自动驾驶到底应该怎么实现？(28 天写作 Day4/28)

LIDAR is a fool’s errand… and anyone relying on LIDAR is doomed. — Elon Musk

国内的小鹏和蔚来都宣布未来会集成激光雷达(LiDAR)。 那么，到底哪个才是通往自动驾驶的正确方向？

个人觉得，以上可能都是中间态。

特斯拉是坚定的纯视觉派

作为一个纯外行小白，简单想来貌似结合各种感知技术，应该更加全面完善呀？为什么特斯拉坚持纯视觉路线呢？

特斯拉是坚定的视觉技术派：基于摄像头和毫米波雷达来感知路况和周围环境。

听说是因为基于"第一性原理"来推演的：人依靠眼睛就可以驾驶，因此自动驾驶也可以。

Lidar, is a method of measuring distance by shooting lasers and detecting how much time they take to return. The idea is similar to Radar but instead of radio waves, we use lasers. The technology is extremely accurate at detecting objects even up to millimeters.

激光雷达比毫米波雷达探测的更远。

LIDAR 被吐槽啥？

但是除了成本因素外，激光雷达一些可能被吐槽的点比如下面。

激光雷达对静止物体检测可以，但是路上经常出现各种移动物体，此时就不够稳定：无法检测如何动更别说是什么物体。

• 例子：LIDAR cannot differentiate a road bump from a plastic bag.

• 可能会引起很多误召回吧。

而且太远距离的物体检测能力，其实对于驾驶这种事情可能没那么重要。 当物体进入视野，摄像头基本就可以快速识别出来了。

有些研究还表明，用廉价的立体照相机可以生成出 LiDAR 一样准确的感知图。

其他的硬件派

国外的福特、Uber 以及谷歌的 Waymo 都是"硬件派"，LiDAR、GPS、高精度地图等等，能配上的全上。

比如，最近未来的 ET7 中的 Aquila 感知系统：

Aquila 超感系统，拥有 33 个高精度传感器，包括超远距高精度激光雷达、11 个 800 万像素高清摄像头、增强主驾感知、5 个毫米波雷达、12 个超声波传感器、冗余高精度定位单元和 V2X 车路协同感知；实现融合感知，定义了自动驾驶感知系统全新标准。

自动驾驶不只是车的事情吧？

如果 Musk 喜欢用'第一性原理'分析问题，我们也学这用一下。

我们人走在路上，或者人开着车，主要通过视觉(当然也会有听觉等，但是应该没有雷达。。。)来感知路况的。

比如，我们看到路上的路牌、车道线、行人、其他车辆、路牙子以及可能别的路上的各种可能物体，都不会仅仅是一个视觉识别这么简单，还需要大量的社会常识来决策。

怎么说呢？

举个简单的例子，交通标志「STOP」算法可以识别出来。但是看到这个交通标志，我就应该停下来吗？没这么简单。

它要是放在前面公路维修车车斗里面的，就不需要关心，如果他是一个人打了一个带「STOP」字眼的标语也不需要关心。

以此类推，这种情况应该会组合爆炸，所以不是简单的视觉识别算法，而是需要很多常识，但常识的表达应用这个是 AI 目前看来都不可能完成的任务，太难了。。。

那自动驾驶还可以实现吗？

也许可以。但要实现肯定不是单独一台车的事情。

上面 ET7 中的文案也提到一个词：V2X。我觉得，可能必须这个做好才可能真正实现自动驾驶。

一个车行驶在路上，能和周边环境进行通讯，交换信息，再加上视觉以及可能的 LiDAR 各种感知信息，才能搞的定。

未来的路都是铺满各种感知器、各种信号发射接收器。 车-路，车-车，车-人，车-X，各种感知+通讯。

参考

https://towardsdatascience.com/why-tesla-wont-use-lidar-57c325ae2ed5

https://www.therobotreport.com/researchers-back-teslas-non-lidar-approach-to-self-driving-cars/