希望這次特斯拉不會跳票

進(jìn)入到 2020 年，特斯拉 Autopilot 自動輔助駕駛系統(tǒng)的研發(fā)似乎也進(jìn)入了漸緩期。

從功能層面上來看，今年Autopilot 的工作重心從高速公路駕駛輔助轉(zhuǎn)移到了在城市內(nèi)實(shí)現(xiàn)自動輔助駕駛，目前新增的功能并不多，交通標(biāo)識識別算一個，此外 FSD 功能的價格還漲了一波。而像我們熟悉的 Summon（智能召喚）和 NoA（自動輔助導(dǎo)航駕駛）已經(jīng)是去年的事了。

Autopilot 的推進(jìn)節(jié)奏似乎慢了下來，在已經(jīng)過去的兩個季度的財報中，關(guān)于 Autopilot 的表述并不多，唯一提到的一點(diǎn)就是 Autopilot 的 4D 化。

但是在最近幾個月，關(guān)于 Autopilot 更多細(xì)碎的信息點(diǎn)不斷拋出，讓我們得以更好的了解 Autopilot 最新的進(jìn)展。

自研神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算機(jī) Dojo

Dojo，在日語中是道場的意思，也就是過去武者們用來練習(xí)和提升技能的場所?，F(xiàn)在特斯拉也為自己構(gòu)筑了這么一個道場，目標(biāo)是訓(xùn)練自己的 Autopilot。

在更早之前的特斯拉自動駕駛技術(shù)日上，特斯拉正式在外界公布了自己的自動駕駛開發(fā)方向和邏輯，關(guān)于 Dojo，也簡單提了這么一嘴：Dojo 能夠接收大量視頻數(shù)據(jù)，然后進(jìn)行無監(jiān)督的大規(guī)模訓(xùn)練。彼時說的是，關(guān)于這個項(xiàng)目，會在今年年初公布，但……跳票了，又進(jìn)入了「Elon Time」。

2019 年 11 月，特斯拉 AI 總監(jiān) Andrej Karpathy 對外講演特斯拉如何訓(xùn)練自動駕駛時，其中提到了這樣一張圖：

但是彼時，在提到 Dojo 的時候， Andrej Karpathy 諱莫如深，只是這樣說道：「Dojo 是神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算機(jī)和芯片，用于訓(xùn)練和推理，我們希望以較低的成本將效率提升一個數(shù)量級。」

特斯拉在醞釀大招，這個無疑了。

今年 8 月，為了更多的招募軟件以及芯片層面的人才，馬斯克在 Twitter 上公布了一點(diǎn)關(guān)于 Dojo 的更多細(xì)節(jié)：「特斯拉正在開發(fā)一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算機(jī) Dojo，用來處理視頻視覺，這才是真正的野獸（意指性能強(qiáng)大）」。

看來，在自研完自動駕駛芯片之后，特斯拉還準(zhǔn)備繼續(xù)搞一票大的：神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算機(jī) or 芯片。

以上，就是我們對于 Dojo 已知的全部細(xì)節(jié)。

特斯拉是如何訓(xùn)練自動駕駛神經(jīng)網(wǎng)絡(luò)的？

為了弄清楚特斯拉為什么要自研神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算機(jī)這個問題，我們首先要弄明白：特斯拉是如何訓(xùn)練自動駕駛神經(jīng)網(wǎng)絡(luò)的。

眾所周知，特斯拉走的是視覺自動駕駛路線，主要依靠攝像頭傳感器來獲取周遭信息來確定自身所處環(huán)境。大概就像這樣：

為了讓攝像頭更好地識別這些物體，特斯拉需要把這些物體框出來，并打上不同的 tag（標(biāo)簽），然后不斷地通過深度神經(jīng)網(wǎng)絡(luò)來訓(xùn)練模型，教機(jī)器識別物體。

（單個視圖任務(wù)）

由于道路情況很復(fù)雜，Autopilot 不僅要分析道路上各種靜態(tài)和動態(tài)物體，同時還要了解道路組成部分。所以需要同時處理多個任務(wù)。

為此，特斯拉采用「類 ResNet-50」的骨干網(wǎng)絡(luò)，這個東西具體是什么就不展開了，你知道是一種深度神經(jīng)網(wǎng)絡(luò)就行。但是即便如此，還是遠(yuǎn)遠(yuǎn)不夠，特斯拉 AI 總監(jiān) Andrej Karpathy 表示，「我們不能為每一個任務(wù)分配一個神經(jīng)網(wǎng)絡(luò)，因?yàn)檫@里有近乎 100 個任務(wù)，所以，我們用了一種共享骨干網(wǎng)絡(luò)（shared backbone）」。Karpathy 將之稱為 Hydra Nets（Hydra 意為九頭蛇），確實(shí)有點(diǎn)兒內(nèi)味（這里其實(shí)就已經(jīng)暗示了，現(xiàn)在的神經(jīng)網(wǎng)絡(luò)不夠用了，所以要研發(fā)自己的神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算機(jī)）。

比如智能召喚的道路標(biāo)識線的識別：

當(dāng)然，圖片所能傳遞的信息還是 2D 的，為此，特斯拉將不同攝像頭視角采集到的畫面進(jìn)行拼接，生成一張由攝像頭視角生成的「鳥瞰」地圖，從而讓車子明白自己所處的位置。

同時，可以通過訪問同一場景不同視圖來預(yù)測物體的深度，類似這樣：

這個已經(jīng)有點(diǎn)「偽激光雷達(dá)」的意思了。按照 Karpathy 的說法，特斯拉采用偽激光雷達(dá)的技術(shù)，可以預(yù)測每一個像素的深度，然后進(jìn)行投射，以這種方式達(dá)到類激光雷達(dá)的 3D 效果。

很顯然，這也對算力提出了更高要求，特斯拉正在壓榨自己芯片算的力，而現(xiàn)在他們正準(zhǔn)備將 Autopilot 從 2.5D（也就是圖片）升維到 4D（3D+時間標(biāo)簽）。而升維到 4D，將進(jìn)一步提升 Autopilot 對于周遭環(huán)境的理解能力，提升駕駛的安全性和舒適性，不過與此同時，對深度神經(jīng)網(wǎng)絡(luò)也提出了不小的挑戰(zhàn)。當(dāng)然，這些都屬于感知層的東西。

如果你想要預(yù)測道路布局，進(jìn)而進(jìn)行路徑規(guī)劃，則需要用到多個網(wǎng)絡(luò)。所以，特斯拉為不同的攝像頭配備多個相應(yīng)的網(wǎng)絡(luò)。比如說這個：

這是一個通過三路攝像頭進(jìn)行的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和預(yù)測，你能夠很明顯的看到，這已經(jīng)不是一個圖像空間，而是類似一種上帝視角的視圖。再看這張：

有一條路徑若隱若現(xiàn)，這就是神經(jīng)網(wǎng)絡(luò)在運(yùn)算后的預(yù)測結(jié)果。

特斯拉通過 8 個攝像頭捕捉到的畫面，不斷進(jìn)行分析，同時產(chǎn)生各種不同的中間預(yù)測，但是這些神經(jīng)網(wǎng)絡(luò)產(chǎn)生的特征會進(jìn)行第二輪、第三輪處理，這樣就會有更多的結(jié)果輸出，同時模型承擔(dān)著目標(biāo)檢測，深度檢測，目標(biāo)識別等等多項(xiàng)任務(wù)。

現(xiàn)在，特斯拉需要訓(xùn)練 48 個深度神經(jīng)網(wǎng)絡(luò)，截止到 2019 年 11 月，已經(jīng)花了 70000 個 GPU hours 用于訓(xùn)練 Autopilot。

特斯拉傾向于垂直整合，通過各種傳感器來收集數(shù)據(jù)，標(biāo)記數(shù)據(jù)，然后在 GPU 集群對其進(jìn)行訓(xùn)練，而后會遍歷整個堆棧，訓(xùn)練自動駕駛模型，通過布置在特斯拉的車輛上的傳感器進(jìn)行遙測，同時隨著時間的推移以及訓(xùn)練的增加，不斷優(yōu)化和改進(jìn)功能，而后形成一種閉環(huán)，就像這樣：

從理論上來說，只要標(biāo)簽團(tuán)隊不斷整理和改善數(shù)據(jù)集，剩下的工作原則上都可以自動化進(jìn)行，Autopilot 的能力也會自動提升。

從上面的內(nèi)容中，其實(shí)也能看到，雖然特斯拉有 48 個神經(jīng)網(wǎng)絡(luò)，但是依然不夠用，而且 GPU 太昂貴了，所以，自己研發(fā)專用于神經(jīng)系統(tǒng)訓(xùn)練的計算機(jī)成為特斯拉的又一個新的任務(wù)指標(biāo)。從馬斯克今年 8 月的那條推文來看，Dojo 還在開發(fā)過程中。

目前已知的是，Dojo 這個「怪獸」并不是放在車端，而是位于服務(wù)器端，用于提升訓(xùn)練速度，并完成自我學(xué)習(xí)成長，無需對單個汽車進(jìn)行升級（改造）。 雖然 Dojo 還沒有開發(fā)完成，但是似乎已經(jīng)可以投入應(yīng)用。

FSD 重寫，即將迎來大更新

今年 8 月，馬斯克在 Twittet 上表示：「FSD 將會迎來一次大的更新，這個提升不僅僅是簡單的功能更新，而是對基礎(chǔ)架構(gòu)進(jìn)行了重寫。馬斯克表示，自己的車上已經(jīng)安裝了最初始的版本，從家到公司全程開啟，幾乎不用干預(yù)。而這個重寫版本會在 6-10 周內(nèi)進(jìn)行限量下放?！?/p>

根據(jù)描述，新增功能很有可能就是此前一直說的「識別交通信號燈和停車標(biāo)志并做出反應(yīng)」以及「在城市街道中自動輔助駕駛」。而且這還是一個重寫的 FSD 全新版本，非常值得期待。

按照馬斯克的說法，F(xiàn)SD 新版本將可以實(shí)現(xiàn)避讓坑洼路面。特斯拉會在感知層面為顛簸和坑洼貼上標(biāo)簽，讓 Autopilot 模型學(xué)習(xí)，以便在安全的情況下進(jìn)行減速或者轉(zhuǎn)向操作?！缸铋_始可能不是那么完美，但是隨著時間推移，功能將會逐漸得到改善，不過要在全球范圍內(nèi)實(shí)現(xiàn)這個操作，大概需要一年的時間?！?/p>

除此之外，在今年的世界人工智能大會上，馬斯克表示，年底將完成 L5 級全自動駕駛功能開發(fā)，這又是一個大瓜。顯然，Autopilot 基礎(chǔ)版和 FSD 已經(jīng)有漸行漸遠(yuǎn)的趨勢了，前者立足當(dāng)前的 L2，后者繼續(xù)向著 L4 進(jìn)發(fā)，但是能走多遠(yuǎn)，暫時還是一個未知數(shù)。

就在上個月，特斯拉自動駕駛團(tuán)隊被曝光：大約有 300 名工程師在 Autopilot 團(tuán)隊中工作，軟件方面不到 200 名，芯片設(shè)計方面 100 多人，同時有數(shù)名主管，馬斯克本人也密切參與了 Autopilot 開發(fā)的各個方面。

此外，馬斯克表示，特斯拉還有超過 500 個技術(shù)高超的 labelers（負(fù)責(zé)為計算機(jī)識別物體打標(biāo)簽的團(tuán)隊，以便 AI 更好的學(xué)習(xí)），「這是一項(xiàng)艱巨的工作，需要技能和培訓(xùn)，尤其是進(jìn)行 4D 標(biāo)簽標(biāo)注」。馬斯克透露，正在將這個團(tuán)隊擴(kuò)展到 1000 人。

大膽猜測，不管是 Autopilot 識別要從 2.5D 升維至 4D、FSD 的重寫還是年底 L5 功能的開發(fā)，都與這個神經(jīng)網(wǎng)絡(luò)訓(xùn)練計算機(jī) Dojo 脫不開關(guān)系。

除了這些瓜，另外一個明確的信息是，特斯拉第二代自動駕駛芯片也已經(jīng)在路上了。目前已知的是，二代自動駕駛芯片將采用臺積電 7nm 工藝，性能將是上一代 HW3.0 的三倍，預(yù)計會在 2021 年第四季度量產(chǎn)。就目前而言，即便是一代的自動駕駛芯片，特斯拉貌似還沒有將其性能開發(fā)到極致，現(xiàn)在二代芯片也安排上了且性能炸裂，特斯拉驚喜真的是一 part 接著一 part。

小結(jié)

以上，就是 Autopilot 最新進(jìn)展的全部內(nèi)容，雖然能說的都說完了，但是這里面留下的回味空間和想象空間還很大。

截止到今年 4 月，基于 Autopilot 的里程數(shù)已經(jīng)達(dá)到 30 億英里，NoA（自動輔助導(dǎo)航駕駛）功能的使用里程也已經(jīng)達(dá)到 10 億英里， 自動變道累計超過 20 萬次。

這其實(shí)是一個非?？膳碌臄?shù)據(jù)，隨著新車銷量的進(jìn)一步增加，特斯拉在數(shù)據(jù)以及案例上的積累將會越來越多，用于 Autopilot 訓(xùn)練的素材庫也將異常豐富。隨著后續(xù) Dojo 的加入，Autopilot 將會跑的越來越快。

寫到這里，我甚至?xí)羞@樣一種錯覺：其他車廠還能趕得上么？依托著強(qiáng)大的垂直整合能力，特斯拉基本上把自動駕駛最核心的東西都捏在自己的手上（軟件、芯片）；同時憑借著馬斯克的超強(qiáng)號召力，全球頂尖人才都聚在他的麾下；還有海量增長的全球車隊，特斯拉已經(jīng)形成了一個完整閉環(huán)，要人有人、要效率有效率，再加上數(shù)年的先發(fā)優(yōu)勢……活活氣死同行嗎？

特斯拉的終極野望當(dāng)然是實(shí)現(xiàn) L5，不過，從目前來看，沒有激光雷達(dá)和高精地圖加持的 Autopilot 能走多遠(yuǎn)是一個未知數(shù)，相信所有和特斯拉一樣走迭代路線的車廠都在觀望，我們也會持續(xù)關(guān)注。

眼下最值得期待的，應(yīng)該就是 FSD 全新版本的下放了，希望這次特斯拉不會跳票。

返回第一電動網(wǎng)首頁 >