Tesla подтверждает технологическое лидерство в сегменте автономного вождения, делая ставку исключительно на камеры и машинное зрение. Идея, ранее подвергавшаяся критике, на практике доказала свою состоятельность и оказалась более устойчивой в условиях реального дорожного движения, чем гибридные решения с использованием лидаров.
Ранее Илон Маск неоднократно заявлял о неэффективности лидаров — лазерных дальномеров, используемых для построения карты пространства вокруг автомобиля. Шесть лет назад он назвал это оборудование «затеей дураков» и утверждал, что полагаться нужно исключительно на камеры в сочетании с мощным программным обеспечением и высокоточными нейросетями. Тогда подобные заявления воспринимались как радикальные и спорные, однако сегодня позиции Tesla находят подтверждение в отраслевой практике.
В рамках недавних испытаний систем помощи водителю (ADAS) в Китае, Tesla FSD, работающая исключительно на машинном зрении, превзошла по стабильности и точности все системы, использующие лидары или комбинации датчиков. Результаты испытаний показали, что альтернативные решения с лидаром чаще сталкивались с ситуациями, в которых автомобиль терял ориентацию на дороге, блокировал движение или совершал потенциально опасные манёвры.
Ряд китайских автопроизводителей — в частности Baidu и Xpeng — уже начали переход на стратегию, аналогичную Tesla. Генеральный директор Baidu Робин Ли подтвердил курс компании на использование только камер, а Xpeng заявила о начале масштабного внедрения аналогичной архитектуры компьютерного зрения.
Философия Tesla строится на убеждении, что надёжность беспилотных систем зависит не от количества сенсоров, а от уровня развития искусственного интеллекта, обработки данных и качества обучения нейросетей. Использование камер позволяет не только упростить конструкцию автомобиля, но и снизить стоимость систем автономного вождения без ущерба для безопасности и точности.
На этом фоне компании, продолжающие полагаться на лидары, рискуют оказаться в уязвимом положении. Маск в очередной раз подчёркивает, что в условиях бурного развития ИИ, способность адаптировать программное обеспечение и масштабировать обучение моделей становится ключевым фактором конкурентоспособности автопроизводителей на рынке автономного транспорта.
