LiDAR czy kamery: co jest lepsze dla samochodów autonomicznych?
Zaktualizowano:
Tłumaczenie z oryginału; zachowano liczby i źródła. Przeczytaj oryginał →
Wyobraź sobie dwa samochody autonomiczne zbliżające się do tego samego pieszego na ciemnej drodze.
Jeden obserwuje świat za pomocą kamer i sztucznej inteligencji.
Drugi wysyła miliony niewidocznych impulsów laserowych i mierzy otoczenie w trzech wymiarach.
Oba pojazdy mogą rozpoznać tego samego pieszego.
Jednak postrzegają świat w inny sposób.
Ta różnica leży u podstaw jednej z najważniejszych debat technicznych o jeździe autonomicznej: LiDAR czy kamery.
Tesla mocno stawia na widzenie komputerowe oparte na kamerach. Firmy rozwijające systemy bez kierowcy, takie jak Waymo, łączą LiDAR, kamery i inne czujniki.
Które podejście jest lepsze?
Odpowiedź może wpłynąć na konstrukcję pojazdów autonomicznych oraz tempo rozpowszechniania naprawdę bezzałogowych aut na świecie.
Czym jest LiDAR?
LiDAR to skrót od Light Detection and Ranging, czyli wykrywania i pomiaru odległości za pomocą światła.
Zamiast tylko rejestrować obrazy, czujnik LiDAR wysyła impulsy laserowe i mierzy czas ich powrotu.
Na tej podstawie system oblicza odległość między czujnikiem a obiektami w otoczeniu.
Miliony pomiarów można połączyć w trójwymiarowy obraz otoczenia.
LiDAR potrafi więc bardzo precyzyjnie określać geometrię i położenie obiektów wokół pojazdu.
Nie tylko rozpoznaje na przykład osobę stojącą przy drodze, lecz także dostarcza szczegółowych danych o jej dokładnym położeniu w przestrzeni.
Publikacja naukowa z 2025 roku w *Nature Reviews Electrical Engineering* wyjaśnia podstawową różnicę: kamery zapewniają bogaty kontekst, a LiDAR cenne informacje o głębi.
To rozróżnienie ma kluczowe znaczenie dla jazdy autonomicznej.
Jak działają kamery w samochodach autonomicznych?
Kamery działają inaczej.
Rejestrują informacje wizualne podobnie jak ludzkie oczy.
Widzą oznakowanie jezdni, sygnalizację, pojazdy, pieszych, znaki i wiele innych szczegółów.
Nowoczesne systemy AI analizują następnie obrazy, aby zrozumieć otoczenie.
Daje to dużą przewagę.
Czujniki kamer są stosunkowo tanie, niewielkie i już produkuje się je na ogromną skalę.
Problem polega na tym, że płaski obraz nie zawiera bezpośrednio takich samych trójwymiarowych pomiarów odległości jak LiDAR.
AI musi więc wywnioskować głębię.
Nowoczesne sieci neuronowe analizują w tym celu wiele kamer, ruch między klatkami oraz wzorce wyuczone z ogromnych zbiorów danych drogowych.
Tesla jest chyba najbardziej znanym zwolennikiem tego podejścia.
Systemy percepcji oparte na kamerach mogą wykorzystywać sieci neuronowe do wykrywania obiektów, segmentacji i szacowania głębi. Dane z wielu kamer można też łączyć w reprezentację otoczenia drogi.
Prowadzi to do zupełnie innej filozofii.
Tesla zakłada w praktyce, że lepsza AI może zrekompensować mniejszą liczbę rodzajów czujników.
Tesla Vision a LiDAR
Podejście Tesli sprawiło, że Tesla Vision a LiDAR stało się ważnym tematem debaty o jeździe autonomicznej.
Tesla akcentuje percepcję opartą na kamerach. Sprzęt i dostępne funkcje zależą od konfiguracji auta, oprogramowania i regionu.
Obecny system Full Self-Driving również korzysta z kamer pokładowych do obserwacji otoczenia.
Tesla opisuje kamery zapewniające widok 360 stopni, przetwarzany przez AI. Nie znosi to obowiązku nadzoru kierowcy.
Trzeba jednak pamiętać o istotnym rozróżnieniu.
Mimo nazwy Full Self-Driving (Supervised) nie jest obecnie systemem w pełni autonomicznym. Tesla wyraźnie zaznacza, że aktywne funkcje wymagają stałego nadzoru kierowcy i nie czynią pojazdu autonomicznym.
Długoterminowe założenie technologiczne Tesli pozostaje jednak jasne:
Skoro ludzie mogą prowadzić głównie dzięki wzrokowi, wystarczająco zaawansowana AI być może kiedyś osiągnie coś podobnego, a nawet lepszego.
Dlaczego Waymo używa LiDAR-u?
Waymo wybiera inne podejście.
Zamiast powierzać całe rozumienie otoczenia jednemu typowi czujnika, jego system łączy różne sposoby obserwacji świata.
Według Waymo system Driver wykorzystuje zintegrowany zestaw czujników: LiDAR tworzy trójwymiarowy obraz otoczenia, a kamery zapewniają widok 360 stopni.
LiDAR wysyła miliony impulsów laserowych i mierzy ich odbicia. Kamery pomagają rozpoznawać sygnalizację, roboty drogowe i inne elementy drogi.
To ważna koncepcja.
Kamera może świetnie odpowiadać na pytanie:
Na co patrzę?
LiDAR jest szczególnie przydatny przy pytaniu:
Gdzie dokładnie to się znajduje?
Radar może dołożyć kolejny rodzaj cennych informacji o obiektach i ruchu.
To połączenie nazywa się fuzją danych z czujników.
Czym jest fuzja danych z czujników?
Łączy informacje z wielu czujników, aby pełniej rozumieć otoczenie.
Wyobraź sobie autonomiczne auto jadące nocą w ulewnym deszczu.
Kamera może mieć trudności z odblaskami, kroplami wody lub niskim kontrastem.
Inny czujnik nadal może dostarczać przydatnych danych o pobliskich obiektach.
Nie chodzi koniecznie o wskazanie idealnego pojedynczego czujnika.
Chodzi o to, aby słabość jednego czujnika nie stała się słabością całego pojazdu.
To szczególnie ważne, bo pojazdy autonomiczne muszą radzić sobie z rzadkimi i nieprzewidywalnymi sytuacjami, tzw. przypadkami brzegowymi.
Mogą to być:
- pieszy częściowo zasłonięty przez pojazd,
- nietypowe roboty drogowe,
- ulewny deszcz lub mgła,
- intensywne, nisko położone słońce,
- przedmioty na jezdni,
- nietypowe kształty pojazdów,
- tymczasowe oznakowanie pasów,
- lub nieoczekiwane zachowania ludzi.
Żadna technologia czujników nie jest idealna w każdej sytuacji.
Dlatego ważna jest redundancja, czyli wzajemne zabezpieczanie się systemów.
Mobileye proponuje trzecią drogę
Branża nie dzieli się wyłącznie na Teslę i Waymo.
Mobileye opracowało inną architekturę, nazwaną **True Redundancy**.
Zamiast uzależniać każdy czujnik od jednego wspólnego systemu percepcji, Mobileye opisuje osobne kanały postrzegania otoczenia.
Jeden może korzystać z kamer, drugi z radaru i LiDAR-u.
Oba mają niezależnie rozumieć otoczenie, zanim system autonomicznej jazdy wykorzysta ich informacje.
To interesujące rozwiązanie pośrednie.
Kamery pozostają niezwykle ważne.
Dodatkowe czujniki dają jednak drugą możliwość sprawdzania rzeczywistości.
Zalety kamer w jeździe autonomicznej
Systemy oparte na kamerach mają kilka istotnych zalet.
1. Kamery są stosunkowo tanie
Kamery samochodowe można produkować na ogromną skalę.
Ograniczenie kosztownego sprzętu może kiedyś udostępnić zaawansowaną technologię autonomiczną znacznie większej liczbie pojazdów.
2. Kamery dostarczają bogatych informacji wizualnych
LiDAR może wykryć obiekt w określonym miejscu.
Kamery łatwiej rozpoznają informacje wizualne, takie jak:
- kolory sygnalizacji,
- znaki,
- linie pasów ruchu,
- gesty dłoni,
- światła hamowania,
- oznakowanie jezdni,
- oraz wiele innych wskazówek kontekstowych.
3. Widzenie oparte na AI szybko się rozwija
Nowoczesna AI wydobywa z nagrań znacznie więcej informacji niż tradycyjne systemy widzenia komputerowego.
Na podstawie kamer coraz lepiej można szacować głębię, ruch, rodzaje obiektów i przyszłe trajektorie.
4. Kamery korzystają ze skali danych
Miliony aut wyposażonych w kamery mogą potencjalnie dostarczać ogromnego strumienia rzeczywistych sytuacji drogowych.
Takie przykłady służą do trenowania coraz potężniejszych systemów AI.
Ta skalowalność jest jednym z najmocniejszych argumentów za autonomiczną jazdą opartą przede wszystkim na kamerach.
Zalety LiDAR-u w jeździe autonomicznej
LiDAR ma inne mocne strony.
1. Bezpośredni pomiar głębi
Zamiast szacować odległość wyłącznie na podstawie obrazów, LiDAR mierzy ją bezpośrednio za pomocą odbitego światła laserowego.
2. Szczegółowa geometria 3D
LiDAR dostarcza precyzyjnych informacji przestrzennych o pojazdach, pieszych, budynkach i innych przeszkodach.
3. Nie zależy od zwykłych obrazów w świetle widzialnym
Ponieważ aktywnie emituje impulsy laserowe, postrzega świat inaczej niż klasyczna kamera.
Może to dawać cenne dodatkowe informacje przy trudnej widoczności.
4. Redundancja
Być może najważniejszą zaletą nie jest sam LiDAR.
Jest nią dostępność innego sposobu obserwacji, gdy jeden czujnik staje się niepewny.
W systemach kluczowych dla bezpieczeństwa taka redundancja może być bardzo cenna.
Jakie są słabe strony LiDAR-u?
LiDAR nie jest cudownym rozwiązaniem.
Ta technologia również ma ograniczenia.
Czujniki LiDAR oznaczają dodatkowy sprzęt, integrację, zapotrzebowanie na moc obliczeniową i koszty.
Deszcz, mgła czy cząstki unoszące się w powietrzu także wpływają na pomiary optyczne.
Producenci potrzebują więc zaawansowanych algorytmów oddzielających użyteczne dane od szumu.
Dlatego porównanie nie powinno sprowadzać się do stwierdzenia:
LiDAR działa, a kamery nie.
Obie technologie mają mocne i słabe strony.
Ważne jest, czy dodatkowe informacje z LiDAR-u uzasadniają większą ilość sprzętu i złożoność.
Jakie są słabości jazdy wyłącznie z kamerami?
Systemy kamerowe mają inny problem.
Ich skuteczność zależy bezpośrednio od informacji wizualnej docierającej do kamery.
Ulewa, brud, oślepiające światło, ciemność, śnieg lub zasłonięty obiektyw mogą obniżyć jakość obrazu.
AI może zrekompensować część tych ograniczeń.
W systemie kluczowym dla bezpieczeństwa ważne jest jednak to, co nastąpi, gdy AI będzie niepewna.
Ludzie mają ten sam problem.
Gdy słabo widzisz przez przednią szybę, maleje zdolność do bezpiecznego prowadzenia.
Autonomiczny pojazd potrzebuje więc wyjątkowo odpornego systemu wizyjnego lub innego źródła informacji, które uzupełni braki.
LiDAR czy kamery: co jest lepsze?
Nie ma jeszcze uniwersalnego zwycięzcy.
W dzisiejszych wysoce zautomatyzowanych systemach i pojazdach bez kierowcy wiele typów czujników daje ważną przewagę techniczną: redundancję.
Kamery, LiDAR i radar pozwalają obserwować to samo otoczenie na zasadniczo różne sposoby.
To tłumaczy rozbudowane architektury wieloczujnikowe stosowane w systemach bez kierowcy.
Kamery mają jednak równie ważną zaletę:
skalę.
Jeśli AI kiedyś umożliwi niezwykle niezawodną jazdę głównie z tanimi kamerami, wdrożenie technologii autonomicznej w milionach zwykłych aut może stać się dużo prostsze i tańsze.
Dlatego ta debata ma tak duże znaczenie.
Dobór czujników może wpływać na koszt wdrożenia, ale jest tylko jednym z czynników. Oprogramowanie, walidacja, warunki pracy i przepisy także decydują o bezpiecznym zwiększaniu skali.
Czy LiDAR kiedyś zniknie?
To możliwe.
Nie jest to jednak przesądzone.
Widzenie oparte na AI może się rozwijać, ale tempo i skutki dla bezpieczeństwa pozostają niepewne.
Równocześnie rozwijają się LiDAR i radar.
Czujniki mogą być mniejsze, tańsze i skuteczniejsze.
Przyszłość nie musi więc oznaczać LiDAR-u przeciwko kamerom.
Najlepszy pojazd autonomiczny może po prostu wykorzystywać wszystkie dostępne informacje, jeśli uzasadnia to poprawa bezpieczeństwa.
Jest też inna możliwość.
Wraz z rozwojem AI auta mogą w zwykłej jeździe polegać głównie na kamerach, używając innych czujników jako niezależnych systemów bezpieczeństwa.
Czujniki mogą więc w mniejszym stopniu służyć podstawowej percepcji, a bardziej weryfikowaniu tego, co AI uważa, że widzi.
Prawdziwa rywalizacja o jazdę autonomiczną wykracza poza LiDAR i kamery
Najciekawszy w tej rywalizacji nie jest sam czujnik.
Jest nim stojąca za nim filozofia.
Jedno podejście mówi:
Daj AI wystarczająco dużo danych wizualnych i inteligencji, a nauczy się rozumieć drogę.
Drugie odpowiada:
Maszynie odpowiedzialnej za ludzkie życie jeden sposób postrzegania świata może nigdy nie wystarczyć.
Tesla pomaga sprawdzać pierwszą ideę na ogromną skalę.
Waymo i inni twórcy pokazują możliwości mocno zintegrowanych systemów wieloczujnikowych.
Firmy takie jak Mobileye badają architektury, w których różne systemy niezależnie sprawdzają otoczenie.
Technologia wciąż się rozwija.
Ostatecznie jednak kluczowe będzie pytanie:
Czy AI może stać się tak niezawodna, że autonomiczne auta będą potrzebować mniej zmysłów niż ludzie, czy najbezpieczniejsze maszyny będą potrzebować ich więcej?
Najczęściej zadawane pytania
Czy LiDAR jest lepszy od kamer w samochodach autonomicznych?
LiDAR wyróżnia się pomiarem odległości i precyzyjnymi danymi trójwymiarowymi. Kamery dostarczają bogatszych informacji wizualnych, takich jak kolory, znaki i sygnalizacja. W jeździe autonomicznej technologie te często się uzupełniają, zamiast bezpośrednio zastępować.
Czy Tesla używa LiDAR-u?
Tesla realizuje strategię skupioną na widzeniu i szeroko wykorzystuje AI opartą na kamerach.
Czy Waymo używa LiDAR-u?
Tak. Autonomiczny system Waymo łączy LiDAR z kamerami i innymi technologiami wykrywania.
Czy autonomiczny samochód może działać tylko z kamerami?
Zaawansowane systemy wspomagania mogą wykonywać wiele zadań za pomocą kamer i AI. Podejście wyłącznie kamerowe musi jednak radzić sobie ze słabą widocznością i niepewnością bez wsparcia innego rodzaju percepcji.
Dlaczego autonomiczne auta używają wielu czujników?
Czujniki mają różne zalety i sposoby zawodzenia. Łączenie kamer, LiDAR-u i radaru może zapewnić uzupełniające informacje oraz redundancję.
Jaka jest przyszłość LiDAR-u i pojazdów autonomicznych?
Może polegać na coraz bardziej zaawansowanych połączeniach AI, kamer, radaru i LiDAR-u, a nie na całkowitym zastąpieniu jednej technologii przez inną.