这是一段很值得研究并且又很魔性的视频。
Tesla 的全自动驾驶又有新进展了。
Elon Musk 原本给自己设置的「研制能够从洛杉矶自动行驶到纽约的无人驾驶汽车」的最终期限是 2017 年年底之前，但在昨天 Musk 在自己的 Twitter 上发布了一段最新路测视频，不过准确的说应该是「搭载全自动驾驶功能硬件并启用相关功能的特斯拉进行实测的演示视频」，看来 Musk 是想说它能够兑现诺言？
当然 Musk 什么都没有多说，不过却饶有兴致发布了两个配音版本的同一段视频，废话不多说先看这两段魔性的延时视频吧。
Paint It Black 配乐版：
另一个配音（Benny Hill 版）
这段视频算是 SAE 标准下的 L4 级别自动驾驶的样板展示，非常值得一看和研究。虽然只公布了 3 个摄像头的视频画面并附有实时识别结果（其实它有 8 个摄像头在车身周围），但这已经展示了很多信息和 Tesla 的技能点了。
我们先从图示一一来说吧，简单翻译了一下，有不准确的地方还希望大牛教做人。
- motion flow，是一些流动的不确定的点？能看到视频中多数的树枝被识别了出来。
- lane lines 车道线，视频中 Tesla 已经能够很好的识别了车道线，当然这还要靠高精度地图来辅助。
- road flow 这应该是路面信息，能检测路面是否平整，平整的路面都被打上了这样的标记。
- in-path objects 路径中的目标，应该也是移动目标，多数周围的车和行人被识别到。
- road lights 红绿灯，这段延时视频中经过了 10 多个岔路口，但只经过了 2 个有红绿灯的路口，都被准确的识别出来了。
（红框标出的地方为红绿灯，都被识别了）
- objects 目标物体，是一些障碍物，或周围路面的有可能成为 in-path objects 的物体。
- road signs 路标，图中经过的几个没有红绿灯的路口，有 STOP 标志，都很好的识别到并执行，而且可以看到有很多远处路牌都被识别到。
除了这些之外，视频中还有两个点比较值的关注。
一、大家评论里也都纠结于，其中路过两个慢跑的人时，Tesla 几乎停了下来，速度降为 1，但当遇到后面路边有一个人在遛狗的场景下却没有停顿的通过了，当然这也许是后者移动速度慢的缘故？是否说明是自动驾驶已经能够辨别一些特殊情况，而在保持严谨的前提下，能够保证乘坐体验的流畅性？
二、视频中这辆 Tesla 的最快速度是 35 英里/小时, 也就是 56 千米/时，这样的速度在这种小路上已经算是不慢了，而且是雾天。
Tesla 怎么做到的？
除了这三个摄像头之外，Tesla 这套全自动驾驶硬件还有其余 5 个摄像头，他们也都同样的在实时进行计算，而这么强大的计算能力就要归功于这个比上一代性能强大 40 倍（2^5=32）的车载计算设备 NVIDIA Drive PX 2。
DRIVE PX 2 是 NVIDIA 最新开发的用于自动驾驶汽车的硬件计算平台。相比很多把后备箱塞得满满当当的工程控制机器，它已经在体积上能节省出很大的空间了。
DRIVE PX 2 的一些基本性能参数：
1. CPU 部分：两颗新一代 NVIDIA Tegra 处理器，当中包括了 8 个 A57 核心和 4 个 Denver 核心；
2. 基于 16nm FinFET 工艺，功耗高达 250W，采用水冷散热设计。支持 12 路摄像头输入、激光定位、雷达和超声波传感器；
3. 首发 NVIDIA 的新一代 GPU 架构 Pascal（宣称性能是上一代构架的 10 倍），单精度计算能力达到 8TFlops，超越 TITAN X，有后者 10 倍以上的深度学习计算能力。
而除了这些之外，另外一个必不可少的条件是还需要一副「高精度地图」，否则很有可能就是只能达到 L3 级别的？而 DRIVE PX 2 还有一个特殊技能就正好能够解决一部分这个问题，简单来说就是能够将传感器的获取的数据压缩后上传至云端，云端处理后可以融合成为一副完整的高精度地图。
这也许就是 Tesla 不断的去收集数据的另一个原因之一？上个月特斯拉 Autopilot 辅助驾驶的行驶里程已经达到了 2.22 亿英里（约合 3.57 亿公里），也许在某些路段 Tesla 已经「记住」了它们？
但如果你想在国内也拍出这样一段视频，不光要等到 2018 年之后，你还要寄希望于国内地图公司对于高精度地图的支持程度了。而放出这段视频也许是为了帮助 Tesla 在人们心中建立一点点的信任，毕竟它没有使用几乎已经成为了自动驾驶标配的 LiDAR 激光雷达，想想已经量产的 Tesla 还是要考虑控制成本。而Tesla 的这种「低成本感知+高性能计算」的解决方案加上它大量的路试数据又给了我们一些信心，也许视频中那样效果很快就会发生在你我的身上。
