吐槽特斯拉數據無用 稱無人駕駛..

日期: 2021-07-15
新聞主題: 俄羅斯,英國,美國,越南,菲律賓,日本,韓國,印度,巴基斯坦,以色列,泰國,法國,澳大利亞,新西蘭,墨西哥,巴西,伊拉克

來源: 經濟觀察報

  自動駕駛技術實現落地的過程中,多場景的應用已成為重要方向,而場景數據隨之成為了技術研發中的最大訴求。不過,隨之而來的還有對“有效數據”的定義之爭,在“數量”與“質量”孰輕孰重的觀點交鋒背後,不同的自動駕駛技術路線就此顯露。

  “我們不可能獲得無窮無盡的數據,更重要的是通過比較可觀的數據,(研發出)能處理絕大多數(場景的)機器學習能力,(讓機器)學到絕大多數的應用場景或者說百分之百的應用場景。”7月10日舉行的世界人工智能論壇智能出行分論壇上,Auto X創始人肖健雄說道。他同時強調,與行駛數據的量級相比,有效數據的“質量”更重要。

  “比如說特斯拉,你有10個120萬像素低分辨率的攝像頭,(攝像頭記錄的)簡單的一些類似行車記錄儀的數據對於Robotaxi(共享無人車)(的研發)基本上沒有任何作用。”肖健雄說道。

  他表示,不是特斯拉有越多的車、數據量越大就能實現車輛的人工智能。“特斯拉硬盤空間和網絡帶寬非常小,網絡流量又很貴,數據基本上是現場采集現場扔掉,基本沒有任何作用”。

  這一觀點顯然與目前“特斯拉是數據資產時代最大礦主”的觀點相左。

  針對“數據資源”進行的開采競賽,一直被認為是車企掌握高等級自動駕駛技術的關鍵。中汽協秘書長助理兼技術部部長王耀曾在接受包括經濟觀察網在內記者采訪時表示,特斯拉“壓著產品成本做汽車銷售”的本質就是做數據策略(即通過降低價格的方式占有市場,從而采集大量行駛數據)。

  但同時,王耀也強調了自動駕駛數據的有效性。他表示,由於采集到有效數據的概率會隨著數據量的累計而逐漸降低(這源於自動駕駛數據采集過程中,更多的有效數據是難以處理的特殊場景下的邊角案例,而非正常行駛數據),有效數據的積累會呈現“長尾效應”。

  由此,中汽協推出汽車大數據區塊鏈平台(Vehicle Data Block chain Platfor,簡稱VDBP),以實現車企間的數據交互,這被認為將促使中國企業對數據的開從“孤軍奮戰”走向“合作共贏”。

  事實上,各家車企都在進行對自動駕駛數據的收集。去年4月,特斯拉宣布稱其自動駕駛數據累計超過30億英裡(約48.2億公裡);去年底,蔚來汽車自動駕駛數據累計突破1億公裡;今年5月,小鵬汽車宣布其自動駕駛數據累計突破五百萬公裡。

  由此來看,特斯拉成為自動駕駛數據資源領域最大“礦主”並無不妥,為何兩方觀點卻截然不同?從肖健雄的表述來看,這是雙方對有效數據的定義有所差別導致的。

  肖健雄認為,數據的有效性來源於配備多個傳感器的汽車對周圍數據的采集,這種“有效性”不在於路程和車輛數量的多少,而在於采集數據的完備性、精確性。“現在能實現無人駕駛的車裡面,每台車都有50個傳感器。傳感器一定要夠,不夠絕對沒有辦法無人駕駛。而且不只是個數的問題,比如說連物體都沒有精確地看到,那不可能無人駕駛。”

  同時,肖健雄表示,高質量的數據只有在有效進行了高分辨率的高清仿真,並在仿真器裡多次使用後,才能真正發揮數據能力。也就是說,數據有效性的定義由“數據質量”與“數據仿真”有關,而並未強調行駛路程的多少。

  與之相反,王耀的觀點是,數據的有效性在於其是否是難以處理的特殊場景下的邊角案例,即出現在大量普通自動駕駛數據中的特殊數據。由於該定義下的有效數據產生於大量普通數據之中,具有不確定性和偶然性,故需要大量行駛數據作為支撐。

  兩種“有效數據論”背後是自動駕駛技術研發的兩種路線。據悉,肖健雄所在的Auto X主攻的方向是“無人駕駛”,即自動駕駛定義中的L4級別(完全無人駕駛)。而王耀所提出的“有效數據論”則是車企對自動駕駛技術研發的常規做法,大多位於L2-L3的有條件輔助駕駛區間。

  2021世界人工智能大會開幕的前一天,肖健雄就曾在第五代全無人駕駛系統AutoX Gen5的發布會上表示,輔助駕駛與無人駕駛是完全不同的概念,各自技術的要求是不一樣的。他將輔助駕駛與無人駕駛比喻為飛機和火箭,以此闡釋兩者的技術差異。

  實際上,業界中不止對自動駕駛技術中數據采集的不同路線有所爭論,在數據儲存監管、自動駕駛上路規定、用戶數據權利等方面都存在不小的爭議。

  近段時間內,伴隨著包括《數據安全法》、《汽車數據安全管理若幹規定(征求意見稿)》在內的一眾法規或意見稿的密集發布,更多的爭議聲正在湧現。





本文章來自於 加西網 (溫哥華門戶網)
http://www.westca.com

這份報導的網址是:
http://www.westca.com/News/article/sid=844137/lang=tchinese.html