2336
曹原 發(fā)自 副駕寺，智能車參考 | 公眾號(hào) AI4Auto
特斯拉FSD V12系統(tǒng)的開發(fā)細(xì)節(jié)曝光了。
雖然馬斯克預(yù)告過FSD V12改變了技術(shù)路線，但讓人意外的是，特斯拉其實(shí)在今年年初才開始訓(xùn)練這個(gè)基于神經(jīng)網(wǎng)絡(luò)的智能駕駛算法。
而就在四個(gè)月后，新系統(tǒng)就已經(jīng)準(zhǔn)備好取代舊系統(tǒng)；八個(gè)月后，全新的FSD V12在馬斯克直播中亮相。
這背后則是一條改變的技術(shù)路線，從規(guī)則驅(qū)動(dòng)，到數(shù)據(jù)驅(qū)動(dòng)；從分模塊設(shè)計(jì)，到端到端。
同時(shí)也帶來了新挑戰(zhàn)。
FSD V12：只有神經(jīng)網(wǎng)絡(luò)
總的來說，特斯拉FSD V12只有一個(gè)核心特點(diǎn)：沒有規(guī)則代碼，只有神經(jīng)網(wǎng)絡(luò)。
什么意思？
市面上常見的自動(dòng)駕駛系統(tǒng)，大多采用分模塊設(shè)計(jì)，包括感知、決策、控制三個(gè)模塊，各任務(wù)內(nèi)部采用各自的算法模型。
其中AI算法主要應(yīng)用在感知模塊，決策、控制模塊還是常規(guī)的，基于if else邏輯的代碼。
也就是算法工程師編寫的代碼，會(huì)給自動(dòng)駕駛系統(tǒng)建立一套規(guī)則，紅燈時(shí)要停車、綠燈時(shí)可以通行、要在車道中間行駛等等。
所以這種系統(tǒng)缺點(diǎn)很明顯，規(guī)則設(shè)定標(biāo)準(zhǔn)由各家工程師確定，駕駛風(fēng)格很容易和司機(jī)習(xí)慣不匹配，從而體驗(yàn)很差，還不如自己開。
而特斯拉FSD V12只有神經(jīng)網(wǎng)絡(luò)的意思是，以往感知、決策、控制的幾大模塊在設(shè)計(jì)時(shí)統(tǒng)統(tǒng)不需要，只要確定神經(jīng)網(wǎng)絡(luò)架構(gòu)，然后輸入數(shù)據(jù)訓(xùn)練就行。
一套神經(jīng)網(wǎng)絡(luò)能處理所有輸入信號(hào)，并且輸出駕駛決策。
根據(jù)真實(shí)的人類駕駛數(shù)據(jù)，系統(tǒng)就能學(xué)會(huì)怎么開車，并不斷開得更好。
這也就是所謂的從規(guī)則驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)。
從根據(jù)輸入的各種環(huán)境信息，系統(tǒng)基于規(guī)則來判斷這種情況下要怎么開；到訓(xùn)練時(shí)先輸入人類駕駛數(shù)據(jù)，系統(tǒng)充分學(xué)習(xí)人類駕駛習(xí)慣后，在實(shí)際駕駛環(huán)境中根據(jù)輸入的環(huán)境信息自己判斷怎么開。
如果有處理得不好的情況，就專門針對(duì)這個(gè)場(chǎng)景多輸入一些數(shù)據(jù)。
也就是類似ChatGPT的訓(xùn)練方式，不過是更適用于汽車的版本。
在決定改變技術(shù)路線之前，特斯拉自動(dòng)駕駛團(tuán)隊(duì)就向馬斯克展示了基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)能處理更好的情況。
在道路上散落著垃圾桶、倒下的交通錐，還有一些隨機(jī)障礙物時(shí)，汽車能準(zhǔn)確繞過以上障礙物，穿過車道線，并在必要的時(shí)候違反一些交通規(guī)則。
而在直播之前，馬斯克也對(duì)基于神經(jīng)網(wǎng)絡(luò)開發(fā)的FSD進(jìn)行了一次測(cè)試。
共計(jì)25分鐘的行駛路程，馬斯克只在系統(tǒng)處理過于謹(jǐn)慎時(shí)踩了踩油門，但始終沒有碰過方向盤，中間還有一次系統(tǒng)做出了比他預(yù)想中更好的操作。
我的人類神經(jīng)網(wǎng)絡(luò)在這里失敗了。
如何看待
其實(shí)早在馬斯克宣布FSD V12變?yōu)槎说蕉思夹g(shù)路線之前，這個(gè)概念已經(jīng)在自動(dòng)駕駛玩家內(nèi)興起。
因?yàn)槎说蕉俗詣?dòng)駕駛系統(tǒng)開發(fā)難度低，不用前期寫海量代碼（FSD V11版本控制堆棧中有超過30萬行C++代碼），也不用工程師提前設(shè)計(jì)規(guī)則。
只需要不斷輸入人類駕駛數(shù)據(jù)，系統(tǒng)就能自己看著學(xué)。
但是這對(duì)于自動(dòng)駕駛玩家也提出了很高的要求。
比如輸入的必須是大量優(yōu)質(zhì)數(shù)據(jù)，才能更好幫助系統(tǒng)學(xué)習(xí)。
馬斯克發(fā)現(xiàn)，當(dāng)輸入超過100萬個(gè)視頻后，基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)駕駛系統(tǒng)才開始表現(xiàn)良好。
而在今年年初，特斯拉就已經(jīng)向這套系統(tǒng)里輸入了1000萬個(gè)人類駕駛視頻，并且還是經(jīng)過篩選的，老司機(jī)的那種。
特斯拉在全球各地近200萬輛的車隊(duì)，每天也會(huì)提供約1600億幀視頻用于訓(xùn)練。特斯拉預(yù)計(jì)，未來用于訓(xùn)練的視頻將達(dá)到數(shù)十億幀。
這對(duì)于數(shù)據(jù)量、數(shù)據(jù)標(biāo)注、算力等等來說都是挑戰(zhàn)。
并且，端到端技術(shù)之所以沒有大規(guī)模在自動(dòng)駕駛玩家內(nèi)普及，是因?yàn)橛幸粋€(gè)關(guān)鍵問題：這會(huì)增加自動(dòng)駕駛系統(tǒng)的不可解釋性。
現(xiàn)階段來說，端到端自動(dòng)駕駛?cè)匀皇且粋€(gè)“黑盒”，沒有辦法精準(zhǔn)解釋某情況下系統(tǒng)處理得不好是因?yàn)槭裁础?/p>
所以特斯拉給出的解決方案是，在測(cè)試時(shí)發(fā)現(xiàn)系統(tǒng)處理得不好，那就針對(duì)性的多喂數(shù)據(jù)。
比如馬斯克直播時(shí)系統(tǒng)差點(diǎn)闖紅燈，給出的解決方案就是多輸入一些交通信號(hào)燈，特別是左轉(zhuǎn)信號(hào)燈的視頻。
另外，馬斯克也給團(tuán)隊(duì)定下了一個(gè)指標(biāo)，實(shí)時(shí)顯示FSD系統(tǒng)在沒有人類干預(yù)的情況下行使的英里數(shù)。如果出現(xiàn)干預(yù)情況，就處理對(duì)應(yīng)的問題。
更重要的是，這樣學(xué)下去還會(huì)誕生一個(gè)新的問題：系統(tǒng)不僅會(huì)學(xué)到老司機(jī)的絲滑操作，也會(huì)學(xué)到人類司機(jī)沒有符合交通規(guī)則的行為。
比如在遇到停車標(biāo)志時(shí)，超過95%的人會(huì)緩慢通過，而不是完全停車。
這意味著監(jiān)管部門需要明確規(guī)范標(biāo)準(zhǔn)。
美國國家公路安全委員會(huì)就正在研究，是否允許自動(dòng)駕駛系統(tǒng)進(jìn)行沒有完全遵守交規(guī)的操作。
總之，特斯拉FSD V12的面世對(duì)于自動(dòng)駕駛來說確實(shí)意義重大。既然能實(shí)現(xiàn)全流程AI化，那么就更有邁向AGI，即通用人工智能的可能。
自動(dòng)駕駛何時(shí)能迎來ChatGPT時(shí)刻？
命運(yùn)的齒輪或許就從此刻開始轉(zhuǎn)動(dòng)。
參考鏈接：
https://www.cnbc.com/2023/09/09/ai-for-cars-walter-isaacson-biography-of-elon-musk-excerpt.html
下載ECAD模型
