首页 科技周边 人工智能 特斯拉自动驾驶计划在草率和顽固之间翻车

特斯拉自动驾驶计划在草率和顽固之间翻车

Apr 26, 2023 pm 07:34 PM
自动驾驶

美媒:草率但顽固,马斯克自动驾驶雄心这样"翻了车"

在成为推特新老板很久之前,马斯克曾痴迷于让特斯拉汽车实现自动驾驶。这项技术的开发成本相当高,因此当供应链于两年前开始崩溃时,马斯克决心降低成本。他将目标瞄准了汽车雷达传感器。

这种传感器旨在检测远距离危险,并防止车辆在行驶过程中撞上其他汽车。如今车身上已经安装了八个摄像头,它们可被用于观察道路并发现每个方向的危险。马斯克认为,这应该就足够了。

但据多位离职员工透露,特斯拉的许多工程师对此感到震惊。他们联系了一位值得信赖的前高管,寻求说服马斯克放弃这种方案。如果没有雷达,当摄像头被雨滴甚至强光遮挡时,特斯拉的车辆很容易出现低级感知错误,这可能会导致撞车。

然而,马斯克似乎并未被说服,他否决了工程师们的意见。2021年5月,特斯拉宣布将在新车上移除雷达。不久之后,该公司开始在已经上路的汽车上禁用雷达。根据对十几名离职员工、试驾司机、安全官员和其他专家的采访,结果显示,突然失去关键传感器的特斯拉汽车发生撞车事故、出现其他令人尴尬错误的几率大幅增加。

马斯克将特斯拉的“全自动驾驶”(FSD)技术描述为“特斯拉价值不菲还是价值基本为零之间的主要区别”,但他的自动驾驶汽车梦想显然遇到了阻碍。

据美国官员称,最近几周,特斯拉召回并暂停了向符合条件的车辆推出这项技术,原因是担心其车辆可能会违反限速规定,撞毁停车标志。客户的投诉堆积如山,包括上个月向法院提起的诉讼,称马斯克夸大了这项技术的能力。特斯拉提交的备案文件也显示,随着有关安全问题的证据越来越多,监管机构和政府官员正在仔细审查特斯拉系统及其过去的声明。

在采访中,曾参与特斯拉司机辅助驾驶软件开发的离职员工,将该公司的麻烦归因于开发速度过快、马斯克决定取消雷达(偏离了行业惯例)等成本削减措施以及特斯拉独有的其他问题。此外,马斯克反复无常的领导风格也发挥了作用,迫使他们以惊人的速度开发这项技术,并在其准备就绪之前就将其推向公众。有些人说,即使在今天,他们也担心该软件在公共道路上使用不够安全。

在特斯拉Autopilot部门工作过的离职测试操作员约翰·伯纳尔(John Bernal)表示:“该系统在内部进展非常缓慢,但公众希望公司尽快发布”。伯纳尔于2022年2月被解雇,当时特斯拉指控他在发布FSD视频后不当使用了这项技术。

据知情人士透露,马斯克去年秋天大张旗鼓地收购了陷入困境的社交媒体平台推特,并调集了数十名特斯拉工程师帮助处理推特的代码。本月早些时候,由于特斯拉未能在投资者日上宣布重磅新产品,该公司股价下跌了6%。

马斯克为特斯拉的行为辩护,称这是一种长期押注,有望释放出巨大的价值。特斯拉也表示,激活FSD软件的车辆发生撞车事故的几率至少比正常驾驶的车辆低五倍。马斯克和特斯拉没有回应多次的置评请求。

但FSD的故事提供了一个生动的例子,表明这位亿万富翁如何通过草率的决策、顽固地坚持以不同的方式做事以及对尚未得到证实愿景的坚定信心,使他实现最大押注之一变得复杂起来。

拼凑解决方案让人觉得技术在进步

2019年4月,在名为“自主投资者日”的展示会上,马斯克做出了或许是他作为特斯拉首席执行官以来最大胆的预测。他当时对投资者们称:“到明年中期,我们将有100多万辆配备全自动驾驶硬件的特斯拉汽车上路。我们的软件会通过空中自动更新,FSD将非常可靠,司机甚至可以在车上睡觉。”

投资者们为此激动不已,特斯拉股价在2020年飙升,使其成为市值最高的汽车制造商,并帮助马斯克成为世界首富。在Autopilot之后,FDS于2014年推出,后来允许汽车在高速公路上自动驾驶,可以自动转向、变道以及调整速度。FSD的目标是将这些功能带到城市和居民区的街道上,尽管这是一项困难得多的任务。

要实现上述目标,需要将汽车硬件和软件结合起来。八个摄像头用于捕捉汽车周围活动的实时画面,这使得汽车能够评估行人或骑单车者等危险,并做出相应反应。为了兑现承诺,马斯克组建了一支明星工程师团队,他们愿意长时间工作,熬夜解决问题。马斯克愿意在自己的汽车上测试最新软件,并和其他高管为工程师编写“修复”请求。

有些离职员工表示,这些拼凑而成的解决方案给人一种技术持续进步的错觉,但掩盖了缺乏连贯发展战略的事实。虽然Alphabet旗下自动驾驶汽车Waymo等竞争对手采用了严格的测试协议,限制了自动驾驶软件的运行范围,但特斯拉最终将FSD推向了36万名车主,并让他们自行决定是否激活。

特斯拉的理念很简单:引导汽车的AI接触到的数据越多,它学习的速度就越快。但这种粗糙的模式也意味着,安全保障更宽松。特斯拉离职员工表示,该公司已选择让软件有效地自主学习,通过规则较少的被称为“神经网络”的技术发展类似于大脑的灵敏性。虽然这有可能加快训练过程,但归根结底,它本质上是一种试错方法。

据了解公司做法的硅谷内部人士透露,Waymo和苹果等竞争对手采取了不同的自主方案,它们会制定规则,并在违反这些限制的情况下解决任何违规问题。开发自动驾驶技术的公司通常也会使用复杂的激光雷达和雷达系统,它们有助于软件详细地绘制出他们的周围环境。

Waymo发言人茱莉亚·艾琳娜(Julia Ilina)表示,两家公司的做法存在明显差异。她称,Waymo的目标是实现完全自主,并强调机器学习。苹果拒绝就此置评。

特斯拉的方法已经多次被证明存在问题。大约两年前,有人发布了该软件在旧金山蜿蜒的朗伯德街上艰难导航的视频,这段视频获得了数万的点击量。伯纳尔透露,特斯拉工程师在软件中建立了看不见的屏障,类似于保龄球馆里的保险杠,以帮助汽车保持在路上行驶。随后的视频显示,软件运行得很顺利。

这让伯纳尔感到疑惑。作为一名内部测试员,在这段路上完成驾驶是他工作的一部分,很明显,这与他在其他公共街道上的典型体验相去甚远。

雷达最初在特斯拉车辆和软件的设计中发挥了重要作用,通过提供对周围环境的现实场景来为摄像头提供补充,特别是在视觉可能被遮挡的情况下。特斯拉还使用了超声波传感器,这是一种探测距离较短的设备,可以检测汽车周围几厘米范围内的障碍物。

即使配备了雷达,特斯拉汽车也没有其他采用激光雷达的竞争对手车辆那样复杂。长期从事自动驾驶汽车开发并为谷歌自动驾驶汽车项目担任顾问的布拉德·邓普顿(Brad Templeton)说:“激光雷达的关键优势之一在于,它永远能提前发现火车或卡车,即使它不知道那是什么。它知道前面有东西,车辆可以在不知道更多信息的情况下及时停车。”

摄像头需要理解他们所看到的东西才有效,依赖于特斯拉工作人员对车辆记录的图像进行标记,包括停车标志和火车,以帮助软件了解如何做出反应。

特斯拉离职员工表示,2020年底,Autopilot的员工打开电脑,发现公司内部安装了工作场所监控软件。该软件可监控击键和鼠标点击,并跟踪它们的图像标签。如果鼠标在一段时间内没有移动,计时器就会启动,员工可能会受到训斥,直到被解雇。

上个月,一个推动特斯拉布法罗工厂成立工会的团体对其工作场所监控提出了担忧,特斯拉发文给出了回应。该公司表示:“之所以对图像标记进行时间监控,是为了提高我们标记软件的易用性。它的目的是计算标记一张图像需要多长时间。”

马斯克曾倡导“仅限视觉”的导航方法,因为它更简单、更便宜、更直观。2022年2月,他在推特上写道:“道路系统是为摄像头(眼睛)和神经网络(大脑)而设计的。”

但许多人认为,这种方法存在风险。一位特斯拉Autopilot离职工程师说:“我只知道将那款软件用在街上是不安全的,你无法预测这辆车会做什么。”

移除雷达导致撞车事故增加

这些离职员工表示,在特斯拉于2021年5月宣布移除雷达后,这些问题几乎立即就被注意到了。在此期间,FSD测试项目从数千名司机扩大到数万名司机。根据提交给监管机构的投诉,突然之间,特斯拉汽车据称会因为想象中的危险而停车、误读路标,甚至未能检测到紧急车辆等障碍物。

有些人将特斯拉汽车这种“幻影刹车”事故增多归因于缺乏雷达。美国国家公路交通安全管理局(NHTSA)的数据显示,特斯拉汽车去年交通事故激增。在过去三个月里,有关“幻影刹车”的投诉上升至107起,而此前22个月只有34起。NHTSA在两周的时间里收到了大约250起关于这个问题的投诉,在九个月时间里收到了354起相关投诉后,该机构启动了一项调查。

几个月前,NHTSA就大约12起特斯拉撞上静止紧急车辆的报告对Autopilot展开了调查。最新的例子本月曝光,该机构证实正在调查2月份发生的一起致命车祸,该事故涉及一辆特斯拉和一辆消防车。专家说,雷达可对摄像头所看到的东西进行复检,因为摄像头很容易受强光影响。

NHTSA前高级安全顾问米西·卡明斯(Missy Cummings)说:“这不是特斯拉汽车遇到麻烦的唯一原因,但却是很重要的原因。雷达可以帮助探测到前面的物体。对于误差很大的计算机视觉,它可以作为一种传感器融合其中来检查是否有问题。”

作为首席测试员,马斯克还要求对软件进行频繁的错误修复,要求工程师介入并调整代码。一位前高管回忆起一位参与该项目的工程师告诉他的话:“被老虎追赶的时候,没有人能想出好主意。”

多位离职员工称,马斯克对拒绝接受意见的态度导致了一种顺从文化。特斯拉解雇了反对马斯克的员工。该公司还推出了如此多的软件更新,以至于2021年末,NHTSA公开警告特斯拉在没有正式召回通知的情况下不得发布修复程序。

特斯拉和推特员工都称,马斯克决定收购推特让他分心。许多离职员工采访和文件显示,去年完成收购后,马斯克曾让数十名特斯拉工程师帮助接管推特。原本每两周发布一次的软件更新突然间隔了几个月,因为特斯拉正在努力克服漏洞,追逐更雄心勃勃的目标。

有些人哀叹马斯克接管了推特,称他需要重新专注于特斯拉,以完成他开始的事情。特斯拉投资者罗斯·格伯(Ross Gerber)表示:“FSD预示着特斯拉的光明未来。我们爱马斯克,他是我们这个时代的创新者。我们只想看到他再次全心全意地回到特斯拉。”

未来充满不确定性 面临多项调查

特斯拉的工程师们已经筋疲力尽,纷纷辞职,到其他地方寻找机会。特斯拉AI总监安德烈·卡帕西(Andrej Karpathy)去年休了一个月的长假,然后选择离职,加入了聊天机器人ChatGPT背后的OpenAI公司。与此同时,特斯拉Autopilot总监阿肖克·埃卢斯瓦米(Ashok Elluswamy)已经前往推特工作。

作为正在进行的调查的一部分,美国司法部已经要求特斯拉提供与FSD相关的文件。美国证券交易委员会(SEC)也在调查马斯克在推动特斯拉自动驾驶方面所扮演的角色,这是更大规模调查的一部分。

在2月份提起的诉讼中,特斯拉被指发表“虚假和误导性”声明,“严重夸大了”Autopilot和FSD的安全性和性能。这还不包括NHTSA对Autopilot的两项调查,其中一项是撞击紧急车辆的调查,另一项是针对“幻影刹车”的调查。

在本月的投资者日活动中,马斯克和十几名特斯拉高管一起出现在舞台上,吹嘘该公司广泛的专业知识。但该公司没有提供关于FSD的任何重大进展,尽管有关于这项技术的部分内容。

马斯克的许多忠实客户已经放弃了希望,不再相信他最初的承诺会实现。来自佛罗里达州杰克逊维尔的商业飞行员兼工程师查尔斯·库克(Charles Cook)拥有一辆Model Y,他经常在激活FSD的模式下驾驶。

虽然库克对这项技术的能力感到惊讶,但他对其进展缓慢和马斯克承诺迟迟无法兑现感到不满。他说:“有些人可能已经购买了FSD软件,以为他们现在会有能够完全自动驾驶的出租车,然后把辛苦赚来的钱花在了这上面。可是现在,马斯克的工程师可能会对此嗤之以鼻。有些人可能花了15000美元,以为他们明年就能拥有它,现在他们失望了。” (小小)

以上是特斯拉自动驾驶计划在草率和顽固之间翻车的详细内容。更多信息请关注PHP中文网其他相关文章!

本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

AI Hentai Generator

AI Hentai Generator

免费生成ai无尽的。

热门文章

R.E.P.O.能量晶体解释及其做什么(黄色晶体)
4 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳图形设置
4 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您听不到任何人,如何修复音频
4 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.聊天命令以及如何使用它们
4 周前 By 尊渡假赌尊渡假赌尊渡假赌

热工具

记事本++7.3.1

记事本++7.3.1

好用且免费的代码编辑器

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

禅工作室 13.0.1

禅工作室 13.0.1

功能强大的PHP集成开发环境

Dreamweaver CS6

Dreamweaver CS6

视觉化网页开发工具

SublimeText3 Mac版

SublimeText3 Mac版

神级代码编辑软件(SublimeText3)

为何在自动驾驶方面Gaussian Splatting如此受欢迎,开始放弃NeRF? 为何在自动驾驶方面Gaussian Splatting如此受欢迎,开始放弃NeRF? Jan 17, 2024 pm 02:57 PM

写在前面&笔者的个人理解三维Gaussiansplatting(3DGS)是近年来在显式辐射场和计算机图形学领域出现的一种变革性技术。这种创新方法的特点是使用了数百万个3D高斯,这与神经辐射场(NeRF)方法有很大的不同,后者主要使用隐式的基于坐标的模型将空间坐标映射到像素值。3DGS凭借其明确的场景表示和可微分的渲染算法,不仅保证了实时渲染能力,而且引入了前所未有的控制和场景编辑水平。这将3DGS定位为下一代3D重建和表示的潜在游戏规则改变者。为此我们首次系统地概述了3DGS领域的最新发展和关

自动驾驶场景中的长尾问题怎么解决? 自动驾驶场景中的长尾问题怎么解决? Jun 02, 2024 pm 02:44 PM

昨天面试被问到了是否做过长尾相关的问题,所以就想着简单总结一下。自动驾驶长尾问题是指自动驾驶汽车中的边缘情况,即发生概率较低的可能场景。感知的长尾问题是当前限制单车智能自动驾驶车辆运行设计域的主要原因之一。自动驾驶的底层架构和大部分技术问题已经被解决,剩下的5%的长尾问题,逐渐成了制约自动驾驶发展的关键。这些问题包括各种零碎的场景、极端的情况和无法预测的人类行为。自动驾驶中的边缘场景"长尾"是指自动驾驶汽车(AV)中的边缘情况,边缘情况是发生概率较低的可能场景。这些罕见的事件

选择相机还是激光雷达?实现鲁棒的三维目标检测的最新综述 选择相机还是激光雷达?实现鲁棒的三维目标检测的最新综述 Jan 26, 2024 am 11:18 AM

0.写在前面&&个人理解自动驾驶系统依赖于先进的感知、决策和控制技术,通过使用各种传感器(如相机、激光雷达、雷达等)来感知周围环境,并利用算法和模型进行实时分析和决策。这使得车辆能够识别道路标志、检测和跟踪其他车辆、预测行人行为等,从而安全地操作和适应复杂的交通环境.这项技术目前引起了广泛的关注,并认为是未来交通领域的重要发展领域之一。但是,让自动驾驶变得困难的是弄清楚如何让汽车了解周围发生的事情。这需要自动驾驶系统中的三维物体检测算法可以准确地感知和描述周围环境中的物体,包括它们的位置、

你是否真正掌握了坐标系转换?自动驾驶离不开的多传感器问题 你是否真正掌握了坐标系转换?自动驾驶离不开的多传感器问题 Oct 12, 2023 am 11:21 AM

一先导与重点文章主要介绍自动驾驶技术中几种常用的坐标系统,以及他们之间如何完成关联和转换,最终构建出统一的环境模型。这里重点理解自车到相机刚体转换(外参),相机到图像转换(内参),图像到像素有单位转换。3d向2d转换会有相应的畸变,平移等。重点:自车坐标系相机机体坐标系需要被重写的是:平面坐标系像素坐标系难点:要考虑图像畸变,去畸变和加畸变都是在像平面上去补偿二简介视觉系统一共有四个坐标系:像素平面坐标系(u,v)、图像坐标系(x,y)、相机坐标系()和世界坐标系()。每种坐标系之间均存在联系,

自动驾驶与轨迹预测看这一篇就够了! 自动驾驶与轨迹预测看这一篇就够了! Feb 28, 2024 pm 07:20 PM

轨迹预测在自动驾驶中承担着重要的角色,自动驾驶轨迹预测是指通过分析车辆行驶过程中的各种数据,预测车辆未来的行驶轨迹。作为自动驾驶的核心模块,轨迹预测的质量对于下游的规划控制至关重要。轨迹预测任务技术栈丰富,需要熟悉自动驾驶动/静态感知、高精地图、车道线、神经网络架构(CNN&GNN&Transformer)技能等,入门难度很大!很多粉丝期望能够尽快上手轨迹预测,少踩坑,今天就为大家盘点下轨迹预测常见的一些问题和入门学习方法!入门相关知识1.预习的论文有没有切入顺序?A:先看survey,p

SIMPL:用于自动驾驶的简单高效的多智能体运动预测基准 SIMPL:用于自动驾驶的简单高效的多智能体运动预测基准 Feb 20, 2024 am 11:48 AM

原标题:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving论文链接:https://arxiv.org/pdf/2402.02519.pdf代码链接:https://github.com/HKUST-Aerial-Robotics/SIMPL作者单位:香港科技大学大疆论文思路:本文提出了一种用于自动驾驶车辆的简单高效的运动预测基线(SIMPL)。与传统的以代理为中心(agent-cent

nuScenes最新SOTA | SparseAD:稀疏查询助力高效端到端自动驾驶! nuScenes最新SOTA | SparseAD:稀疏查询助力高效端到端自动驾驶! Apr 17, 2024 pm 06:22 PM

写在前面&出发点端到端的范式使用统一的框架在自动驾驶系统中实现多任务。尽管这种范式具有简单性和清晰性,但端到端的自动驾驶方法在子任务上的性能仍然远远落后于单任务方法。同时,先前端到端方法中广泛使用的密集鸟瞰图(BEV)特征使得扩展到更多模态或任务变得困难。这里提出了一种稀疏查找为中心的端到端自动驾驶范式(SparseAD),其中稀疏查找完全代表整个驾驶场景,包括空间、时间和任务,无需任何密集的BEV表示。具体来说,设计了一个统一的稀疏架构,用于包括检测、跟踪和在线地图绘制在内的任务感知。此外,重

FisheyeDetNet:首个基于鱼眼相机的目标检测算法 FisheyeDetNet:首个基于鱼眼相机的目标检测算法 Apr 26, 2024 am 11:37 AM

目标检测在自动驾驶系统当中是一个比较成熟的问题,其中行人检测是最早得以部署算法之一。在多数论文当中已经进行了非常全面的研究。然而,利用鱼眼相机进行环视的距离感知相对来说研究较少。由于径向畸变大,标准的边界框表示在鱼眼相机当中很难实施。为了缓解上述描述,我们探索了扩展边界框、椭圆、通用多边形设计为极坐标/角度表示,并定义一个实例分割mIOU度量来分析这些表示。所提出的具有多边形形状的模型fisheyeDetNet优于其他模型,并同时在用于自动驾驶的Valeo鱼眼相机数据集上实现了49.5%的mAP

See all articles