选择自动驾驶汽车的眼睛：传感器、策略和权衡之战

到 2030 年，自动驾驶汽车市场 是期待 自动驾驶汽车市场规模将超过 2.2 万亿美元，数百万辆汽车正在使用人工智能和先进的传感器系统行驶在道路上。然而，在如此快速的增长中，一个根本性的争论仍未解决：哪种传感器最适合自动驾驶——激光雷达、摄像头、雷达，还是全新的传感器？

这个问题远非学术问题。传感器的选择影响着从安全性、性能到成本和能源效率的方方面面。一些公司，例如 Waymo，押注冗余和多样性，为其车辆配备全套激光雷达、摄像头和雷达。其他公司，例如特斯拉，则追求更简约、更具成本效益的方法，严重依赖摄像头和软件创新。

让我们来探讨一下这些不同的策略、他们面临的技术悖论以及驱动他们决策的商业逻辑。

为什么更智能的机器需要更智能的能源解决方案

这确实是一个重要的问题。2013年，我创办一家无人机相关的初创公司时，也面临过类似的困境。我们当时试图研发能够追踪人体运动的无人机。当时，这个想法很有前景，但很快我们就发现，其中存在一个技术悖论。

无人机要追踪物体，必须分析传感器数据，这需要强大的计算能力——机载计算机。然而，计算机的性能要求越高，能耗也就越高。因此，需要更大容量的电池。然而，更大的电池会增加无人机的重量，而重量的增加又需要更多的能量。如此一来，就会形成一个恶性循环：功率需求的增加会导致能耗、重量的增加，最终导致成本的增加。

同样的问题也适用于自动驾驶汽车。一方面，你希望在车辆上配备所有可能的传感器，以收集尽可能多的数据，进行同步，并做出最准确的决策。另一方面，这会显著增加系统的成本和能耗。不仅要考虑传感器本身的成本，还要考虑处理数据所需的能耗。

数据量不断增长，计算负载也随之增加。当然，随着时间的推移，计算系统变得更加紧凑、节能，软件也更加优化。在 1980 世纪 10 年代，处理一张 10×4 像素的图像可能需要数小时；如今，系统可以实时分析 XNUMXK 视频，并在设备上执行额外计算，且不会消耗过多的能源。然而，性能困境依然存在，自动驾驶汽车公司不仅在改进传感器，还在不断改进计算硬件和优化算法。

处理还是感知？

系统必须决定丢弃哪些数据的性能问题主要源于计算能力的限制，而非激光雷达、摄像头或雷达传感器本身的问题。这些传感器如同车辆的眼睛和耳朵，持续捕捉海量环境数据。然而，如果车载计算“大脑”缺乏实时处理所有这些信息的能力，就会不堪重负。因此，系统必须优先处理某些数据流，这可能会在特定情况下忽略某些物体或场景，转而专注于更高优先级的任务。

这种计算瓶颈意味着，即使传感器运行良好，并且通常具有冗余以确保可靠性，车辆仍可能难以有效地处理所有数据。在这种情况下，将责任归咎于传感器并不恰当，因为问题在于数据处理能力。增强计算硬件和优化算法是缓解这些挑战的关键步骤。通过提高系统处理大数据量的能力，自动驾驶汽车可以降低丢失关键信息的可能性，从而实现更安全、更可靠的运行。

激光雷达、摄像头和雷达系统：优点和缺点

很难说哪种传感器更好——每种传感器都有其自身的用途。选择适合特定任务的传感器才能解决问题。

激光雷达虽然能够提供精确的3D测绘，但价格昂贵，并且在雨雾等恶劣天气条件下难以发挥作用，因为这些天气条件会导致激光信号散射。此外，它还需要大量的计算资源来处理其密集的数据。

相机虽然性价比高，但高度依赖光照条件，在弱光、眩光或快速光照变化的环境下表现不佳。它们还缺乏固有的深度感知能力，并且难以应对镜头上的灰尘、雨水或雪等障碍物。

雷达在各种天气条件下都能可靠地探测物体，但其分辨率较低，难以区分小型物体或间距较小的物体。它经常产生误报，检测到不相关的物体，从而触发不必要的响应。此外，与摄像头不同，雷达无法识别背景信息或帮助视觉识别物体。

通过利用传感器融合（结合来自激光雷达、雷达和摄像头的数据），这些系统可以更全面、更准确地了解周围环境，从而增强安全性和实时决策能力。 钥匙标记'与领先的 ADAS 开发商的合作表明，这种方法对系统可靠性至关重要。我们始终致力于构建多样化、高质量的数据集，以支持模型训练和优化。

Waymo VS Tesla：两种自动驾驶愿景的故事

在自动驾驶汽车领域，很少有哪家公司能像特斯拉和 Waymo 那样引发如此多的争议。两家公司都开创了未来的出行方式，但其理念却截然不同。那么，为什么 Waymo 的汽车看起来像一艘装满传感器的宇宙飞船，而特斯拉却几乎没有任何外部传感器呢？

让我们来看看 Waymo 的车辆。它是一辆基于捷豹基础款车型改装的自动驾驶汽车。车顶上安装了数十个传感器：激光雷达、摄像头、旋转激光系统（俗称“旋转器”）以及雷达。传感器数量真的非常多：后视镜中的摄像头、前后保险杠上的传感器、远程监控系统——所有这些都是同步的。

如果这样的车辆发生事故，工程团队就会添加新的传感器来收集缺失的信息。他们的方法是最大限度地利用现有的技术。

那么，为什么特斯拉不走同样的路呢？主要原因之一是特斯拉尚未将其 Robotaxi 推向市场。此外，他们的做法注重成本最小化和创新。特斯拉认为使用激光雷达并不切实际，因为其成本高昂：RGB 摄像头的制造成本约为 3 美元，而激光雷达的成本则高达 400 美元甚至更高。此外，激光雷达包含机械部件——旋转镜和电机——这使得它们更容易出现故障和需要更换。

相比之下，摄像头是静态的。它们没有活动部件，更加可靠，可以连续工作数十年，直到外壳老化或镜头变暗。此外，摄像头更容易融入汽车设计：它们可以隐藏在车身内部，几乎隐形。

生产方式也大相径庭。Waymo 使用现有平台——一辆量产版捷豹——并将传感器安装在其上。他们别无选择。而特斯拉则从零开始制造汽车，可以从一开始就规划好传感器与车身的集成，使其隐藏在视野之外。虽然传感器会在规格书中正式列出，但从外观上来看，几乎难以察觉。

目前，特斯拉在车辆周围安装了八个摄像头——位于前部、后部、后视镜和车门。他们会使用其他传感器吗？我相信会的。

根据我作为一名特斯拉车主（也曾乘坐过 Waymo 汽车）的经验，我认为加入激光雷达将提升特斯拉的全自动驾驶系统。在我看来，特斯拉的全自动驾驶系统 (FSD) 目前在驾驶过程中缺乏一定的准确性。添加激光雷达技术可以增强其在恶劣条件下行驶的能力，例如强烈的阳光眩光、空气中的灰尘或雾气。与单纯依赖摄像头相比，这项改进可能会使系统更加安全可靠。

但从商业角度来看，一家公司开发自主技术，其目标是获得竞争优势——技术优势。如果它能创造出一种效率更高、成本更低的解决方案，就能打开市场主导地位的大门。

特斯拉遵循了这一逻辑。马斯克不想重蹈大众或百度等其他公司的覆辙，这些公司也取得了长足的进步。即使是像Mobileye和iSight这样安装在老款汽车上的系统，也已经展现出了相当不错的自动驾驶能力。

但特斯拉的目标是独一无二——这就是商业逻辑。如果你不能提供根本上更好的产品，市场就不会选择你。