上一个系列，我们根据去年春季的Tesla自动驾驶开放日公开材料，写了关于Tesla自动驾驶系统Autopilot的设计、训练、部署的闭环流程。其实那个系列的本意还是想写Tesla在2020年1月份公开的一个专利“Data Pipeline and Deep Learning System for Autonomous Driving”，结果写着写着发现其实很多专利之外的东西（已经公开的技术内容）需要先了解之后，才能谈得上有可能理解Tesla的Data Pipeline专利内涵。
因此顺理成章在这一期开始，我们会介绍一下Tesla的Data Pipeline专利内容，技术含量可能不会特别高，毕竟对于我们来说，Tesla和它的Autopilot系统是个黑盒，还只能处在摸索中。但这个摸索的过程本身是有价值的，因为Autopilot的训练方法和收敛速度和迭代速度，都是行业代表，甚至可以说是“自成一派”，技术参考价值很大。
这是我们进行分析的初衷。
在谈及Tesla的专利之前，我们还是有必要再回顾一下Tesla现在各型车辆的传感器配置（太早的型号可能和这个配置对不上），因为这个是Autopilot工作的基础和起点，不清楚具体的传感器配置，对于理解Autopilot的工作原理很不利。
以下这副传感器图片来自于Tesla中国公众号的公开资料，基本是按照传感器覆盖范围的比例绘制的，还是比较准确的，可以参考并建立一个直观的传感器阵列概念。
可以看到，传感器分为三个类型：视觉摄像头（Camera）、超声波（Ultrasonic）和毫米波雷达（mmWave Radar）。Tesla这三种传感器的选择是有她的道理的，毕竟是存量近百万量汽车实体的供货商，传感器种类和数量的取舍必须要考虑性能、可靠性、成本、安装等一系列问题。从这个角度看，Tesla毫无疑问是行业翘楚，强过Waymo。所谓有产品才有发言权，Tesla卖的是产品和服务，而Waymo只卖服务。
Waymo可以用那种夸张的车顶激光雷达，Tesla是绝对不会在量产产品里部署还处在“实验级别”的车顶360度高线数高价格的Lidar的，既不安全更不划算。所以大家应该理解，所谓屁股决定脑袋，Elon Musk对于Lidar的立场必然是反对，除非Lidar有划时代的产品进步。
除去超声波（8m半径）和毫米波雷达（160m工作距离）之外，可以看到Tesla的车辆完全使用单纯的视觉系统（8个摄像头）覆盖周身360度空间，这和早期采用Mobileeye系统相关，也代表了极致的视觉传感器流派。
如何利用这多台三种传感器的捕捉数据，如何挖掘这庞大车队（60万辆）和每日接近2000万英里的里程数据，就成了Tesla训练Autopilot神经网络的核心问题。我们要探讨的Data Pipeline专利，也正是围绕这个问题而进行设计的。
在“DataPipeline and Deep Learning System for Autonomous Driving”专利的基本描述中，Tesla提供如下说明：
[0011]公开了一种数据管道（Data Pipeline），该数据管道提取传感器数据并将其作为单独的组件（components）提供给深度学习网络以进行自动驾驶。在一些实施例中，使用深度学习网络和从传感器接收的输入数据来实现自动驾驶。例如，固定在车辆上的传感器将车辆周围环境的实时传感器数据（例如视觉，雷达和超声数据）提供给神经网络，以用于确定车辆控制响应。在一些实施例中，使用多层来实现网络。基于数据的信号信息，将传感器数据提取为两个或更多个不同的数据分量。例如，特征和/或边缘数据可以与全局数据（例如全局照明数据）分为不同的数据成分。不同的数据组件保留目标相关数据，例如，深度学习网络最终将用于识别边缘和其他特征的数据。在一些实施例中，不同的数据组件用作存储与识别某些目标特征高度相关的数据的容器，但是它们本身并不识别或检测特征。不同的数据组件提取数据以确保在机器学习网络的适当阶段进行准确的特征检测。在一些实施例中，然后可以对不同的数据分量进行预处理以增强它们所包含的特定信号信息。数据分量可以被压缩和/或下采样以增加资源和计算效率。
以上的专利描述可能有些晦涩，专业名词比较多，但是其主旨很明确，就是将车辆传感器获取的数据按照“组件/Components”的形式组织起来，然后按照不同的需求分发给后台的Autopilot神经网络进行学习和训练。而这个从头到尾的数据采样、分类、预处理和分发流程，Tesla称其为“Data Pipeline”。Data Pipeline中的这一句话可以充分体现这个设计思路“不同的数据组件用作存储与识别某些目标特征高度相关的数据的容器，但是它们本身并不识别或检测特征。不同的数据组件提取数据以确保在机器学习网络的适当阶段进行准确的特征检测。”
在后续章节中，我们会逐步解构Pipeline的实质内容。
车右智能
info@co-driver.ai
备注：
1 题图来自于互联网搜索，；
2 文中图一，来自Tesla China的微信公众号；
3 文中专利内容描述，来自于美国的专利站点，https://patentscope2.wipo.int/search/en/detail.jsf?docId=WO2019245618&tab=PCTDESCRIPTION
