盖世汽车讯 据外媒报道，日前，特斯拉AI和计算机视觉主管Andrej Karpathy承认，特斯拉在自动驾驶方面所采用的方法比业内大多数公司更难，但他表示，这是扩展的唯一途径。

（图片来源： https://electrek.co/ ）

目前业内有数十家知名公司正在致力于解决自动驾驶问题，而且有很多不同的方法，主要分为两类：主要依赖计算机视觉的公司，以及依赖高清地图的公司。特斯拉属于依赖计算机视觉的公司。

本周早些时候，Karpathy分享了特斯拉自动驾驶开发软件演示转向，以及Waymo的自动驾驶原型进行转向的视频。Karpathy强调说，虽然两种方式看起来完全一样，但其背后的决策是完全不同的。“Waymo和业内许多公司都使用高清地图。车辆上路之前，必须先驾驶车辆预先绘制环境地图，还必须配备厘米级精度的激光雷达。车辆知道如何在十字路口转弯，了解相关联的交通灯，以及定位等等。而我们不做这些假设，对我们而言，每经过一个十字路口，我们都是第一次看到它。”

Karpathy承认这是一个很难解决的问题，而特斯拉的目标是打造一个可扩展的自动驾驶系统，可部署在道路上的数百万辆车辆中，他认为特斯拉基于视觉的系统更容易扩展。“可扩展性是一个很难解决的问题，但如果我们从根本上解决了这一问题，就有可能扩展到道路上的数百万辆汽车。而建立激光雷达地图是极其昂贵的。除了创建，还要进行维护，而且检测其变化是极其困难的。”

Karpathy称基于地图的方法为“不可扩展的方法”。他表示，虽然特斯拉也制作地图，并使用“视觉和地图之间的各种融合”，但其地图没有到达厘米级的精度，因此，不能依靠这些地图进行导航。

特斯拉在应对所有情况时都必须像是第一次遇到。Karpathy解释了他们是如何通过几十名从事神经网络研究的员工来实现这一目标的。他们以一个通用的计算机视觉基础设施为基础，然后围绕该基础设施创建新的任务。虽然特斯拉只有几十名从事神经网络研究的员工，但其有一个庞大的团队从事标注工作。换言之，特斯拉将核心视觉检测系统与系统需要实现的具体任务（例如检测各种类型的停车标志）分离开来。

就地图而言，Karpathy表示“不要以为我们可以摆脱高清激光雷达地图。我们会使用激光雷达地图，尤其是所有车道的车流、交通等相关地图，然后思考如何在不使用激光雷达地图的情况下预测十字路口。”