特斯拉正在为周四晚备受期待的“机器人出租车亮相”做准备，旨在通过一款名为“Cybercab”的原型车给投资者留下深刻印象。这一事件对于埃隆·马斯克来说是一个关键时刻，他在近十年来一直做出了交付自动驾驶汽车的大胆承诺。然而，让监管机构和乘客相信车辆的安全性可能是一个充满挑战的过程，尤其是像 Waymo 这样的竞争对手已经在选定的城市运营他们的机器人出租车车队。
特斯拉独特的自主方法
与竞争对手不同，特斯拉在开发自动驾驶技术方面选择了一条独特的道路，这条道路可能带来高额回报，但也存在巨大风险。特斯拉的方法完全依赖于计算机视觉，使用摄像头模仿人类视觉，结合称为端到端机器学习的人工智能技术，将视觉数据转化为驾驶决策。这一策略支撑了其当前的“完全自动驾驶”功能，尽管其名称如此，但仍然需要人工监督。
特斯拉的竞争对手，包括 Waymo、亚马逊的 Zoox 和通用汽车的 Cruise，结合使用雷达、激光雷达和高级地图等传感器以及计算机视觉来确保安全并满足监管标准。特斯拉的方法虽然更简单、更便宜，但有两个关键弱点。首先，它难以应对被称为“边缘情况”的罕见驾驶场景，这些驾驶场景是自动驾驶系统和人类工程师难以预测和处理的罕见或不寻常的驾驶情况。其次，其端到端人工智能系统充当“黑匣子”，这意味着分析数据和制定决策的整个过程都是在没有人工干预或额外工程步骤的情况下处理的，这使得很难理解为什么它会做出某些决定或找出错误的原因。
黑盒人工智能面临的挑战
特斯拉人工智能的“黑匣子”性质在安全方面提出了重大挑战。 Nvidia 首席执行官黄仁勋 (Jensen Huang) 表示，这种类型的端到端人工智能本质上是不透明的，因此很难有效地追踪错误或改进安全协议。虽然端到端人工智能在许多情况下能够做出出色的驾驶决策，但其缺乏透明度对特斯拉全自动驾驶汽车所需的监管批准构成了障碍。
特斯拉的竞争对手使用冗余系统来缓解这个问题，将计算机视觉与雷达和激光雷达等传感器相结合，利用激光创建车辆周围环境的 3D 图像。这种分层方法可以更全面地了解驾驶环境，从而更容易确保安全并与监管机构和乘客建立信任。
当前的半自主特征和法律挑战
目前，与机器人出租车竞争对手不同，特斯拉仅在“自动驾驶”和“全自动驾驶”（FSD）功能中提供半自动解决方案。这些系统的命名和营销引发了调查和诉讼，质疑特斯拉是否夸大了其车辆的自动驾驶能力，从而可能使驾驶员面临风险。美国国家公路交通安全管理局 (NHTSA) 4 月份发布的一项调查发现，2018 年 1 月至 2023 年 8 月期间，启用 Autopilot 或 FSD 的特斯拉汽车发生了 542 起事故，其中 14 人死亡。
尽管存在这些担忧，特斯拉将 Autopilot 和 FSD 集成到大批量车型中的战略为其带来了明显的竞争优势：安装在数百万辆汽车上的摄像头收集了大量数据。这些广泛的数据收集有助于特斯拉改进其自动驾驶技术。前特斯拉工程师指出，与激光雷达等昂贵的传感器相比，其高分辨率摄像头技术的成本相对较低，使特斯拉能够更有效地扩展其数据收集规模。激光雷达使用激光产生车辆周围环境的三维图像，竞争对手使用它来绕过障碍物进行导航，但会增加大量成本。特斯拉的目标是最终让消费者买得起全自动驾驶汽车。
马斯克的高风险赌博
特斯拉的机器人出租车项目不仅仅是一个技术项目，它对公司来说是一个高风险的赌注。随着全球电动汽车需求放缓以及来自中国汽车制造商的竞争加剧，特斯拉正在将重点转向自动驾驶技术，将其作为关键的差异化优势。埃隆·马斯克曾多次对特斯拉自动驾驶技术的到来做出雄心勃勃的预测，但这些目标常常被推迟。例如，2016年，马斯克预测特斯拉司机将能够在两年内从全国各地召唤他们的车辆，2019年，他声称特斯拉将在2020年生产出可运行的机器人出租车。这些承诺尚未实现，凸显了自动驾驶汽车开发的复杂性和挑战。
今年，马斯克决定放弃生产 25,000 美元电动汽车的计划，转向机器人出租车，这标志着马斯克优先事项的转变。机器人出租车项目已成为特斯拉增长战略的核心，大规模裁员和重新投资反映了特斯拉对传统电动汽车生产的自主性的新重视。
行业对特斯拉方法的看法
Nvidia 和 Zoox 的前工程师 Sasha Ostojic 认为，特斯拉需要几年时间才能达到 Waymo 等竞争对手已经达到的自动驾驶水平。机器人学和人工智能教授米西·卡明斯 (Missy Cummings) 强调了计算机视觉的局限性，它在大约 3% 的时间内无法识别物体，这对于行人安全而言是一个重大风险。出现这种限制是因为计算机视觉系统可能会遇到变化的照明条件、复杂的背景或部分被遮挡的物体，从而难以一致地识别所有潜在危险。
特斯拉对“黑匣子”人工智能模型的依赖也意味着，当发生错误时，通常不清楚原因，从而使改进系统的工作变得复杂，并使得建立获得监管批准所需的信任变得具有挑战性。 Waymo 前首席执行官约翰·克拉夫西克 (John Krafcik) 强调了拥有能够解释故障的透明系统的重要性，而这正是特斯拉技术目前所欠缺的领域。
这意味着什么？
特斯拉通往全自动机器人出租车的道路雄心勃勃，但也充满了重大挑战。虽然它对计算机视觉和人工智能驱动系统的依赖可以以较低的成本收集大量数据，但它在安全性和可靠性方面也留下了难以克服的差距。展望未来，特斯拉需要证明其技术能够满足监管机构要求的严格安全标准，并赢得乘客的信任。特斯拉机器人出租车项目的成功将取决于其解决这些技术、监管和公众认知问题的能力，同时实现埃隆·马斯克(Elon Musk)关于价格实惠且广泛使用的自动驾驶汽车的愿景。
最终，特斯拉的进步可能会重塑自动驾驶行业，为自动驾驶交通的经济性和可扩展性设定新标准。如果成功，Cybercab 和类似的创新将为更广泛的受众提供自动驾驶汽车的未来铺平道路，从而改变我们对移动性和城市交通的看法。
评论0