原創“硅谷鋼鐵俠”惹眾怒：激光雷達到底配不配做無人車的“眼睛”？
2019-04-30 22:01
來源:腦極體
熱衷於“拉仇恨值”的馬斯克前不久再一次不負眾望，給我們貢獻了四月的最後一瓜——激光雷達傻瓜論。
坊間流傳一個說法：激光雷達就是自動駕駛的“眼睛”，換句話說，凡是想搞自動駕駛的廠商，必須先拜激光雷達這個“山頭”。
不過，在4月24日的“Autonomy Day”產品發布會上，懟天懟地懟空氣的馬斯克就將炮火對準了激光雷達。
原話是這麼說的，“Lidar is a fool’s errand”，傻子才用激光雷達，現在誰（做自動駕駛）還要靠激光雷達，那就註定完蛋！不信走着瞧！
言辭之激烈，內容之放肆，放在“狂言人設”的馬斯克身上，都有些令人驚訝了。於是乎，一夜之間，AI圈、汽車圈、朋友圈都炸了。各路大佬紛紛下場，從技術爭論吵到人品諷刺，要多熱鬧有多熱鬧，媒體群里也洋溢着歡樂的氣氛：頭條穩了！
馬斯克用一周的時間，如同葫蘆娃一樣為大家貢獻了“一根藤上七個瓜”。
“做車一族”集體diss馬斯克的觀點，馭勢科技、文遠知行、Autowise等出行企業，以及Velodyne等激光雷達企業的重要負責人，都旗幟鮮明地表示，自動駕駛想要完全擺脫激光雷達，根本不可能。
但馬斯克本人並不孤單，很快科技撰稿人Steve Cheney就出來聲援，認為“三年內所有明智的人都會拋棄激光雷達”，理由也和馬斯克一樣，因為（激光雷達）“沒有必要且非常昂貴”。
不得不說，雙方大佬的觀點都是一些……老生常談。其實，關於自動駕駛的實現到底是靠激光雷達還是攝像頭，這個話題早已爭論多年了。
更令我們感興趣的是，“激光雷達傻瓜論”出現在當下這個時間節點，或許並非偶然。其背後隱含的是自動駕駛汽車長期以來未能解決的痼疾，也確實到了該重新思考方向的時候。
今天我們就用一篇文章幫大家捋捋清楚，當大佬們談論激光雷達時，究竟在談些什麼？
當眾diss激光雷達？馬斯克表示：坐下，常規操作！
吃瓜之前，咱們先捋一捋，自動駕駛與激光雷達之間的緊密關係：
如果我們要做一台自動駕駛車，那麼需要完成幾個必需而關鍵步驟：首先是感知，即獲取外界的信息，然後判斷，主要依賴雲端算法，最後做出決策，該停時停，該走時走。
由此可見，感知階段是自動駕駛汽車性能最基本、最重要的信息來源和體驗保障。而目前主流的感知方式，則是依靠雷達，攝像頭和激光雷達這三大傳感器系統實現。
這三種方式各有利弊，其中“激光雷達”是一直是產業界關注的焦點。原因也很簡單，激光雷達具有雷達的測距能力，但分辨率又比雷達高；具有攝像頭的感知能力，但又可以不受光線條件的限制。它唯一的缺點是，造價太高，無法大規模地使用在量產車上。
在過去的幾年間，幾乎所有自動駕駛廠商都無法迴避激光雷達。區別只是在於，誰能讓這三者的排列組合更高效、更精準、更便宜。比如豐田TRI 研究院打造的無人駕駛汽車，就在車身上武裝了7個Velodyne 的激光雷達。而谷歌自動駕駛公司Waymo獨立之後做的第一件事，就是努力將激光雷達的成本暴跌，從原來7萬美元干到了7500美元。
與行業對激光雷達的追捧相比，馬斯克是個十足的異類。
他堅持認為使用激光雷達是一個錯誤的選擇，在目前的智能駕駛量產汽車中，只靠攝像頭的僅特斯拉一家。這至少說明，馬斯克不是“口嫌體正直”，而是發自內心地認為激光雷達對自動駕駛的未來毫無價值。
說到這裏，“課代表”來給大家總結一下，“倒雷派”（diss激光雷達的一部分人）的幾個重要論點：
1.激光雷達成本太高。由於激光雷達的“不可取代”性，相應的價格也十分高昂，這就導致汽車廠商和芯片公司都很難在激光雷達的前提下實現盈利。
那麼為何不考慮降低成本呢？目前激光雷達市場主要是靠汽車行業在支撐，短期內幾乎不可能出現新的大規模需求，机械式激光雷達的生產組裝效率也無法迅速提升，邊際成本自然居高不下。
而有的企業為了降低整車價格，採用了更便宜的固態激光雷達，但也帶來了新的問題，那就是這種雷達無法360度轉動，不能探測背後的情況，還需要引入新的傳感器，在經濟效應上並不可行。
2.激光雷達實際應用中有bug。一個是由於不能識別顏色，導致激光雷達無法完成跟蹤目標等任務；同時，激光雷達在高速移動中要處理的信號越多，海量像素會對廣電探測器帶來干擾，造成識別進度下降；此外，激光雷達需要額外插入外部適配器進行充電，使用上更加繁瑣。
3.更關鍵的是，以激光雷達為提升汽車感知能力的捷徑，也催生了科技公司和汽車廠商的“懶惰”。主要體現在高級自動駕駛方案上過分依賴和堆砌激光雷達，使得他們或多或少地迴避了對自動駕駛來說至關重要的視覺識別算法和芯片基本問題。換句話說，激光雷達不但不能解決實際問題，還有可能讓創業者們陷入盲目堆砌資源的資金戰。
是不是聽起來還很好道理的樣子？試想一下，如果去掉激光雷達，全面引入視覺識別算法和高性能計算硬件，這樣不就節省下來了大筆的激光雷達部署費用。對於自動駕駛廠商和躍躍欲試的潛在車主們來說，無疑是個福音。
也確實有公司這麼幹了。除了特斯拉之外，創業公司AutoX就讓一輛只搭載 7 個攝像頭的林肯 MKZ在無人駕駛狀態下泡上了普通車道。
但是，更多的車企和無人駕駛技術公司之所以一邊吐槽着激光雷達高昂的價格和“業務能力”，一邊還不得不日以繼夜地研究着怎麼才能讓激光雷達能更好用一丟丟。
這當然不是因為他們自帶“抖M”體質，而是相比其他技術解決方案來說，以激光雷達為主已經是當時能找到的最優解了。
你行你上：視覺算法能扛起大王旗嗎？
大會上，特斯拉人工智能高級主管Andrej Karpathy是這樣說的——我們人類開車，都是完全視覺驅動，為啥到機器就非激光雷達不可了呢？
這也是特斯拉的另一種技術實現思路：通過多攝像頭方案採集數據，再藉助還原實際環境的模擬器來訓練神經網絡，通過智能視覺實現車輛對交通道路狀況的“認知”。
特斯拉現場公布了一組數據，其全視覺感知的方案，已經能處理99.999%的場景。每天特斯拉汽車會發生10萬起車道變更，沒有發生任何交通事故。
並且，使用這一仿真視覺模擬系統的用戶越多，神經網絡的性能也就越好，特斯拉預測並處理交通狀況也就會越熟練。
當然，特斯拉並不是將3D圖像處理的訓練工作全部交給了用戶來說，圍繞算法做了許多重要的工作，比如通過軟件算法來讓圖像數據變得更加健壯，從而實現對圖像的深度感知。
為了保障算法在無人車終端的運行效率，特斯拉還打造了全自動駕駛硬件。然而儘管做了一系列的準備工作，還砍了激光雷達一刀“祭天”，但馬斯克的攝像頭“視覺感知”理想，真的靠譜么？
至少在一部分堅定的“挺雷派”眼中，是不能接受的。他們反駁的理由也並非毫無根據：
首先，堅持採用攝像頭做感知器的特斯拉，此前的事故率就已經啪啪打臉了。特斯拉官方公布的2019年第一季度數據显示，使用Autopilot自動駕駛的事故數量就比以往有所增加。每行駛287萬英里，就會發生一起事故。相關車禍新聞報道近年來更是新聞媒體和電視台的常客。
更關鍵的是，以攝像頭+視覺感知技術+芯片的技術矩陣，並未能帶來令人驚喜的效果。舉個例子，特斯拉的Autopilot已經是目前各家輔助駕駛功能裏面最好的了，但就是這樣的系統，也會每隔幾分鐘就要提醒人工進行干預，一些曲率大一點的道路彎口都會猶豫不決直接停擺。在一些特殊的天氣環境中，單一的攝像頭傳感器系統更是捉襟見肘。
關於這一點，有網友在Hacker News上現身說法：幾周前芝加哥下雪了，我的AutoPilot關閉了，因為大雪遮住了攝像頭。所以我不會買這些“沒有激光雷達的自動駕駛”。
這種情況下，真的很難令人相信，3D視覺感知技術已經成熟到了可以完全拋棄激光雷達的程度。
以康奈爾大學最新的論文成果來看，偽激光雷達的 3D 深度表示，比此前最優圖像方法的識別準確率提升了2倍，在KITTI 3D 目標檢測排行榜上達到了當前的最高水平，但也僅僅只是把立體攝像機系統和激光雷達系統之間的性能差距縮減了一半。
而對於成熟的汽車廠商和科技出行公司來說，他們需要面臨市場和用戶的重重考驗，以及政府監管與公共安全的基本約束，需要最大限度地保證無人車的穩定和準確。反饋到大眾層面， “激光雷達”已經成了一個必不可少的存在，哪怕只是作為甩鍋道具或者安慰劑。
所以說，如果關於這場“激光雷達傻瓜論”一定要爭出個所以然來，那麼結果很顯然是，無論是產業界還是學術界，都在傳遞一個清晰的信號：短時期內，指望攝像頭+視覺系統沒戲，激光雷達還是必需且必要的。
既然如此，大佬們是不是都有點閑得慌了啊，放着那麼多問題不去解決，光顧着打嘴架了？目前看來，這場爭論最大的意義在於，消解了激光雷達長期以來神聖不可動搖的產業意義，並試圖尋找新的解決方向。
硬or軟or軟硬兼施：自動駕駛的未來由誰做主？
馬斯克此時站出來反對激光雷達，固然有些激進，但或許也指出了上一個階段自動駕駛廠商身上那件“皇帝的新衣”，確實不適合繼續穿着了。
關於這一點，也有不少產業界人士表示贊同。
比如馭勢科技創始人兼CEO吳甘沙就認為，完全不用激光雷達一定是有問題的，在相當長的一段時間內純視覺方案的魯棒性一定是不如視覺加激光融合方案的。但從更長的維度來看，靠激光雷達確實沒前途，因為攝像頭視覺能夠有更豐富的維度去理解這個世界。
部分高精地圖創業公司也強調從成本出發，採用低成本的攝像頭方案採集高精數據。
喧嘩聲中，一場關於硬件和軟件的主導權之爭已經悄然拉開了序幕。
想要理解這一點，我們將視角方的更全面一點，來看看除了diss激光雷達之外，特斯拉還同時搞了哪些事情？
其一，是發布了性能強大的全自動駕駛硬件Hardware 3.0，每套HW3.0含2套FSD硬件，能夠處理高達每秒2.5千兆像素和36.8 TOPS，據說浮點運算能力是英偉達Drive Xavier的7倍。
值得注意的是，FSD只運行特斯拉加密過的軟件，非特斯拉軟件，概不支持。
馬斯克還很拉仇恨地表示，“特斯拉從沒有設計過芯片，怎麼一下子就能搞出全世界最好的芯片呢？但它就這樣發生了”。
其二，是虛擬仿真系統。
基於大規模量產的特斯拉電動車（50 萬台，並且還在快速增長），特斯拉擁有了訓練神經網絡的關鍵資源。
比如說，如果特斯拉解決不了車上架着自行車這樣的難題（因為會被系統識別成兩個物體），就會下命令讓汽車將“問題”圖片上傳到總部，特斯拉對這些圖片進行標記，再導入神經網絡中繼續訓練，直到視覺系統能夠熟練地掌握識別技能。
比如只通過雷達和攝像頭，只要兩者得出的距離相匹配，神經網絡就能估算出車輛的間距。
從這個角度看，特斯拉的野心並不是給整個行業投出一顆重磅炸彈，而是構建出軟硬件一體化的自動駕駛解決方案。
在底層技術上，特斯拉通過自主研發的高性能AI芯片，來了一個底層硬件的“彎道超車”，解決了對於算力的迫切需求，同時擺脫了供應商的限制，最大程度地將核心零部件主動權把握在自己手裡。
在軟性的技術壁壘上，特斯拉也在變得更強。算法上，特斯拉擁有以實景數據為載體的神經網絡訓練平台，同時坐擁實時生成的海量細節數據。
至此，拿出軟硬件一體化解決方案的特斯拉，再一次與同行們拉開了競爭差距。同時也擺好了姿態，以一種軟硬兼施的方式，吸引更多夥伴加入自己的陣營。
這場論戰雖然是以“挑釁”開頭，也離不開營銷炒作的一貫手筆。但也同時讓人們看清楚一件事，如同汽車沒有被發明的年代，人類只想要一輛更快的馬車。
當自動駕駛來到產業的冷靜期，技術的快速迭代與生存的如履薄冰，使得廠商們不得不時時驚惶。但沉浸在這種“技術恐慌”之中，也容易忘記，人類需要的是發明汽車，而不是建造跑的更快的馬車。
從這個意義上講，特斯拉的自動駕駛帝國正在以最具創造性和顛覆性的樣式成型。過分惹眼的裝飾物背後，已經隱隱顯露出了未來的冰山一角。返回搜狐，查看更多
責任編輯：
聲明：該文觀點僅代表作者本人，搜狐號系信息發布平台，搜狐僅提供信息存儲空間服務。
公司 自動駕駛 特斯拉
閱讀 ()
投訴
本站聲明:網站內容來源搜狐http://it.sohu.com/?spm=smpc.content.nav.9.15547950851918j6oPHd,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】
※想知道台中食品倉有哪些?
※不鏽鋼螺絲的應用常識-五金修繕
※堆高機基本駕駛指導教學(影片)
※想要自創美妝品牌，面膜代工廠哪裡找呢?
※營業用紅外線烤爐比價站,怕你買貴，幫你找好康~
※市面十大品牌封口機!該如何選購?