00:00 / 04:24
连播
清屏
智能
倍速
点赞6
智能汽车如何感知道路环境? 大家好,这是《好奇少年》编辑讲读课,今天,我们用这一节讲读课,为大家讲清楚自动驾驶领域的两条主要技术路线。 美国 Waymo 公司的无人驾驶出租车同时使用激光雷达、毫米波雷达和摄像头来感知周围环境。而美国特斯拉公司的自动驾驶汽车的自动驾驶系统,几乎只使用摄像头来感知环境。同样是自动驾驶,为什么会出现这样两条完全不同的技术路线? Waymo 采用的多传感器融合方案。激光雷达可以精确测量距离,构建三维空间模型;毫米波雷达在雨雾天气中表现稳定,擅长探测高速移动的目标;摄像头负责识别颜色、文字和交通信号。从直觉上看,这种方案就像给汽车装上了“多重感官”,信息更全面,也更可靠。但问题恰恰出在这里。 在真实道路上,不同传感器并不总是给出一致的答案。它们的分辨率、刷新频率和误差特性不同,对同一个目标,可能产生不同甚至矛盾的判断。这种情况被称为“传感器冲突”。 比如,摄像头认为前方是一个塑料袋,激光雷达却探测到一个有体积的障碍物,雷达返回的信号又很微弱。这时,系统必须在极短时间内判断:前方是危险物体,还是可以忽略的杂物? 而特斯拉选择尽量减少传感器类型,采用“纯视觉”方案。这种方案的逻辑是,人类驾驶员主要依靠视觉,如果人工智能足够强,也应该能仅凭视觉完成驾驶任务。 这种方案的优势明显:只使用摄像头,避免了多传感器之间可能产生的冲突和误判,同时硬件成本更低,更容易大规模推广。此外,通过软件更新,系统的算法可以持续改进,让整车功能不断进化。 从实际测试和用户使用情况来看,特斯拉的FSD自动驾驶在高速公路等相对简单的场景中表现较为成熟。特别是在长时间行驶中,单一视觉系统减少了多传感器可能出现的信息不一致问题,使车辆行为更加稳定和可预测,但在复杂路况下仍高度依赖人工监管。 此外,“纯视觉”方案对光照、天气和遮挡较为敏感,要求算法对视觉信息具备非常强的理解和判断能力。所以,从目前的情况来看,两种技术路线各有优劣,到底哪种技术路线最终能够胜出,还需要时间的检验。#自动驾驶 #科技
00:00 / 02:48
连播
清屏
智能
倍速
点赞3
00:00 / 01:12
连播
清屏
智能
倍速
点赞11
00:00 / 00:37
连播
清屏
智能
倍速
点赞1364
00:00 / 01:03
连播
清屏
智能
倍速
点赞9