FSD 的环境感知
上面两张图是Tesla的一张视觉感知图,感知的元素包括车道线、路边的车辆、STOP标致,还有一大堆看不清的东西。可见,Tesla对环境的感知是非常丰富的。左边中间还有是否遮挡、是否下雨、是否是胎迹、是否是潮湿路面。
FSD BETA把更多的元素展现了出来
之所以能够做到这点,一龙．马给出的解释是4-D的Training,FSD beta与之前版本的区别在于:在不安装激光雷达的前提下,具备4D环境感知能力。他们对于目标识别的训练已经不是使用单张标注图片的训练,而是将8个摄像头一段时间的视频一起放在服务器里面训练。以前的深度学习输出的是离散的点,用其他硬件(廉价IMU)将这些点连接成一副场景,现在的深度学习直接就是无监督的场景训练。通过视频,Tesla一共会训练48种不同的神经网络,用于不同的任务,如识别距离的(depth network)、识别freespace的(layout network)等等。
Video Training 同时使用8个摄像头的视频
Video Training 一次会使用4096张
Video training 的成果,以TOPVIEW实时识别FreeSpace
现在,tesla使用上图这样一个GPU集群训练,tesla做一次ap的编译需要1个小时。
这样海量的训练数据,对于算力提出了很高的要求。为了实现这个功能,TESLA正在打造一台“Dojo”超级计算机(日语:道场)
这个超级计算机的作用是进行NN训练,一龙．马说,这个机器可以自动地学习和识别先前未被定义或被标记的信息。与之前FSD的区别就是放幻灯片和看视频的区别,更多的在于训练场景关联性和预测能力。有人说,DOJO造出来之后(2021年8月)应该是排名世界前几位的超级计算机(算力是现在第一名富岳的2倍),大国重器啊。
图片需要标注的元素
同时,DOJO强大的算力和Tesla逆天的算法已经支持了全自动标注。上面这张图的标准,完全可以由DOJO自动实现(基于Shadow mode与实际驾驶的Error),免去可耗时的人工标注环节,计算机的学习速度大大加快。 有了DOJO,tesla不但可以通过SHADOW MODE找出系统的问题,还能过像alpha zero一样实现自我迭代。
DOJOPYTORCHFSDSHOW MODE是如果相互配合来实现整个AI流程．
GOOGLE 阿尔法0的自我迭代．
当然,Tesla与ME相比,技术上的差距应该没有那么大,但是Tesla海量的数据决定了他的优势,数据是智能时代的石油嘛。ME就没办法做到这一点。这个优势还会随着Model3的销量不断扩大,其他主机厂应该庆幸他是一个封闭的系统。
关于规划决策部分,自动标注的实现是整个系统实现的关键。一龙．马没说什么,但Cruise给出了解释。
典型的路口场景,需要预测其他测量的运动．
Cruise解释,路径预测也是可以进行学习的。通过学习,他可以知道其他车做某种动作的概率,从而预测其他交通参与者的行为。下面三张图以通过路口为例(Cruise在最右侧):
1． 路口两辆车,每辆车有三种可能(直行,左、右,其实还有U turn, K turn)
2． Cruise会计算各种动作的概率
3． 当一辆车已经运动,他还可以影其他车辆运动的概率
4． 竖直的车通过路口后,左侧的车运动的概率被重新计算
5． 所有交通参与者运动被预测出来
6． 概率如何计算,其实我觉得深度学习和传统方法都有,但是深度学习确实很有效(学习当前交通参与者的拓扑、对方车辆的姿态与最终结果的关系)。
Cruise 在十字路口对其他车辆进入路口直行或者左右拐的概率进行预测
路口的车走了以后,黄车左拐的概率大大增加
各个车挨个过了路口,这个是cruise
Cruise说明,之所以能够预测,原因是他们使用了持续学习机,他可以进行自我标注。计算实际驾驶效果和预期效果的偏差,通过偏差对采集的数据进行定位进而自动标注,再进行训练形成闭环。从下图可以看出,持续学习机的效果非常好。
Cruise预测到了这个车是要掉头
Cruise也预测了白车要cutin
要说Tesla万能,我不太同意,比如今年有很多人误踩了油门。只能说技术进步和技术不成熟本来就是相伴相生。一龙．马虽然不停跳票,也还是说到做到。
总结
回望2020,小的自动驾驶公司倒了一大片,连Uber、吉利这种大公司都撑不住了,但是行业依然还是飞速的前进,只是整个行业呈现出了多元化的格局。汽车行业在分化,传统行业和新势力是冰与火之歌。自动驾驶行业出现了细分,活下来的公司在不同领域深耕,靠着专业化来获得利润。开创时代的WGIT(WaymoGM CruiseIntel METesla)依然坚持着梦想,不断突破技术的天花板。DARPA的一个小苗长就这样慢慢长成了一棵大树,感谢这个伟大的时代。
<上一页 3 4
