雷锋网按：本文作者Ryan Woo，曾担任中科院计算技术研究所交互设计师，现在硅谷担任计算机软件工程师。原文载于知乎，雷锋网(搜索“雷锋网”公众号关注)已获授权。

　　|8.0时代的Autopilot ——通向未来之路

　　今天上午，Elon Musk发布了关于Tesla 8.0升级中的Autopilot 的情况，第一次看到这个消息，我很震惊，但是细细一想又觉得合情合理，这里不妨一步一步分析：

　　Autopilot自动辅助驾驶再升级： 通过雷达看世界

　　那次Josh Brown的车祸确实是8.0系统中更新Autopilot的催化剂，但是真正让8.0的Autopilot大换血的其实是前面提到的车队学习而带来的，其实在上一个月的财报上，Elon Musk 说了这么一句话：

　　“It blows me away the progress we are making. And if it blows me away, it’s really going to blow away other people too when they see it for the first time.”

　　（Tesla）目前自动驾驶技术的进展简直让我目瞪口呆。如果这能让我目瞪口呆，绝壁让其他人呆若木鸡。

　　很多人以为Elon谈的是未来完全自动驾驶的汽车，其实Elon指的就是 8.0里面的Autopilot：

　　在我们即将向特斯拉车主推送的8.0版本软件中，最显著的就是Autopilot自动辅助驾驶升级。我们通过使用车辆搭载的雷达，采用更先进的信号处理，生成一幅世界的影像。该雷达是Autopilot自动辅助驾驶配套硬件的组成部分，全部2014年10月之后出厂的特斯拉车型都搭载了这一雷达。一直以来，该雷达一直是主摄像头以及图像处理系统的辅助传感器。

　　所以如果我们把7.0时代的Autopilot称之为Autopilot 1.0，那么8.0里面的Autopilot 称之为2.0毫不为过，它根本不是对于之前1.0的修补，开奖，而是彻底重写了整个自动辅助驾驶：

　　Autopilot 1.0 基于Mobileye的图像识别技术，主要数据来自于车顶的Mobileye摄像头，车首的雷达和周边雷达只是提供辅助信息。

　　而Autopilot 2.0则是基于雷达识别环境，主要数据来源于车身上的雷达，而辅助数据则来源于车队学习的高精度地图和白名单。

　　所以我们之前的分析就派上用场了，通过雷达来成像主要难点就是如何解决误报False Positive，正是因为雷达成像的特殊性，一个很小的金属物体可能会被识别成一堵墙，所以人们才不费周折的去用高成本Lidar，但是Tesla确通过自己的技术巧妙解决了。

　　Tesla专门用三段来描述这个例子：

　　特定波长的光子可以轻易地穿越雾、粉尘、雨、雪，然而金属物品看起来如同镜子。雷达可以看见人体，但是他们被显示为部分透明。木制品和涂色塑料制品这些对人类而言显而易见的物品，对雷达而言，几乎都像玻璃一样透明。

　　另一方面，任何凹型的金属表面不仅仅会反光，更会将反射信号放大数倍。比如，一个丢弃在公路上的易拉罐，如果凹状瓶底朝向车头，就会被显示成为一个大型的危险障碍物，但这时候，你一定不想猛踩刹车而避过这个易拉罐。

　　因此，如何避免由于错误报警而导致车辆停止行进，是使用雷达带来的一个大问题。在车辆即将撞上大型物体时，刹车是必要的 ---但不应该是为了避开一个易拉罐。这些不必要的刹车行为，轻则令人不快，重则导致驾驶员受伤。

　　所以Tesla想说的就是：

　　我们解决雷达的误报问题了！看到这里的读者是否会会心一笑呢？Amnon博士口中自动驾驶最难攻克的难关就这样被技术驯服了。

　　接下来就是讲为什么他们会采用雷达替换掉图像识别技术：

　　为了解决误识别障碍物从而导致频繁刹车制动问题的第一部分，是拥有更为详细的点云数据。空中升级8.0系统对现有硬件进一步挖掘，让雷达可以探测到的周边的物体（数量）达到以前的六倍，并且有能力在每一个物体上获得更多细节信息。

　　减少误识别的第二部分包括整合每隔0.1秒获取的雷达快照，汇编成为现实场景的"3D"影像。(通常)通过单一影像帧，很难知道物体是移动的，静止的，或者只是反光造成的虚像。通过比较包含车辆速度、预期轨迹信息的连续影像帧，车辆可以分辨前方物体是否是真实的，同时预估发生碰撞的概率。

　　一句话来说就是：

　　我们的工程师解决了雷达的成像问题！不再需要摄像头主唱了

　　那么雷达下的世界会是什么样呢？目前我们只能瞎想了，借用Google 自动驾驶时的Lidar数据图，在Tesla的雷达眼里会不太一样：

　　最后一个重点，通过车队学习的高精度数据去对比雷达探测的实景来白名单过滤：