佔用網格是特斯拉用純視覺路線的秘訣嗎？_風聞

【本文由“吃嘛嘛香”推薦，來自《新能源汽車能否接棒消費電子，成為半導體行業新的需求增長點？——峯瑞資本楊永成訪談（下）》評論區，標題為吃嘛嘛香添加】

• Lawrenceglow
• 貓膩沒有，我找到了一個專業的文章給的答案：

過去幾年，特斯拉拒絕雷達的理由，説到底，還是因為它們降本增效的速度還不夠快。

故事的B面，則是特斯拉押下重注的純視覺路線技術突飛猛進，快到在不到三年的時間裏端了各種雷達的飯碗。

自2020年開始，特斯拉意識到依靠兩個二維生物交換信息，很難準確還原三維世界。

2020年當年，特斯拉推出FSD beta，全面倒向潛力更高的攝像頭，對智能駕駛算法進行重構：

而在今年，特斯拉的純視覺算法更進一步，橫空出世的佔用網絡（Ocuppancy Network），讓攝像頭把對手瞄向了更強的存在——激光雷達。

基於純視覺的佔用網絡算法將感知空間劃分為一個個立體網格，通過檢測網格是否被佔用，以一種低算力開銷、低計算延遲的方式，實現對物體體積的測算

————包括讓全世界智能駕駛團隊頭疼的各類異形物體。這解決了視覺感知“物體未識別則不存在”的經典難題。

而在此之前，行業多認為昂貴激光雷達才是正確答案。

視覺算法擁有了對標激光雷達的能力後，羸弱的超聲波雷達在邏輯上也失去了存在的必要，順勢砍掉。

至此，在特斯拉體系內攝像頭與雷達的賽馬中，攝像頭通過算法的進化，完成了對雷達能力的模擬，以低成本實現了視覺雷達效果，一個頂仨。

~

馬斯克對毫米波雷達的態度也從未一棍子打死，今年初他在推特上互動時，留下了頗有暗示意味的回覆：“高精度（毫米波 ）雷達才是正解。”

特斯拉對雷達的態度，也能反映出這家公司最真實的第一性原理——設立一個高難度的目標，然後找到最具性價比的工程手段實現它。

以上摘自@遠川汽車評論《偌大的特斯拉，容不下一顆小雷達？》

兄弟，這篇文章額，一看就是外行人寫的，把佔用網格説成特斯拉的秘訣，額。。。而且話也説回來，佔用網格都是上個世紀二維雷達的成熟技術解決方案了。你就是現在去淘寶買個幾百塊的雷達，建的圖都是佔用網格地圖，這就尷尬😳了。

視覺技術無論怎麼先進成熟，都沒有雷達這種物理層面的安全閥可靠。所以雷達不是解決方案，而是安全保障，只是十幾年內都會越來越重要，特斯拉直接跳過過渡，走的太快了。

你只要記住，無論視覺解決方案多麼的先進，更何況現在的神經網絡根本無法達到一定數量級別的準確率，特斯拉也不例外，凡是使用現如今神經網絡的，有一個算一個，距離堪用的準確率都有着數量級的差距。都需要雷達這一道物理級別的安全閥做保障。