特斯拉在无人驾驶传感器提供商和服务商链板块耐久性交易日还有很多要证明。顶级专家对此表示怀疑

The 特斯拉无人驾驶出租车日 10月10日在华纳兄弟好莱坞工作室举行的活动对埃隆·马斯克来说是一个高风险时刻。他把公司的未来寄托在特斯拉不仅仅是一家电动汽车制造商，而是在人工智能和机器人领域具有影响力的想法上。

但特斯拉的 无人驾驶汽车的技术方法 - 包括我们目前所知道的和预计在洛杉矶发生的事情 - 引起 主要引起了严重警示， 人工智能和自动驾驶汽车专家告诉InsideEVs。

一些人警告称，在规模化部署特斯拉机器人出租车 将是危险的。 特斯拉的技术仍然 未经验证。 and its safety data is not revealed. Others said Tesla is at least a decade away from legally launching a self-driving taxi service, and many agreed that its approach to autonomy is fundamentally flawed, barring some big shift in thinking.

The automaker is set to reveal a purpose-built autonomous vehicle, potentially called the "Cybercab，这可能是对Uber和Google的Waymo构成竞争对手。马斯克还计划推出一个机器人出租车服务，并将Cybercabs和普通特斯拉车主的汽车纳入其中，他曾长期承诺这些车辆终将获得自动驾驶能力。

尽管如此，批评者和这一领域的专家 - 其中很多人已经从事这个领域几十年了 - 表示，这次演示可能更多地是为了向投资者证明特斯拉正在“解决”问题，而不是展示未来的产品。 完全自主。即使马斯克本人声称 和其他竞争对手一个理由 如果能实现这一目标，可能价值数万亿美元，但是 如果不能实现，将基本毫无价值.

“没有任何证据表明他们离实际无人驾驶汽车更近，”乔治梅森大学自主和机器人中心主任、前国家公路交通安全管理局安全部顾问米西·卡明斯称，“这只是又一次 尚且没有任何证据能表明他们离实际拥有无人驾驶汽车更近。米西·卡明斯是乔治梅森大学自主和机器人中心主任，也曾是国家公路交通安全管理局的前安全顾问。 马斯克尝试筹集现金的又一次尝试。特斯拉正在采取一种根本性 [马斯克]试图筹集资金."

特斯拉正在采取 完全不同的方法 比空间中其他汽车更适合自动驾驶技术。

为实现全自动驾驶，特斯拉使用 多个摄像头 充当车辆的“眼睛”。这些视觉数据输入到公司所称的 神经网络 —受人脑启发的机器学习模型。这些网络处理信息，理解信息，然后帮助汽车基于所“看到”的内容做出主动决策。

大约 2023年中期, 特斯拉 开始转向这种方法，远离基于30万行代码引导车辆在特定情况下运行的系统。 神经网络 内容，放弃了基于30万行代码引导车辆在特定情况下运行的系统。上个六月，它在X主题中解释了这一点。 关于X主题中系统已经在客户车辆中运行的解释。 这些神经网络的核心，据说是正在发展中的数量

是，核心是逐渐增多的神经网络。 人工智能驱动的"超级计算机集群"。 它们处理 数十亿数据点来训练FSD 更像人类驾驶。

特斯拉的竞争对手 采用了不同的方法。谷歌自动乘车服务Waymo在 预先绘制的道路上运行 并使用完整套件的 传感器包括摄像头、雷达和激光雷达而 特斯拉只使用摄像头和人工智能。Waymo EVs，搭载这些硬件的白色捷豹I-Paces在美国四个城市合法运营：旧金山、凤凰城、洛杉矶和奥斯汀。

通用汽车的Cruise自动驾驶部门采取了与Waymo类似的方法。这三家公司都处于联邦安全调查之下 联邦安全调查.

在消费者方面，一个 increasing number of automakers are turning to LIDAR and expanding their ADAS options, although broadly speaking, all have been more cautious than Tesla in the space. But Tesla insists its outside-the-box approach will create a "generalized" solution to self-driving that will let cars operate virtually anywhere. Cruise and Waymo, on the other hand, focus on mastering discrete areas and then expanding from there.

Many experts have their 对特斯拉能否实现其 针对 Tesla's approach on both hardware and software.

"Wherever you have a 神经网络，您将始终有 幻觉的可能性，"卡明斯说。

"只是他们很少这样做，从而给人们带来虚假的信心 ，"她补充道。 幻觉 幻觉 当chatgpt提供完全不合理的答案时，发生的情况是相同的 无意义的回答.

特斯拉的系统可能容易出现"统计推论错误"统计推理错误她说，这基本上意味着分析特定数据集时出现错误，导致错误结论 引发错误结论 在特斯拉的情况下，这意味着制造 在道路上做出错误的决定.

这家汽车制造商仍然 还有十年的时间 离成为一家合法的无人驾驶汽车公司还有十年时间，据坎明斯说。她指出，关键问题是特斯拉 尚未公开其FSD安全数据。它发布了一些 自动驾驶辅助系统和FSD数据 定期显示每百万英里驾驶中事故次数，但报告缺乏详细信息，几乎 无法证明该系统是安全的，她说。

AMCI独立测试 发现FSD的平均 脱离率 为每一个 13英里。这是一个 严重警告 ，据Cummings说。

“直到我们看到特斯拉进行实际测试，并由合格驾驶员进行测试， 才能算真正的现实情况 。 完成实际测试， 或者用 没有司机。"

所谓“边缘案例或罕见事件，是另一个潜在的问题领域，专家表示。

在安全方面重要的不是平凡的日子。重要的是糟糕的日子， 糟糕的日子非常罕见。”卡内基梅隆大学电气与计算机工程系教授菲尔·库普曼表示，他在自动驾驶汽车安全方面有着丰富的经验。

根据 美国联邦公路管理局， 人类驾驶员的死亡率是每1万里行驶1.33人死亡 在美国，“说"我开了10英里没有干预"意义不大，” Koopman指的是特斯拉车主 发帖视频 他们使用FSD的经验，在统计上是 不重要的毕竟， 人类以"99,999,999英里的行驶记录中没有发生过致命事故."

特斯拉在最新的FSD 12版本中采用了 端到端 机器学习。这意味着将原始数据（大量视频，在这种情况下）输入神经网络，直接导致在道路上采取行动（加速，刹车，转弯）。Koopman说，这种方法在常见的驾驶场景中表现良好，但在处理罕见事件时效果"差劲."

Waymo依赖于 几百辆配备昂贵的激光雷达的汽车， ，而 特斯拉已经绕过这些成本 部署了数百万配备摄像头的汽车。

这两种策略都有取舍，但Koopman将跳过激光雷达 likened（类比） 于“在试图解决一个不可能的问题时，跳过激光雷达就像把一只手绑在后面。 使用激光来创造周围世界的三维理解，是 视觉深度感知方面远远优于雷达，在恶劣天气下表现更好。

特斯拉的 FSD用户手册承认 那 相机在这种情况下表现不佳“可见性对FSD的运行至关重要。 低能见度，如低光或恶劣天气条件（雨、雪、强光、雾等），都可以显著降低性能，”免责声明写道。

出于这个确切的原因，爱荷华大学的麦克吉希表示 在设计无人驾驶汽车时，考虑冗余问题至关重要 在设计无人驾驶汽车时，考虑冗余问题至关重要

“不仅需要有对世界的全方位视野，还需要用不同的方式重叠视野，”他说，补充道 世界的360度视野 世界有一个不同的方式的重叠视野 世界有一个不同的方式的重叠视野 机器人行业板块，他补充说 特斯拉的 决定仅使用摄像头的做法是有问题的."

滑铁卢大学电子与计算机工程学教授、SAE自动驾驶任务组成员Krzysztof Czarnecki表示， 特斯拉无人驾驶 Robotaxi 现阶段的硬件和软件组合会导致混乱和事故，汽车会很快从路上消失 特斯拉 机器人出租车 会导致混乱和事故，并且[汽车]会很快消失在道路上 会导致混乱和事故，并且[汽车]会很快消失在道路上“这需要开多几年时间才能解决。” 解决视觉难题需要几年时间。 解决视觉问题可能需要几年时间。

“这就好像把chatgpt概念股放在方向盘后面，” Czarnecki表示。 “当然不是字面上的意思，因为它是通过驾驶数据输入的，但基础技术有点类似，而且你无法以这种方式构建一个安全的系统。” 无法用这种方式来建立一个安全系统。 他补充说，不能用这种方式打造一个安全系统。

特斯拉 前自动驾驶初创公司Argo AI的前高管、新兴产业风投公司New Industry VC的联合创始人Alex Roy表示，可以利用仅靠视觉的系统创造一个无人驾驶服务。然而，这将意味着要么大规模部署， 牺牲安全性 和性能，或部署在一个 高度受限制的环境中.

“我绝对相信一个以摄像头为主或仅摄像头系统将能够做到这一点。唯一的问题是何时，”罗伊表示，他承认自己是少数派。尽管如此，他表示 不认为 特斯拉的事件会产生任何近期可以商业化的东西 。”.

虽然没有专家反对无人出租车，但他们强调了对 广泛的现实世界测试 包括无需司机，以及 增加数据共享 与监管机构透明地解决问题。"无人驾驶汽车可以在有限的领域取得成功，"Cummings指出，她主张 控制性试点测试 实现这一目标。

另一方面，库珀曼表示他对此期望很低 对Robotaxi发布持有非常低的期望。他说，引发讨论的原型汽车是完全可以接受的。 “但这绝对无法预测无人出租车何时能够大规模上路。”

特斯拉在无人出租车日有许多需要证明。顶尖专家表示怀疑