特斯拉高管揭秘自動駕駛技術：48種神經網 - 汽車

這一篇文章是根據Tesla Autopilot 部門主管Andrej Karpathy 在二月份時所
做的一場演講寫的。Andrej Karpathy 專門研究深度學習以及影像識別，他在
史丹佛大學念博士時是李飛飛的學生，畢業後加入OpenAI，2017年時加入Tesla。

他在這場演講時提到很多Tesla 目前正在做的事情，其中最有趣的應該是利用
軟體算法製造出鳥瞰圖，以及如何應用軟體算法來辨識距離，甚至可以做到辨
識每個像素的深度是多少。

演講影片：
https://youtu.be/hx7BXih7zx8

=====================================================================

https://36kr.com/p/708377901357573

特斯拉高管揭秘自動駕駛技術：48種神經網絡上陣，最多可檢測1000種物體

特斯拉是怎麼靠攝像頭，來做到城市自動駕駛的？

編者按：本文來自微信公眾號“車東西”（ID:chedongxi），作者James，36氪經授權發
布。

近日，特斯拉更新了自動駕駛軟件的2020.12版本更新，在這一版更新中，特斯拉加入了
交通信號燈和停車標誌識別的自動駕駛功能。如果特斯拉選配了FSD完全自動駕駛能力套
件，就能通過OTA升級體驗車輛在紅燈前自動停下，綠燈亮起後又自動加速的自動駕駛功
能。

這項功能正式發布，為即將到來的特斯拉城市道路自動駕駛打下基礎，也標誌著特斯拉向
“完全自動駕駛”又邁進了一步。


https://i.imgur.com/rwIbUDd.gif
▲特斯拉交通信號燈識別功能

對交通信號燈和停車標誌的識別實際上並不容易。對於駕駛員來說很容易識別的內容，對
於還不太聰明的機器來說還是個不小的挑戰。例如，不同車道有不同的交通信號燈，停車
標誌也是五花八門，有些還被遮擋，這就非常考驗機器識別的效率和準確性。

今年2月，特斯拉人工智能高級主管Andrej Karpathy發表了一個演講，他在演講中闡述了
特斯拉是如何憑藉視覺系統識別道路環境，並應用於自動駕駛當中的。


https://i.imgur.com/CygIlsj.png
▲Andrej Karpathy的演講視頻

特斯拉利用“影子模式”，在駕駛員駕駛的過程中，自動駕駛電腦進行實時同步計算，但
不參與車輛控制。一旦駕駛員的操作和機器的計算有所出入，特斯拉的自動駕駛電腦就會
記錄下這個案例，並上傳給特斯拉總部。在收集到大量的數據之後，特斯拉將不同場景進
行分類，機器學習之後就能讓整個識別算法更加“聰明”。

在應用於車輛時，特斯拉還會利用機器學習，用二維的圖像計算出三維的場景，就能準確
判斷與障礙物之間的距離，實現更加精準的自動駕駛功能。

特斯拉自動等紅燈，離城市自動駕駛又近一步
4月24日，特斯拉向用戶推出了2020.12軟件更新。在這一更新中，特斯拉正式推出了“識
別交通信號燈和停車標誌並做出反應”功能。

選配有FSD的特斯拉車主在更新軟件之後，車輛就可以自動識別紅綠燈和停車標誌。如果
前方有禁止通行的紅燈或停車標誌，特斯拉會在車機屏幕上提前發出提示信息，告訴駕駛
員距離前方停止線的距離。

如果駕駛員沒有及時採取制動措施，車輛制動系統就會及時介入，並緩緩停在停止線之前
。在綠燈亮起之後，車輛會自動繼續加速前進。如果駕駛員在需要停車的路口確認安全之
後，踩下加速踏板，車輛也會重新加速前進。


https://i.imgur.com/8AG21ZO.gif
▲特斯拉軟件更新後車主的測試

在行駛過程中，車輛可以檢測到前方的綠燈、黃燈閃爍和紅燈，並在車機上顯示。如果檢
測到前方有紅燈或停車標誌，車輛會提前提醒駕駛員停止線的位置，如果駕駛員沒有做出
反應，車輛就會自動減速並停在停止線前。如果駕駛員確認安全後希望前行，只要踩下油
門踏板，車輛就會繼續加速前進。

不過，由於這項功能剛剛發布，運行的邏輯會比較保守，車輛在一些情況下不會嘗試自行
通過交叉路口。隨著使用這一功能車輛數量的增加，特斯拉自動駕駛計算芯片進行機器學
習後會讓這項功能更加完善。

根據此前公佈的特斯拉自動駕駛使用手冊，這項功能實際也有一定的局限性。特斯拉表示
，雖然車輛可以自行監測前方的交通信號燈和停車標誌，但駕駛責任完全由駕駛員負責。
駕駛員需要始終注意行車道上發生的情況，並隨時準備採取緊急措施。


https://i.imgur.com/qioQP0A.png
▲特斯拉交通信號燈和停車標誌識別功能使用手冊（美國版）

值得注意的是，用戶手冊中有這樣一句話：如果在特斯拉汽車行駛較多的路段，停車標誌
和交通信號燈的識別準確度會更高。也就是說，特斯拉確實是依靠深度學習讓算法變得更
加優秀，並且同一場景學習的次數越多，識別準確率也就越高。

此外，信號燈和停車標誌識別功能也不是在所有場景都可以使用。特斯拉在使用手冊中表
示，在美國地區，鐵路道口、禁區、收費站、人行橫道區域、不清晰或臨時的交通信號燈
、複雜信號燈和車道指示燈等環境下都無法啟用這項功能。

這項功能更新是特斯拉FSD自動駕駛系統的一大進步，也讓特斯拉距離城市道路的自動駕
駛更近一步。

今年2月，特斯拉人工智能高級主管Andrej Karpathy在ScaledML會議上的一次演講，就透
露了特斯拉自動駕駛系統的最新進展。利用機器學習的算法，特斯拉就能準確判斷路旁的
信號標誌，同時也能計算出與停止線、障礙物之間的距離信息。

特斯拉強在哪？上百萬車主幫特斯拉測試軟件
在特斯拉人工智能高級主管Andrej Karpathy的演講中，首先對特斯拉自動駕駛系統的工
作原理進行了講解。他表示，當前特斯拉主要依靠視覺系統採集圖像信號，自動駕駛電腦
進行計算之後，就能控制車輛的車速和轉向，從而實現自動駕駛。在這個過程中，自動駕
駛電腦的計算是最重要的一環，需要人工智能算法提供支持。


https://i.imgur.com/Wkir1z6.png
▲Andrej Karpathy演講現場

在今年2月美國加州車管局（DMV）公佈的自動駕駛路側數據可以發現，2019年全年，特斯
拉官方進行的自動駕駛公路測試僅有12.2英里（約合19.6公里）。與百度、Waymo、
Cruise等公司每年動輒數十萬上百萬英里的自動駕駛測試里程相比，可以說特斯拉官方相
當於沒有進行測試。

如果不進行大量的自動駕駛測試，特斯拉又如何進步呢？原來，特斯拉的測試者是百萬量
級的特斯拉車主，依靠“影子模式”進行自動駕駛測試的。

2016年，特斯拉發布了“影子模式”，在駕駛員駕駛過程中，裝有HW1及更新自動駕駛電
腦的特斯拉就能實時進行自動駕駛運算，但不會參與控制車輛的方向和速度。如果駕駛員
的操作和自動駕駛電腦的操作有較大出入，自動駕駛電腦就會自動記錄下這個案例，並上
傳給特斯拉。

從2018年正式啟用至今，影子模式已運算了超過30億英里（約合48.3億公里）的駕駛里程
。每天，特斯拉自動駕駛研發團隊都會收到大量的案例：駕駛員停車，自動駕駛電腦繼續
前進；駕駛員向左微調了方向，自動駕駛電腦直行前進；當然，也會有駕駛員發生碰撞，
但自動駕駛電腦避開危險。

舉例來說，路旁的停止標誌並不全都清晰可見，有些被樹葉擋住，有些屬於臨時標誌，有
些標誌在夜間非常模糊，還有部分停車標誌左轉停車，右轉不用停……這些並不清晰的標
誌就有可能對自動駕駛電腦產生干擾，一旦識別出錯，可能就會造成駕駛事故。


https://i.imgur.com/Sdem0m1.png
▲上圖：不清晰的停車標誌；下圖：有條件的停車標誌

為解決這個問題，特斯拉利用了數據引擎對算法進行訓練。首先，車輛將收集的數據回傳
至特斯拉自動駕駛研發部門，然後特斯拉相似的場景進行分類，同一類的機器學習訓練，
讓特斯拉的算法更強大，也更加“聰明”。


https://i.imgur.com/9ExOLAg.png
▲特斯拉的“數據引擎”機器學習模型

在對算法進行訓練之後，特斯拉會持續關注自動駕駛電腦對類似場景的識別準確率，形成
下面這個表格。

從中可以看出，特斯拉對Stop Sign（停止標識）這一種路牌，竟然給出了至少14種可能
存在的情況，包括大雨、大雪下的路牌、被擋住的路牌、校車上路牌、甚至還有門上的路
牌、手持路牌等。

也就是說，特斯拉的目標是要在各種特殊情況下，都能識別路牌。


https://i.imgur.com/4Vy7IX9.png
▲同一標誌在不同場景下的準確度評估

回到正題，特斯拉在訓練完模型後，會把算法通過影子模式進行測試，對每一個場景的識
別準確率進行重新評估，準確率不斷提高，也就意味著算法正在一點點進步。當識別準確
率提升到了較高水平，特斯拉就可以考慮對所有車輛進行功能更新，增加自動駕駛的功能
和使用場景。

這裡面講一個有趣的小細節。

特斯拉此前推送了識別雪糕筒的更新，有用戶為了弄明白特斯拉能識別哪一些雪糕筒專門
進行了一個堪稱變態的測試。

這裡測試的道具除了大小高低不同的雪糕筒之外，他們竟然還有一個穿著雪糕筒衣服的人
類作為道具。從視頻中看，只要穿著雪糕筒衣服的人類在移動或者站著，特斯拉就能識別
出這是一個人。但如果這個人蹲下不動，就會被識別為雪糕筒。


https://i.imgur.com/MihqYNa.gif
▲外國網友穿著雪糕筒的衣服，但沒有騙過特斯拉

這也就說明，特斯拉在識別雪糕筒這件事兒上，也同時考慮到了大量的特殊情況，才會表
現出這種成績。

從算法的代碼層面來說，特斯拉把它們的深度學習網絡稱為HydraNet。其中，基礎算法代
碼是共享的，整個HydraNet包含48個不同的神經網絡，通過這48個神經網絡，就能輸出
1000個不同的預測張量。理論上來說，特斯拉的這個超級網絡，能同時檢測1000種物體。
完成這些運算並不簡單，特斯拉已經耗費了7萬個GPU小時進行深度學習模型訓練。


https://i.imgur.com/LDGRiA5.png
▲特斯拉HydraNet網絡

雖然工作量很大，但由於大部分工作由機器承擔，特斯拉的人工智能團隊僅由幾十人組成
，與其他自動駕駛公司數百人甚至數千人的規模相比，確實規模不大。

二維圖像秒變3D，算法還能自己改代碼
在經過大量的機器學習訓練之後，特斯拉的算法會逐漸成熟，這套算法也會以OTA升級的
方式分發到每一輛特斯拉汽車當中，在車主實際駕駛過程中還能進一步試錯，讓算法更加
完美。

研發這套算法的最終目的是要實現特斯拉的自動駕駛功能，最終還是需要車上硬件互相配
合才能實現。

特斯拉全車共配備了8個攝像頭，一個毫米波雷達和12個超聲波雷達，監測外部環境，向
自動駕駛電腦實時傳送信息。


https://i.imgur.com/3hADxjC.png
▲特斯拉車外傳感器

簡單來看，特斯拉的攝像頭、毫米波雷達、超聲波雷達以及慣性測量單元記錄下當前車輛
所處的環境數據，並將數據發送給特斯拉的自動駕駛電腦。自動駕駛電腦在進行算法的計
算之後，將速度和方向信息傳遞給轉向舵以及加速、制動踏板，實現對車輛的控制。

不過，在日常行駛過程中，攝像頭作為傳感器捕捉的內容都是二維圖像，並沒有深度信息
。


https://i.imgur.com/UcCwY1u.png
▲特斯拉攝像頭採集的畫面可以確定邊界，但不包含深度信息

也就是說，雖然二維圖像已經可以區分公路和路旁的人行道，但並不知道現在車輛距離“
馬路牙子”還有多遠。由於缺失這樣一個重要信息，自動駕駛的運算可能並不准確，操作
可能出錯。因此，捕捉或者建立一個三維的圖景很有必要。

傳統工程師認為，直接在車頂安裝三維攝像機就能解決這一問題。不過，這既要增加車輛
的製造成本，又影響車輛美觀。此外，由於車頂面積比較大，如果三維攝像頭高度不夠，
盲區將會非常大。

特斯拉的工程師又想到用算法解決這個問題。如果有一種算法能夠將二維圖景的時序、邊
緣對齊，投影形成三維圖景，這個問題就解決了。


https://i.imgur.com/QHlqv0f.png
▲通過算法得出的“鳥瞰視圖”

在計算出三維圖景之後，特斯拉甚至可以計算出車輛的“鳥瞰視圖”。也就是說，雖然車
輛上方沒有攝像頭，但通過計算就能模擬出從車輛上方向下看的圖景。這樣一來，車輛離
障礙物還有多遠的距離，車內都能直觀地看到。


https://i.imgur.com/I39uSbL.gif
▲特斯拉視覺系統預測的馬路邊緣和車道線

實際上，特斯拉還有更厲害的地方，那就是算法可以預測流媒體視頻中每一個像素的深度
信息。也就是說，只要算法足夠好，流媒體視頻更加清晰，特斯拉的視覺傳感器所捕捉的
深度信息甚至可以超過激光雷達。


https://i.imgur.com/r9LorZ1.gif
▲特斯拉採集視覺信息（上），預測每一個像素的深度信息（中）並投影形成鳥瞰視圖（
下）

在實際的自動駕駛應用中，泊車入位和智能召喚兩個使用場景下就能充分利用這套算法。
在停車場行駛時，車輛之間的距離很小，即使是駕駛員駕駛，稍不留神也很容易出現刮蹭
事故。對於機器來說，停車場場景的行駛更加困難。在預測到深度信息之後，車輛可以在
超聲波雷達的輔助之下，快速完成對周圍環境的識別，車輛泊車就會更加順利。

在完成深度信息的預測之後，這部分信息會顯示在車機上，同時也會直接參與控制轉向、
加速、制動等駕駛動作。不過，轉向、加速、制動這些駕駛策略沒有固定的規則，有一定
靈活性。

因此，自動駕駛的駕駛策略沒有最佳，只有更好。

特斯拉基礎的自動駕駛策略由工程師完成，已經寫出了大量的代碼，這相當於是駕駛策略
的1.0版本代碼。不過，由於實際路況更加複雜，1.0版本的駕駛策略代碼實際覆蓋範圍較
小，邏輯也難免出錯。隨著時間推移，必須要不斷升級駕駛策略。

Andrej Karpathy表示，如果在機器學習網絡中不斷升級策略代碼，這樣既節省了人工成
本，自動駕駛能力進步的速度也會明顯加快。

在駕駛員駕駛的過程中，車輛也會收集駕駛員的駕駛習慣。通過對百萬特斯拉車主駕駛習
慣的學習，特斯拉的自動啊及時策略就會不斷提高。

通過對百萬車主駕駛習慣的學習，機器可以編譯出自動駕駛策略的2.0版本代碼。


https://i.imgur.com/XMRxLmU.png
▲機器編譯的2.0版本代碼正在逐漸取代1.0版本代碼

Andrej Karpathy預測，隨著機器的編譯能力提高、採集的數據更加豐富，2.0版本的代碼
會逐漸覆蓋1.0版本的代碼，最終實現所有代碼都由機器編譯完成，這樣的自動駕駛策略
就會更加精確。

結語：自動駕駛之爭正轉變為算法之爭
在自動駕駛不斷發展的今天，特斯拉已經形成自己的一派，完全使用視覺識別就能完成自
動駕駛。自動駕駛技術也從之前的攝像頭、毫米波雷達、超聲波雷達甚至激光雷達的堆料
，逐步轉變為算法之間的競爭。

特斯拉利用百萬輛每天行駛在道路上的汽車進行自動駕駛計算，其數據源、精準度很可能
已經遠遠超過其他的自動駕駛測試公司。未來，算法之爭還將逐步擴大，同時自動駕駛市
場的競爭也將更加激烈。

--
Tesla 視覺辨識的應用之一 - 智慧召喚時識別邊界：
https://i.imgur.com/VCNfidD.gif
https://i.imgur.com/hXLug8A.gif

--