特斯拉收购 DeepScale,前感知融合迎来大玩家 - 博创网

博创网 首页 > 科技

特斯拉收购 DeepScale,前感知融合迎来大玩家

2019-10-09 04:25 42号车库

Autopilot 正在成为特斯拉的重中之重。9 月 26 日,特斯拉 Version 10.0 正式推送。与此同时,特斯拉 Autopilot 部门成立以来的第一起收购重组正在进行。

进入 2019 年,自动驾驶在投融资领域不再热络。当「商业化」成为关键词,包括 Waymo、通用 Cruise 在内的头部自动驾驶公司纷纷主动调低预期,重新定义商业化时间表。

特斯拉成为其中的异类。一方面,在 4 月 23 日的自动驾驶投资者日上,特斯拉重申了自动驾驶功能 2019 年底上线的时间表;另一方面,在对技术能力要求极高的「智能召唤」功能研发遇阻后,Elon Musk 选择直接解雇数十位 Autopilot 部门工程师,亲自领导项目推进。

2019 年 10 月 1 日,外媒 CNBC 率先报道,特斯拉已经收购自动驾驶感知创业公司 DeepScale。在自动驾驶行业寒冬的当下,一起收购能掀起多大的风浪?

前感知融合 + 边缘计算 = DeepScale

谈到 DeepScale 的优势,CEO Forrest Iandola 指向了感知前融合:「我们所做的是利用原始数据的前融合(Early Fusion),在做目标检测前就进行融合。」事实上,利用原始数据(RAW Data)而不是目标数据(Object Data)做感知融合,这是 DeepScale 最具差异化的优势。

什么是前融合?什么是后融合?

所谓后融合,指的是不同的传感器各司其职,超声波传感器、摄像头、毫米波雷达分别通过不同的算法进行独立的感知,完成识别后会生成独立的信息和目标列表(Objectlist)。这些信息和目标列表经过校验和比对,在生成最终目标列表的过程中,传感器会通过算法过滤掉无效和无用信息,并将一些物体合并,完成整个感知过程。

前融合使得所有传感器都运行同一套算法,将来自超声波、摄像头和毫米波雷达的不同原始数据统一处理,相当于一套环绕全车 360 度的超级传感器通过一套复杂精密的超级算法来完成整个感知过程。

当然了,特斯拉没有 LIDAR

那么相对后融合,前融合好在哪里呢?

首先,将所有传感器的原始数据进行统一算法处理,前融合降低了整个感知架构的复杂度和系统延迟。这对于算力、功耗和实时性有着很高要求的行车场景有着重大意义。

其次,许多后融合感知中被过滤掉的无效和无用的信息,在前感知路线中通过与其他传感器数据融合后进行综合识别,可以创建出一个更全面、更完整的环境感知信息。

Forrest 之前接受 EE Time 采访举了一个例子:如果阳光直射摄像头、或者大雪导致雷达性能大幅下降,两个传感器的原始数据会得出截然不同甚至相互冲突的感知结果,这个时候就需要系统进行判断。

很多后融合场景独立传感器的「无效」信息放到多传感器原始数据前融合识别场景下就变得「有效」起来,与其他传感器数据一起「拼凑」识别出一个完整的物体,从而大大提高感知系统的鲁棒性。

有多高呢?根据某自动驾驶公司的测试,在同等复杂的路况下,如果后融合车型出现极端场景(CornerCase)的概率达到 1%,前融合车型可以低至 0.01%,简单地说,感知性能提升 2 个数量级。

大多数人对前融合的挑战没有明确的概念。首先,要做到前融合,意味着你需要自主研发所有的感知技术并拿到所有传感器的原始数据,这一步已经将 99% 的车企挡在了门外。绝大多数车企会直接采购供应商的解决方案(例如著名的 Mobileye),而非从零开始自主研发。

其次,从技术角度来看,将不同分辨率的传感器数据进行时间和空间同步是一个非常困难的挑战。



上海快3 上海快3 上海快3 上海快3 上海快3 上海快3 上海快三 上海快3 上海快三 上海快3