而其中牵绊住人类脚步的很重要的原因,就是算法。
无数在图像算法上倾尽毕生所学的专家们悲哀地发现,当我们将图像的几个像素改变时,算法输出的结果就大不同。并且,网络越深,我们就越能看到这些失败的泛化。
2016 年,特斯拉一辆 Model S 车追尾白色拖车,导致驾驶员丧生。当时特斯拉官方称,拖车侧面是白色的,在太阳强光的照射下导致驾驶者和自动驾驶系统都没有注意到这辆拖车。
[attach]42407[/attach]
训练算法时的人工标注
而且更有意思的是,百度 Apollo 在此之前并非是纯视觉路线的忠实拥趸。恰恰相反,百度一直坚持以激光雷达为主的多传感器融合路线,但是为什么会切换轨道,和特斯拉成为了战友?
[attach]42412[/attach]
用王亮自己的话来解释,就是在激光雷达为主,视觉为辅的传统策略中,视觉感知自身的问题和缺陷在雷达感知的掩盖下暴露不够充分。因此,视觉感知问题需要独立出来才能更好的解决。
也许正是因为百度曾经深入了解过激光雷达的优点和短板之后,做出了选择不同技术路线的决断。而且算力的迭代也让百度和特斯拉一样,摸到了解决问题的钥匙。在昨天的发布会上,在算力层面,百度宣称 Apollo Lite 所需算力不到 30 TOPs,一个单卡 GPU 即可驱动。
[attach]42413[/attach]