[汽車之家新能源] 就在今早9點，特斯拉舉行辦了一場讓汽車圈和科技圈都為之震動的活動——“AI DAY”（人工智能日）。活動中，特斯拉講解了其在自動駕駛領域的最新進展，并發布了由自主研發芯片提供算力的超級計算機Dojo以及一臺人形機器人。為自動駕駛研發超級計算機？這個相信很多人都聞所未聞。廢話不多說，我們接下來就看看會上曝了哪些猛料吧！
（注：由于本次活動所涉及的知識過于硬核，編輯只能通過自身相對有限的專業知識嘗試進行解讀，如有不對的地方，還請讀者指出，我會第一時間更正。）
■30秒速讀全文：
1：特斯拉革新了Autopilot運算單元的算法，使其可以像人類一樣通過視覺觀察路況，并通過神經網絡運算單元像人腦一樣判斷危險因素，而無需雷達、激光等感知元件；
2：為了讓Autopilot能夠準確識別道路的元素，特斯拉設計了一臺名叫Dojo的神經網絡超級計算機，它的性能超越了目前世界排名第一的超算；
3：作為活動結尾的彩蛋，特斯拉還發布了一款人形機器人，用來替代人類在危險環境下工作以及執行營救任務。
■基于純視覺的FSD究竟如何實現？
既然需要通過視覺方式實現自動駕駛，那么首先需要給車輛安上眼睛，而這個眼睛就是攝像頭。攝像頭的工作方式其實與人眼比較類似，就是通過收集光線強度與色彩信息，然后發送給類似人腦的AI運算單元進行分析，從而判斷面前的物體究竟是什么。
盡管目前業界通過攝像頭進行場景元素識別的技術已十分常見，但是大家的普遍做法都是將攝像頭采集的照片以單張圖片作為單元進行分析。這樣帶來的問題是單一的圖片屬于2D圖像，所展現的物體信息較為局限，我們很難通過圖片去感知圖像中物體的真實形狀以及運動速度等信息。
面對這一問題，業界有一種主流做法是通過激光雷達去感知物體的形狀，用毫米波雷達去感知物體的運動速度以及軌跡，將這些信息匹配合成，再交給車輛的自動駕駛運算系統進行決策。
而目前，特斯拉正在過渡到純視覺的自動駕駛感知路線，如今在美國生產的特斯拉車型已經開始拋棄雷達等其他感知元件。特斯拉這么做的底氣是它拋棄了傳統以單張圖片作為場景感知的最小單元，而是進化到了通過連續的視頻圖像對場景進行感知。
通過視頻圖像對場景進行感知有幾個好處，首先，統一了信息輸入方式，避免了因為雷達、攝像頭等不同感知元件所提供的相對分立的數據，而增加算法的復雜度；其次，特斯拉可以通過視頻的方式掌握交通參與者當前的運動方向以及速度，而不需要借助雷達；第三點，也是很重要的一點就是特斯拉能夠通過視頻來構建車輛周圍的3D場景，有了道路環境的立體信息，將能夠讓車輛更準確的識別環境中的危險元素。
盡管通過視頻圖像對場景進行感知有不少好處，但想要做好這項技術并不容易，主要的難點是如何讓Autopilot系統對所有接觸到的場景都能有一個準確的判斷。為此，特斯拉專門設計了一臺超級計算機來訓練算法。
■這次活動的重點：Dojo超算正式發布
當您了解了Dojo的原意之后，就不難理解特斯拉為何要將自主研發的超級計算機命名為Dojo了，因為它正是特斯拉自動駕駛技術的“修行”之地。那么，特斯拉究竟是如何通過一臺超級計算機來“修行”自動駕駛技術的呢？想要明白這個問題，我們需要先從特斯拉自動駕駛技術發展說起。
還記得幾年前在美國發生的第一起特斯拉Autopilot 命案嗎？當時一輛特斯拉Model S(參數|詢價)開啟了Autopilot，由于感知系統并未發現前方橫向行駛的半掛卡車而與其發生了相撞，導致駕駛員當場死亡。事后調查顯示，這是由于特斯拉的視覺感知系統并未識別到前方碩大的半掛卡車，而是把車上的白色貨廂當成了天上的白云，致使與其相撞。
為什么特斯拉的感知系統會把一輛半掛卡車的側身識別成白云呢？其實原因就在于Autopilot系統對于一個橫向行駛的半掛卡車的特征并不熟悉。那么解決問題的辦法就是通過不斷的訓練Autopilot的算法，從而避免再在類似的場景下出現誤判。
特斯拉會從旗下車型的攝像頭中搜集規模龐大的道路行駛視頻畫面，然后提供給Dojo進行自主學習。Dojo會把畫面中許多類似卡車、行人甚至動物等道路中經常出現的危險元素進行標記，并將這些事物的特征以及應對措施寫入Autopilot的程序中，然后特斯拉再通過OTA的方式，將最新的Autopilot程序推送給車輛，使這些車輛對面前的事物有一個更準確的認知，從而更好的對風險進行預判，避免類似將貨車識別成白云的事故再次發生。
