技术解析:何小鹏说NGP赢FSD,只因特斯拉不稳定?( 二 )


  1. 在车道线比较宽的街道 , 会出现蛇形驾驶 , 稳定性不够 。
  2. 【技术解析:何小鹏说NGP赢FSD,只因特斯拉不稳定?】对违法行车的社会车辆会判断失误 , 导致退出FSD 。
  3. 人流量特别大的街道 , 车辆会反复判断 , 犹豫时间过久 , 甚至会自动退出FSD , 这一问题间接证明了人流量阈值上限的存在 。
  4. 无保护转弯 , 时而犹豫时而激进 , 致使驾驶着缺乏信心 。

我们从小鹏公布的小鹏P5城市NGP工程版测试视频中 , 可以看到目前城市NGP的实力表现 , 特别是针对无保护的左转右转 , 前方静态车辆的避让 , 这些标定起来十分困难的情况 , P5都可以轻松面对 , 可以看到目前城市NGP但实力 。 同时 , 据何小鹏介绍:在广州城区的测试区域内 , 搭载城市NGP的小鹏P5测试车 , 曾多次保持行驶数十公里完全不需要接管 , 或者只接管一次 , 十分接近高速NGP的效果 。 之前高速NGP的通过匝道、隧道和变道的成功率都在90%以上 , 可见目前城市NGP的已经初见成效 。 但从视频来看 , 也不全都是那么完美 , 在面对最具中国特色的电动车突然横穿斑马线时 , P5的操作也让人捏一把汗 。
针对于这些中国特色道路现状 , 中国的本土新势力造车的智能驾驶辅助系统正是根据这些情况来打造的 , 本土化问题 , 也是NGP效果要强于FSD的重要一环 。

百度自动驾驶研发部门负责人曾表示 , 北京的道路环境复杂程度是美国加州的15倍以上 , 北京只是中国复杂道路环境的一个缩影 , 如果到了3D的重庆 , 则又是另一种“复杂” , 生长与中国本土的新势力智能驾驶系统 , 确实要比生在加利福尼亚的特斯拉更加艰难 , 城市中各种不文明驾驶行为、“形态各异”的非机动车和“神奇”操作 , 以及行人给你带来的“出其不意” , 都是本土智能驾驶打一出生就要考虑的问题 , 这些问题国产新势力都花了大量的时间进行攻克 , 确实需要大量传感器协同配合 , 自学习以及更深入的进行感知 , 做到更多冗余特斯拉在面对这些它“不认识”物体或情况时 , 又没有雷达传感器 , 它会做些什么呢?
FSD就这么不行?要抛弃纯视觉方案?在这里 , 我也要输出一些其他的看法 , 小鹏NGP是要依靠高精地图的 , 如若是到没有高精地图没有覆盖的地方 , 它会主动退出NGP , 若要是到了一些正在大拆大建的地方 , 地图没有来得及更新 , NGP也无法实现 。 而在这方面 , 就能更好的体现出特斯拉FSD的普适性了 , 视觉方案可以适应多变的环境 , 通过自学习能力 , 完成智能驾驶 。 当然 , 现阶段考虑这样的问题还有些超前 , 毕竟还是人机共驾 , 有人驾驶的阶段 。 但要是到了无人驾驶阶段 , 方向盘都给取消了以后 , 就等着拖车吧 。 所以 , 要完成各种情况下的完全自动驾驶 , 视觉方案依然是一个趋势 。

造成特斯拉如此钟爱视觉方案的因素有以下几点:
首先 , 在智能驾驶发展过程中 , “幽灵刹车”、“鬼刹车”这种情况不断出现 , 毫米波雷达有可能产生误判 , 导致视觉与雷达反馈矛盾 , 干脆取消 , 完善视觉算法 , 一劳永逸 。

其次:特斯拉有一套强大纯视觉测距法用以取代毫米波雷达的职责 。 特斯拉充分利用旗下大量车辆的行驶数据进行深度学习 , 致使AI系统更聪明 , 得意做出判断 。 我认为 , 特斯拉的这套方案十分接近真实驾驶者的操控逻辑:摄像头是驾驶者的眼睛 , 把看到感知到的信息汇总到算法平台 , 经过“大脑”运算思考 , 然后系统根据从数据中学习到的经验做出应对的动作 。 人并不像“蝙蝠” , 能发出超声波 , 所以省去毫米波雷达 。

再者:成本问题是特斯拉造车的一大重点考虑因素 , 特斯拉目前采用的单个摄像头平均成本在150元人民币左右 , 被国内新势力追捧的激光雷达最低也需要200美元左右 , 对于特斯拉这种对上下游原材料价格极度敏感的企业来说 , 这部分成本的巨大差异 , 是一定要反映在售价上的 。
城市NGP高枕无忧?“狼”正在迅速成长最后 , 小鹏城市NGP在现阶段可以比特斯拉FSD效果要好 , 但是 , 越来越多的消息预示着特斯拉新一代FSD即将到来 。
目前这一代特斯拉 FSD(HW3.0) , 图像传感器为安森美的 AR0136AT , 这是 2015 年的产品 , 像素仅有 123 万像素 。 新一代 FSD(HW4.0) , 预计首先会搭载在不断推迟量产的 Cybertruck上 , 其中最大的变动之一就是图像传感器由安森美的 AR0136AT 变为索尼的 IMX490 , 像素增加到 543 万 。 像素每提升一倍 , 算力要提升3倍 , FSD芯片的算力可能要破1000Tops 。

推荐阅读