何为功能平价？特斯拉「抛弃」多传感融合，背后有哪些门道

技术与成本，永远是博弈的两方。

当大部分车企都在寻求通过增加更多、更高性能的传感器（也就是通常所说的多传感融合技术）来强化智能驾驶功能可靠性和拓展性的大背景下，特斯拉依然我行我素，继续沿着纯视觉感知的路线前行。

最近，特斯拉再次宣布准备拿掉车上的超声波传感器（主要用于泊车），这是继毫米波雷达之后，特斯拉抛弃的第二种传统感知硬件。取而代之的，将是特斯拉基于纯视觉的Occupancy Network，特别强化了检测物体的能力。

这种新的视觉算法模型，基于机器人相关技术概念，将真实场景划分为网格单元格，然后定义哪些单元格被占用。这就是特殊之处，不是传统意义上的探测，而是“占用”。

不过，通过这种算法模型，系统并不会得到物体的确切形状，只是一个近似。但，FPS速度超过100帧（比相机的FPS速度高出3倍）。接下来，特斯拉衍生出几种模型，比如最近热门的Bird-Eye-View，从2D到3D的立体占用模型以及光流预测。

这意味着，特斯拉在视觉技术上实现了新的突破，而这些问题，过去需要依靠其他传感器来配合解决，才能实现更高准确度、可靠性的决策依据。

比如，目前仅基于视觉系统的算法存在问题，包括性能不一致（因为场景、物体的不同），不能很好地处理遮挡，不能区分物体是移动的还是静止的，以及过度依赖于物体检测（基于有效数据集的训练）。

技术路线，当然各有差异。某种意义上，单一感知和组合式感知各有优劣势。比如，摄像头某种意义上除了算法模型的优化能力，还受制于硬件，比如CMOS、ISP以及芯片处理能力的约束。

“我们继续在功能平价和安全性方面进行增量改进。”这是特斯拉在取消超声波传感器配置官方通稿中的一段文字，同时，相比于其他传感器（下一代，我们不好评价；比如，4D雷达也具备机器学习的能力），视觉能力的快速改进是可以预期的，因为模型在不断优化。

显然，成本，是特斯拉的头等大事。这背后，既有硬件的成本（每减少一种传感器，从系统角度，肯定是降本路径之一；还有芯片短缺的影响），也有系统研发的成本（做好一件事，比同时做好多件事，成本显然更低）。

「抛弃」，除了成本的考虑，还有性能瓶颈。

目前在车上规模化搭载的超声波传感器、毫米波雷达，的确已经有很多年时间没有出现大的性能变革升级。这意味着，在多传感融合的系统中，就会出现明显的「水桶效应」。

比如，马斯克曾对外表示，“一个非常高分辨率的雷达将比纯视觉更好。”有消息称，特斯拉正在等待HW4.0计算平台的性能升级来支持高分辨率4D雷达的上车。

今年早些时候，特斯拉向美国联邦通信委员会提交了全新高分辨率雷达的注册文件，有知情人士称，这款全新的毫米波雷达可能是未来FSD系统的关键组成部分。

不过，目前，还不清楚特斯拉是否要将高分辨率雷达用于量产，或者可能会在部分法规较为严格的市场进行配置，从而保证可以通过当地的新车评级（比如，欧洲的主动安全法规测试场景更多，纯摄像头不一定可以胜任），并取得更高的分数。

此前，特斯拉人工智能总监曾这样表示，对于低分辨率雷达来说，通过类似立交桥这样的场景时，融合感知很棘手。因为雷达的仰角分辨率很低，这意味着很难分辨出立交桥和下面停着的车辆，一旦无法正确区分立交桥和车辆，就可能会导致碰撞。

相比较而言，特斯拉可以通过数据训练来对摄像头的感知能力进行软件定义，并允许在整个生命周期中使用OTA更新迭代改进性能。因为摄像头会产生大量的数据，而软件的改进仍然可以使这些数据得到最大限度的利用。

而传统雷达的技术更新，尤其是硬件（信道数量）限制了感知能力的提升。直到高分辨率4D成像雷达的出现，通过快速增加虚拟信道技术，大幅度提升了返回数据的分辨率。这也是为什么特斯拉开始重新评估毫米波雷达的作用。

实际上，特斯拉曾多次尝试在传统雷达基础上进行改进，来实现分辨率提升。此外，特斯拉还把「幽灵刹车」问题归结为毫米波雷达性能差，但令人尴尬的事，取消雷达「改用纯视觉感知方案」并没有根本性解决问题，车主的投诉反而指数级增长。

同样，视觉起家的Mobileye也认为，4D成像技术的出现使传统雷达性能实现了真正的飞跃——增加检测准确率，同时减少回声的杂波。同时，能实现较弱反射目标的更远探测（300米），以及不必要的静态杂波滤除，解决静止物体识别问题。

类似的事情，也发生在超声波传感器身上。事实上，和摄像头相比，超声波传感器、毫米波雷达都是传统汽车Tier1的立身之本。相反，视觉感知技术真正成为主流，则源于Mobileye的突围。

从早期的倒车辅助开始，超声波传感器一直是车企的标准选择项。此外，超声波雷达成本相对较低，探测距离近、精度高，且不受光线条件的影响，因此常用于泊车系统中。 

业内人士表示，超声波雷达在技术原理上本身没有太大的差异，厂商之间的差距，主要在于传感器实现上的稳定性和可靠性。长距离探测、精确定位、安装便捷及隐蔽性成为这种传感器升级的突破方向。

特斯拉在超声波传感器上，同样也是不断改进。

2016年之前，特斯拉车型搭载来自博世的第五代超声波传感器（12颗），包括ParkAid ECU。最大测距4.5米（特斯拉官方宣称可以达到4.88-5米），最小测距15厘米（精确测定），目标物检测最小3cm。

此后，特斯拉进行了供应商的替换，开始搭载来自法雷奥的超声波传感器，特斯拉官方曾宣称2.0版本超声波传感器的探测最大距离是8米。同时，超声波开始应用于Autopilot的行车盲区监控，而不仅仅是泊车场景。

不过，特斯拉出于降本、技术自主把控的需求，近两年开始采取自主设计+代工的模式，这其中也包括超声波传感器。有意思的，特斯拉也是全球首家量产基于视觉+超声波融合泊车的车企。此后，特斯拉在视觉感知能力的快速提升，显然已经远远超出超声波传感器的能力。

当然，也有一些技术在挑战超声波传感器。

比如，超短程雷达(USRR，ultra short-range radar)，比传统的超声波传感器反应更快，探测范围更广，能够解决超声波（受温度、湿度、风或噪声影响）和相机（在黑暗中无法准确识别物体）的缺点。

另一种，则是泊车点云雷达，介于4D成像与传统毫米波雷达之间。

以川速微波的近程点云成像雷达为例，在4D点云AVP模式下可输出4D（目标x，y，z，v）点云信息，定位精度高，可达2cm，最大输出256个点云，可实现自动泊车功能。

同时，点云模式下最大可检测0.2m~50米处车辆目标（可识别行人、二轮车、小汽车、大型车等），尤其是对于静止目标检测能力（停车场内路障、石墩、立柱、雪糕筒等均可识别）的提升明显。

考虑到目前智能驾驶赛道，行泊一体方案已经成为市场主推的选项之一，对于硬件配置（主要是传感器）的可复用关注度更高。

在川速微波CEO王东峰看来，从传感器角度来讲，我们认为现在的难点也是之前的传感器大多数是针对单一功能（比如，高速或者低速）来做的，未来从整体系统角度考虑，要变成可以适配多场景的融合。

当然，超声波传感器自身也在进行技术升级迭代。

比如，新一代AK2编码超声波传感器，这是继UPA、APA之后的最新一代技术，探测更远、盲区更小、回波更多，具备高度分辨率、抗干扰、功能安全以及波形编码等高阶应用需求。

同时，新一代传感器是瞄准支持自动驾驶或者安全级别更高的功能落地，比如近距离泊车的紧急制动。因为，高阶系统对干扰需要更高的信号鲁棒性，并且需要支持连续信号传输（与传统顺序信号传输相比，有更高的数据速率）。

此前，奥迪威在国内率先推出的AK2超声波雷达，就能够满足各类车型搭载智能泊车系统的障碍探测需求。采用先进的DSI3通信方式，信号传播速度快，且能够同步处理多种回波特征值，支持多模式切换。

目前，奥迪威已收获大量量产前装定点订单，公开定点项目包括上汽通用、奇瑞、路特斯等品牌，满足智能驾驶迭代至L3、L4级对感知升级的要求。

在高工智能汽车研究院看来，目前不排除特斯拉后续会采用高分辨率点云雷达来补强视觉感知，从而实现高低速传感器的完全复用。而对于大部分车企来说，多传感器组合感知仍是主流选择。