現在幾乎每家研發自動駕駛汽車技術的公司都選擇了使用激光雷達，包括Uber、Waymo，豐(feng) 田等都在使用它。但唯獨特斯拉沒有。

今天我就想來說說這兩(liang) 種相互競爭(zheng) 的技術具體(ti) 是如何運作的，以及我們(men) 對未來自動駕駛汽車的期望到底是如何的。

激光雷達(Lidar)與(yu) 計算機視像(Vision)

激光雷達(Lidar)實際上是一種用於(yu) 測量物體(ti) 之間距離的方法，通過發射激光並檢測它們(men) 返回所需的時間。這個(ge) 想法與(yu) 雷達相似，但我們(men) 隻不過是用激光代替無線電波。這項技術在探測物體(ti) 時極其精確，甚至可以達到毫米。

計算機視像(Vision)是人工智能的一個(ge) 領域，它主要是用於(yu) 訓練計算機通過視覺去理解這個(ge) 世界，基本上等同於(yu) 人類視覺的逆向工程。

特斯拉的計算機視像(Vision)

特斯拉一直以來都是計算機視像(Vision)技術的堅定支持者，拒絕使用激光雷達傳(chuan) 感器。而對於(yu) 其他公司使用激光雷達似乎也並不在意。埃隆·馬斯克甚至曾公開表示過：

激光雷達是傻瓜的差事…任何依賴激光雷達的人都是注定要失敗的。

如果你想看看埃隆對技術選擇的所有想法，可以去看看他在特斯拉Autonomy Day的演講。

成本

特斯拉之所以選擇了這一不同的路線，其主要原因之一是成本。在一輛車上安裝一個(ge) 激光雷達設備的成本大約在10,000美金左右。穀歌的Waymo項目通過引入規模化生產(chan) ，已經能夠稍微降低了該成本，但仍然十分昂貴。

特斯拉非常注重成本，希望確保汽車價(jia) 格合理。要知道，電動汽車本身由於(yu) 電池技術的緣故，成本已經比傳(chuan) 統汽車要貴了，如果還把激光雷達加到電動汽車上，那基本很難瞄準大眾(zhong) 市場了。

應用於實際道路上

其中另一個(ge) 重要一點，也是馬斯克高度強調的一點，就是與(yu) 人類視覺的關(guan) 聯。作為(wei) 人類，我在駕駛汽車時並不需要通過發射激光來確定物體(ti) 位置，而是通過我們(men) 的雙眼去確認方向的，而汽車也該如此。

我們(men) 在路上看到的一切東(dong) 西都是充滿了視覺信息的，所有的標識、轉彎、十字路口都是在幫助我們(men) 導航。所有這些都是靜止的物體(ti) ，激光雷達也確實能精確地探測到它們(men) 。

但當道路上出現移動物體(ti) 時，真正棘手的問題就開始出現了。人、狗、會(hui) 飛的塑料袋等，都是我們(men) 在路上經常會(hui) 遇到的物體(ti) 。而激光雷達是無法探測到它們(men) 是如何移動的，甚至無法探測到這些物體(ti) 是什麽(me) 。

激光雷達無法區分道路上顛簸和塑料袋。如果我們(men) 在高速公路上高速行駛，有一個(ge) 塑料袋，我們(men) 不需要快速停車，但激光雷達很可能會(hui) 因此直接停車。這一點是激光雷達需要解決(jue) 的問題。

而如果車突然停了，那才是真正危險的地方。後麵的車可能無法對我們(men) 在路中間的停車做出迅速的反應。這種情況進一步說明了在製造自動駕駛汽車時需要注意細節。

特斯拉明確表示，他們(men) 的攝像頭和雷達係統能夠探測到物體(ti) 是什麽(me) 。前方的雷達能夠迅速判斷前方是否有任何問題。一旦一個(ge) 物體(ti) 進入視線，攝像機就會(hui) 判斷該物體(ti) 是什麽(me) ，然後汽車能夠對此作出相應的反應。

適應性

從(cong) Autonomy Day和埃隆·馬斯克的其他訪談中，我們(men) 可以了解到特斯拉的自動駕駛係統是具備可適應性。他們(men) 談論了很多關(guan) 於(yu) 所使用的神經網絡，以及係統如何能夠利用所提供的數據做出合理的決(jue) 策。

特斯拉競爭(zheng) 對手的一大問題就是忽視了這種適應性。這些係統中的多數要麽(me) 是嚴(yan) 重依賴於(yu) 高精度的路線圖，要麽(me) 從(cong) 未在真實道路上進行過測試。是的，我們(men) 見過Waymo在城市裏使用無人駕駛開車，但也僅(jin) 限於(yu) 有著高效地圖的大型道路。在這些演示中，照明、天氣條件和交通都非常理想，而正常的駕駛狀況並不是像這樣恒定的理想狀態。

較小的道路，有意外的轉彎和大小變化的車道等，都是相當常見的。另外，特斯拉是一個(ge) 真正在售賣電動汽車的公司，是你可以買(mai) 到的汽車。特斯拉的車主已經開著特斯拉的電動汽車行駛了10億(yi) 英裏，而這數字還在全球範圍內(nei) 無時無刻地增長。而Waymo僅(jin) 測試了約1000萬(wan) 英裏左右。

特斯拉積累的大量難以預測的道路數據對於(yu) 研發自動駕駛技術是極為(wei) 寶貴的，這就是係統如何學習(xi) 並不斷改進的方式。

準確度

康奈爾大學曾發表過一篇研究論文，是討論如何利用立體(ti) 相機生成與(yu) 激光雷達地圖一樣精確的三維地圖。該論文得出結論是，除了花7500美元購買(mai) 一台激光雷達設備，其實你還可以花5美元買(mai) 幾台相機來獲得幾乎相同精度。

最後

就目前在自動駕駛領域的資金投入以及競爭(zheng) 的不斷擴大，我們(men) 有理由相信真正的無人駕駛汽車終究會(hui) 到來的。至於(yu) 會(hui) 不會(hui) 是特斯拉，我們(men) 無從(cong) 得知，甚至可能也不需要知道（除非你買(mai) 了特斯拉股票）。實際上，研發自動駕駛係統的方法有好幾種。我們(men) 甚至可能看到兩(liang) 者的結合也並不奇怪。