FSD Beta如何征服环形路口 ——特斯拉FSD Beta版本的初级分析（4）

讲这期内容之前我们先回顾一下，大概4月初Karpathy在CVPR2020会议上（因为疫情，演讲者都是在各自家里直播的），针对Autopilot对于Lidar和HD maps技术曾经讲过这么一个片段，如下图：

Karpathy强调说，Tesla不会使用Lidar技术，也不会使用HD map，这是Tesla设计自动驾驶系统的基本原则，就是首先先做到模仿人类司机。原话，“For us，every single intersection we come upto we see it for the first time，we have to figure out what does the intersection look like，which lines connect which traffic lights are relevant to you，everything has to be solved on spots similar to human would do in thiskind of situation。And speaking of scalability，of course this is a much harder problem to solve almost naturally dosolve this problem。”如果你可以理解这段话所包含的技术上的含义，你就可以理解为什么Elon Musk曾经公开宣称Waymo技术流派所代表的那种严重依赖传感器性能和种类、以及大量先验信息（高精地图和V2X实际都可以归结为先验信息）自动驾驶解决方案，太过于Specific，从而没有实际推广部署的意义了。

因此这次FSD Beta发布，对于小编个人来说，也是对于整个业内来说，如何评判Tesla的“Vision-based approach”到底行不行，就是最核心最关键的地方，也是小编一直在观察各种测试视频片段的原则：

第一，应该认真分析FSD Beta到底有没有依赖高精度地图，以及对于导航地图的利用方式；

第二，应该认真分析视觉系统下FSD Beta的感知准确率和决策成功率。

所以本期内容我们还是聚焦环岛/Roundabout路口，看看新出的一些专门评测FSD Beta通过环岛表现的视频内容。客观上在美国公路体系内，结构相当复杂的环岛比比皆是，考核FSD Beta的视觉识别能力/神经网络的预测和决策能力，以及导航地图是如何被应用的等等这些细节，在环岛条件上，相对内容丰富且直观易懂。

上图显示一个光照条件良好的环岛路口。人类司机在这个角度看过去，可以通过经验判断的是：

1 这是一个环形路口；

2 大致地落在视线范围内的环形路口直径和车道宽度；

而人类驾驶员无法判断的是：

3 这个环形路口共有多少个出入口（因为从这个角度看，人类司机无法获取环形路口全貌）；

4 所有环岛出入口的具体位置；

但实际上也不难理解，即便人类驾驶员面对环形路口不能一次性在进入环形车道前掌握所有路口信息（以上的3和4），但实际上并不会影响人类司机驶入路口的这部分决策。因为人类驾驶员在解决通过环形路口之前，第一是明确知道环岛必定存在通向正确方向的出口，第二是正确的出口可以在环形道路上逐渐发现。只要确定这两点，就必然可以顺利通过。这是人类驾驶员面对这种问题解决之道，那就是也是Tesla Autopilot的技术取向。

小编在这里需要进一步解释的是，Tesla不选择先验信息（HD map）的原因并不是认为HD map毫无价值，而是认为只要车载算力足够强大，那么即时条件下观察（感知-预测-决策-执行）能力就足够强大，就可以替代成本高昂的先验信息。这个说法在理论上是毫无问题，只是个执行问题。当然，小编也不反对，如果高精地图的制造和维护都变得非常容易和普及了（同时还必须要有同等精度级别的高精度定位能力），那么先验知识对于车辆控制的长周期规划能力的提升，也就是安全性和通行效率的提升，还是大有脾益的。但如果仅仅是站在今天的角度看，呵呵…… 就问一个问题，有多少道路占比可以持续另车辆实现高精度的自身定位呢？

回到上图，我们可以看到黄色箭头所指之处，FSD Beta可以在“即时时刻”绘制出环岛可见部分的车道线，且精度足够FSD Beta完成对于主车的路径规划和控制（UI中的蓝色曲线线条）。只是无法确定车速对于路径规划的影响是在一个什么样的范围（车速越快，对于车载计算力就越高，预规划路线的距离就应该越短）。

上图是此刻的UI细节。黄色箭头处我们可以看到导航地图所能提供的环形路口的几何拓扑信息，显示这是一个三个出入口的环岛结构。如果我们返回去看人类驾驶员无法判断的信息3，那么这个问题就这样直接地、低成本地被解决了，导航地图级别的粗定位能力在当今是普及的。因此现在唯一的问题就是信息4，出口的精准位置在哪里的问题了。

当主车驶入环岛，并随着路线旋转时，前方路口出现了。如上图所示，此时FSD Beta内部的决策就不应该再是完全依赖神经网络了，当神经网络在此刻根据视觉信息捕捉到道路出口并完成识别/identification的时候，只需要FSD Beta通过简单的代码逻辑判别这是否是第一个完成识别的“标准出口”之后，即可推动道路规划和控制系统完成脱离换道的动作，如上图中蓝色曲线线条。

以上的技术流程通顺，和视频中所呈现出来的Model 3通过环岛的实际表现一样顺畅，让人眼前一亮，深刻怀疑是否真的Level-4就这样被Tesla在2020年末，即用量产技术所征服了吗？！这不甩全世界十条马路吗？！

其实我们可以做个设想：如果环岛的转盘道不止一条车道呢？如果环岛内充斥着各种各样改进改出的变道ing的车辆呢？如果环岛增加交通信号灯控制呢？如果环岛四周存在大量高大建筑物导致GPS定位精度飘忽不定呢？不是小编没事儿找事儿，你们说这种情况在国内是不是特别常见？

上海杨浦五角场（隔壁复旦大学），环岛五个出入口、环岛转盘道共五车道、交通流量全时密集、顶部有贯穿的高架桥（中环）和一个巨型彩蛋建筑结构，四周有高大楼宇，GPS信号一到这里就犯嘀咕（国内很多人没有意识到这其实是非常致命的问题，在国内的中大型城市内，道路上方GPS/Beidou信号不连续是个概率不低的现实问题）、环岛转盘道上行车规则复杂，红绿节流灯和车道对应关系复杂……如果把这些条件都算上，你觉得FSD Beta的能力还行不行？

为了印证，下面我们再看一个环形路口的实际通过案例。

在这个环形路口中，出现了两车道的交通环境，如上图中的黄色箭头所指，在进入环岛之前，已经明确限定这个四个路口的环岛的进入方式：左道是只能左转，右道是直行和右转的合并车道。小编好不容易在美国道路工程相关站点上找到这种环形路口的线路图，如下，请各位认真跟着视频截图的思路走：

双入口、单出口的结构应该是城市范围内的主流环形路口。在这种路口中，导航地图的作用就很关键了，因为在双入口的这种特型结构下（左转是独立入口，直行和右转是合并入口），左转意味着主车必须选择正确入口，否则（左转车通过直行入口）进入环岛就必然连续变道而增加通过风险。

因此上图黄色箭头所显示的导航地图的导航节点信息，明显可以看到这是一个四出入口环岛下的左转动作。这个信息足够提供给FSD Beta，让其在驶入环形路口之前，就可以根据即时的视觉信息识别结果，判断左侧的左转专用车道是符合“路线规划”策略的。

在车辆进入环岛内，最终完成若干次车道变换（左侧变道和右侧变道都有），同时还选择了正确的出口完成左转动作。如下图：

我们在这个流程中可以认识到什么呢？

1 FSD Beta具备通过复杂环形路口的基本能力；

2 FSD Beta通过环形路口的效率不高，有时候会显得犹豫和不可接受的低速，从而导致人类司机干预的问题不是个本质问题，而是个做得有多好的问题；

3 FSD Beta通过环形路口的效率问题，最终可以通过时间积累和样本学习，而逐步提高；

4 我们目前仍不能确定FSD Beta对于通过的每一个路口信息，是否建立和GPS位置型号的关联，即建立关键位置的地图数据库。如果是，小编个人可以理解和接受，而且势必可以很快实现全美的道路关键节点的覆盖，这是一种可以接受的“先验信息”数据库。如果借助5G/V2X技术，可以快速进入Level4时代（对于Tesla来说而非其他厂商）；

5 当然，4中的方法算是取巧，合理的取巧；

6 必须承认和接受的事实，FSD Beta在目前就是完全依赖自身的视觉识别能力和导航级别的粗精度定位能力，除此之外没有其他辅助手段，秒杀Waymo。

让我们不得不一而再再而三地赞叹Tesla Karpathy的计算机识别团队以及FSD3.0的硬件团队，能力实在太强了。在全世界都（不得不）把自动驾驶当作科研工作来对待的时代，在工程上、在产品上，Musk再次搞定。【注意，我没兴趣给Tesla做宣传，但是Tesla确实已经迈过Level-3的门槛，下来就是如何收敛，和收敛到什么程度的问题了。】