در دنیای فناوری‌های خودران، ایلان ماسک همواره بر یک اصل بنیادین پافشاری کرده است: «انسان با دو چشم رانندگی می‌کند، پس خودرو نیز باید تنها با دوربین جهان را درک کند.» با این حال، محدودیت‌های عملیاتی اخیر در سرویس روبوتاکسی تسلا در آستین، تگزاس، پرسش‌های بنیادینی را درباره استراتژی «فقط دوربین» (Camera-only) در برابر سیستم‌های ترکیبی سنسوری مطرح کرده است.
پارادوکسِ بچه‌گربه خاکستری در نور کم
ایلان ماسک اخیراً اعتراف کرده است که چالش اصلی در گسترش ساعات فعالیت روبوتاکسی‌های تسلا در شب، ناتوانی سیستم‌های بینایی ماشین در تفکیک اجسام کوچک با کنتراست پایین در تاریکی است. مثال «بچه‌گربه خاکستری روی آسفالت خاکستری»، یک مسئله کلاسیک در حوزه پردازش تصویر است. دوربین‌ها به عنوان حسگرهای غیرفعال (Passive Sensors)، به شدت به نور محیط وابسته هستند. وقتی تفکیک رنگی (Chrominance) و روشنایی (Luminance) بین سوژه و پس‌زمینه به حداقل می‌رسد، شبکه‌های عصبی تسلا در تشخیص هویت سوژه با تردید مواجه می‌شوند.
لیدار؛ عصای جادویی یا مسیر انحرافی؟
در حالی که تسلا با تکیه بر معماری دوربین‌محور و یادگیری عمیق سعی در شبیه‌سازی درک انسانی دارد، رقبایی نظیر Waymo از سیستم‌های ترکیبی استفاده می‌کنند. تفاوت کلیدی در ماهیت حسگرهاست:
- لیدار (LiDAR): یک حسگر فعال (Active Sensor) که با ارسال پالس‌های لیزری، نقشه‌ای سه‌بعدی از محیط ایجاد می‌کند و برخلاف دوربین، به بازتاب نور محیطی وابسته نیست.
- رادار (Radar): با استفاده از امواج رادیویی، علاوه بر ترسیم محیط، توانایی اندازه‌گیری دقیق سرعت نسبی اجسام را حتی در مه، گردوغبار و باران دارد.
ماسک همواره استفاده از لیدار را «مأموریتی احمقانه» خوانده، اما داده‌های عملیاتی نشان می‌دهد که تسلا برای رسیدن به ایمنی کامل در ساعات شبانه، با چالشی مواجه است که رقبای مجهز به لیدار مدت‌هاست بر آن غلبه کرده‌اند.
ابعاد حقوقی و رگولاتوری؛ زیر ذره‌بین NHTSA
محدودیت‌های فنی تنها یک مسئله نرم‌افزاری نیستند؛ بلکه به یک پرونده رگولاتوری سنگین تبدیل شده‌اند. سازمان ملی ایمنی ترافیک بزرگراه‌های ایالات متحده (NHTSA) هم‌اکنون در حال بررسی بیش از ۳.۲ میلیون خودروی تسلا است. اسناد داخلی تسلا که تحت عنوان «رادار ما را نجات می‌دهد» شناخته می‌شوند، نشان‌دهنده شکاف میان رویکرد مهندسی رسمی شرکت و واقعیاتی است که در تست‌های میدانی بروز کرده است.
مشخصات فنی و تحلیل زیرساختی
- سیستم بینایی: شبکه عصبی مبتنی بر دوربین (End-to-End Deep Learning).
- محدودیت اصلی: ضعف در تشخیص اشیاء کوچک (کنتراست پایین در نور کم).
- تغییرات زمان‌بندی: افزایش فعالیت در آستین از ساعت ۱۰ به ۱۱ شب.
- رویکرد رقیب: ترکیبی (۱۳ دوربین، ۴ لیدار، ۶ رادار در نسل ششم Waymo).
نتیجه‌گیری ما در SilverSky Tech این است که اگرچه تسلا در زمینه پردازش هوش مصنوعی و توان محاسباتی FSD پیشرو است، اما اصرار بر حذف سنسورهای مکمل ممکن است نقطه ضعف استراتژیک در رسیدن به سطح ۵ خودرانی (Full Autonomy) باشد. باید دید آیا پیشرفت‌های نرم‌افزاری در «بازسازی شمارش فوتون» می‌تواند بر محدودیت‌های فیزیکی سنسورهای غیرفعال غلبه کند یا خیر.
