歡迎關注“新浪科技”的微信訂閱號：techsina 

　　文/新智元

　　來源：新智元（ID:AI_era)

　　特斯拉：什么是馬車？

　　這次，特斯拉竟被一個馬車整蒙圈了。

　　一會兒是大貨車

　　一會兒是半掛卡車

　　最不可思議的是，竟還能識別出人在前面走...

　　難道又是「幽靈」嗎？

　　這個特斯拉無法識別馬車的TikTok視頻在網上瘋傳，就連人工智能軟件公司Light的聯合創始人Igor Susmelj發問：

　　我想知道這個模型在訓練時看過多少馬車。

　　僅是一個小小馬車就難住了特斯拉。

　　不難看出，在識別邊緣化場景方面，特斯拉自動輔助駕駛系統（AP），甚至是全自動駕駛（FSD）更容易在行駛中出現致命事故。

　　Electrek主編FredLambert就在昨天發布了特斯拉在美國藍嶺山脈的測試：

　　視頻顯示特斯拉汽車無法在標記的車道內行駛。更恐怖的是，差點把FredLambert引向懸崖。

　　特斯拉在識別上出現問題也不是一次兩次了。

　　把拿著交通指示牌的人識別成交通柱子。

　　把各種動物要么識別成人，要么干脆啥也沒有...

　　把月亮識別成黃色交通指示燈。

　　接下來，就講講特斯拉識別故障那些事兒

　　看不到白色？

　　特斯拉撞車事故確實不算少，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狀態下與正在轉彎的白色半掛卡車發生碰撞，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......

　　此前有知乎網友曾拿下面這張圖做視覺識別實驗。

　　把白色卡車圖片導入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的結果可能也是如此。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分離運動目標的方法。

　　考慮到實時性和成本，目前業內大多采用幀差法。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：

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

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

　　某些底盤高的大貨車側面，就如同白紙，基于深度學習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還鬧出過靈異事件。

　　有特斯拉車主在經過無人區時，發現車上自動識別障礙物的雷達探測出很多“人形”物體。

　　還有網友發布了一則特斯拉行經墓地的視頻，

　　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（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將路旁的各種標牌（如廣告中的Stop標志），誤認為限速或者停車標志，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境。

　　8個攝像頭是用來來識別現實中的物體。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量更高，能夠幫自動駕駛汽車更精準地感知世界、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，特斯拉的深度學習網絡稱為HydraNet。

　　基礎算法代碼是共享的，整個HydraNet包含48個不同的神經網絡，通過這48個神經網絡，就能輸出1000個不同的預測張量。

　　然而視覺系統總會有學習不到的地方。

　　早幾年，特斯拉曾與第三方合作將數據工作外包，但發現標注數據的質量并不高，隨后便擴充了自己的團隊。

　　最初特斯拉的大多數的標注還是在2D圖像上進行。

　　不久后，標注開始轉移到4D空間，即3D空間+時間維度，并且直接在Vector Space進行標注，數據以一個Clip為最小標注單位。

　　這次識別馬車出現的問題，有人嘲諷道，還沒有給馬車貼上數據標簽呢。

　　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據標注員。

　　特斯拉的「視力」簡直讓人堪憂。