今日澳洲

标题: 媒体:特斯拉智驾时代来临,未来能用于军舰和战机吗 [打印本页]

作者: 军武次位面 时间: 2024-10-16 10:00
标题: 媒体:特斯拉智驾时代来临,未来能用于军舰和战机吗

10月11日上午，在备受期待的科技春晚----特斯拉“We Robot”发布会上，马斯克向世界展示了特斯拉在自动驾驶和人工智能领域的最新成果：Cybercab、Robovan和Tesla Bot。

Cybercab其实就是无人驾驶出租车，Robovan是无人驾驶公交车，而Tesla Bot就是特斯拉的人形机器人，会走会跑会跳舞。

值得一提的是，这三款新产品，用的都是特斯拉一直所推崇的FSD路线，按照马斯克的说法，这三款产品，意味着人类智能驾驶时代的到来。

很多人都奇怪，中国的萝卜快跑无人出租车都已经上路一年了，特斯拉这次的无人出租车又有什么特别之处？特斯拉的这种技术，会应用于军事吗？

我们都知道，在智驾领域，一直有激光雷达和纯视觉两条路线。

激光雷达其实发展很多年了，早在70年代，坦克已经普及了激光测距机，来测量敌方目标的距离，进而确定火炮诸元。

于是就有人脑洞大开了，把发射的激光线增多，能感知的区域和细节不就越多了么？那么通过让反射的激光转动扫描，不就可以得到一片区域的三维形态了么？

这就是激光雷达的雏形。

后来，激光雷达经过发展，已经发展到机械式、半固态和固态三种类型，并广泛应用于智能驾驶汽车，中国大部分智驾汽车，包括前一阵子火爆的萝卜快跑无人出租车，用的就是激光雷达路线。

不过呢？激光雷达路线虽好，也是有缺点的。

第一是贵，一颗激光雷达动辄数千元，新一代萝卜快跑已经发展到4颗激光雷达，再加上其摄像头、毫米波雷达等等零部件，光传感器一项，成本就要两三万元，大大影响了市场推广。

第二是依赖算法。简单来说，激光雷达只是传感器，告诉主机路况如何，主机要根据算法做出智驾决策。

这就带来了一个问题，路上遇上的各种情况，是无穷无尽的，但算法，是有穷尽的。

简单来说就是，路上总会遇到算法没有设想到的情况，比如双车道前面一辆车莫名其妙停下来，而车道中间又是实线，算法往往就会停车不走了，而不是压实线绕开前车，因为其遵守交通规则的权重是最大的。

所以最近这一年多，我们已经看到了不少智能驾驶（其实现在顶多算是辅助驾驶）的事故了，这里面有不少是第三方的原因，也有智驾算法应付不了突发情况的原因。

而另一条路线呢？就是特斯拉的FSD，Full-Self Driving，中文名“完全自动驾驶”，2021年，特斯拉正式发布 FSD Beta 版，走的是纯视觉方案。

FSD的传感器，不是激光雷达，而是摄像头。

用马斯克的话来说，“用激光雷达的都是傻子。”“（激光雷达）就像是人身上长了一堆阑尾。”

这话说得，好像激光雷达是落后技术一样，其实并不是如此。马斯克摒弃激光雷达推崇摄像头，主要原因还是摄像头便宜，激光雷达要几千块，摄像头只要几百块，对马斯克这样造火箭都用不锈钢的人来说，降成本是其一直追求的目标。

FSD其实一开始的路线和智驾路线没什么太大的区别，都是“感知+算法”，先用摄像头看看前方有什么，有没有车，车速多少，方向如何，是红灯还是绿灯，是实线还是虚线，然后再按照编制好的算法进行决策。

这谈不上多先进，所以纯视觉方案一开始相比激光雷达路线并没有太大优势，所以特斯拉的智驾事故一点也不少。

但是吧？从2024年春天发布的FSD V12版本开始，情况发生变化了，AI技术应用于FSD之后，FSD实现了脱胎换骨的变化。

特斯拉删除了30多万行人工编写的智驾算法代码，删除后FSD V12的C++代码只剩下了2000多行，取而代之的是一个大模型。

这个大模型，模拟的是人开车习惯。是特斯拉利用上百万辆特斯拉汽车的行车数据，让AI进行视觉学习，经过海量的数据学习后，大模型就“学会开车”了。

就像你开车一样，开车的时候，很多时候你都是下意识的肌肉反应，比如转向、加速、刹车等等。而AI经过长期大量学习之后，也能用摄像头看到的图像，做出和人一样的思考和控制，不再需要高精地图、激光雷达这些软/硬件的加入。

简单来说，就是从规则驱动，演变到数据驱动，用无数个老司机的开车的训练数据集，来训练出一个AI老司机。

▲端到端驾驶模式原理

在FSD V12的实际应用过程中，这种智驾路线似乎已经趋于完美，FSD能顺滑的完成避开车道内停止的车辆（哪怕压实线）、能左转/右转后变道、能按停止标识刹停、在斑马线前礼让行人；路测停着的车突然并线，可以完成躲避并超越突然出现的车辆，在夜间也能完成如此操作。

所以马斯克就激进地认为，只要数据量足够大，训练的时间足够长，FSD将来就能彻底淘汰人类司机，彻底实现无人驾驶。

从人类科技发展史来看，无论什么最新的科技，最先的应用，往往都是军事。

早在2009年谷歌公司的Waymo、特斯拉、Uber、GM Cruise、Aptiv和Intel-Mobileye等公司开始研发智能驾驶技术之前，美国已经开始探索通过智能驾驶机器人来排除IED了。

2018年，美国国防部的领导机构国防创新部门（DIU）说服国会，对军民两用和自主技术的加大支持，使私营民用开发商进入国防部采购视野。目前DIU正在推动一项名为“地面远征自主改造系统”（GEARS）的无人驾驶车辆计划，从私营承包商中寻求解决方案，并已经成功在悍马车上试验成功。

GEARS计划的短期目标是：在路线清理、爆炸物处理、伤员撤离、补给和侦察援助等高风险行动中，尽量部署无人驾驶车辆；长期目标是：建立大规模无人驾驶车辆部队，通过有人无人结合的方式，让每个士兵指挥一个小队无人车辆和无人机，实现步兵的作战效能拓展。

毫无疑问，对于FSD的成功，美国军方一定会很感兴趣，不排除将其应用于军事方面的可能。

比如，坦克能否应用FSD通过大量的坦克驾驶和战斗视频，来学习如何行进和作战？从而实现真正的作战无人化？

比如，舰载机起降，不论在哪个拥有航母的国家，都是一个难题，训练舰载机飞行员非常困难。那么舰载机能否应用FSD，通过大量起飞和着舰的视觉训练，实现起飞着舰的自主进行，彻底解放飞行员的双手双脚？

再比如，无人战斗机是否可以应用FSD，用空战王牌的视频资料去训练它，让其成为AI王牌？平时在天上长时间战斗巡航，如有有外机闯入，自己飞过去拦截。这可比从地面紧急起飞值班战斗机要快多了。

FSD的原理其实非常简单，那么一旦这种思路在军事领域扩散，那么各兵种都会搞出自己的玩法（就像穿越机进战场之后被开发出无数种玩法一样），其带来的结果很可能是革命性的。

但是呢？FSD也不是完美的，应用于军事，可能还有很长一段路要走。

首先就是其训练数据的问题。

FSD之所以好用，训练数据非常重要，但同时，其训练数据也直接影响FSD的水平。

在特斯拉的应用中，研发人员已经发现，使用田纳西州司机训练出来的大模型，放到纽约就不太合适，因为田纳西州地广人稀，司机驾驶习惯偏向于礼让，跟车也跟得优哉游哉，绝对不会见缝插针，而纽约呢？街道极其拥挤，日常堵车，你要是再礼让，保证加塞的车一辆接着一辆，你根本应付不了。

同样，在美国训练的FSD大模型，拿到中国来，可能也水土不服。毕竟中国路况实在太复杂了，各种各样的情况都有，交通规则意识也和美国不同，美国总没有在国道上晒麦子的吧？总没有到处乱窜的三蹦子吧？

同样的道理，军用FSD要想好用，必须有大量针对性的训练数据。比如你模拟和俄军作战，首先要有与俄军的训练数据吧？数据从哪来呢？乌克兰倒是有，但乌克兰的作战方式，和美军也不一样啊！

就算你用假想敌中队来模拟敌军，但模拟就是模拟的，你永远不可能以俄军的现役装备性能、俄军的作战战术和操典、俄军的指挥习惯，来逼真的模拟俄军。所以就算你用模拟俄军的数据训练出大模型了，等你真正对上俄军的时候，可能完全不好使了。

就像当年解放军打国民党军的美械师打习惯了，觉得美械师也不过如此，但到了朝鲜战场见到真正的美械师，才大吃一惊一样。

其次是视觉方案的固有缺陷。

FSD使用视觉方案，其基础是看到的每一帧画面中，包含多少信息，然后才能根据算法进行识别和决策。

现在的摄像头，超过1亿像素的并不稀罕，但是呢？拍摄视频时，因为要实现动态拍摄，考虑到缓存速度，视频像素往往比照片要低得多。以我们见到的非常高清的‌8K视频为例，它的像素是多少呢？是7680x4320像素，总计也就3320万像素。

而人眼呢？正常的人眼像素约为5.76亿，远超一般的摄像头。

这种差异带来的结果就是，面对1千米外的目标，人眼可能依稀看见，然后做出反应。但摄像头啥也看不见，更别说做出决策了。

虽然光学变焦可以解决这一问题，但一旦变焦，视野就小了，难以观察其他方向情况了。

第三是摄像头容易被遮挡。

这个很好理解，有时候你过个泥坑，你的倒车影像摄像头就被泥水糊住了，啥也看不见。

同样的道理，当军用车辆用FSD视觉方案进行作战时，可能遇上泥水、血水、烟雾或者草丛时，可能就不知道该咋办了。

战机上的摄像头倒是不容易被污损和遮挡，但问题在于，这玩意实在太脆弱了，敌人一束激光射过来，摄像头就被致盲了，严重的时候还会烧毁CCD。

不信你随便去看个演唱会，都能碰上被演唱会激光表演烧坏手机摄像头的。

所以，虽然马斯克的发布会很酷炫，FSD应用于军事也有很大的前景，但是起码在目前，FSD的最好出路，还是在只需要看前方百米区域的智能驾驶领域吧，至于军用，一时半会还是别想了。

欢迎光临今日澳洲 (http://austoday.com.au/)