特斯拉自动驾驶的底层逻辑(5)

在2021年6月CVPR大会上，卡帕西曾表示毫米波雷达收集数据中曾出现“间歇性翻车”、甚至误判等情况。他举了三个具体例子，前方车辆急刹车、大桥下前车行驶速度以及对路边静止卡车的判断。
情况一：前方车辆出现急刹，毫米波雷达短时间内出现6次跟丢目标车的情况，跟丢状态下前车的位置、速度和加速度都归于零。
情况二：在行驶的汽车从大桥下通过时，雷达把一静一动的物体都当作静止物体；此时视觉传感却计算出行驶车辆的速度和位移，导致数据融合后的曲线传递出“前车在减速并且刹车”的错误信息。
情况三：在高速路旁停着一辆白色大卡车，纯视觉算法在距目标车180m处就发现白色卡车，并作出预报，但融合算法直到110m处才作出反馈，足足延迟5秒。
上述案例里，纯视觉算法均输出稳定且大幅优于雷达 视觉融合算法，精准地跟踪到前车行驶状况并作出深度、速度、加速度等数据。
不仅如此，纯视觉算法还可以在雾、烟、尘等环境里保持对前方车辆的测速、测距工作，如此一来拿掉毫米波雷达也不奇怪了。根据特斯拉AI Day上最新发布的信息，目前特斯拉每周能够获得一万个人们恶劣环境下驾车的短视频，包括大雨、大雪、大雾、黑夜、强光等等情况，神经网络通过学习训练这些已经标注好的材料，实现在没有毫米波雷达的情况下，也可以精准感知前方车辆距离。

可以说，特斯拉宣布拿掉毫米波雷达的底气，是对自己纯视觉算法成熟的自信，并且在无监督自学的加持下，特斯拉纯视觉算法迭代和完善明显提速。
今年7月10日，特斯拉纯视觉版本的FSD正式在美开启内测，2000名受邀车主通过OTA方式升级到FSD Beta V9.0版本，他们大多是特斯拉的粉丝兼中小型KOL，Youtube博主Chunk Cook（以下简称CC）就是其中之一，他还略懂工程学和航天学专业知识。
系统更新一结束，CC开启新版FSD道路测试，并把测试视频上传至油管。视频中他来到一个车辆较多、车速较快的T路口进行转弯测试，结果显示，7次中只有1次，FSD顺利完成自动驾驶，其余都需要人工接管方向盘来完成驾驶。