輔助駕駛里面到底用純視覺，還是激光雷達，是個既陳舊又新鮮的話題。2022年特斯拉成為堅定的視覺派，大多數(shù)國內(nèi)車企站在他的對面。到了2024年，有些已經(jīng)推出多款搭載激光雷達產(chǎn)品的品牌，開始轉(zhuǎn)而推純視覺產(chǎn)品。今年3月之后，好像這個“燒餅”又翻過來了，激光雷達派又開始占優(yōu)。

看似折騰，實則和掌握的技術(shù)階段（算力和算法、傳感器的技術(shù)水平）有關(guān)系。因此可以預(yù)見，這個話題還將持續(xù)下去，直到?jīng)]有明顯的技術(shù)瓶頸。

機器學(xué)習(xí)的四階段

先要澄清一下，不存在“純視覺 PK激光雷達”這個對決關(guān)系。沒有哪一輛車只裝了激光雷達不裝攝像頭。激光雷達定位就是打輔助的角色。所以合適的對壘雙方，應(yīng)該是純視覺VS視覺+激光雷達。

乍一看，后者的傳感器組合多了一個“幫手”，就像二郎神有三只眼一樣，多少會對眼神有幫助吧。不過問題比“乍一看”要麻煩得多。

最初像Waymo嘗試做L4、L5一步到位的企業(yè)，測試車上都頂著“花盆”——昂貴的機械旋掃雷達，價格當(dāng)時高達10萬美元，比街上跑的絕大多數(shù)車都貴。當(dāng)時不僅是攝像頭能力不行的問題，而在于當(dāng)時的算法認知，還停留在“專家學(xué)習(xí)系統(tǒng)”層面，就是將知識和規(guī)則，用算法的方式定好，交給機器去執(zhí)行。

后來往前走了一步，簡稱為“特征工程”。就是將特征提取出來，交給機器去學(xué)習(xí)。這和人開車的思路，開始有點像了，因為人類天生對變化特別敏感。比如顏色、形狀、大小、位置變了，對注意力影響大。注意力機制也是構(gòu)建AI架構(gòu)的靈感來源。人傾向于將車窗外的場景變化，簡化為“可駕駛”、“不可駕駛”兩種狀態(tài)，再疊加常識（運動推斷）和交通規(guī)則，決定駕駛行為。

到了第三階段，即“機器學(xué)習(xí)”，可以直接將原始數(shù)據(jù)和少數(shù)標(biāo)簽交給機器，讓機器自己學(xué)習(xí)特征。這一階段，AI取得了驚人的發(fā)展。機器在圖像（語音）識別、分類能力上開始超過人類。

這個時候，特斯拉發(fā)明了一個算法，叫“Occupancy NetWork”（占用網(wǎng)絡(luò)）。簡單說，就是將運動路徑上三維空間虛擬切割無數(shù)立體小方塊，如果檢測到某個小方塊被占用，還分為移動和非移動，那么就可以規(guī)避。不會出現(xiàn)以前那種、只有識別出是啥東西才能響應(yīng)的弊端。以前特斯拉有過無視翻倒的貨車、突然出現(xiàn)的牛等“非結(jié)構(gòu)性”障礙等負面案例。

這一技術(shù)是特斯拉走純視覺路線的最大底氣。不過馬斯克說，既然人能用兩只眼開車，純視覺就沒什么問題。

這屬于偷換概念。原因在于，機器尚未達到第四階段，即機器可以像人一樣感知和理解世界；像人一樣在幾乎所有環(huán)境當(dāng)中進行學(xué)習(xí)和適應(yīng)，即實現(xiàn)“通用人工智能”。因此，純視覺至少現(xiàn)在還比人的能力低。

純視覺不如人眼，問題在于大腦

這種前提下，討論AEB（主動剎車）的速度上限，其實沒有太大價值。可以理解為商業(yè)話術(shù)。

純視覺劣于人的能力，已經(jīng)不再是“眼神”（也就是傳感器能力）問題。人的大腦，出生時自帶一個模型，準(zhǔn)確說只有一個模型框架，數(shù)據(jù)量非常少。比如出生3個月的嬰兒，視覺已經(jīng)沒大問題（能感知5米外的物體，但缺乏細節(jié)），從未見過蛇。當(dāng)其見到蛇的視頻之后，表現(xiàn)出明顯不安——瞳孔收縮、肢體語言僵硬、哭鬧等。這就是模型殘留的少量參數(shù)。大量參數(shù)都是后天習(xí)得，而且在此過程中（0-3歲），人類裁剪了大量不活躍的腦神經(jīng)連接——代價是人喪失了這段時間的長期記憶。

相對人的能力，智能機器很難預(yù)測行為的所有潛在后果。其行為經(jīng)常出現(xiàn)“不可解釋”的現(xiàn)象，因為它缺乏人類的經(jīng)驗。任何形式化的方法，不可能為所有對象和行為建立模型。比如，如何與其他智能體互動、合作，并預(yù)料到會導(dǎo)致什么。機器智能仍有重大缺陷。這不是訓(xùn)練量可以解決的。

端到端的中間結(jié)果，往往不可解釋。對這類不可控的可能性，我們都是直接上硬規(guī)則來做兜底約束。比如，告訴機器，不管如何動作，絕對不能闖紅燈。但是救護車、消防車就可以在確認安全前提下闖紅燈。為了避免規(guī)則的復(fù)雜化，應(yīng)用場景必然受限。

所以，盡管攝像頭對于強光、照度快速變化、低照度、視線受阻（雨雪霧風(fēng)）的應(yīng)對能力提高了很多，但大問題在腦子里（算力和算法），因此也別指望當(dāng)前階段純視覺能夠替代人。

激光雷達是個好輔助嗎？

這個時候，外掛（激光雷達）再度有了用武之地。預(yù)測能力不行沒關(guān)系，真實世界是三維的，純視覺的本質(zhì)是三維世界的投影（二維圖像）。缺少的信息維度（深度），激光雷達直接測得。而且，視覺是被動接受光信號，光線的影響不可控。其實人眼也有這個問題，同樣一輛車，夜晚和白天看起來可能完全不同。激光雷達是主動照射，不受可見光影響。

視覺感知的是顏色和亮度，激光雷達感知的是輪廓。對同一輛車，外形輪廓往往更穩(wěn)定，而顏色和亮度，在不同光線下是不穩(wěn)定的。理論上，激光雷達測得的數(shù)據(jù)更可信。

但是，激光雷達的成本雖然壓下來了（仍然比攝像頭貴15倍），但激光雷達的缺陷也與其主動工作方式有關(guān)。距離遠了，激光的發(fā)散角擴大，能量密度降低很快（和距離的平方成反比衰減）。

目前的技術(shù)水平，光照好的時候，對200米以外的物體，192線激光雷達可以獲得的信息，其實不如800萬像素的攝像頭。這樣的條件下，純視覺算法可以輕易識別出類型，但視覺+激光雷達，花費大量算力處理點云-圖像融合數(shù)據(jù)，結(jié)果辨識能力反而不如純視覺。

一線的技術(shù)高管告訴我們，和刻板印象相反，激光雷達對天氣非常敏感。如果不是特別大的雪，不會過于遮擋視線（人類大腦和視覺算法都會自動濾除），但這些半透明的小玩意，會在激光雷達幾米處形成一團噪點，很難穿透雪花這種本該無視的障礙物。

真正能無視各種極端天氣的，其實是毫米波雷達（波長：毫米波＞攝像頭＞激光雷達），因為波長越長，繞射性越好。但也因為這一點，毫米波雷達的精度相當(dāng)感人，無法精確測距。

實際應(yīng)用中，激光雷達會掃射到很多物體，產(chǎn)生很多回波（多徑效應(yīng)），信號混疊在一起，給辨識帶來困難。激光雷達處理的幀率，遠不及攝像頭。低幀率看遠距離的高速物體，誤差比攝像頭大。這其實是算力的鍋。激光雷達的信息密度大，無用信息多，吃算力也多。

也因為這些缺陷，激光雷達不能單獨挑大梁，只用來補盲。這樣一來，問題就變成激光雷達只作為特殊條件下輔助，值不值得。所謂特殊條件，低照度、簡單路況、高速行駛，即攝像頭看不了太遠，但又需要系統(tǒng)提供較長“接管窗口”的時候，激光雷達是不錯的補盲手段。

碰到這樣的場景， 純視覺輔助的駕駛者，想確保安全，有兩種選擇：一種是使用輔助駕駛，速度放慢（低照度時必須降至100公里時速以下），給可能的接管留出5~10秒的時間；另一種選擇是人工開，不進入輔助駕駛。

激光雷達能解決類似的困境。綜合成本貴上1~2萬。何去何從，可以自己選擇了。無論如何，理智的駕駛者會避免自身處于危險邊緣。激光雷達的確能在某些場景帶來更大的自由度。

當(dāng)然，如果天氣過于極端，如果多數(shù)人不敢出行的天氣（比如超級大風(fēng)、大雪大雨等），建議靠邊等待，而非仰仗輔助駕駛，行人所不能之事。

如此看來，將兩種不同適應(yīng)寬度、不同成本的方案放在一起互掐，即便形成了結(jié)論，也要加繁瑣的限定條件。而且，隨著技術(shù)的發(fā)展，結(jié)論可能改變。

比如算力變得廉價，根本不在乎激光雷達吃掉一部分，或者濾波算法可以解決各種融合問題，能處理的極端場景也會增加。未來也可能出現(xiàn)其他傳感器，低成本下實現(xiàn)更寬泛的視覺+3D測量，但至少目前我們還看不到。

注:圖片部分來源網(wǎng)絡(luò)，如有侵權(quán)，聯(lián)系刪除。

風(fēng)阻爭端，關(guān)于工程問題更為復(fù)雜

L3，今年真能商業(yè)化嗎關(guān)稅大戰(zhàn)，裂解了全球汽車價值鏈