Waymo与特斯拉：构建自动驾驶汽车的两种路径
内容提要
Waymo与特斯拉在自动驾驶技术上采用不同路线：Waymo融合激光雷达、雷达与摄像头，构建结构化世界模型，并发布无安全员行驶数据；特斯拉则坚持纯视觉方案，依靠神经网络处理，数据来自消费者车队。两者在感知、预测、规划及安全验证上各有取舍，目前尚难判定哪种路径更优。
延伸解读
传感器方案背后的成本与可靠性权衡
Waymo采用激光雷达、雷达与摄像头的多传感器融合，直接测量距离，但硬件成本高且存在故障风险；特斯拉则依赖纯视觉方案，通过摄像头和神经网络估算深度，成本低但可能出错。文章指出，Waymo第六代系统将摄像头从29个减至13个，说明其也在降低传感器数量，但依然强调冗余的重要性。这反映了自动驾驶在成本与可靠性之间的取舍。
安全数据的可比性有限
Waymo和特斯拉发布的安全数据统计口径不同，不能直接对比。Waymo报告的是无安全员行驶里程（220.6百万英里），并与人类驾驶事故率对比，显示事故率大幅降低；特斯拉则比较FSD开启与手动驾驶的事故率，且碰撞认定包含激活后5秒内的情况。两者衡量的是不同场景下的安全表现，读者需注意数据背后的定义差异。
验证机制：从规则到人工监督
Waymo在规划阶段设有独立的验证层，确保生成轨迹符合安全标准；特斯拉的FSD（监督版）依赖驾驶员监督，并通过警告和暂停机制约束注意力。在无人驾驶服务中，特斯拉则依赖安全监控员或远程监督。这体现了两种不同的安全验证思路：一个依赖系统内部检查，一个依赖外部人类介入。
Q&A
Waymo和特斯拉在自动驾驶传感器方案上有什么主要区别？
Waymo采用多传感器融合方案，包括激光雷达、雷达、摄像头和音频接收器，而特斯拉坚持纯视觉方案，仅依赖摄像头和神经网络处理。
Waymo的第六代系统有哪些传感器配置？
Waymo第六代系统配备13个摄像头、4个激光雷达、6个雷达单元和一组外部音频接收器，用于检测警报声和铁路道口，感知范围达500米。
Waymo和特斯拉在环境感知数据表示上有什么不同？
Waymo构建紧凑的结构化表示，包括对象列表、语义属性和道路图元素，便于验证和模拟；特斯拉则使用神经网络进行语义分割和鸟瞰视图输出，表示更依赖学习。
Waymo和特斯拉在预测其他道路使用者行为方面有何不同？
Waymo生成多种可能的未来路径，并利用大规模数据进行预测，遵循幂律规律；特斯拉则通过强化学习处理长尾边缘情况。
Waymo和特斯拉在规划路径时如何验证安全性？
Waymo使用教师-学生模型蒸馏，并通过独立的验证层检查轨迹；特斯拉在监督模式下依赖驾驶员监控，在无人驾驶服务中依赖安全监控员或远程监督。
Waymo和特斯拉发布的安全数据有何不同？
Waymo报告220.6万英里无人驾驶里程，与人类基准相比事故率降低94%（严重伤害）和82%（伤害事故）；特斯拉比较FSD开启与手动驾驶，报告碰撞次数减少7倍，但两者统计口径不同，不能直接比较。
Waymo和特斯拉的训练数据来源有何不同？
Waymo主要使用其无人驾驶车队收集的数据，并辅以仿真；特斯拉则依赖消费者车队，通过遥测收集数据，并利用大规模GPU集群进行训练。
