北美首頁  |  新聞  |  時尚  |  大陸  |  臺灣  |  美國  |  娛樂  |  體育  |  財經  |  圖片  |  移民  |  微博  |  健康

玩命當白老鼠 馬斯克拿自己車測試自駕

http://dailynews.sina.com   2018年12月10日 04:13   中國日報

 

 



(綜合報導)雖然特斯拉 CEO 伊隆·馬斯克(Elon Musk)經常立下一些看似不可能實現的承諾,但經歷幾次跳票後,他往往能神奇的實現目標,比如讓萬年賠錢的特斯拉盈利。

最近,他第 N 次提及特斯拉的全自動駕駛時間表,依然是那麼自信。這讓我們不得不重新審視,一直對光學雷達視而不見的特斯拉到底特別在哪,能走出一條與衆不同的自動駕駛之路嗎?
與其他廠商相比,特斯拉有一大隱藏優勢,就是販售的車型都是不折不扣的聯網車型,因此特斯拉能用這幾十萬臺車採集的數據來訓練 Autopilot 系統,並找出自動駕駛的「門道」,隨後再透過推送提升龐大車隊的自動駕駛能力。
從核心來看,Autopilot 的工作原理與其他自動與半自動駕駛系統類似,即系統應用之前,特斯拉會從車輛感測器(比如前置鏡頭)採集數據。
隨後,Musk 會花錢找專業公司爲圖像資料數位標記車輛和其他物體。接著,特斯拉會將一些圖像數據反饋給神經網路,讓它辨識各種形式(主要是其他車輛和行駛方式)。透過不斷訓練,神經網路的學習能力會越來越強。
這個過程就是自動駕駛行業普遍應用的「神經網路訓練」。消息人士表示,爲了加快速度,特斯拉準備了成千上萬塊微型晶片(即 GPU)來同時訓練神經網路。
除了用鏡頭和雷達採集常規數據,Autopilot 團隊還能要求車輛採集特定數據,比如車輛相遇或從自行車、卡車旁經過時的數據,這樣一來,他們就能訓練神經網路自動辨識這些擦肩而過的物體。
Autopilot 模式打開時,軟體會將鏡頭、雷達和超音波感測器採集到的即時數據整合,而「訓練」許久的神經網路會試圖預測物體短期內的運動方向。基於神經網路的指導,軟體最終會決定車輛行駛路線。
不過軟體工作方式的細節,特斯拉和其他廠商卻有較大差別,且 Musk 還始終咬定光學雷達沒有必要,現有的鏡頭、雷達和超音波感測器就能提供充足的路面數據了。
知情人士表示,即使 Autopilot 模式處在關閉狀態,鏡頭和其他感測器也能採集大量數據,供 Autopilot 團隊分析人類駕駛在各種情況下的駕駛方式並模仿。之後 Autopilot 就會利用這個附加因素規劃車輛在特殊情況下的駕駛方式,比如如何走曲線或躲避障礙,業界叫這種方法爲「行爲複製」。
不過,這種方式當然也有侷限,教不會自動駕駛系統如何處理那些不易預測的危險情況,這也是許多公司依賴這項技術時小心翼翼的原因。
當然,特斯拉的工程師相信,只要能從規規矩矩的人類駕駛那裏拿到足夠的數據,神經網路就能學會如何直接預測最佳轉彎、煞車和加速時機(大部分情況下)。
一位參與 Autopilot 開發的技術人員表示,「你完全不需要其他東西來教導系統如何自動駕駛。特斯拉甚至認爲未來的程式設計師連代碼都不用寫,在遇到特殊情況時,Autopilot 自己知道該怎麼做。」
事實上,「行爲複製」這種方法已經被許多自動駕駛開發者放棄。他們擔心以這樣的方式依賴神經網路,一旦發生事故就很難推算出真正的原因,畢竟神經網路如何決定還是未解之謎。
人工智慧能完全接管車輛之前,特斯拉必須慢慢來。這就意味著會讓神經網路接手一部分代碼編制工作,特斯拉 Autopilot 願景團隊主管 Andrej Karpathy 稱爲「軟體 2.0」。
知情人士表示,特斯拉的開發版 Autopilot 系統就依賴於這樣的神經網路,它能找出哪些感測器的讀數是一致的,這也是感測器融合的一部分(有些廠商也在利用這種方法,但與特斯拉有所不同)。據悉,在告訴 Autopilot 如何找到一致讀數的問題上,特斯拉神經網路的代碼創作能力已經比程式設計師強了。

Bookmark and Share
|
關閉