特斯拉的纯视觉咋就上路了？Waymo狠批：摄像头根本撑不起L4
- 时间:
- 浏览:161
- 来源:深圳市硝子荼弥网络科技有限公司
一款没有方向盘的Cybercab被马斯克用于直接把自动驾驶圈的旧矛盾掀了个底朝天。
这辆纯粹依托摄像头加AI支撑的Robotaxi投入实况运营, 表明特斯拉挑选的"少传感器再加强算法"线路不再是空说。而此刻, Waymo凭借超出两亿英里里程归纳出的十条经验, 笃定表态纯视觉不能够支撑真实的L4级无人驾驶。一边是万辆级车开上路上的宏大欲望, 另一边是安稳冗余的底线看法, 这场争吵已经超越了技术范畴, 变成两类哲观看法的直接交锋。
01.感知路线之争再起波澜
特斯拉CEO马斯克自2019年起就公开批评激光雷达是“注定徒劳的尝试”, 甚至断言依赖激光雷达的人都会失败。在他看来, 只要机器视觉和神经网络相当足够强大, 自动驾驶就并不需要昂贵的大型外部传感器。这一次Cybercab的真正上路, 近乎等于把这条从主张到验证的路线推展到了公众面前。
Waymo车载软件副总裁Srikanth Thirumalai在Cybercab上线, 前一周发布的文章虽没有点名特斯拉, 但态度非常明确: 随着系统逼近安全极限, 单纯依赖摄像头的感知能力, 将成为可靠性提升的瓶颈, 两相对照, 行业里这条争论多年的老线, 再次被摆上台面。
02.摄像头与激光雷达的底层逻辑
被动捕捉环境光的摄像头, 靠色彩和纹理信息工作, 它仅擅长识别语义, 比方红绿灯、车道线、行人手势, 但判断距离的话, 它还得依赖算法推导才成；主动激光脉冲的激光雷达, 则干脆地,直接测量物体距离还搭着构建三维结构徐州市海潮青少年游泳俱乐部, 它不管外界亮暗, 而且夜里面的探测能力还保持着呢。
毫米波雷达补上了另一块拼图, 它能直接测准物速并穿透雨雾的能力远超光学传感器, 这三者配合, 摄像头看清‘是什么’, 激光雷达量清‘有多远’, 毫米波雷达测清‘多快’, 形成互补的物理感知矩阵, 单一失效时系统仍有兜底。
03.大模型时代的感知新解法
当前自动驾驶最大的变量是大模型, 摄像头因数据获取成本低、覆盖面广, 已经率先与大模型深度绑定。但激光雷达提供的物理真值对大模型同样关键——它能帮助算法理解真实世界的空间结构, 从而减少纯视觉推导带来的累积误差。
来自小马智行、北醒、欧摩威等领域代表相关方的共同诉求和一致想法便是: 传感器和大模型必须实现齐头并进式突破后, 才能真正跨过L4这一核心技术发展门槛。仅仅依靠算法去弥补补摄像头自身存在的物理层面短板, 或者仅仅堆积传感器而缺失应有的智能层面理解能力, 统统都没办法走向长远发展。最具关键意义的精准突破点实际在于, 让多模态各类数据能同时全面喂给本身就更具智慧水平的大模型体系里面, 进而达成语义理解与物理层面测量两方面的同步式、迭代式深度进化。
04.海外玩家的差异化选择
二零二五的年特斯拉第二季度财报当中明确的要继续坚持纯摄像头架构, 要依托数百万辆在路上行驶的汽车去收集用于训练神经网络的数据, 要实现的目标是同时降低成本、要扩大Robotaxi网络的规模。到了2026全年, Tesla Vision这项技术仍然被列为了核心技术路线, 马斯克团队在此当中的逻辑就是规模数据足以覆盖长尾的场景。
Waymo的第六代Driver虽然降低传感器数量让成本得控, 但照旧存留摄像头、激光雷达、毫米波雷达三类硬件。Mobileye则取道一条被称为“真实冗余”的独特路径: 一套系统纯赖摄像头完成驾驶职司, 另一套独立链路由毫米波雷达和激光雷达组成, 两套环境模型同期运转, 互为后备。
05.L4时代的终极答案在路上
Cybercab、Waymo、Zoox之无安全员的Robotaxi陆续进入公开道路开展运营, 因技术路线的角逐终于从PPT进入真实环境验证的阶段。特斯拉方赌的是算法持续化进化可越过物理层面的感知天花板, Waymo和Mobileye双方所赌的是硬件冗余为通往L4的必选条件。
算法是不是可以在物理边界上对摄像头进行弥补, 多传感器融合会不会因为大模型的演进走向多余, 这个问题本来就没有标准答案, 只会有时间和随后的数据得出对应的结果。自动驾驶的安全底线倒底应该交给更为强悍的AI, 还是更厚重的感知防护网络? 佩服您可以在评论区留下相应看法, 点赞分享令更多人参与本次讨论。
猜你喜欢