為什麼特斯拉自駕不採用光達(LiDAR)技術

儘管目前大部分的新車對周遭環境都有部分概念,像是ACC(Adaptive Cruise Control)或車道偏離警示,但在Level 3以上全自駕車準備好實際上路前,仍須獲得大幅的提升。高解析繪圖等更豐富的資料,以及瞭解周遭的動態環境並與之互動是關鍵。

光學雷達(光達)對車輛來說是一項查看周遭世界的技術。類似於雷達的概念,光達感測器在車輛周圍發出 無形光束脈衝雷射來測量反射的往返時間。再搭配強大的電腦處理,使車輛得以建構出周圍環境相當詳細、精確的3D視野。Waymo 與 Cruise 都使用光達(LiDAR)、雷達來感測環境,他們致力於讓光達更小,更貼合車身。目前光達是自駕車採用的主流技術,多數專家認為,光達是讓汽車實現自動駕駛的最好感測工具。

特斯拉開發自駕技術有 5 年之久,目前特斯拉將其定位為「可以不用動手駕駛」的技術,代表駕駛仍需監控車輛與路況。現階段的 Tesla Autopilot 結合巡弋控制技術、自動轉向功能與操控功能,但它不使用光達,而是透過相機、感測器,以及「其他特斯拉車輛」傳輸的資料,實現自動駕駛功能。伊隆·馬斯克毫不掩飾其對光達的蔑視。身為特斯拉的CEO,馬斯克最廣為人知的無疑是自駕車的精神領袖,然而他卻時常貶低其對手視為關鍵工具的技術。在2019特斯拉自駕日上,馬斯克詳細說明了特斯拉汽車皆未配備光達的原因,他提到:「光達是徒勞無功的,仰賴光達的人注定失敗。」

為什麼特斯拉這麼篤定全自動駕駛不需要光達?

首先是成本

一台自駕車所需的LiDAR系統價格約$10,000美元。儘管Google Waymo透過大量製造已經把成本些微拉低到$7,000美元左右,但是成本依舊高昂。特斯拉目標在生產市場主流價格並區得市占,以目前成本來說LIDAR過於昂貴。

在實際路駕的應用上,透過視覺影像比LiDAR雷射應用來的更廣

LiDAR的原理在於發射雷射波長的光源計算反射時間取得精確的距離。在自駕上,特斯拉認為取得與每個物件的距離還不夠,透過視覺影像技術用人眼的角度,機器學習得以辨認物件的種類,並做些對應的反應。路上的減速路突跟橫躺的路人在LiDAR裡幾乎相同,但透過視覺影像跟(準確度高的)機器學習,可以決定該是減速橫過或是緊急煞車。

視覺影像技術比光達有更好的適應能力

目前採用光達的自駕車技術需要精確到車道為單位的圖資,但這樣的圖資目前僅限於少數城市跟重要道路,並未擴及所有的駕駛情境與狀況。特斯拉很早就啟動「早期存取計畫」,意在透過大批車輛測試,為自動駕駛系統最佳化提供數據支援。已有 93 萬輛特斯拉電動車在路上測試,這些車輛搭載 FSD 系統,透過電腦視覺和鏡頭辨識和理解世界,獲得的行車紀錄和資料,將用於訓練提供自駕車動力的 AI 神經網路。僅管Google Waymo用力的拓展道路資料,但相較於目前特斯拉從目前從特斯拉汽車蒐集到每天的道路資料數據,數量級相差懸殊。

加上特斯拉於 2019 年研發自動駕駛晶片 FSD,4 月底全部安裝到所有特斯拉車型。晶片由 CPU、GPU、NPU 三模組構成,NPU 是核心,與之前採用的 NVIDIA 晶片相比,自研晶片能顯著降低 GPU 功耗。有專業人士認為,特斯拉 FSD 系統在 ISP 影像處理速度、NPU 資料處理速度、SRAM 影像資料儲存有明顯優勢。

最後,越來越多的研究指出視覺影像可以建立跟光達一樣精確的3D地圖街景。

結論: 光達與視覺影像技術並非你死我活的競爭關係

伊隆·馬斯克知道特斯拉可利用結合處理能力及廣泛的機器學習解決視覺問題,特斯拉的優勢在於得天獨厚地擁有從已經投入日常使用的上萬輛特斯拉車輛所收集到的資訊。特斯拉的競爭對手無法接觸到等量的真實世界駕駛資料,代表他們被迫必須尋找其他方法加速邁向自駕之路。這正是光達與雷達得以發揮所長之處。車載電腦在計算從車輛攝影機所擷取的距離和物體相對路徑上仍不夠可靠,但雷達與光達資訊使其得以成真。雷達的優勢在於幾乎可於各種天氣下使用,光達則進行最精確的量測且解析度可能更高。

透過設計結合攝影機、雷達與光達輸入的視覺系統,諸如Waymo等企業也許無須在讓自駕車上路前完全解決電腦視覺問題。他們將仰賴「感測器融合」–結合攝影機、雷達與光達資料,產生與車輛周遭環境一致的全面性視野。

在光達的成本議題上面,隨著市場拓大、需求顯現、投入的業者增加,價格必然往下降。價格多少才「合理」是大哉問,但看看特斯拉自動駕駛EAP (Enhanced Autopilot,增強型自動輔助駕駛) 以及FSD( Full Self-Driving Computer)的價格,光達用在自動駕駛的日子也應該不會遙不可及。