動駕駛功(gong)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(ri)，特斯拉(la)向用戶推(tui)出了2020.12軟件(jian)更(geng)新。在(zai)這一更(geng)新中，特斯拉(la)正式推(tui)出了“識別交通信(xin)號燈和停車標志并(bing)做出反應(ying)”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(bie)紅綠燈(deng)和停(ting)車標志。如果前方有禁止(zhi)通行的紅燈(deng)或停(ting)車標志，特斯拉會在車機(ji)屏幕上提(ti)前發出提(ti)示(shi)信息，告(gao)訴駕駛員距(ju)離(li)前方停(ting)止(zhi)線的距(ju)離(li)。
如果駕駛(shi)員(yuan)沒有及時(shi)(shi)采取制動措施(shi)，車(che)輛(liang)制動系統就會(hui)及時(shi)(shi)介入，并緩(huan)緩(huan)停(ting)在停(ting)止線(xian)之前。在綠燈亮(liang)起(qi)之后(hou)，車(che)輛(liang)會(hui)自動繼續加(jia)速(su)前進。如果駕駛(shi)員(yuan)在需(xu)要(yao)停(ting)車(che)的路(lu)口確認(ren)安(an)全之后(hou)，踩下(xia)加(jia)速(su)踏板，車(che)輛(liang)也會(hui)重新加(jia)速(su)前進。
▲特斯拉軟件更新后車(che)主的測試
在(zai)行駛(shi)過程中，車(che)(che)輛(liang)可以檢測(ce)到前方的(de)綠燈、黃燈閃爍和紅(hong)燈，并在(zai)車(che)(che)機上(shang)顯(xian)示。如果檢測(ce)到前方有紅(hong)燈或(huo)停車(che)(che)標志(zhi)，車(che)(che)輛(liang)會(hui)提前提醒駕駛(shi)員(yuan)停止線的(de)位置，如果駕駛(shi)員(yuan)沒有做出反應，車(che)(che)輛(liang)就會(hui)自動減速并停在(zai)停止線前。如果駕駛(shi)員(yuan)確認(ren)安全后希望前行，只要踩下油門踏板(ban)，車(che)(che)輛(liang)就會(hui)繼續加速前進。
不過，由于這(zhe)項(xiang)功能剛剛發布，運行的(de)邏輯會(hui)比較保(bao)守，車(che)輛在一些(xie)情況下不會(hui)嘗(chang)試自(zi)行通過交叉路口。隨(sui)著使用這(zhe)一功能車(che)輛數量的(de)增加，特斯拉自(zi)動駕駛計算芯片進行機(ji)器學習(xi)后會(hui)讓這(zhe)項(xiang)功能更(geng)加完善。
根(gen)據此前公布的(de)特斯(si)拉自(zi)動駕(jia)駛使用手冊，這項功能(neng)實際也有(you)一定(ding)的(de)局(ju)限(xian)性。特斯(si)拉表示，雖然車(che)(che)輛(liang)可以自(zi)行監測前方的(de)交通(tong)信(xin)號燈和停車(che)(che)標志，但駕(jia)駛責(ze)任(ren)完(wan)全(quan)由駕(jia)駛員負責(ze)。駕(jia)駛員需(xu)要始(shi)終注意行車(che)(che)道上發生的(de)情況，并(bing)隨時準備采取緊急(ji)措施。
▲特斯拉交通信號燈(deng)和(he)停(ting)車標志(zhi)識別功能使用手冊（美國版）
值得(de)(de)注意的是(shi)，用(yong)戶手冊中有這樣一句話：如果在特(te)斯拉汽車行駛較(jiao)多的路段，停(ting)車標(biao)志和交通信號燈的識別準(zhun)確(que)度(du)會(hui)更高(gao)。也就(jiu)是(shi)說，特(te)斯拉確(que)實是(shi)依(yi)靠(kao)深度(du)學(xue)習讓算法(fa)變得(de)(de)更加(jia)優秀，并且同(tong)一場景(jing)學(xue)習的次數越(yue)多，識別準(zhun)確(que)率也就(jiu)越(yue)高(gao)。
此外，信(xin)號燈(deng)(deng)和停車(che)標志識別功能也不是在(zai)(zai)所(suo)有場景都可以(yi)使(shi)用。特(te)斯拉在(zai)(zai)使(shi)用手冊(ce)中表(biao)示，在(zai)(zai)美國地區(qu)，鐵路(lu)道口、禁區(qu)、收費站(zhan)、人行橫道區(qu)域、不清晰或臨時的(de)交通信(xin)號燈(deng)(deng)、復(fu)雜信(xin)號燈(deng)(deng)和車(che)道指示燈(deng)(deng)等環境(jing)下都無法啟用這項(xiang)功能。
這項(xiang)功(gong)能更新是特斯(si)拉(la)FSD自動駕(jia)駛系(xi)統的(de)一(yi)大進(jin)步(bu)，也讓(rang)特斯(si)拉(la)距離城市道(dao)路的(de)自動駕(jia)駛更近一(yi)步(bu)。
今年2月，特斯(si)(si)拉(la)人工智能(neng)(neng)高級主管(guan)Andrej Karpathy在ScaledML會(hui)議上的(de)一(yi)次演(yan)講，就(jiu)透露了特斯(si)(si)拉(la)自動駕(jia)駛系統的(de)最新進展。利用機器學(xue)習的(de)算法(fa)，特斯(si)(si)拉(la)就(jiu)能(neng)(neng)準確判斷(duan)路(lu)旁的(de)信號(hao)標志，同(tong)時也(ye)能(neng)(neng)計算出與停止(zhi)線、障(zhang)礙(ai)物(wu)之間的(de)距離信息(xi)。
二、特斯拉強在哪？上百萬車主幫特斯拉測試軟件
在(zai)特斯(si)拉(la)人工智能(neng)高級(ji)主管Andrej Karpathy的演講中，首先(xian)對特斯(si)拉(la)自動駕(jia)駛(shi)(shi)系(xi)統的工作原理進行了講解。他表示，當前(qian)特斯(si)拉(la)主要(yao)依靠視覺系(xi)統采集圖像(xiang)信號，自動駕(jia)駛(shi)(shi)電腦(nao)(nao)進行計(ji)算(suan)之后，就能(neng)控制車輛的車速(su)和(he)轉向，從(cong)而實現自動駕(jia)駛(shi)(shi)。在(zai)這(zhe)個過程中，自動駕(jia)駛(shi)(shi)電腦(nao)(nao)的計(ji)算(suan)是(shi)最重要(yao)的一環(huan)，需要(yao)人工智能(neng)算(suan)法(fa)提供支持(chi)。
▲Andrej Karpathy演(yan)講現場
在今年(nian)(nian)(nian)2月美國加州車管(guan)局（DMV）公(gong)(gong)布的(de)(de)自動(dong)駕駛路側數據可(ke)以(yi)發現(xian)，2019年(nian)(nian)(nian)全年(nian)(nian)(nian)，特斯拉官(guan)方進行的(de)(de)自動(dong)駕駛公(gong)(gong)路測試(shi)僅有(you)12.2英(ying)里(li)（約合19.6公(gong)(gong)里(li)）。與百(bai)度(du)、Waymo、Cruise等(deng)公(gong)(gong)司(si)每年(nian)(nian)(nian)動(dong)輒數十萬(wan)上(shang)百(bai)萬(wan)英(ying)里(li)的(de)(de)自動(dong)駕駛測試(shi)里(li)程(cheng)相比(bi)，可(ke)以(yi)說特斯拉官(guan)方相當于沒有(you)進行測試(shi)。
如果不進(jin)行大量的自動(dong)駕駛測試(shi)(shi)，特(te)斯拉(la)又(you)如何進(jin)步呢？原(yuan)來，特(te)斯拉(la)的測試(shi)(shi)者是百萬量級(ji)的特(te)斯拉(la)車主，依靠“影子模式(shi)”進(jin)行自動(dong)駕駛測試(shi)(shi)的。
2016年，特斯(si)(si)拉發布了(le)“影子模式(shi)”，在駕駛(shi)(shi)員(yuan)駕駛(shi)(shi)過程中，裝有HW1及更新自(zi)動(dong)駕駛(shi)(shi)電(dian)腦(nao)的特斯(si)(si)拉就(jiu)能實時進行自(zi)動(dong)駕駛(shi)(shi)運算，但不會參與控制車輛(liang)的方向和速度。如(ru)果駕駛(shi)(shi)員(yuan)的操作(zuo)和自(zi)動(dong)駕駛(shi)(shi)電(dian)腦(nao)的操作(zuo)有較大(da)出入，自(zi)動(dong)駕駛(shi)(shi)電(dian)腦(nao)就(jiu)會自(zi)動(dong)記錄(lu)下這個案例，并上(shang)傳給特斯(si)(si)拉。
從2018年正式(shi)啟用至今，影子模式(shi)已(yi)運算了(le)超過30億英里(li)（約(yue)合(he)48.3億公里(li)）的駕(jia)駛(shi)(shi)里(li)程。每天，特斯拉自(zi)動(dong)駕(jia)駛(shi)(shi)研發(fa)(fa)團隊都會收到大量的案例(li)：駕(jia)駛(shi)(shi)員(yuan)停車，自(zi)動(dong)駕(jia)駛(shi)(shi)電(dian)腦(nao)繼續(xu)前進(jin)；駕(jia)駛(shi)(shi)員(yuan)向(xiang)左微調了(le)方向(xiang)，自(zi)動(dong)駕(jia)駛(shi)(shi)電(dian)腦(nao)直行前進(jin)；當然，也會有駕(jia)駛(shi)(shi)員(yuan)發(fa)(fa)生碰(peng)撞(zhuang)，但自(zi)動(dong)駕(jia)駛(shi)(shi)電(dian)腦(nao)避開危險(xian)。
舉例來說，路旁的(de)停止標(biao)志并不全(quan)都(dou)清晰可見，有(you)(you)些被樹葉(xie)擋住，有(you)(you)些屬于臨時標(biao)志，有(you)(you)些標(biao)志在(zai)夜間非常模糊，還有(you)(you)部分停車(che)(che)標(biao)志左轉停車(che)(che)，右轉不用停……這些并不清晰的(de)標(biao)志就(jiu)有(you)(you)可能(neng)對(dui)自動駕駛電腦產(chan)生干擾，一旦識別出錯，可能(neng)就(jiu)會造成駕駛事故。
▲上圖：不(bu)清晰的停車標志(zhi)；下圖：有條件(jian)的停車標志(zhi)
為解決這(zhe)個問題，特斯拉利(li)用了(le)數據引(yin)擎對算(suan)法進行(xing)訓(xun)練。首先，車輛將收集的(de)數據回(hui)傳至(zhi)特斯拉自動(dong)駕駛(shi)研發部門，然后特斯拉相似的(de)場景進行(xing)分類(lei)，同一類(lei)的(de)機(ji)器學習訓(xun)練，讓特斯拉的(de)算(suan)法更強大，也(ye)更加“聰(cong)明”。
▲特斯(si)拉(la)的“數據引擎”機器(qi)學(xue)習模型(xing)
在對算法進行訓練(lian)之(zhi)后(hou)，特斯拉會(hui)持續關注自動駕(jia)駛電腦對類似場景的(de)識(shi)別(bie)準確率，形成下面(mian)這個(ge)表格。
從(cong)中可以看出，特斯拉對(dui)Stop Sign（停止標識）這一種路(lu)牌，竟然給出了至(zhi)少14種可能(neng)存在的(de)(de)情況，包括大(da)雨(yu)、大(da)雪下(xia)的(de)(de)路(lu)牌、被擋住的(de)(de)路(lu)牌、校車(che)上(shang)路(lu)牌、甚至(zhi)還有(you)門(men)上(shang)的(de)(de)路(lu)牌、手持路(lu)牌等。
也就是(shi)說，特斯拉的目標是(shi)要在各種特殊情況下，都能(neng)識別(bie)路牌。
▲同(tong)一標志(zhi)在不同(tong)場景下的準確(que)度(du)評估
回(hui)到正題(ti)，特斯(si)拉在訓練完模型后，會把算法(fa)通過影子模式(shi)進(jin)行測試，對每一個(ge)場景的識別準確率(lv)進(jin)行重新(xin)評(ping)估，準確率(lv)不斷提高，也就意味著算法(fa)正在一點(dian)點(dian)進(jin)步。當識別準確率(lv)提升到了較(jiao)高水平，特斯(si)拉就可以(yi)考(kao)慮(lv)對所有(you)車(che)輛進(jin)行功能(neng)更(geng)新(xin)，增加自動駕(jia)駛(shi)的功能(neng)和使(shi)用場景。
這里(li)面講(jiang)一(yi)個有趣(qu)的小(xiao)細節(jie)。
特(te)斯拉(la)此前(qian)推送了識別雪(xue)糕(gao)(gao)筒(tong)的(de)更新(xin)，有用(yong)戶為(wei)了弄(nong)明(ming)白特(te)斯拉(la)能(neng)識別哪(na)一(yi)些雪(xue)糕(gao)(gao)筒(tong)專門進行了一(yi)個堪稱變態(tai)的(de)測試。
這里測試的(de)道(dao)具除(chu)了(le)大(da)小(xiao)高低不同(tong)的(de)雪糕(gao)(gao)筒(tong)之外(wai)，他們竟(jing)然還(huan)有(you)一個(ge)穿(chuan)著(zhu)雪糕(gao)(gao)筒(tong)衣服的(de)人類作為(wei)道(dao)具。從(cong)視頻中看，只要穿(chuan)著(zhu)雪糕(gao)(gao)筒(tong)衣服的(de)人類在移動(dong)或者站(zhan)著(zhu)，特(te)斯拉就能(neng)識別出這是(shi)一個(ge)人。但如果這個(ge)人蹲下(xia)不動(dong)，就會被識別為(wei)雪糕(gao)(gao)筒(tong)。
▲外國網友穿著雪糕(gao)筒的(de)衣(yi)服，但沒有騙(pian)過特斯拉
這(zhe)也(ye)就(jiu)說明(ming)，特斯拉(la)在識別(bie)雪糕(gao)筒這(zhe)件事兒上，也(ye)同時考慮(lv)到了(le)大量的特殊情況，才會表現出這(zhe)種成績。
從(cong)算法的代碼(ma)(ma)層(ceng)面來說，特斯(si)(si)拉把(ba)它們的深度(du)學習網(wang)絡(luo)稱為HydraNet。其中，基礎算法代碼(ma)(ma)是共享的，整個(ge)HydraNet包含48個(ge)不同(tong)的神(shen)經網(wang)絡(luo)，通(tong)過這48個(ge)神(shen)經網(wang)絡(luo)，就能輸(shu)出1000個(ge)不同(tong)的預(yu)測張量。理論(lun)上來說，特斯(si)(si)拉的這個(ge)超級(ji)網(wang)絡(luo)，能同(tong)時檢測1000種物體。完(wan)成這(zhe)些運算并不簡(jian)單，特斯拉(la)已經(jing)耗費了7萬個(ge)GPU小時進行深度學習模(mo)型訓練(lian)。
▲特斯拉HydraNet網絡
雖然工作量很大(da)，但由(you)于大(da)部分(fen)工作由(you)機器承擔，特斯(si)拉的(de)人(ren)(ren)工智能團隊僅由(you)幾十人(ren)(ren)組(zu)成，與其他自(zi)動駕駛公司數(shu)百人(ren)(ren)甚至數(shu)千人(ren)(ren)的(de)規(gui)模(mo)(mo)相比，確實規(gui)模(mo)(mo)不(bu)大(da)。
三、二維圖像秒變3D 算法還能自己改代碼
在經過大量(liang)的(de)機器學習(xi)訓練(lian)之(zhi)后，特(te)斯拉(la)的(de)算法(fa)會逐漸成熟(shu)，這套算法(fa)也(ye)會以OTA升級的(de)方式分發到每一(yi)輛(liang)特(te)斯拉(la)汽車當中(zhong)，在車主實際(ji)駕駛(shi)過程中(zhong)還(huan)能進一(yi)步試錯，讓算法(fa)更加(jia)完美。
研發這套算法的最終目的是(shi)要實(shi)現特斯拉的自動(dong)駕駛功能，最終還是(shi)需要車上硬件互相配合才(cai)能實(shi)現。
特斯拉全車共配(pei)備了8個(ge)攝像(xiang)頭，一個(ge)毫米波(bo)雷(lei)(lei)達和12個(ge)超聲波(bo)雷(lei)(lei)達，監測外部(bu)環境(jing)，向自動駕(jia)駛電腦實時傳送(song)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、超聲波雷達以及慣性測量單元記錄下當前車輛所處的環境數據，并將數據發送給特斯拉的自動駕駛電腦。自動駕駛電腦在進行算法的計算之后，將速度和方向信息傳遞給轉向舵以及加速、制動踏板，實現對車輛的控制。
不過(guo)，在(zai)日常行駛過(guo)程中，攝像(xiang)頭作為傳(chuan)感器捕捉的內(nei)容都是(shi)二維圖像(xiang)，并沒有(you)深度信(xin)息。
▲特斯拉攝像頭采集的畫面(mian)可以確定邊界，但不包含深(shen)度信息(xi)
也就是(shi)說，雖然二維圖像已經可(ke)(ke)以區分公路(lu)和路(lu)旁的人(ren)行道(dao)，但并(bing)(bing)不知道(dao)現在車輛距離“馬路(lu)牙子”還有多遠。由于缺失這樣一(yi)個重要(yao)信息，自動駕駛(shi)的運(yun)算可(ke)(ke)能并(bing)(bing)不準(zhun)確，操作可(ke)(ke)能出錯。因此，捕捉或者(zhe)建立一(yi)個三維的圖景(jing)很有必要(yao)。
傳統工(gong)程師認(ren)為，直接(jie)在車(che)頂安(an)裝(zhuang)三維攝(she)像(xiang)機就能解決這(zhe)一問題。不(bu)過，這(zhe)既要(yao)增加車(che)輛的制(zhi)造成本，又(you)影響車(che)輛美(mei)觀。此外(wai)，由于車(che)頂面積(ji)比較大，如(ru)果三維攝(she)像(xiang)頭高度不(bu)夠，盲(mang)區將會(hui)非(fei)常大。
特斯拉(la)的工程(cheng)師又想到用算(suan)法(fa)解決(jue)這(zhe)個問(wen)題。如果(guo)有一(yi)種算(suan)法(fa)能夠將(jiang)二維(wei)(wei)圖(tu)(tu)景(jing)的時序、邊緣對(dui)齊，投影形成三維(wei)(wei)圖(tu)(tu)景(jing)，這(zhe)個問(wen)題就解決(jue)了。
▲通過算法(fa)得出的“鳥瞰視(shi)圖(tu)”
在(zai)計(ji)算出(chu)(chu)三維圖(tu)(tu)景之后，特(te)斯拉甚至可以計(ji)算出(chu)(chu)車(che)輛(liang)(liang)(liang)的(de)“鳥瞰視圖(tu)(tu)”。也就是說，雖然車(che)輛(liang)(liang)(liang)上(shang)方沒有攝像頭，但通過計(ji)算就能(neng)(neng)模擬(ni)出(chu)(chu)從(cong)車(che)輛(liang)(liang)(liang)上(shang)方向下(xia)看(kan)的(de)圖(tu)(tu)景。這樣一來，車(che)輛(liang)(liang)(liang)離(li)障礙物還有多遠的(de)距(ju)離(li)，車(che)內都能(neng)(neng)直觀地看(kan)到(dao)。
▲特(te)斯拉(la)視(shi)覺(jue)系統(tong)預測的馬路邊緣和車道線
實際上(shang)，特斯拉(la)還有(you)更(geng)厲害的(de)地方(fang)，那就是(shi)算(suan)法可以(yi)預測(ce)流(liu)(liu)媒體視頻(pin)中每(mei)一個(ge)像素(su)的(de)深度信息。也就是(shi)說，只要(yao)算(suan)法足(zu)夠好，流(liu)(liu)媒體視頻(pin)更(geng)加清晰，特斯拉(la)的(de)視覺傳感器所捕捉的(de)深度信息甚至(zhi)可以(yi)超過激(ji)光雷達。
▲特(te)斯拉(la)采集視覺(jue)信息(xi)（上），預測每一個像素的(de)深度信息(xi)（中）并(bing)投影形成鳥(niao)瞰視圖（下）
在實際的自(zi)動駕駛(shi)應用中，泊車(che)(che)入位和智(zhi)能(neng)召喚(huan)兩(liang)個使用場(chang)景(jing)下就能(neng)充分利用這套算法。在停(ting)車(che)(che)場(chang)行(xing)駛(shi)時，車(che)(che)輛之間(jian)的距離很小，即使是駕駛(shi)員駕駛(shi)，稍不留神(shen)也很容易(yi)出(chu)現刮蹭事故。對(dui)于機器(qi)來(lai)說，停(ting)車(che)(che)場(chang)場(chang)景(jing)的行(xing)駛(shi)更(geng)加困難。在預測(ce)到深度信息之后(hou)，車(che)(che)輛可以在超聲波(bo)雷達的輔助(zhu)之下，快速完成(cheng)對(dui)周圍環境的識別(bie)，車(che)(che)輛泊車(che)(che)就會更(geng)加順利。
在(zai)完(wan)成深(shen)度信(xin)息的(de)預測之后，這部分信(xin)息會(hui)顯示在(zai)車機上，同時(shi)也會(hui)直接(jie)參與控制(zhi)(zhi)(zhi)轉(zhuan)向、加速、制(zhi)(zhi)(zhi)動等駕駛(shi)動作。不過，轉(zhuan)向、加速、制(zhi)(zhi)(zhi)動這些駕駛(shi)策略沒有固定(ding)的(de)規則，有一定(ding)靈活性(xing)。
因此，自動駕駛的駕駛策略沒有最佳，只有更好。
特(te)斯拉基礎的(de)(de)自動駕駛(shi)策(ce)略(lve)由(you)工(gong)程師完成，已經寫出了大量(liang)的(de)(de)代碼，這(zhe)相當于是駕駛(shi)策(ce)略(lve)的(de)(de)1.0版本代碼。不過，由(you)于實(shi)際(ji)路況更加(jia)復雜，1.0版本的(de)(de)駕駛(shi)策(ce)略(lve)代碼實(shi)際(ji)覆蓋范圍較小，邏(luo)輯也難(nan)免出錯(cuo)。隨(sui)著時間推移，必須要不斷(duan)升級駕駛(shi)策(ce)略(lve)。
Andrej Karpathy表示，如果(guo)在機器學(xue)習網絡中(zhong)不斷升(sheng)級(ji)策略代碼，這樣既(ji)節省了人(ren)工成本，自動駕駛(shi)能力進步的速度也會明顯加(jia)快。
在駕(jia)(jia)駛員(yuan)駕(jia)(jia)駛的(de)(de)過(guo)程中，車輛也會收集駕(jia)(jia)駛員(yuan)的(de)(de)駕(jia)(jia)駛習(xi)慣。通(tong)過(guo)對百萬特斯拉車主駕(jia)(jia)駛習(xi)慣的(de)(de)學(xue)習(xi)，特斯拉的(de)(de)自(zi)動啊及(ji)時策略(lve)就會不斷提(ti)高(gao)。
通過對百(bai)萬車主駕駛習慣(guan)的學習，機器可(ke)以編譯出自動(dong)駕駛策略的2.0版本代(dai)碼。
▲機器(qi)編(bian)譯(yi)的2.0版本(ben)代碼正在逐(zhu)漸取代1.0版本(ben)代碼
Andrej Karpathy預測，隨著機器的編譯能力提高、采集的數據更加豐富，2.0版本的代碼會逐漸覆蓋1.0版本的代碼，最終實現所有代碼都由機器編譯完成，這(zhe)樣(yang)的(de)自動駕駛策(ce)略就會更(geng)加精確。
結語：自動駕駛之爭正轉變為算法之爭
在自動(dong)駕(jia)駛不(bu)斷發展的今天(tian)，特斯拉已(yi)經形成自己的一派，完(wan)全使用視覺識(shi)別就(jiu)能完(wan)成自動(dong)駕(jia)駛。自動(dong)駕(jia)駛技術也從之(zhi)前(qian)的攝像(xiang)頭、毫米波雷達(da)、超聲波雷達(da)甚至激(ji)光雷達(da)的堆料，逐步轉變為算(suan)法之(zhi)間的競爭。
特斯拉(la)利用百萬輛每(mei)天(tian)行駛在道路上的汽車進行自(zi)動駕駛計算，其數據源、精準度很可(ke)能已經遠(yuan)(yuan)遠(yuan)(yuan)超過其他(ta)的自(zi)動駕駛測試公司。未來，算法(fa)之(zhi)爭(zheng)還(huan)將逐步擴(kuo)大，同(tong)時自(zi)動駕駛市場的競爭(zheng)也將更(geng)加激烈。
