特斯拉的自動駕駛大腦系統是如何學習的?它將首先使用特斯拉上的攝像頭為周圍的交通參與者建立模型,同時將照片數據添加到神經網絡的訓練集中,以便人類能夠區分它是什麽。這樣,形成壹定比例後,腦?我將能夠自己判斷,比如什麽車,什麽自行車,誰,他們離我有多遠,他們是什麽方向和運動的速度...這種學習不僅限於特斯拉自己的內測,還包括大量車主在實際駕駛場景中的數據積累。然而,就像人眼會有錯誤的判斷壹樣,視覺算法也有明顯的缺點,即很難從2D平面圖像中推斷出準確的3D真實場景。比如特斯拉汽車曾經把壹輛白色大卡車識別為雲,直接撞了上去。將二維人體投影作為真人,主動剎車;利用廣告牌上的停車標誌作為汽車的路標,主動剎車。
從理論上講,視覺技術與激光雷達的結合是壹個完美的解決方案,因為視覺方案中的圖像傳感器可以獲得高幀率、高分辨率的復雜環境信息,而且價格便宜,而激光雷達是通過發射脈沖激光,檢測目標的散射光特性來獲得目標的深度信息的傳感器。它具有精度高、量程大、抗幹擾能力強的特點。業內公司也普遍認為,全自動駕駛技術應該包括激光雷達、雷達、攝像頭、超聲波和熱成像等傳感器。
激光雷達通常可以分為機械激光雷達、混合固態雷達和純固態激光雷達。機械式激光雷達的技術發展較早,也比較成熟,但是機械旋轉部件的行駛環境不穩定,按照車輛法規量產難度很大,價格也很高。我們看到的陀螺儀很高的自動駕駛汽車,壹般都是機械激光雷達。可以實現L4駕駛的機械式激光雷達的價格可以輕松計算在幾萬塊錢。