Re: [分享] 特斯拉FSD beta 來比眼力有沒有比AI好

[chandler0227 (錢德勒)]

※ 引述《airforce1101 (我不宅)》之銘言：
: 影像、雷達、光達不太一樣，我把影像與雷達、光達拆成兩類好了，影像對於訊號處理來
: 說屬於二維陣列，但是雷達與光達可以帶回三維的目標資訊，雷達就是低頻段的光，因頻
: 率特性不同，所以適用場景不同，光達的脈衝時間很短，所以較於雷達相比，對於相同目
: 標，可以帶回更高精度的資訊。
: 光達的領域上有關延展性目標，可以參考K. Granstrom, M. Baum, and S. Reuter 所著
: 的這篇文章 Extended object tracking: Introduction, overview, and application.
: 在AI輔助下，或許環境良好下影像能做到光達能大多數能做的事，但某些判斷影像與光達
: 先天上的差距還是存在。
: 其實也好奇，傳感器與影像間的關聯是否讓AI找出並學習其特徵向量，有待高手解答了。

目前應用的雷達跟光達在量測數據上還是有些不同



[雷達]

參考這篇文章
https://reurl.cc/e9AeVW

https://i.imgur.com/AInOO4D.jpg
The physical properties of the signal (the Doppler effect) enable such units
to measure three parameters [R, Az, V]: distance and angle (azimuth) to the
object, as well as velocity and its sign
量測距離、角度、相對速度


雷達波打到人孔蓋、標誌(金屬)因反射造成錯誤偵測問題

解法：濾掉靜止量測數據，輸出會動的物體量測

推 airforce1101: 動靜物體還好分，可以算多普勒頻率
→ airforce1101: 靜態物體區別很難
趨勢：4D Imaging Radar

https://i.imgur.com/O5TxpCd.jpg
4D radar unit with a planar antenna array (read on to find more about it)
capable of measuring range, azimuth, elevation angle and velocity [R, Az, Ev
and V]
量測距離、方位角、高度角、速度

幾家發展4D Radar的廠商

Arbe: Radar Revolution. Delivered. (rumor是特斯拉可能採用他們方案)
https://www.youtube.com/watch?v=Yc4MfzbbtuI

The RadSee 4D Imaging Radar
https://www.youtube.com/watch?v=h7t-6_wiZKM

雖然解析度、精度還是不如光達

但就如airforce1101講的，或許是惡劣天候下的一個不錯方案

推 airforce1101: 毫米波比多數的物體尺寸短，也落在光學反射區
→ airforce1101: 少了高頻光對於較差氣候的衰減影像


[光達]

傳統光達(AM lidar)量測到的三維點雲，但不包含速度資訊

速度必須經由不同時間點的數據進行推算
(點雲分類、時間軸前後關聯、過濾雜訊，進而推算該物體速度)

這些都有賴演算法，但演算法100%正確只能說太樂觀XD

趨勢之一：FCMW lidar (frequency modulated continuous wave)

https://reurl.cc/4ynZ3D

https://i.imgur.com/i3DSwxa.jpg
FMCW lidar is more accurate for tracking objects that are moving, such as
other vehicles on the road

可以直接量測速度，因此不需透過演算法推算

軟體複雜度下降是好事(系統強健性)

發展FM lidar的廠商：Blackmore(現已被Aurora收購)

Blackmore Sensors and Analytics, Inc. Doppler lidar
https://www.youtube.com/watch?v=Cd48BiiPgLA

Aurora 收購 LiDAR 公司 Blackmore，繼續向全堆疊供應商邁進
https://technews.tw/2019/05/30/aurora-is-buying-a-laser-lidar-maker/

FMCW 技術加身，Aurora 也加入自研光學雷達
https://technews.tw/2020/07/16/aurora-self-developed-lidar/

但光達還是有一些失效模式

鏡像、玻璃材質測不到(光穿透)、黑色物體偵測距離偏短(吸收能量)



感測器各有千秋啦

期待單一系統期做到接近100%正確滿足全自駕，不切實際

況且對於"安全要求"相當要求的自駕

就算一種方案能做到接近完美，有另一個方案作為redundancy不好嗎?

--

Aurora 收購 LiDAR 公司 Blackmore，繼續向全堆疊供應商邁進
https://technews.tw/2019/05/30/aurora-is-buying-a-laser-lidar-maker/

FMCW 技術加身，Aurora 也加入自研光學雷達
https://technews.tw/2020/07/16/aurora-self-developed-lidar/

但光達還是有一些失效模式

鏡像、玻璃材質測不到(光穿透)、黑色物體偵測距離偏短(吸收能量)



感測器各有千秋啦

期待單一系統期做到接近100%正確滿足全自駕，不切實際

況且對於"安全要求"相當要求的自駕

就算一種方案能做到接近完美，有另一個方案作為redundancy不好嗎?

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.137.8.72 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/car/M.1617938182.A.587.html
推 FAPP        :
推 d8613518    : 現在是誰開誰負責，以後號稱全自駕，那是車廠該負責
→ d8613518    : 吧？只靠目前的設備，特斯拉敢負責？？我是不太信
→ d8613518    : 啦
推 bluemkevin  : 傳統車廠常會考慮 redundancy，電子業出身只求最佳
→ bluemkevin  : 解
推 luke2007    : 畢竟車出事了 在歐美日賠償都是天價
推 bluemkevin  : 特斯拉在歐美也賣很多，不過我想他們應該有評估過。
推 ykjiang     : 之前一直有傳言特斯拉要採用4D雷達，
→ ykjiang     : 最近特斯拉在推特上說考慮把雷達整個拿掉，
→ ykjiang     : 應該還在評估中
要看是Musk還是Tesla官方講的啊
老闆這樣放話還真是苦了Tesla的RD.....

→ bill97385   : 我不懂，說redundancy，請問，冗余系統跟視覺有衝
→ bill97385   : 突相信誰的？如果有衝突要人來接手，哪一天系統才
→ bill97385   : 可以高過level2?
→ bill97385   : 多個辨識系統反而會產出過多的overkill，這樣也沒
→ bill97385   : 完沒了
這就自駕跟輔助最大差異啊
自駕是車要負責，那在以安全為前提的情況只能選擇相對保守方案

舉線傳的例子，油門煞車訊號都有2組，2組不一致就變跛行模式(limp mode)
infiniti的線傳轉向則是3套取2套相同
redundancy設計用在車輛、飛機上行之有年
同樣是ASIL-D層級，我是不信自駕不需要啦
擔心時常衝突，那只能說這單一方案本身根本不到可靠的地步

再來目前都是有限制條件的Lv4自駕，沒有所謂的全自駕
本來失效後到人類接管就得考量不是嗎

→ ykjiang     : 可能看是冗余還是互補吧，冗余可能是為了糾錯防故障
→ ykjiang     : 或者防誤動作，例如特斯拉內部的神經晶片就同時兩組
→ ykjiang     : 這可以防故障，兩組算出的結果相同才接受，不同就..
推 bluemkevin  : 樓上說的是車用標準要求的，但是功能上的冗餘就沒有
→ bluemkevin  : 強制要求，有些車廠還是以vADAS作為主幹，但是會把
→ bluemkevin  : 一些其他感測機制與vADAS結果比對來判斷功能是否可
→ bluemkevin  : 靠。
推 airforce1101: 感謝解說
推 jump693     : 錢大 優文
噓 Miralles    : redundancy也是要算力運算的，不是擺在一邊供著保平
→ Miralles    : 安的。資料輸入愈多，計算力要求愈大，判斷需要的AI
→ Miralles    : 也更複雜，哪個方案更有機會成功不是小天才在一邊隨
→ Miralles    : 便嘴嘴就行的
光達+視覺+雷達都用本來就是自駕業界普遍的做法，也被認為最可行
你是指這行業的都在隨便嘴嘴?????

推 darktasi    : 錢大優文
※ 編輯: chandler0227 (1.171.9.161 臺灣), 04/11/2021 08:35:59