马车竟变出大活人，特斯拉“幽灵”车又犯脸盲

文/新智元

这个特斯拉无法识别马车的TikTok视频在网上疯传，就连人工智能软件公司Light的联合创始人Igor Susmelj发问：

我想知道这个模型在训练时看过多少马车。

仅是一个小小马车就难住了特斯拉。

不难看出，在识别边缘化场景方面，特斯拉自动辅助驾驶系统（AP），甚至是全自动驾驶（FSD）更容易在行驶中出现致命事故。

Electrek主编FredLambert就在昨天发布了特斯拉在美国蓝岭山脉的测试：

视频显示特斯拉汽车无法在标记的车道内行驶。更恐怖的是，差点把FredLambert引向悬崖。

特斯拉在识别上出现问题也不是一次两次了。

把拿着交通指示牌的人识别成交通柱子。

把各种动物要么识别成人，要么干脆啥也没有...

把月亮识别成黄色交通指示灯。

接下来，就讲讲特斯拉识别故障那些事儿

看不到白色？

特斯拉撞车事故确实不算少，不过为啥老盯着白色卡车撞？

眼前的白不是白，你说的车是什么车。

21年3月，一辆白色特斯拉Model Y在美国底特律西南部的一个十字路口撞上了一辆白色半挂卡车。

而这已经不是特斯拉第一次与白色卡车相撞了。

早在2016年，美国佛州的一辆特斯拉Model S在Autopilot状态下与正在转弯的白色半挂卡车发生碰撞，钻进了卡车货柜下方，特斯拉驾驶员不幸身亡。

而真实原因竟然是特斯拉把白色识别为天空，才撞了上去。

你见过会移动的天空吗......

此前有知乎网友曾拿下面这张图做视觉识别实验。

把白色卡车图片导入Photoshop，采用快速选择工具，试图把白色卡车的轮廓勾选出来，得到的结果是这样的：

有一大片蓝天白云同时被划入了勾选框，在Photoshop来看白色货箱和天空是一样的。

特斯拉辅助自动驾驶视觉识别系统的结果可能也是如此。好家伙，原来特斯拉还是个“色盲”。

另外，特斯拉为啥“专挑卡车撞”？

那得先说说自动驾驶系统分离运动目标的方法。

考虑到实时性和成本，目前业内大多采用帧差法。这种方法对运算资源消耗最少，最容易达到实时性，但缺点是准确度不高。

所谓帧差法，即检测相邻帧之间的像素变化。

帧差法的基本原理是：

运动目标视频中，可以根据时间提取出系列连续的序列图像，在这些相邻的序列图像中，背景的像素变化较小，而运动目标的像素变化较大，利用目标运动导致的像素变化差，则可以分割出运动目标。

对于比较大、颜色一致的运动目标，如白色大货车，帧间差分法会“在目标内部产生空洞，无法完整分割提取运动目标”。

某些底盘高的大货车侧面，就如同白纸，基于深度学习的机器视觉此时就如同盲人，不减速直接撞上去。

大白天撞鬼

之前，特斯拉的视觉识别系统还闹出过灵异事件。

有特斯拉车主在经过无人区时，发现车上自动识别障碍物的雷达探测出很多“人形”物体。

还有网友发布了一则特斯拉行经墓地的视频，

视频中，车辆行驶过程中，屏幕上的雷达一直显示前方出现众多行人从车辆路过，但观看视频录制的车辆前方，却未见一人。

特斯拉其实并不是看到“幽灵”，而是车辆在行驶过程中会遭遇一种攻击自动驾驶辅助系统（ADAS）的图像。

这又是特斯拉Autopolit的锅。

在公路上正常行驶的特斯拉随时都会因将路旁的各种标牌（如广告中的Stop标志），误认为限速或者停车标志，然后猛踩刹车，被部分车主称为“幽灵刹车”。

这幽灵车，小编属实不敢坐。

如何进行图像识别

特斯拉全车配备了8个摄像头、1个毫米波雷达、12个超声波雷达来检测外部环境。

8个摄像头是用来来识别现实中的物体。摄像头可以获取路上行人、车辆、动物或其他障碍物等等。

要知道，8个摄像头捕捉的都是二维图像，并没有深度信息。因此特斯拉通过8个不同视角的视觉输入，输出三维向量空间。

可以看到，多摄像头融合后输出的向量空间质量更高，能够帮自动驾驶汽车更精准地感知世界、定位自身。

其中就包括道路、交通指示灯、车辆等等自动驾驶需要观察到的因素。

从算法层面来讲，特斯拉的深度学习网络称为HydraNet。

基础算法代码是共享的，整个HydraNet包含48个不同的神经网络，通过这48个神经网络，就能输出1000个不同的预测张量。

然而视觉系统总会有学习不到的地方。

早几年，特斯拉曾与第三方合作将数据工作外包，但发现标注数据的质量并不高，随后便扩充了自己的团队。

最初特斯拉的大多数的标注还是在2D图像上进行。

不久后，标注开始转移到4D空间，即3D空间+时间维度，并且直接在Vector Space进行标注，数据以一个Clip为最小标注单位。

这次识别马车出现的问题，有人嘲讽道，还没有给马车贴上数据标签呢。

问题是，马斯克前段时间刚刚解雇了加州自动驾驶部门的数据标注员。

特斯拉的“视力”简直让人堪忧。