特斯拉新版 FSD 推送,讓馬斯克當眾出醜的大問題,終於被解決了!

引用This is all nets baby. Nothing but nets.(它完全依靠神經網絡,再無其他。)

去年 8 月,特斯拉 CEO 埃隆·馬斯克在他的 Model S 上,親自演示了當時尚未正式發佈的 FSD Beta v12。


FSD Beta v12 的特別之處在於,它是世界範圍內第一個完全基於神經網絡的端到端自動駕駛系統,換句話説,這是真正意義上的「由 AI 來開車」。

以當下視頻直播的標準來看,那場畫質不如十年前的智能手機、畫面頻繁旋轉抖動、主播專業素質堪憂的直播,顯然算不上一場成功的直播。但「AI 開車帶馬斯克去扎克伯格家」這個話題實在太有看點,在線觀看人數接近 1200 萬人。


更重要的是,在這場長達 45 分鐘的直播中,FSD Beta v12 只出現了一次人為接管,其他時候,它的駕駛風格基本無異於常人。

剛開始直播,馬斯克就遇見了一個非常規的路面狀況——因施工而臨時改道。但 FSD 沒有絲毫猶豫,以並不算低的速度輕鬆穿越,馬斯克當時還稱,這套系統「從未見過這樣的路面」。


整場直播下來,FSD v12 似乎有着不錯的表現,但還是有不少人發現了問題——加州硅谷帕羅阿爾託的路況實在是太過友好。

在帕洛阿爾託(Palo Alto),沒有隨處橫穿馬路的行人,也沒有突然從盲區竄出的摩托車和自行車。就連見慣了寬闊路面的美國網友也表示,該給 FSD v12 上上強度了,這種路況,根本不夠看。

但現在,隨着 FSD Beta v12 正式向北美用户推送,我們已經可以從許多海外博主的視頻裏,窺探它的真實能力。

V12,劈開前後兩個智駕時代

YouTube 用户 Whole Mars Catalog 是最先收到測試版本的博主之一,他從 2020 年起就在不斷測試特斯拉 FSD 的能力。

從他的視頻來看,FSD Beta v12 在雨夜等「老大難」的場景,有着極佳的表現。

▲雨夜窄路會車,視頻未經加速處理

白天更是不在話下。拐進小路,到達目的後靠邊把車停好,而不是像之前那樣停在路中間。


與 FSD Beta v11 相比,v12 的繞行速度提升明顯,面對停在路上的同一輛車,搭載 v12 的繞行動作完全可以媲美人類駕駛員,v11 則被「困」在馬路中間,駕駛員不得不踩上一腳油門,幫助車輛通過。
▲升級了 FSD Beta V12 的 Model S

▲仍搭載 FSD Beta V11 的 Model Y

此外,Whole Mars Catalog 認為,FSD Beta v12 的無保護左轉與之前的版本相比有了顯著改善,識別交通信號燈的能力也更強了。

在 5 個月前的那場直播中,馬斯克唯一一次對車輛進行接管,就是因為紅綠燈的錯誤識別。在直播的中段,Model S 在一個十字路口錯將左轉綠燈看成了直行綠燈,隨即起步行駛,被馬斯克一腳攔下

▲認錯的紅綠燈

馬斯克尷尬笑笑,表示會給 FSD 看更多的「紅綠燈視頻」,來解決這個問題。沒錯,和以往的 FSD 不同,FSD Beta V12 的成長,靠的不是一行行代碼,而是一條條視頻。

特斯拉在 FSD Beta V12 的發佈説明中指出,「FSD Beta V12 將城市街道的駕駛堆棧升級為單個端到端神經網絡,經過數百萬個視頻剪輯的訓練,取代了超過 30 萬行顯式 C++ 代碼」。


所謂端到端(End-to-End)方案,指的是「感知-決策-控制」的整個流程都在一個統一的系統框架內,通過深度學習的方法完成訓練,而不是按照傳統的方式分解成感知、定位、路徑規劃、控制等多個模塊,由上層模塊輸出結果,指導下層模塊去運行。

引用模塊化方案每個模塊間串聯的事高度抽象的結果,可能是錯誤的,下一個預測模塊無法進行誤差修復,或者需要大量後處理或判斷來恢復誤差,效果也不一定很好。同時,每個模塊分別需要數據集,標註需求的金錢消耗非常大,分別部署對算力的要求也更高。
上海 AI Lab 浦駕 OpenDriveLab 團隊研究員陳立此前在接受第一財經採訪時表示,模塊化方案在決策和控制部分目前仍以專家規則為主,通過專家系統進行人工調優,泛化能力弱。

這就像是一個認真聽講,但不太有發散思維的學生,老師教的全都會,一旦遇到老師沒教過的,可就不好説了。可以説,這是兩種不同的方法,一種是給到正確答案,照做就行,另一種則是給到解題思路,再舉一反三。

FSD,必須是一位「好學生」

FSD Beta v12 之所以引發大量關注,馬斯克之所以開直播宣傳,歸根到底,是因為改變了實現智駕的手段。

引用只要前面有紅燈亮起,大家就都會在白線後停車。

於是 FSD 由此學習了「紅燈停綠燈行」這一法則,這是 FSD 自我學習的成果,而非人類告訴它的標準答案,這便是神經網絡,或者用一個更為通俗的詞——AI。


通過學習大量真實駕駛員的駕駛行為,來習得自動駕駛,這是一個由新司機向老司機轉變的過程,開得越多,見的世面當然也就越多,積累經驗,成就大我。和人類不同的是,FSD 可以吞噬海量內容,再從中學習,這個效率和大多數只在上下班時才會開車的打工人相比,可要高得多了。

但神經網絡也非十全十美。

回想一下,在你的成長過程中,是不是會碰到一些可能會將你「帶偏了」的壞人——FSD 同樣會看到一些不守規矩的人類駕駛員所「演示」的駕駛陋習。

在馬斯克的直播過程中,坐在副駕的工程師提到,在美國,只有 0.5% 的駕駛員會在停止標識前完全停下車來進行觀察,絕大多數人會選擇慢速通過,然而,監管部門會要求智駕系統必須在標誌前完全停住、為此,特斯拉需要專門「教導」FSD,提高正確操作「演示」的權重,讓它「學」點好的。


在 FSD Beta v12 中,系統能夠準確識別每個路口的停止標識,停車觀察,在達到通行條件的情況下,響應也足夠靈敏,此前的版本可能會因路邊的行人或自行車而猶豫半天。

不過 Whole Mars Catalog 也表示,目前的 FSD 仍不完美,「還沒準備好向所有人推出」。例如在一些分叉路口,方向盤會左右徘徊,拿不定主意;在一些比較空曠的路口,車輛偶爾還會停下許久,過於謹慎。

▲車輛在這個路口停了足足有 15 秒鐘

馬斯克此前曾表示,FSD v12 將摘掉測試版的帽子,不再帶有「Beta」尾綴,可現如今推送給用户的版本中依舊帶有「Beta」標識。只能説,FSD 要學的還有很多。

另一個值得考量的問題是成本。

馬斯克提到,特斯拉每年在 FSD 上的投入高達 20 億美元,這無疑是一個燒錢生意。對於其他仍掙扎於利潤的車企來説,掏不掏得起這個錢,是擺在面前躲不掉的話題,光是模型的訓練,就是一筆天文數字。

特斯拉 FSD Beta V12 的視頻訓練需要多達 1.5 萬塊英偉達 H100 GPU,這讓特斯拉上到了英偉達 2023 年第三季度採購數量榜單的前 12 位。儘管特斯拉在 2021 年發佈了自家的超算 Dojo,該超算也在 2023 年成功量產,但目前特斯拉仍舊需要英偉達,僅有很少一部分訓練用到了 Dojo。


英偉達的「大客户榜單」上同樣有着中國品牌的身影。為了應對特斯拉的挑戰,國內自動駕駛產業鏈也已經在部署端到端方案,包括針對端到端模型訓練中的仿真測試等。

在同一個榜單中,深耕智駕和 AI 許久的百度排名第 8,一共購入了 3 萬塊英偉達 H100。在百度之下的是阿里巴巴,共購入 2.5 萬塊 GPU。需要指出的是,小鵬曾在 2022 年 8 月宣佈將於阿里巴巴共同打造一個算力為 600PFLOPs(每秒千萬億次浮點運算)的智算中心。


蔚來則更為關注車端算力。目前蔚來的智能駕駛系統採用 3 4 顆英偉達 Orin X 芯片,整體算力 1000TOPS,而 NIO Day 2023 中神璣 NX9031 可以實現超越 4 顆智駕芯片的性能。 也就是説,它的算力將會在 1000TOPS 以上。

隨着大模型的不斷髮展,智駕對於算力的要求還將進一步提高,所謂的「算力無用論」,只能是一紙空談。

資料來源:愛範兒(ifanr)

如果喜歡我們的文章,請即分享到︰

標籤: 特斯拉  Tesla  Model S  FSD Beta v12