首頁 科技週邊 人工智慧 特斯拉自動駕駛計劃在草率和頑固之間翻車

特斯拉自動駕駛計劃在草率和頑固之間翻車

Apr 26, 2023 pm 07:34 PM
自動駕駛

特斯拉自動駕駛計劃在草率和頑固之間翻車

在成為推特新老闆很久之前,馬斯克曾著迷於讓特斯拉汽車實現自動駕駛。這項技術的開發成本相當高,因此當供應鏈在兩年前開始崩潰時,馬斯克決心降低成本。他將目標瞄準了汽車雷達感測器。

這種感測器旨在偵測遠距離危險,並防止車輛在行駛過程中撞上其他汽車。如今車身上已經安裝了八個攝影機,它們可被用於觀察道路並發現每個方向的危險。馬斯克認為,這應該就夠了。

但據多位離職員工透露,特斯拉的許多工程師對此感到震驚。他們聯繫了一位值得信賴的前高階主管,尋求說服馬斯克放棄這種方案。如果沒有雷達,當攝影機被雨滴甚至強光遮擋時,特斯拉的車輛很容易出現低階感知錯誤,這可能會導致撞車。

然而,馬斯克似乎並未被說服,他否決了工程師的意見。 2021年5月,特斯拉宣布將在新車上移除雷達。不久之後,該公司開始在已經上路的汽車上停用雷達。根據對十幾名離職員工、試駕司機、安全官員和其他專家的採訪,結果顯示,突然失去關鍵感測器的特斯拉汽車發生撞車事故、其他令人尷尬錯誤的幾率大幅增加。

馬斯克將特斯拉的“全自動駕駛”(FSD)技術描述為“特斯拉價值不菲還是價值基本為零之間的主要區別”,但他的自動駕駛汽車夢想顯然遇到了阻礙。

據美國官員稱,最近幾週,特斯拉召回並暫停了向符合條件的車輛推出這項技術,因為擔心其車輛可能會違反限速規定,撞毀停車標誌。客戶的投訴堆積如山,包括上個月向法院提起的訴訟,稱馬斯克誇大了這項技術的能力。特斯拉提交的備案文件也顯示,隨著有關安全問題的證據越來越多,監管機構和政府官員正在仔細審查特斯拉系統及其過去的聲明。

在訪談中,曾參與特斯拉司機輔助駕駛軟體開發的離職員工,將該公司的麻煩歸因於開發速度過快、馬斯克決定取消雷達(偏離了行業慣例)等成本削減措施以及特斯拉獨有的其他問題。此外,馬斯克反复無常的領導風格也發揮了作用,迫使他們以驚人的速度開發這項技術,並在準備就緒之前將其推向公眾。有些人說,即使在今天,他們也擔心該軟體在公共道路上使用不夠安全。

在特斯拉Autopilot部門工作過的離職測試操作員約翰·伯納爾(John Bernal)表示:「該系統在內部進展非常緩慢,但公眾希望公司盡快發布」。伯納爾於2022年2月被解僱,當時特斯拉指控他在發布FSD影片後不當使用了這項技術。

據知情人士透露,馬斯克去年秋天大張旗鼓地收購了陷入困境的社群媒體平台推特,並調集了數十名特斯拉工程師幫忙處理推特的程式碼。本月早些時候,由於特斯拉未能在投資者日上宣布重磅新產品,該公司股價下跌了6%。

馬斯克為特斯拉的行為辯護,稱這是一種長期押注,有望釋放出巨大的價值。特斯拉也表示,啟動FSD軟體的車輛發生撞車事故的幾率至少比正常駕駛的車輛低五倍。馬斯克和特斯拉沒有回應多次的置評請求。

但FSD的故事提供了一個生動的例子,表明這位億萬富翁如何透過草率的決策、頑固地堅持以不同的方式做事以及對尚未得到證實願景的堅定信心,使他實現最大押注之一變得複雜起來。

拼湊解決方案讓人覺得科技在進步

2019年4月,在名為「自主投資者日」的展示會上,馬斯克做出了或許是他作為特斯拉執行長以來最大膽的預測。他當時對投資者稱:「到明年中期,我們將有100多萬輛配備全自動駕駛硬體的特斯拉汽車上路。我們的軟體會透過空中自動更新,FSD將非常可靠,駕駛甚至可以在車上睡覺。」

投資者們為此激動不已,特斯拉股價在2020年飆升,使其成為市值最高的汽車製造商,並幫助馬斯克成為世界首富。在Autopilot之後,FDS於2014年推出,後來允許汽車在高速公路上自動駕駛,可以自動轉向、變換車道以及調整速度。 FSD的目標是將這些功能帶到城市和居民區的街道上,儘管這是一項困難得多的任務。

要實現上述目標,需要將汽車硬體和軟體結合。八個攝影機用於捕捉汽車周圍活動的即時畫面,這使得汽車能夠評估行人或騎單車者等危險,並做出相應反應。為了兌現承諾,馬斯克組建了一支明星工程師團隊,他們願意長時間工作,熬夜解決問題。馬斯克願意在自己的汽車上測試最新軟體,並和其他高階主管為工程師編寫「修復」請求。

有些離職員工表示,這些拼湊而成的解決方案給人一種技術持續進步的錯覺,但掩蓋了缺乏連貫發展策略的事實。雖然Alphabet旗下自動駕駛汽車Waymo等競爭對手採用了嚴格的測試協議,限制了自動駕駛軟體的運行範圍,但特斯拉最終將FSD推向了36萬名車主,並讓他們自行決定是否啟動。

特斯拉的概念很簡單:引導汽車的AI接觸到的資料越多,它學習的速度就越快。但這種粗糙的模式也意味著,安全保障更寬鬆。特斯拉離職員工表示,該公司已選擇讓軟體有效地自主學習,透過規則較少的被稱為「神經網路」的技術發展類似於大腦的靈敏度。雖然這有可能加快訓練過程,但歸根結底,它本質上是一種試誤方法。

據了解公司做法的矽谷內部人士透露,Waymo和蘋果等競爭對手採取了不同的自主方案,它們會制定規則,並在違反這些限制的情況下解決任何違規問題。開發自動駕駛技術的公司通常也會使用複雜的光達和雷達系統,它們有助於軟體詳細地繪製出他們的周圍環境。

Waymo發言人茱莉亞·艾琳娜(Julia Ilina)表示,兩家公司的做法有明顯差異。她稱,Waymo的目標是實現完全自主,並強調機器學習。蘋果拒絕就此置評。

特斯拉的方法已經多次被證明有問題。大約兩年前,有人發布了該軟體在舊金山蜿蜒的朗伯德街上艱難導航的視頻,這段視頻獲得了數萬的點擊量。伯納爾透露,特斯拉工程師在軟體中建立了看不見的屏障,類似於保齡球館裡的保險槓,以幫助汽車保持在路上行駛。隨後的影片顯示,軟體運作得很順利。

這讓伯納爾感到疑惑。作為一名內部測試員,在這段路上完成駕駛是他工作的一部分,很明顯,這與他在其他公共街道上的典型體驗相去甚遠。

雷達最初在特斯拉車輛和軟體的設計中發揮了重要作用,透過提供對周圍環境的現實場景來為攝影機提供補充,特別是在視覺可能被遮蔽的情況下。特斯拉還使用了超音波感測器,這是一種探測距離較短的設備,可以偵測汽車周圍幾公分範圍內的障礙物。

即使配備了雷達,特斯拉汽車也沒有其他採用光達的競爭對手車輛那麼複雜。長期從事自動駕駛汽車開發並為谷歌自動駕駛汽車項目擔任顧問的布拉德·鄧普頓(Brad Templeton)說:“激光雷達的關鍵優勢之一在於,它永遠能提前發現火車或卡車,即使它不知道那是什麼。它知道前面有東西,車輛可以在不知道更多資訊的情況下及時停車。」

攝影機需要理解他們所看到的東西才有效,依賴特斯拉工作人員對車輛記錄的圖像進行標記,包括停車標誌和火車,以幫助軟體了解如何做出反應。

特斯拉離職員工表示,2020年底,Autopilot的員工打開電腦,發現公司內部安裝了工作場所監控軟體。該軟體可監控擊鍵和滑鼠點擊,並追蹤它們的圖像標籤。如果滑鼠在一段時間內沒有移動,計時器就會啟動,員工可能會受到訓斥,直到被解僱。

上個月,一個推動特斯拉布法羅工廠成立工會的團體對其工作場所監控提出了擔憂,特斯拉發文給出了回應。該公司表示:「之所以對圖像標記進行時間監控,是為了提高我們標記軟體的易用性。它的目的是計算標記一張圖像需要多長時間。」

馬斯克曾倡導「僅限視覺」的導航方法,因為它更簡單、更便宜、更直覺。 2022年2月,他在推特上寫道:「道路系統是為攝影機(眼睛)和神經網路(大腦)而設計的。」

但許多人認為,這種方法有風險。一位特斯拉Autopilot離職工程師說:「我只知道將那款軟體用在街上是不安全的,你無法預測這輛車會做什麼。」

移除雷達導致撞車事故增加

這些離職員工表示,在特斯拉於2021年5月宣布移除雷達後,這些問題幾乎立即就被注意到了。在此期間,FSD測試計畫從數千名司機擴大到數萬名司機。根據提交給監管機構的投訴,突然之間,特斯拉汽車據稱會因為想像中的危險而停車、誤讀路標,甚至未能偵測到緊急車輛等障礙物。

有些人將特斯拉汽車這種「幻影煞車」事故增多歸因於缺乏雷達。美國國家公路交通安全管理局(NHTSA)的數據顯示,特斯拉汽車去年交通事故激增。在過去三個月裡,有關「幻影煞車」的投訴上升至107起,而此前22個月只有34起。 NHTSA在兩週的時間裡收到了大約250起關於這個問題的投訴,在九個月時間裡收到了354起相關投訴後,該機構啟動了一項調查。

幾個月前,NHTSA就大約12起特斯拉撞上靜止緊急車輛的報告對Autopilot展開了調查。最新的例子本月曝光,該機構證實正在調查2月發生的一起致命車禍,該事故涉及一輛特斯拉和一輛消防車。專家說,雷達可對攝影機所看到的東西進行複檢,因為攝影機很容易受到強光影響。

NHTSA前高級安全顧問米西·卡明斯(Missy Cummings)說:「這不是特斯拉汽車遇到麻煩的唯一原因,但卻是很重要的原因。雷達可以幫助探測到前面的物體。對於誤差很大的電腦視覺,它可以作為一種感測器融合其中來檢查是否有問題。」

#作為首席測試員,馬斯克還要求對軟體進行頻繁的錯誤修復,要求工程師介入並調整程式碼。一位前高管回憶起一位參與該專案的工程師告訴他的話:「被老虎追趕的時候,沒有人能想出好主意。」

多位離職員工稱,馬斯克對拒絕接受意見的態度導致了一種順從文化。特斯拉解雇了反對馬斯克的員工。該公司還推出瞭如此多的軟體更新,以至於2021年末,NHTSA公開警告特斯拉在沒有正式召回通知的情況下不得發布修復程序。

特斯拉和推特員工都稱,馬斯克決定收購推特讓他分心。許多離職員工訪談和文件顯示,去年完成收購後,馬斯克曾讓數十名特斯拉工程師協助接手推特。原本每兩週發布一次的軟體更新突然間隔了幾個月,因為特斯拉正在努力克服漏洞,追逐更雄心勃勃的目標。

有些人哀嘆馬斯克接管了推特,說他需要重新專注於特斯拉,以完成他開始的事情。特斯拉投資者羅斯·格伯(Ross Gerber)表示:「FSD預示著特斯拉的光明未來。我們愛馬斯克,他是我們這個時代的創新者。我們只想看到他再次全心全意地回到特斯拉。」

未來充滿不確定性面臨多項調查

特斯拉的工程師們已經筋疲力盡,紛紛辭職,到其他地方尋找機會。特斯拉AI總監安德烈·卡帕西(Andrej Karpathy)去年休了一個月的長假,然後選擇離職,加入了聊天機器人ChatGPT背後的OpenAI公司。同時,特斯拉Autopilot總監阿肖克·埃盧斯瓦米(Ashok Elluswamy)已經前往推特工作。

作為正在進行的調查的一部分,美國司法部已經要求特斯拉提供與FSD相關的文件。美國證券交易委員會(SEC)也在調查馬斯克在推動特斯拉自動駕駛方面所扮演的角色,這是更大規模調查的一部分。

在2月提起的訴訟中,特斯拉被指發表「虛假和誤導性」聲明,「嚴重誇大了」Autopilot和FSD的安全性和性能。這還不包括NHTSA對Autopilot的兩項調查,其中一項是撞擊緊急車輛的調查,另一項是針對「幻影煞車」的調查。

在本月的投資者日活動中,馬斯克和十幾名特斯拉高層一起出現在舞台上,吹噓該公司廣泛的專業知識。但該公司並沒有提供關於FSD的任何重大進展,儘管有關這項技術的部分內容。

馬斯克的許多忠實客戶已經放棄了希望,不再相信他最初的承諾會實現。來自佛羅裡達州傑克遜維爾的商業飛行員兼工程師查爾斯·庫克(Charles Cook)擁有一輛Model Y,他經常在啟動FSD的模式下駕駛。

雖然庫克對這項技術的能力感到驚訝,但他對其進展緩慢和馬斯克承諾遲遲無法兌現感到不滿。他說:「有些人可能已經購買了FSD軟體,以為他們現在會有能夠完全自動駕駛的計程車,然後把辛苦賺來的錢花在了這上面。可是現在,馬斯克的工程師可能會對此嗤之以鼻。有些人可能花了15000美元,以為他們明年就能擁有它,現在他們失望了。」(小小)

以上是特斯拉自動駕駛計劃在草率和頑固之間翻車的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

為何在自動駕駛方面Gaussian Splatting如此受歡迎,開始放棄NeRF? 為何在自動駕駛方面Gaussian Splatting如此受歡迎,開始放棄NeRF? Jan 17, 2024 pm 02:57 PM

寫在前面&筆者的個人理解三維Gaussiansplatting(3DGS)是近年來在顯式輻射場和電腦圖形學領域出現的一種變革性技術。這種創新方法的特點是使用了數百萬個3D高斯,這與神經輻射場(NeRF)方法有很大的不同,後者主要使用隱式的基於座標的模型將空間座標映射到像素值。 3DGS憑藉其明確的場景表示和可微分的渲染演算法,不僅保證了即時渲染能力,而且引入了前所未有的控制和場景編輯水平。這將3DGS定位為下一代3D重建和表示的潛在遊戲規則改變者。為此我們首次系統性地概述了3DGS領域的最新發展與關

自動駕駛場景中的長尾問題怎麼解決? 自動駕駛場景中的長尾問題怎麼解決? Jun 02, 2024 pm 02:44 PM

昨天面試被問到了是否做過長尾相關的問題,所以就想著簡單總結一下。自動駕駛長尾問題是指自動駕駛汽車中的邊緣情況,即發生機率較低的可能場景。感知的長尾問題是目前限制單車智慧自動駕駛車輛運行設計域的主要原因之一。自動駕駛的底層架構和大部分技術問題已經解決,剩下的5%的長尾問題,逐漸成了限制自動駕駛發展的關鍵。這些問題包括各種零碎的場景、極端的情況和無法預測的人類行為。自動駕駛中的邊緣場景"長尾"是指自動駕駛汽車(AV)中的邊緣情況,邊緣情況是發生機率較低的可能場景。這些罕見的事件

選擇相機還是光達?實現穩健的三維目標檢測的最新綜述 選擇相機還是光達?實現穩健的三維目標檢測的最新綜述 Jan 26, 2024 am 11:18 AM

0.寫在前面&&個人理解自動駕駛系統依賴先進的感知、決策和控制技術,透過使用各種感測器(如相機、光達、雷達等)來感知周圍環境,並利用演算法和模型進行即時分析和決策。這使得車輛能夠識別道路標誌、檢測和追蹤其他車輛、預測行人行為等,從而安全地操作和適應複雜的交通環境。這項技術目前引起了廣泛的關注,並認為是未來交通領域的重要發展領域之一。但是,讓自動駕駛變得困難的是弄清楚如何讓汽車了解周圍發生的事情。這需要自動駕駛系統中的三維物體偵測演算法可以準確地感知和描述周圍環境中的物體,包括它們的位置、

你是否真正掌握了座標系轉換?自動駕駛離不開的多感測器問題 你是否真正掌握了座標系轉換?自動駕駛離不開的多感測器問題 Oct 12, 2023 am 11:21 AM

一先導與重點文章主要介紹自動駕駛技術中幾種常用的座標系統,以及他們之間如何完成關聯與轉換,最終建構出統一的環境模型。這裡重點理解自車到相機剛體轉換(外參),相機到影像轉換(內參),影像到像素有單位轉換。 3d向2d轉換會有對應的畸變,平移等。重點:自車座標系相機機體座標系需要被重寫的是:平面座標系像素座標系難點:要考慮影像畸變,去畸變和加畸變都是在像平面上去補償二簡介視覺系統一共有四個座標系:像素平面座標系(u,v)、影像座標系(x,y)、相機座標系()與世界座標系()。每種座標系之間均有聯繫,

自動駕駛與軌跡預測看這篇就夠了! 自動駕駛與軌跡預測看這篇就夠了! Feb 28, 2024 pm 07:20 PM

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

SIMPL:用於自動駕駛的簡單高效的多智能體運動預測基準 SIMPL:用於自動駕駛的簡單高效的多智能體運動預測基準 Feb 20, 2024 am 11:48 AM

原文標題:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving論文連結:https://arxiv.org/pdf/2402.02519.pdf程式碼連結:https://github.com/HKUST-Aerial-Robotics/SIMPLobotics單位論文想法:本文提出了一種用於自動駕駛車輛的簡單且有效率的運動預測基線(SIMPL)。與傳統的以代理為中心(agent-cent

聊聊端到端與下一代自動駕駛系統,以及端到端自動駕駛的一些迷思? 聊聊端到端與下一代自動駕駛系統,以及端到端自動駕駛的一些迷思? Apr 15, 2024 pm 04:13 PM

最近一個月由於眾所周知的一些原因,非常密集地和業界的各種老師同學進行了交流。交流中必不可免的一個話題自然是端到端與火辣的特斯拉FSDV12。想藉此機會,整理當下這個時刻的一些想法和觀點,供大家參考和討論。如何定義端到端的自動駕駛系統,應該期望端到端解決什麼問題?依照最傳統的定義,端到端的系統指的是一套系統,輸入感測器的原始訊息,直接輸出任務關心的變數。例如,在影像辨識中,CNN相對於傳統的特徵提取器+分類器的方法就可以稱之為端到端。在自動駕駛任務中,輸入各種感測器的資料(相機/LiDAR

FisheyeDetNet:首個以魚眼相機為基礎的目標偵測演算法 FisheyeDetNet:首個以魚眼相機為基礎的目標偵測演算法 Apr 26, 2024 am 11:37 AM

目標偵測在自動駕駛系統當中是一個比較成熟的問題,其中行人偵測是最早得以部署演算法之一。在多數論文當中已經進行了非常全面的研究。然而,利用魚眼相機進行環視的距離感知相對來說研究較少。由於徑向畸變大,標準的邊界框表示在魚眼相機當中很難實施。為了緩解上述描述,我們探索了擴展邊界框、橢圓、通用多邊形設計為極座標/角度表示,並定義一個實例分割mIOU度量來分析這些表示。所提出的具有多邊形形狀的模型fisheyeDetNet優於其他模型,並同時在用於自動駕駛的Valeo魚眼相機資料集上實現了49.5%的mAP

See all articles