這張來自僞激光雷達論文的圖片顯示了舊的黃色實點雲

作者 |  Brad Templeton

譯者 | 天道酬勤，責編 | Carol

特斯拉 CEO 埃隆·馬斯克（Elon Musk）對自動駕駛激光雷達（3D圖像技術）的看法是衆所周知的。他不打算在特斯拉里使用這個技術。TSLA （https://www.forbes.com/companies/tesla/#6aa1b19848d4） 這是一個有爭議的觀點，只有歷史才能證明他們在這場賭局中做的好不好。  

特斯拉推廣的一種方法有時稱爲僞或虛擬激光雷達。這涉及到構建工具來拍攝攝像機圖像（立體或常規），並計算出圖像中每個像素的距離。激光雷達實際上是通過計時光脈衝擊到達像素並以光速返回所需的時間來計算出到每個像素的距離。另一方面，人類利用我們的大腦來估計距離。 我們知道物體有多大，它們如何運動，這讓我們知道它們離我們有多遠。 我們還使用其他一些技巧，例如由於兩隻眼睛而產生的立體視覺，但只能適用於中等距離。另一個好技巧是“運動視差”，你可以跟蹤事物在背景和其他事物下的運動方式，這會給你提供其他線索。

這是好事，人類的大腦可以勝任這項任務——事實上， 你可以在開車的時候閉上一隻眼睛來完成這項任務。人們正嘗試利用神經網絡來建立機器學習技術，來計算出與圖像的距離。 這是一個虛擬激光雷達。

訓練虛擬激光雷達比訓練許多神經網絡要容易得多。正常情況下，訓練需要你提供許多訓練圖像，而人類要努力計算出真實的距離。由於測試車上可能裝有真正昂貴的激光雷達，因此你可以四處行駛來獲得與從激光雷達中學到的“地面真實”距離數據相結合的訓練數據。你向神經網絡展示大量由激光雷達計算出真實距離的圖像，並且它擅長於自行計算距離。這種技術是無監督學習的一種變體，因爲你不需要人工標記，它比有監督學習便宜得多，因此，如果神經網絡有什麼東西可以做得很好，那就應該是這個。你還可以訓練模擬器數據來改善模型。

另一種有用的訓練技術是，根據現實世界中的物體以可預測的方式改變距離這一事實。當你看到一個物體沿着物理學允許的路徑移動時，你的估計很可能是正確的。如果你看到物體以不可能的方式在太空中跳躍，你就會知道它們是錯誤的。  

他們做得很好。神經網絡的一個問題是它們傾向於觀察單幀圖像，而不是像人類那樣看運動圖像。 實際上，人類在靜止圖像上會犯很多錯誤。隨着時間的流逝，機器學習技術可能會超越這一點。問題是我們必須“拿你的生命做賭注”。你還需要對從未見過的事物進行處理，這可能會挑戰神經網絡。

例如，在前方道路的車道上停下了一些不尋常的東西。你需要知道它有多遠，並且需要非常可靠地很快找到它。如果是一輛汽車，你會知道車有多大，所以你知道它有多遠。 同理，一輛汽車在側身旋轉（對於人類而言），但是訓練數據庫可能從未見過這種情況。對於一個隨機物體，你想知道，它是一個遠處的大物體還是一個附近的小物體？唯一的方法就是看它與道路幾何形狀的關係，這是更復雜的。

如果有人做到這一點，他們將擁有一種工具，可以拍攝相機圖像，併產生激光雷達產生的3D“點雲”，而且由於相機價格更便宜，因此可以以更低的成本進行生產。他們也可能在很長的距離內做到這一點。許多激光雷達只能看到約120m， 花式的看240m。衆所周知，人類會理解他們在一英里以外看到的東西。

具有諷刺意味的是， 致力於激光雷達的開發人員已經建立了依賴於這些點雲的系統，並花費了大量時間對其進行完善。如果一個僞LIDAR系統突然變得可用於產生質量點雲，則他們可以立即使用它。那些一直希望使用僞激光雷達的人，在使用這種形式的數據方面不會有相同的經驗。 相反，他們將計劃將其視覺系統的其他元素（將圖像分割爲不同的對象，並對它們進行分類）與距離估計結合在一起。他們可能沒有能力利用他們一直希望的突破。

另一方面，使用公司的激光雷達只會說“太好了，我們可以用便宜的東西代替昂貴的激光雷達。” 如果他們也是製造激光雷達的公司（例如福特、克魯斯、Waymo和Aurora），他們可能會覺得自己浪費了一些錢。  

很明顯，你需要知道道路上所有物體的距離，必須正確計算出距離，並且你必須快速完成計算。 我們已經看到特斯拉自動駕駛儀多次撞向卡車、防撞欄和前方車道上被一輛突然駛離的汽車擋住的車輛。當道路上的障礙物突然出現在你的傳感器上時，你要知道該障礙物離你有多遠，這樣你纔可以啓動緊急制動。激光雷達幾乎總是這樣做，但計算機視覺卻不是。僞激光雷達是解決該問題的一項努力——但目前，大多數其他公司計劃使用激光雷達來解決這個問題，他們知道這種方法是行得通的，但他們期希望看到這種方法會變得便宜。

當然，如果特斯拉是內部解決這個問題的公司，它就不會與其他公司分享（儘管示演示活動可能會促使其他公司做同樣的事情）。 感知團隊也可能會嘗試開發一種可以來匹配距離估計和分類，而不是生成激光雷達樣式的點雲。這不是僞激光雷達，但如果普遍準確的話，也同樣有用。

原文鏈接：https://www.forbes.com/sites/bradtempleton/2020/04/14/if-teslas-dream-of-making-cameras-perform-as-well-as-lidar-comes-true-it-may-help-teslas-competitors-more/?ss=ai#1b9ad0f858e8

本文爲 AI 科技大本營翻譯，轉載請註明出處