幣熱交易所智能科技_幣熱交易所平臺核心知識

根據Coin Hot Exchange平臺的消息，馬斯克最近在特斯拉的人工智能日上展示了自己的肌肉，出現了人形機器人和超級計算機Dojo。Coin Hot Exchange平臺認為，純粹視覺道路工作原理的展示揭示了他的技術自信。Coin Hot Exchange平臺發現，盡管許多制造商選擇了激光雷達計劃作為視覺指南，但特斯拉仍然堅持純視覺路徑，并將其旗幟拉得越來越高、越來越深。我們知道，自動駕駛的基本原理是感知、決策和執行三個步驟的分離。感知層使用視覺傳感器獲取周圍路況信息，通過車身的設備和云處理數據，并獲得執行命令，使車輛能夠獲得自主駕駛的能力。在這三個基本步驟中，感知是首要步驟，在隨后的決策和執行中發揮著先決條件的作用。在感知層面，目前市場上有兩條技術路徑：視覺感知和激光雷達感知。

激光雷達派系認為，由相機主導的視覺感知準確性不足。如果自動駕駛需要進行到L3級或更高級別，則應使用激光雷達。視覺感知學派認為，攝像頭感知到的環境信息數據豐富，可以方便地對物體進行分類和標記。最關鍵的是它的低成本，這是激光雷達無法實現的。無論是從技術角度還是成本角度分析，這兩個計劃的區別在于能否需要激光雷達的協助來實現高水平的自動駕駛。兩派一直在爭論到底是好是壞。那么，在這兩條技術道路之間，誰能笑到最后呢？激光雷達與視覺感知性能比較激光雷達感知技術以激光雷達為主，毫米波雷達、超聲波傳感器和攝像頭為輔。激光雷達感知環境的工作原理是通過激光雷達發射激光束，測量激光在發射和回收過程中的時間差和相位差，確定車輛與物體之間的相對距離，實現實時環境感知和避障功能。激光雷達探測間隔長、精度高，抗干擾能力強，能夠主動探測周圍多目標環境，獲取周圍環境點云，構建三維環境模型。即使晚上光線不好，也不會影響檢測效果。雖然激光雷達不怕昏暗的光線，但它對雨、雪、灰塵和大霧等天氣條件很敏感，這會影響它的識別性能。激光雷達與高精度地圖規劃的融合，可以有效彌補視覺規劃環境依賴性高、計算能力需求高的缺點。其性能優勢使大多數汽車制造商將激光雷達列為L3級及以上自動駕駛不可或缺的感知設備。視覺感知是一項由相機主導的計劃，與激光雷達相比，相機具有顯著的成本優勢。一臺相機的價格在幾十美元左右，而激光雷達的價格是幾百美元的幾倍。此外，相機技術正在逐漸成熟，高分辨率和高幀率成像技術提供了更豐富的感知環境信息。然而，在黑暗的環境中，相機的感知受到限制，導致準確性和安全性下降。例如，特斯拉最受批評的Ghost Brake問題是，在一些隧道和橋梁陰影中，由于攝像頭的構造，算法將突然出現的陰影視為障礙物，導致車輛突然自動減速，存在安全隱患。與視覺規劃中的硬件性能相比，相機功能在幾秒鐘內就被簡化為灰燼。由于增加了軟件算法，視覺規劃依賴于強大的算法來確保圖像處理和決策執行的正常功能。與激光雷達相比，視覺感知的弱點更為明顯：相機依賴光線條件，感知精度低，對算法和算力的依賴性極高，數據獲取和算法迭代的障礙較高。就性能而言，激光雷達顯然取得了勝利。特斯拉在計算能力和算法方面投入了大量資金，并一直堅持視覺感知。什么……

e考慮因素？特斯拉專注于純視覺路徑邏輯。在馬斯克看來，“純粹的視覺感知是通往現實世界人工智能的道路”，這也是他在處理問題時所追求的基本理念——第一個原則，即回到事物的最基本條件，將其分解為各種元素，停止構建和分析，找到實現目標的最佳方法。在駕駛車輛的過程中，我們通過眼睛收集路況信息并用大腦進行處理，從而安全地停止駕駛。因此，自動駕駛也可以通過視覺感知和算法處理來停止。特斯拉想要做的是模擬人類獲取信息的視覺能力，以完成自動駕駛。由于視覺攝像頭的感知精度相對較低，因此有必要依靠特斯拉獨特的數據優勢以及構建計算能力和算法的能力來消除這一缺陷。在數據方面，當其他自動駕駛制造商仍在道路測試階段收集數據時，特斯拉受益于在全球銷售了數百萬輛帶攝像頭的汽車，積累了大量真實的路況數據。用于深度學習模型訓練的數據已經為特斯拉的算法設置了障礙，而這些數據樣本積累的速度和算法的效率是其他制造商無法復制的，因此他們只能盲目和焦慮。在計算能力方面，特斯拉的新型超級計算機Dojo具有強大的計算能力。這臺超級計算機是為特斯拉的自動駕駛系統設置的，專注于訓練包括自動駕駛在內的整個自動駕駛系統。

在相機的技術層面，特斯拉也停止了技術改造，取而代之的是“偽激光雷達”技術，以估計相機中像素的深度。與激光雷達類似的點云功能（通常用于3D物體檢測）提高了深度估計的準確性，激光雷達與相機之間的差距開始縮小。人們駕駛車輛的時間取決于視覺，我們的神經網絡可以處理視覺信息中的間距和速度等信號，而特斯拉的神經網絡似乎能夠逐漸實現這一點。特斯拉的視覺感覺很清楚，逐漸縮小了與激光雷達計劃的差距，但其背后的成本使后來者難以效仿和復制，這也為特斯拉建立了強大的壁壘。純視覺計劃依靠大量樣本數據來訓練學習，并依靠先進的圖像處理算法來支持計算能力，這注定是少數登山者選擇的一條艱難道路。特斯拉首席人工智能科學家Karpathy在今年的CVPR 2021自動駕駛研討會上表示，基于純視覺的自動駕駛計劃在技術完成方面變得越來越具有挑戰性，因為它們要求神經網絡僅基于視頻輸入就能很好地運行。然而，好處是，一旦它真正發揮作用，它就是一個通用的視覺系統，可以部署在地球上的任何地方。未來，視覺感知系統不僅可以部署在汽車上，還可以部署在任何其他需要視覺系統功能的產品上，如機器人、無人機、AR/VR等，成為一種通用人才，這也是特斯拉未來的考慮和雄心。盡管特斯拉設想了一個美好的未來，但在現實中，目前的視覺感知計劃與激光雷達計劃仍有差距。我們仍然會在新聞中看到，特斯拉汽車公司因識別感知問題而發生安全事故。目前，激光雷達Pi在安全方面仍處于領先地位。激光雷達能笑到最后嗎？這兩個流派中哪一個能笑到最后，也是考慮到量產的范圍和視覺道路技術的迭代，哪個更快。我們可以通過數據發現，新注冊的雷達公司越來越多。數據顯示，中國目前有1.4萬家雷達相關企業，2020年新注冊企業2640家，同比增長29.3%。禾賽科技、巨頭華為等上市公司發布的低成本激光雷達產品一度具備量產條件。供應方面的增長趨勢來自需求方面的巨大需求。絕大多數從事L3和L4級自動駕駛的公司，包括初創公司和大公司，都采用了激光雷達，并且大多數公司購買了激光雷達而不是自行開發的方法。由于高精度硬件性能帶來的安全優勢，激光雷達項目暫時可以由……負擔得起……

他以高昂的成本進行營銷。大多數玩家都有激光雷達計劃，這增加了需求并擴大了他們的生產能力。大規模生產的范圍正在進行中，由于范圍的優勢，未來的成本將進一步降低，建立良性循環。經過10多年的發展，激光雷達已被證明是實現高水平自動駕駛的必要傳感器，特斯拉也在這種情況下焦急地開發它，同時也在炫耀自己的肌肉，吸引人們。此前，特斯拉與激光雷達技術公司Luminar簽署了一份合同，停止使用激光雷達進行測試和開發，這引發了大公司的猜測。盡管特斯拉后來澄清說，他將堅持純視覺的道路，并一直走到最后，但他對激光雷達行為的使用是不可預測的。純視覺道路，有廉價的攝像頭，但安全性令人擔憂，與算法和計算能力有關，特斯拉依靠自己的海量數據和超級計算機，這是無人能模擬的優勢。這也意味著，純粹的視覺路徑要么脫穎而出，要么勢均力敵，但市場上的其他公司，無論結果如何，都無法遵循視覺來知道這條路。沒有兩個畫筆可以參與，演奏只是一種心跳。從長遠來看，這兩種視覺感官在成本和安全性方面仍然存在爭議。如今，激光雷達范圍和特斯拉純視覺技術的發展速度尚不清楚。很難說激光雷達是否能笑到最后。但現在，與未知視覺感知技術的發展相比，激光雷達項目已經在大范圍量產的路上，它的精彩發展讓這一派有信心微笑著迎接未來。

標簽：特斯拉發現

汽車資訊熱門資訊