接上一期文章，我们接着说FSD Beta在San Francisco中国城的表现。
总的来说，中国城内的基建应该是很久没有动过了，道路狭窄局促，路面道路标识斑驳残破，且有大量重复修改所造成的路面标识混乱现象存在。从视频中观察的道路条件和道路两侧的建筑物状态，也没法动了。在如此狭窄且拥有北美不太常见的路人高参与度的道路条件下，对于FSD Beta确实是一个有压力的挑战。为什么我们说这个针对FSD Beta在China Town的实际测试比较有参考意义，其本质还是在某种程度上的这种“交通混乱”，十分类似国内的一些典型城市道路场景的。（虽然国内的整体道路基建还是阔绰多了）
从上图看，在这个右转路口前，Tesla的车载导航地图（by GoogleMap）只给出了道路十字路口的符号，而并未给出路口的道路结构信息，即车道线信息。黄色箭头所指显示，导航完全没有给出车道结构只是指出这里需要执行右转，而在这个路口至少是单向三车道。尽管在这种条件下，FSD Beta还是在抵近路口前，完全依赖自己的视觉识别能力，发现右侧的BUS ONLY车道，主动执行了变道操作，进入BUS ONLY车道并预备右转。【小编特意查阅了旧金山的道路规则，BUS/TAXIONLY的车道内，普通车辆在十字路口执行转弯时，可以借道执行右转操作。】这又是一个不能更明确的信号，告诉我们FSD Beta并不依赖高精地图，在十字路口道路结构信息缺失的情况下，FSD Beta可以借助视觉系统主动发现道路结构信息，并进行抉择。
至于为什么Google Map在导航级别上未能在路口提供相对细节的车道信息呢？小编推测可能还是因为China Town地区道路密集，而且市政维护过跟不上，所以Google在现有的地图信息搜集手段（自动化手段）上如果没有更多的投入，就无法做到准确，所以干脆还不如简化。目前也只能这么解释了。
上图就是对应的真实路口卫星地图（by Google Map），这个十字路口属于三车道交汇路口，无论如何Google Map都不应该将其简化，在路口仅仅标出转向信息而缺失车道信息。如果不是FSD Beta本身非常强大的视觉识别能力，尤其是针对十字路口等比较复杂的道路结构的感知能力，行车到此地必然会推出自动驾驶状态了。
可是FSE Beta显然经不起表扬，随后的操作却让人大跌眼镜…..我们连续给出两幅这个路口的状态场景图，如下：
上图中，Tesla车辆已经完成了对于BUS ONLY车道的占用，并开始右转规划，驾驶舱显示屏幕上已经可以看到的规划路径模块已经指出具体的右转线路了（黄色箭头）。同时读者需要关注的是，显示屏幕顶部的“方向盘”和“速度标识”都处于蓝色状态（红色箭头），表明主车在当前确实是自动驾驶状态。
再看这一张状态，当这个路口的双向都处于红灯时（双向红灯便于行人一次性通过，在国内的繁忙路口这是一种惯用的红绿灯模式），Tesla车辆开始执行右转操作，但恰在此时一个一直等候在路边的行人开始斜穿十字路口（红色箭头）…..Tesla车辆内的显示屏内可以看到这个行人的“蓝色方框”，也正是这个路人，直接导致FSD Beta退出自动驾驶状态，蓝色箭头所指之处，可以看到蓝色方向盘变为灰色，FSD Beta可能是因为无法处理的十字路口局面，直接自动退出了。与此同时，小编还观察到，黄色箭头所指示的道路标识牌显示，这个十字路口在双向红的状态下，是不允许车辆右转的。但显然FSD Beta忽略了这个要求，司机在接管之后跟着就违规右转操作了。
其实在过去一段时间对于FSD Beta的观察来看，小规模违反“交通规则”的现象还是比较多的，出现最频繁的就是“实线变道”，尤其在路口需要转向而提前发生向左或者向右变道的时候，Tesla和FSD Beta总给人一种无法把握换道时机，导致实线变道，甚至“粗鲁地”跨越自行车的非机动车道，直接执行强行变道行为。对这种“反常行为”的直观理解，应该就是完全依赖单一传感器所造成的信息摄入不足、或者无法全面理解（在当前的训练水平下）的条件下，车辆执行的不完美运动规划。需要注意的是，Tesla车辆传感器中，毫米波雷达对于车辆通过十字路口复杂路况的场景并没有实质性帮助，视觉信号的依赖程度会非常高。
面对这个问题，解决的方案很明显有两类。第一类，需要依赖更多的技术手段完善车辆自动驾驶系统感知功能的深度和广度，比如增加HDmap和V2X的支持。前者可以直接提前在路口前即提供给主车足够的路口信息（比如车道信息和交通灯规则信息），而后者则可以将实时的红绿灯状态提前传递给主车。在HDmap和V2X的加持下，FSD Beta的决策工作将变得比较简单，因为大部分关键的道路上的非合作目标都变成了合作目标，那么FSD Beta的识别压力就会小很多；第二类，就是继续增加FSD Beta背后的DNN深度神经网络的能力，要知道类似路口对人类驾驶员来说，虽然复杂但还不至于是困难的路口。既然人类司机可以仅仅依赖双眼和大脑即可完成，那么FSD Beta没理由在这个驾驶的单一任务上不会迫近人类能力（当然未来一定是超越的）。FSD Beta摄像头（8个）覆盖车身四周，并不会有视觉信息的遗漏。关键是DNN是否能处理全部信息、是否足够及时。显然目前的遗漏关键目标、和无法处理非规则的过街行人，这都是FSD背后DNN不成熟的表象。
选择以上两类解决方案，还是要按照实际情况/条件出发。明显地，国内是倾向于依赖HDmap/V2X网络的大规模部署来迫近Level-4，而国际上（尤其是美国）则更倾向于依赖单车部署的DNN网络来处理复杂的交通路况。以后如果态势更明朗、资料更丰富，我们会专门说一说这个技术流派的选择问题。
直行路段上，这一段目测看起来和国内的道路常态何其相似。一个是地面交通标识线凌乱，修改之后未遮盖原有标识；另一个是杂乱的路边泊车，严重干扰驾驶视线条件；再一个是不守规则的行人，比如上图中黄色箭头所指出来的正在拉手推车的工人……这种组合下，直行道的可驾驶空间就被极大压缩了。
果然当手推车工人靠近时，Tesla主车的司机被迫退出FSD自动驾驶状态（估计是踩了刹车），显示屏顶部的“自动适应性巡航”功能推出，代表人工干预。随后在前方的地面倾斜线（应该是被涂改掉之后剩下的痕迹）处，车辆开始左侧偏航跟随车道，司机再次接管，退出Autosteer功能，宣告FSD Beta在这个路段的这个时刻彻底失效了。
到此为止，我们大致可以看到当前版本的FSD Beta在恶劣路况条件下的实际表现。小编个人感觉这个路况也就是国内的平均水平，如果人类驾驶员不能将注意力完全放在道路上，取而代之是需要兼顾确认FSD Beta何时需要及时接管，那么安全性不是增加了，而是实质上的降低了。这是自动驾驶业内（除了疯狂而自信的Musk）普遍的认知，要达到在普适路段上的Level-3or更高级别的自动驾驶，单纯依赖视觉系统很可能是不够的。但与此同时，在看了这么多的FSD Beta的测试视频之后，小编更直观的感受是，FSD Beta的完成度已经大大超出预期了，甚至他都不是一个好的“试验品”了（类似于waymo），而是一个有待打磨的“产品”了。
这的确是惊人的一大步…..但还不够。
后期如果还有更好的FSD Beta测试视频，我们依然会给出我们的观点。如每个人所见，Tesla的整个版本迭代在11月份以后，开始增加，相信随着FSD Beta的推送范围逐步扩大，Tesla和背后的Dojo系统必然会拿到越来越多的有价值的数据，从而实现小步快跑。唯一的期望是，别出问题。
车右智能
一个一直用心仿真的自动驾驶技术信徒
info@co-driver.ai
备注：
1 题图来自互联网搜索；
2 文中插图1/3/4/5/6来自于Youtube账号“Whole Mars Catalog”的视频评测截图；
3 文中插图2为Google map所提供的San Francisco China Town的局部地图信息截图；
相关专题：‘
别说China了，China town都搞不定。 -上 ——特斯拉FSD Beta版本的初级分析（6）
