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。
微信扫码关注该文公众号作者