特斯拉新专利靠2个神经网络“自学”实现自动驾驶，雷达太贵一个不留

特斯拉近日获得了一项“使用视觉图像数据估计物体属性”的新专利。3月13日，埃隆·马斯克在推特表示，特斯拉将在4月份发布一个FSD测试版。当时，他还提到特斯拉将追求纯视觉，并暗示未来甚至舍弃雷达传感器。

根据特斯拉的专利，这项发明旨在解决大众市场自动驾驶汽车视觉传感器日益增长的成本和复杂性。这种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。

特斯拉的专利描述了一项发明，使用两个神经网络，仅使用图像数据来测量物体的距离。第一个神经网络可以确定物体与车辆周围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第一个神经网络创建训练材料。

在这项专利中，特斯拉表示，需要在不限制自动驾驶汽车捕捉和处理数据量的情况下，找到合适数量的传感器。特斯拉表示，视觉传感器，如雷达、激光雷达和超声波传感器，安装在大众汽车上的成本太高，而且会增加自动驾驶系统的“输入带宽要求”。

该专利描述了一种具有良好的传感器和摄像头平衡的配置，以确定车辆周围物体的距离。这将使特斯拉能够采用一种性能可与行业领先企业媲美的系统，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在增加。例如，将激光雷达等发射距离传感器安装在大众市场的汽车上通常成本很高。此外，每增加一个传感器都会增加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优配置。这种配置应该限制传感器的总数，而不限制捕捉数据的数量和类型，以准确描述周围环境，安全控制车辆。”特斯拉写道。

该专利还为特斯拉提供了一种自动标记视觉数据的方法。考虑到贴标签是特斯拉FSD开发过程中最耗时的部分之一，该系统可能会加速该公司全自动驾驶和自动驾驶套件的开发和更新发布。

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工标记，显著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，以很高的精度预测对象属性。”特斯拉写道。

特斯拉专利中描述的配置将显著改善其完全自动驾驶(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，从而改善FSD Beta。特斯拉基于图像的FSD方法与其竞争对手如Waymo有很大的不同，但迄今为止，基于一些FSD Beta用户的体验，已经产生了一些相当令人印象深刻的结果。