特斯拉将于4月发布视觉图像数据属性的新专利

特斯拉最近获得了一项“使用视觉图像数据估计物体属性”的新专利。3 月 13 日,埃隆·马斯克在推特上表示,特斯拉将在 4 月发布 FSD 测试版。当时,他还提到特斯拉将追求纯视觉,并暗示未来甚至会放弃雷达传感器。

根据特斯拉的专利,该发明旨在解决大众市场自动驾驶汽车视觉传感器不断增长的成本和复杂性问题。这种方法允许车辆通过图像数据和机器学习来检测和解释与周围环境的距离。

特斯拉的专利描述了一项发明,该发明使用两个神经网络仅使用图像数据来测量物体的距离。第一个神经网络可以确定物体与车辆周围摄像头捕获的图像之间的距离。另一个神经网络以注释图像的形式为第一个神经网络创建训练材料。

特斯拉在专利中表示,它需要在不限制自动驾驶汽车可以捕获和处理的数据量的情况下找到合适数量的传感器。特斯拉表示,在大众汽车上安装雷达、激光雷达和超声波传感器等视觉传感器成本太高,而且会增加自动驾驶系统的“输入带宽要求”。

图片[1]-特斯拉将于4月发布视觉图像数据属性的新专利-老王博客

该专利描述了一种传感器和摄像头平衡良好的配置,以确定与车辆周围物体的距离。这将使特斯拉能够采用性能与行业领先者相当的系统,同时尽可能降低成本。

“随着传感器数量和类型的增加,系统的复杂性和成本也在增加。例如神经网络 参数初始化,在大众市场汽车中安装激光雷达等距离传感器通常很昂贵。此外,每增加一个传感器,都会增加自动驱动系统的输入带宽要求。因此,需要找到车辆上传感器的最佳配置。这种配置应该限制传感器的总数神经网络 参数初始化,而不是捕获数据的数量和类型,以准确描述周围环境并安全控制车辆。” 斯拉写道。

该专利还为特斯拉提供了一种自动标记视觉数据的方法。考虑到标记是特斯拉 FSD 开发过程中最耗时的部分之一,该系统可能会加快公司完全自动驾驶和自动驾驶套件的开发和更新发布。

在各种实施例中,辅助数据与视觉数据的收集和关联是自动完成的并且需要很少的人工干预。例如,使用视觉技术识别的对象不需要手动标记,显着提高了机器学习训练的效率。相反,训练数据可以自动生成并用于训练机器学习模型以高精度预测对象属性。”特斯拉写道。

特斯拉专利中描述的配置将显着改进其全自动驾驶 (FSD) 技术。这可以减少特斯拉对传感器的依赖,并增加从图像中提取的数据量,从而提高 FSD Beta。特斯拉基于图像的 FSD 方法与 Waymo 等竞争对手有很大不同,但到目前为止,根据一些 FSD 测试版用户的经验,已经产生了一些令人印象深刻的结果。

© 版权声明
THE END
喜欢就支持一下吧
点赞0
分享
评论 抢沙发

请登录后发表评论