侵权投诉
订阅
纠错
加入自媒体

特斯拉“死敌”Rivian跟着马斯克玩起了“纯视觉”!

给个理由先之纯视觉

3月,特斯拉刚刚获得了“利用视觉图像数据估计物体属性”的专利,它被认为是特斯拉减少对传感器依赖的重要一步。特斯拉的新专利旨在降低自动驾驶汽车视觉传感器日益增长的成本和复杂性。据了解,该方法可以让车辆通过图像数据和机器学习,检测并解释与周围环境的距离。

马斯克称,特斯拉将在4月份发布一个FSD Beta(全自动驾驶测试)版本。他还提到特斯拉要追求的是纯视觉,并建议特斯拉今后甚至不使用雷达传感器。

该专利使用两个神经网络,仅使用图像数据测量与物体之间的距离。其中一个神经网络可确定物体与车载摄像头捕捉到的图像之间的距离;另一个神经网络以标注图像的形式为前者创建训练材料。

马斯克说:“FSD Beta现在已经扩展到了约2000名车主,我们已取消了beta测试,因为驾驶员没有对道路给予足够的关注。迄今为止没有发生事故。下一个重要版本将在4月份发布,用的是纯视觉,甚至不用雷达。这是通往现实世界人工智能的途径。”

图:马斯克在社交媒体的留言

该专利描述了传感器和摄像头的良好平衡配置,以确定车辆与周围物体的距离。这将使特斯拉能够采用性能可与行业领先者媲美的系统,同时尽可能降低成本。

“随着传感器数量和类型的增加,系统的复杂性和成本也随之增加。例如,像激光雷达这样的发射距离传感器在大众市场车辆中的成本很高。此外,每个附加传感器增加了自动驾驶系统的输入带宽要求。因此,需要找到车辆上传感器的最佳配置。这种配置应该限制传感器总数,而不限制捕获的数据数量和类型,以准确描述周围环境并安全控制车辆,”特斯拉这样说。

图:特斯拉新的视觉专利

该专利还为特斯拉提供了一种自动标注视觉数据的方法。由于标注是特斯拉FSD开发过程中最耗时的部分之一,这样的方法可能会加快FSD和Autopilot套件的更新和改进。

在各种实施例中,辅助数据与视觉数据的收集和关联是自动完成的,并且几乎不需要人工干预。例如,使用视觉技术识别的对象不需要手动标注,大大提高了机器学习训练的效率。相反,训练数据可以自动生成,并用于训练机器学习模型,以高精度预测对象属性。

特斯拉专利中描述的配置可能会大大改进其FSD技术。这可能会减少特斯拉对传感器的依赖,并增加从图像中提取的数据量,改进FSD Beta性能。特斯拉基于图像的FSD方法与Waymo等竞争对手有很大不同,从FSD测试版用户迄今为止的体验看,特斯拉已经取得了一些相当令人满意的成果。

<上一页  1  2  3  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

    文章纠错
    x
    *文字标题:
    *纠错内容:
    联系邮箱:
    *验 证 码:

    粤公网安备 44030502002758号