編輯：喬伊桃子

特斯拉：什么是馬車？

這次特斯拉最終完全被馬車包圍了。

一會兒是大卡車

一會兒半拖車卡車。

最令人吃驚的是，實際上可以識別人在前面行走.

又是“幽靈”嗎？

這個特斯拉無法識別馬車的抖音視頻在網(wǎng)絡(luò)上瘋狂傳播。人工智能軟件公司LIGS的聯(lián)合創(chuàng)始人IGOR SUSMELJ也問道。

我想知道這個模特在訓(xùn)練中看到了多少輛馬車。

只用小馬車難倒了特斯拉。

在識別疏遠的場景時，很容易發(fā)現(xiàn)特斯拉自動輔助駕駛系統(tǒng)(AP)、甚至全自動駕駛(FSD)在駕駛過程中容易發(fā)生致命事故。

Electrek主編FredLambert昨天在美國藍嶺山脈發(fā)表了特斯拉的測試。

視頻顯示特斯拉汽車不能在標(biāo)示的車道內(nèi)行駛。更可怕的是，差點把FredLambert引上懸崖。

特斯拉在認(rèn)知上出現(xiàn)問題也不是一兩次了。

識別拿著交通標(biāo)志的人為交通支柱。

將各種動物識別為成年人，或者干脆什么都沒有.

用黃色交通指示燈識別月亮。

接下來，我們來談?wù)勌厮估J(rèn)識到故障。

看不到白色嗎？

特斯拉沖突

車事故確實不算少，不過為啥老盯著白色卡車撞？

眼前的白不是白，你說的車是什么車。

21年3月，一輛白色特斯拉Model Y在美國底特律西南部的一個十字路口撞上了一輛白色半掛卡車。

而這已經(jīng)不是特斯拉第一次與白色卡車相撞了。

早在2016年，美國佛州的一輛特斯拉Model S在Autopilot狀態(tài)下與正在轉(zhuǎn)彎的白色半掛卡車發(fā)生碰撞，鉆進了卡車貨柜下方，特斯拉駕駛員不幸身亡。

而真實原因竟然是特斯拉把白色識別為天空，才撞了上去。

你見過會移動的天空嗎......

此前有知乎網(wǎng)友曾拿下面這張圖做視覺識別實驗。

把白色卡車圖片導(dǎo)入Photoshop，采用快速選擇工具，試圖把白色卡車的輪廓勾選出來，得到的結(jié)果是這樣的：

有一大片藍天白云同時被劃入了勾選框，在Photoshop來看白色貨箱和天空是一樣的。

特斯拉輔助自動駕駛視覺識別系統(tǒng)的結(jié)果可能也是如此。好家伙，原來特斯拉還是個「色盲」。

另外，特斯拉為啥「專挑卡車撞」？

那得先說說自動駕駛系統(tǒng)分離運動目標(biāo)的方法。

考慮到實時性和成本，目前業(yè)內(nèi)大多采用幀差法。這種方法對運算資源消耗最少，最容易達到實時性，但缺點是準(zhǔn)確度不高。

所謂幀差法，即檢測相鄰幀之間的像素變化。

幀差法的基本原理是：

運動目標(biāo)視頻中，可以根據(jù)時間提取出系列連續(xù)的序列圖像，在這些相鄰的序列圖像中，背景的像素變化較小，而運動目標(biāo)的像素變化較大，利用目標(biāo)運動導(dǎo)致的像素變化差，則可以分割出運動目標(biāo)。

對于比較大、顏色一致的運動目標(biāo)，如白色大貨車，幀間差分法會「在目標(biāo)內(nèi)部產(chǎn)生空洞，無法完整分割提取運動目標(biāo)」。

某些底盤高的大貨車側(cè)面，就如同白紙，基于深度學(xué)習(xí)的機器視覺此時就如同盲人，不減速直接撞上去。

大白天撞鬼

之前，特斯拉的視覺識別系統(tǒng)還鬧出過靈異事件。

有特斯拉車主在經(jīng)過無人區(qū)時，發(fā)現(xiàn)車上自動識別障礙物的雷達探測出很多“人形”物體。

還有網(wǎng)友發(fā)布了一則特斯拉行經(jīng)墓地的視頻，

視頻中，車輛行駛過程中，屏幕上的雷達一直顯示前方出現(xiàn)眾多行人從車輛路過，但觀看視頻錄制的車輛前方，卻未見一人。

特斯拉其實并不是看到「幽靈」，而是車輛在行駛過程中會遭遇一種攻擊自動駕駛輔助系統(tǒng)（ADAS）的圖像。

這又是特斯拉Autopolit的鍋。

在公路上正常行駛的特斯拉隨時都會因?qū)⒙放缘母鞣N標(biāo)牌（如廣告中的Stop標(biāo)志），誤認(rèn)為限速或者停車標(biāo)志，然后猛踩剎車，被部分車主稱為“幽靈剎車”。

這幽靈車，小編屬實不敢坐。

如何進行圖像識別

特斯拉全車配備了8個攝像頭、1個毫米波雷達、12個超聲波雷達來檢測外部環(huán)境。

8個攝像頭是用來來識別現(xiàn)實中的物體。攝像頭可以獲取路上行人、車輛、動物或其他障礙物等等。

要知道，8個攝像頭捕捉的都是二維圖像，并沒有深度信息。因此特斯拉通過8個不同視角的視覺輸入，輸出三維向量空間。

可以看到，多攝像頭融合后輸出的向量空間質(zhì)量更高，能夠幫自動駕駛汽車更精準(zhǔn)地感知世界、定位自身。

其中就包括道路、交通指示燈、車輛等等自動駕駛需要觀察到的因素。

從算法層面來講，特斯拉的深度學(xué)習(xí)網(wǎng)絡(luò)稱為HydraNet。

基礎(chǔ)算法代碼是共享的，整個HydraNet包含48個不同的神經(jīng)網(wǎng)絡(luò)，通過這48個神經(jīng)網(wǎng)絡(luò)，就能輸出1000個不同的預(yù)測張量。

然而視覺系統(tǒng)總會有學(xué)習(xí)不到的地方。

早幾年，特斯拉曾與第三方合作將數(shù)據(jù)工作外包，但發(fā)現(xiàn)標(biāo)注數(shù)據(jù)的質(zhì)量并不高，隨后便擴充了自己的團隊。

最初特斯拉的大多數(shù)的標(biāo)注還是在2D圖像上進行。

不久后，標(biāo)注開始轉(zhuǎn)移到4D空間，即3D空間+時間維度，并且直接在Vector Space進行標(biāo)注，數(shù)據(jù)以一個Clip為最小標(biāo)注單位。

這次識別馬車出現(xiàn)的問題，有人嘲諷道，還沒有給馬車貼上數(shù)據(jù)標(biāo)簽?zāi)亍?/p>

問題是，馬斯克前段時間剛剛解雇了加州自動駕駛部門的數(shù)據(jù)標(biāo)注員。

特斯拉的「視力」簡直讓人堪憂。

參考資料：