光线不足成短板 特斯拉自动驾驶夜间失效撞飞小鹿

特斯拉的"全自动驾驶"系统在一次夜间行驶中未能识别路上的鹿,导致一辆Model 3直接撞上了静止的鹿。这起事故发生在一条标记清晰的高速公路上,当时周围几乎没有其他车辆。

车主Paul S表示,在使用全自动驾驶系统时,车辆并未尝试避开或停下来,甚至在撞击后也没有自行停下。

这一事件引发了对特斯拉自动驾驶系统在低照明条件下性能的质疑。

目前,尚不清楚系统未能避开鹿的具体原因,可能与夜间能见度降低或特斯拉图像识别能力不足有关。

据了解,特斯拉的全自动驾驶系统主要依赖摄像头,没有使用传感器、激光雷达设备或地图数据,这与一些竞争对手的技术不同。

如果系统配备有传感器,可能即使在摄像头无法识别的情况下也能检测到鹿。

在这起事故中,车辆的前保险杠和挡风玻璃受损较小,但如果撞击对象更大或为行人,后果可能更为严重。

这起事故凸显了特斯拉自动驾驶技术在识别和应对突发情况时的局限性,尤其是在夜间或能见度不佳的情况下。

尽管特斯拉的系统在某些情况下能够提供辅助,但此次事件提醒司机在使用自动驾驶功能时仍需保持警惕。

追评

早在 SIGGRAPH Asia 2019,Google就在提出过《Handheld Mobile Photography in Very Low Light》和 项目 https://github.com/google/night-sight。随后在小米手机和 OPPO 为首的一系列国产手机都通过优化cmos和高通芯片的网络算法,实现了令人惊奇的夜视效果。

图取自少数派@Bing澄博客

图取自少数派@Bing澄博客

但是这种方式,业内人士也提出过需要高速连拍,将瞬时大量的图片压缩,重排合成的。而且采用的是单目摄像,但不适合高速长时间摄像的场景。而特斯拉的HW3和HW4主要考虑对象在深度上的精确度,主采用双目和三目的摄像及视觉计算模型(一文带你对比特斯拉HW4.0与HW3.0 硬件),所以目前如特斯拉的新能源还是更适合在都市夜景(光源较为充沛)的环境下,正常使用自动驾驶。而像户外极端黑夜环境,还是建议停下来休息一晚,更为安全😃

相关推荐
zy_destiny13 小时前
【工业场景】用YOLOv26实现桥梁检测
人工智能·深度学习·yolo·机器学习·计算机视觉·目标跟踪
2501_9418372613 小时前
蘑菇可食用性分类识别_YOLO11分割模型实现与优化_1
人工智能·数据挖掘
2501_9418372613 小时前
基于YOLO11-Aux改进的圣女果目标检测实现
人工智能·目标检测·计算机视觉
莫有杯子的龙潭峡谷13 小时前
在 Windows 系统上安装 OpenClaw
人工智能·node.js·安装教程·openclaw
Funny_AI_LAB13 小时前
AI Agent最新重磅综述:迈向高效智能体,记忆、工具学习和规划综述
人工智能·学习·算法·语言模型·agi
zhangshuang-peta13 小时前
超越Composio:ContextForge与Peta作为集成平台的替代方案
人工智能·ai agent·mcp·peta
power 雀儿13 小时前
Transformer输入嵌入与绝对位置编码
人工智能·深度学习·transformer
X54先生(人文科技)13 小时前
元创力开源项目介绍
人工智能·架构·零知识证明
(; ̄ェ ̄)。13 小时前
机器学习入门(十八)特征降维
人工智能·机器学习
pp起床13 小时前
Gen_AI 第三课 大模型内部原理
人工智能