ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
讲的很透彻和易于理解了，作为研究CNN多年（虽然没啥成就😄）的一份子非常激动和欣慰。
非业内人士，能研究到这个程度，还能讲清楚，已经很了不起了，佩服up的学习能力
视频的作者能解释清了所有程序及设计原理，本身就已经是个高手了佩服👍
太棒了，头一次听到这么清晰的分析。
全部都是干货，up主辛苦了。关注一波！
讲得很棒，逻辑清晰，谦虚了
真是个人才，我作为一个工程师听都听不懂，但好像明白了为什么大厂的架构师可以拿天价薪酬
@@SKubric本科，也有很多专业的呀，我就是机械专业的，一脸懵逼
清晰透彻，非常感谢讲解👍 如果结尾能发散思维，预言一下，或者拓展想象一下特斯拉的未来，以及自动驾驶的未来，倒推一下当前自动驾驶的局限和缺点，判断一下将来大概率出现的新技术和人们需要攻克的技术难关就更好了。关于AI，深度学习，模型训练，不知在业内人士的眼中意味着怎样的未来？将来的低功耗嵌入式小设备是否也需要搭载AI模型？这方面将会有哪些新产品和新市场呢？😄
嵌入式设备最典型的就是nVidia的jetson系列，从入门的Nano到旗舰的Xavier，就是ARM+GPU的组合，配合CUDA的生态可以实现功能强大的终端设备。新品和新市场我理解就是最近开始火的边缘计算，根据具体业务场景定制高性能的信息处理终端，比如之前的老东家就是用jetson tx采集影像信息，多路汇聚到工作站进行图像计算，采集终端就是典型的边缘计算设备。
講解的非常清楚。
一口气看了很多期，必须点👍👍👍 关于特斯拉全视觉FSD一直有个疑问，模仿人类，可是没有人能看着1280*960的屏幕开车，除非超越人类。个人观点，在民航客机FSD之前，绝对不会坐FSD车。因为现代飞机早就可以全自动驾驶，比飞行员还可靠，但为什么没有普及？汽车比飞机面对的环境复杂程度大得多。
因为飞机贵啊，摔不起，一辆车和一条人命就便宜多了
Thanks for the great sharing
李飞飞这个人很出名。她在推特言论审查和控制言论自由方面做出了很大的成果。
的確，深有體會👍
独裁思维
聰明沒智慧所以只能當爪牙⋯⋯這樣的工具歷史上不會有痕跡的
里飛飛在推特開除了
歪嘴🐔
感谢大刘科普！！
純視覺最大問題無論遇到稍微髒汙或強光，還是物體、環境本身灰度與色彩太相近...等很多情況，採集的資訊難以用做有效判讀之用，甚至無效，但車子被要求極度安全，因此這種偶發都不能被允許。看了11月某車主用最新版FSD的測試，才毛毛雨FSD立刻將駕駛權交給人工。下雨時地面反光並非連續性，而是大幅跳動，而且反射的是遠處的光，用影像判讀很容易出錯，此案例說明FSD還有很長的路要走。
那么人眼+人脑 是如何判断的呢？
@@粪土洪流 ：我沒能力回覆，但思考一件事，目前沒看到FSD遇到坑洞有閃過去的例子，是無視坑洞還是根本不能判斷那是坑洞？假設一條柏油路剛鋪設完成，雨夜路面更黑，一小女孩全身黑躺在路上，攝影機看到的僅有破碎少許的反光，FSD會停下還是壓過去？人能瞬間辨識那是人，FSD能看出有人體忽然高出路面？還是當成雨夜的路面反光而已？
@@粪土洪流 人脑从还是鱼就开始几十亿年的穷举演化学习，人类如果能完全破解人脑思考方式那就能直接造出真人工智能了。
@@粪土洪流 在大雨天，没有光亮，人也辨不清方向的。
雖然理論上特斯拉的前目是多個不同焦段單目但有沒有可能通過演算得出類似雙目的作用反正像毫米波雷達也只測前方車距用這種方法說不定還可以求出前三台車的車距但個人覺得全視覺自駕如果只有250米的前方能力那麽永遠都不會是5級的因為老司機都知道上高速至少要向前看500到1000米甚至是一些細微處不然事故有時會閃的很驚險但還是覺得特斯拉很強啦！
是的，能有高像素才有可能提取出低像素的深度信息，你这说法没问题。
已经有了visual Lidar了啊，利用3D重建的结果作为真值可以建立2D映射到3D的点云。
有可能以后的lvl5的突破点在车与车的直接信息共享技术。毕竟即使探测1000米，也还是有局限，而如果可以得到前方五公里刚刚开过的车的数据，那就是真正的技术换代的大突破
自作为非专业出生 能讲到这个地步 厉害👍
博主讲的太棒了
太牛了 希望以后多出些干货 大刘就是厉害
3:30整个视频真的是硬核的分析，但是我来挑个刺啊。大刘可以看看人眼的视觉相关资料。其实，人眼也是做抽象，做轮廓提取后才能识别物体，这一点和卷积神经网络基本一致。严格来说，成年人看到的过程并不是由眼睛实现的，而是由大脑实现的。人眼能看清楚，是需要合适的分辨率，而不只是高分辨率。
高分辨率对物体的识别绝对驾驶方式很有帮助。比如你看到远方一只小动物在路边，如果你分辨率很高，通过尾巴的性状是毛乎乎还是细长无毛，就能看得出是猫还是负鼠，你就知道，猫可能以极快的速度冲到路上，而负鼠只能慢慢小步跑，那前者你就要小心了，后者你大可大大方方开过去，负鼠也来不及冲到路上
单目摄像机实现多目深度监测我理解是通过您视频中提到的t-1, t和t+1来实现的. 如果单目摄像头可以知道自身t-1, t和t+1在坐标系中的位置, 那么它自己就可以成为多目摄像机. 我记得读过一篇文章提到在天文观测中对恒星做距离判断时可以通过地球公转的位置差实现单一望远镜在公转直径这个范围上的双目视觉位差判断.
对，类似于合成孔径雷达
我明白了，通过Accelerometer Sensor可以算出t-1和t+1相对于t的位置，然后通过双目算法算出深度
@@DavidWang_Simply_The_Best 和合成孔径雷达有点不一样，合成孔径雷达有多个天线
大劉太強了❤❤❤❤❤
在没有倒车影像的年代，很多人倒车就只看一个后视镜，靠匀速倒车时，车尾角跟周围物体，如与墙或柱之间的相对运动关系，在后视镜中的变化速率，来判断车尾和周围物体之间的距离。
到现在我都是这样操作的。所以特斯拉这个架构理论上是可以通过摄像头的信息做到雷达探测效果的
分析再多，不如志穎一試。絕不成主顧，方能明哲保身。
全是干货。
请问，最近特斯拉传出来要升级前置主摄像头到800W像素，和新的高清雷达专利，这是为什么？结合离职消息是不是他们也遇到了瓶颈？
视觉也是需要车灯吧，看不清的时候开车灯。对于位置，移动和景深判定，雷达就相当于车灯，判断不清的时候，就开雷达。
雷达对安全性有短期内视觉系统无法企及的提高，而且价格也在迅速下降，很高兴特斯拉在考虑雷达。在雷达装上特斯拉之前我是不会考虑特斯拉
很厉害了
根據作者所說的事情 代表 除了還原3d場景 更可以藉由深度學習 預判路線變更 真是太牛拉
太精彩了
大劉可否談一談它如何用影像分析來避免撞上任何物體
深入浅出🎉🎉🎉
太精彩了这期，加油，是金子总会发光，坚持下去啊大刘。。。。
其实我是青铜...哈哈
学习了👍
请问这个内容的是出自发布会啥的吗？我想了解更多，能告诉一下吗？
18:45 看完了。為何有些沒有確定的事，是只問黑客？是否應也問問特斯拉的職員們呢？
其实从HW3.0变为HW4.0就已经有结论了，HW3.0时代，前视三目摄像头仍然是“三个单目”，但HW4.0实际上在用前视三目摄像头的最左和最右侧摄像头模拟双目立体视觉（看过实车你会发现，HW4.0前视摄像头视场角几乎无差），而且新的索尼摄像头图像比例也更符合人眼视角。再有，特斯拉在大陆的新Model 3宣发资料里，曾经隐约提到了类人眼的话术，所以不难推测换装HW4的特斯拉在用前视三目摄像头中的两个，模拟双目立体视觉算法（这么干的实际上远不止特斯拉一家）。另外，有一个细节相信大家也有印象，就是针对HW3车型的V12实际上比服务HW4的软件出现的更早，所以个人推测，摄像头硬件变更后，前视感知与目标识别的算法，可能根据硬件不同做出了调整。。。
挺硬核的
up主太厉害了
不是在可行是不能完善，人只靠兩眼就可行立體圖像識別現在計算能力只要手機等級就行，重點在視覺外沒有保證好比人在昏暗環境跌跌撞撞，所以才需要視覺以外的感應器加入計算，特斯拉視覺計算跟18650一樣只是一個過度不是終極方案
以美國的國力，叫全世界為特斯拉，專訂定一條免責條款，易如翻掌，如此以來，我也心動了，車禍時，車子自動駕駛，我就是乘客，雙方去做筆錄，一方人去，一方直連特斯拉中心，相信特斯拉，有能力記下車禍現況的,現場狀況，那車主省事多了，舉二手贊成，叫特斯拉趕快，推出全自動駕駛汽車，一定大賣的。
感觉很专业
哈哈哈，大刘那一脸认真的开玩笑确实有点可爱！ 加油大刘~ 这段文字很短，但我回过头来看，我也不知道我在讲什么~ 哈哈哈哈
一个有能力的画家能够把3维的世界画在2维的画纸上，同样的道理，一个2维的像素可以依靠画家的逻辑把它重新模拟成3维的空间，只不过这必须是得存在一定的容错率。
辛苦了
大刘能不能讲讲现在的fsd v12
其实Andrej早前是从OpenAi 培养出来的人才，之后才加入特斯拉，OpenAi是马斯克2015年创办的非营利人工智能开发组织，特斯拉自动驾驶神经网络底层架构是OpenAi开发的人工智能训练模型算法GTP3，当年微软还投资OpenAi 10亿美金开发这算法，Andrej能被马斯克选中领导特斯拉Ai团队应该是万里挑一，我倒想看看能取代Andrej会是哪位牛人
涨知识了
我想问：马斯克自己懂AI技术吗？
@@slrun78 深度学习并不难，有一些线性代数的背景就很容易理解
@@slrun78 马斯克10岁开始接触电脑，12岁学会编程代码写了一款太空电脑游戏名为Blaster，之后以500美金出售，29岁创办了在线银行x点com后来合并为PayPal，以15亿美金卖给eBay，所以你要的答案已经很明显
@@getstevenliu 期待你对Dojo超算的深度解读视频
太硬了，高手！讲解清晰到位。
博主能不能讲解一下华为自动驾驶？分别说一下特斯拉和华为自动驾驶谁更加安全可靠？
我国内的朋友说华为的自动驾驶比特斯拉的要好，因为他们除了摄像头，还用其他感应器如激光雷达。您有没有比较过两种系统实际操作的优劣？
我就想问360倒车影像为啥还不行。
大刘牛逼！特地完整看完，隔行如隔山，做医生的我表示完全不懂，但能感觉到大刘兄弟思路清晰的讲完了，哈哈！刚买了辆理想l9，自动驾驶功能感觉比特斯拉更灵，高速超车并线比特斯拉顺滑流畅，有时间讲讲国内的电动车企业用的什么方案
国内fsd是超级阉割版，和eap基本没啥区别。目前最厉害的fsdv11北美版的我看实操已经l4差不多了
我始终都觉得AI是画大饼的工具。如果整个AI设计的合理，公司又有足够的算力提供，他学习的时间不会很长，比如AlphaZero，成长的速度是很快的。但现在FSD还是什么其他的谷歌团队拿出来的，都没有能实现的作品，说明AI开车还是不可靠。我觉得AI现阶段最实际的成就，就是DeepMind出的那个判断蛋白质结构的。其他什么自学习的。靠照片训练的。实验室玩玩是可以的。BTW，如果真正自学习无监督的，他是不需要大量驾驶数据的。就和AlphaZero一样，他无需人类的棋谱进行训练。除了AI设计问题，现有设备的算力都是问题，耗费的能源。要带多大的电池来运作这巨大的电脑。
这样说，其实对算力要求是很高的。
十分感谢 做的很好
需要无数的telsa 驾驶出錢出力的牺牲奉献，要享受更好的体验，未來硬件的升级是必然的，FSD 是随机版需要另购新车。
果然非常複雜不簡單，但，這也說明了一件事，八個攝像頭其中有一個出問題，行車安全就面對嚴重的挑戰，然後這不是最嚴重的，幾乎所有人都用過電腦，電腦零件愈多，什麼時候部件出問題整台電腦就當機，而車子一旦部分當機而又不為人知，根本跟自殺無異。其次，無論科學實現如何不可能的技術，安全，永遠是第一位。如同已經可以發射火箭上太空，除掉所謂的成本問題，可以讓一般人民無條件乘坐火箭上太空嗎?看看美國這世界大國時不時發射火箭還是會爆炸。再其次，如果自駕已經很安全，飛機應該優先實施無人駕駛，畢竟人工成本太高了。最後，大型成人玩具，反正相信自駕而問題的，最後都是落得自己駕駛不安全這罪名。
我把特斯拉8个摄像头挡住4个它还可以自动驾驶， 你怎么解释
挡住4个摄像头，你开去平时没有特斯拉汽车经过的道路试试看。
@@franciscoantonio314 没问题啊， 肯定不会像楼主说的马上出现严重问题， 特斯拉没那么脆弱， 国产车可能马上死翘翘吧 哈哈哈
@@laterwell 如果四个摄像头有问题而特斯拉AI还让你自动驾驶，这就是很大问题。你仔细想想。
@@yao5921 蠢， 它不是马上停， 它是尽量handle， 如果它handle不了才会接管， 算了你都没有特斯拉， 就跟太监评论怎么床上持久一样🤭
如果同时应用了Lidar, 是否能简化整个系统的算法？
我是学自动控制的，并且在研读AI。我认为目前AI 自动驾驶还没有達到安全可靠的水平。最近两部特斯拉电车撞路栏就是例证。还有，锂电池起火爆炸燃烧也是严重的问题。
你能跑个模型就行了，这些问题不是你能够解决的😁
@@wangkindle8203 不管問題是不是我可以解決，這樣的車子在路上行走，對其它人是一種安全威脅。
@@wangkindle8203 你能解決嗎
锂电池起火是另外的问题。撞路栏的问题不知道你指的是不是林志颖的案例，一是FSD和国内的AP有所区别，二是静态识别是当前的难点。
科技要進步，安全問題始終是伴隨的，20世紀燃油車剛起步的時候，不也是各種各樣的安全問題麼，摸著石頭過河邊做邊學嘛，哪裡有一蹴而就的，done is better than perfect.
自動駕駛是馬斯克炒股的大餅！實際根本不符效益，跟火星移民如出一徹！火星最終不是人居住的，是大量無人挖礦機器人採礦才是正解！而自動駕駛天性就跟歐美人權自由相違背，你不能強制人民放棄燃油車！所以真正自動駕駛的未來，不是人駕駛，而是無人（機器人）電腦駕駛電車，人一律坐著，由行控中心來控制所有自動駕駛的車輛，意外才能避免！那跟現在搭計程車司機幫你開不是也是自動駕駛？所以自動駕駛都是假議題！無人駕駛計程車才是最終目標社會！
看了视频博主说的这些，我只能说自己的认知限制了我的理解，我折服了😂
牛人！解释很好👍
计算深度图没必要使用深度学习，OpenCV就做的很好了，计算t-1和t+1可通过Accelerometer Sensor来实现，算出t-1和t+1就是双目图像了
一直在加仓！
大佬可以点评下FSD每次迭代升级，然后未来的进度实现展望，单纯技术分析容易来瞌睡hhhh。
你讲解的是FSD v11？
巨大數據分析要快而準，行車電腦加衛星導航傳送速度又要快，萬-有些微唔差，恐怕。。。。。。
视觉避障最大的缺点就是如果计算机没有训练到的特殊情景，就直接撞上去了。比如之前的纸皮箱避障测试。
林志颖的事故
@@brianyoung1075 这个确实真实案例，因为稍微了解所谓人工智能算法的，都会发现，这些算法跟人脑学习的逻辑差了十万八千里。
需要无数的telsa 驾驶的牺牲奉献
雖然此次發生不幸的意外，但是自動輔助駕駛系統已接受學「訓練」，且「學習」到了本次的「經驗」，下次再遇到這個情況，自動駕駛系統就可做出正確「決策」，採取合宜的行動 ❤我個人感覺，這種處理方式不就和「疫苗推廣」一樣嗎 ？！😅
实际上去，离职是因为达不到特斯拉的要求，被解雇了，但面子要保存！你懂的！
講得好像 Dojo 已經裝機裝好開始奔馳了似的....
现在是端到端 是不是没有中间过程了
thx❤
是不是根本比不过加雷达呢？
看完覺得只講到辨識的部份，後面還要接 Reinforcement Learning 才能做到自動控制
为什么AI能标注物体，还需要去训练？直接把这个AI放在自动驾驶软件中不好吗？
关于Dispnet，你忘记车是运动的，车知道自己和对象的相对移动距离和速度，这不就是双目视觉的两个输入？三个时刻的图像就是三目...
干，太干了，一点水分也没有👍
谢谢支持。
八個攝像頭，前面有三個，左右各有兩個（一個看前、一個看後），後面有兩個，應該是 360 度環繞，而且是二維平面，怎麼會整合成三維立體空間呢 ？ 😮在別的視頻中說是 360 度環繞 😅實在不瞭解 😢如果是模擬人的視覺系統，至少前面應該有（攝入影像有視差）的兩個攝像頭才對啊 🌎再者，系統必須具備大腦視覺區將兩個有視差的影像，讓人類「看成」三維立體才對啊 🥺據某視頻的說明，前面三個攝像頭焦距分別為是遠、中、近焦距，「看」遠、「看」中、「看」近 ，並沒有考慮視差啊 😮
不知道自己理解的对不对，感觉自动驾驶到瓶颈了，0->99容易些，99->99.9999太难了
If you learnt close range photography, it is not hard to understand how to identify an object by distance, and angle.
只要發生事故後責任方還是司機，那就是不可行！
太厲害了這個視頻，中文字幕我全都看懂了，但完全看不懂內容
我自己回看一遍也懵了。。
特斯拉识别视觉图像时，将真实图像模糊化、抽象化了后再识别。那么在高速上，前面货车装载的细钢管违规伸出货车后挡板5米或10多米远。模糊抽象化了的图像里很可能看不到细钢管。若该货车突然减速，紧跟其后的特斯拉能识别出往后伸出10几米的细钢管吗？若不能，那就直接撞进钢管，撞穿特斯拉。
很好！受教了。对于我等小白而言，感觉似乎不错。马斯克一直说今年可以完善fsd。想请教一下大刘，按照你的判断，fsd能在短时间内实现全自动无人驾驶吗？
老特斯拉车主告诉你，三年内都不可能。
根据FSD的技术路线，其上限是L2自动驾驶，只不过他在L2中是最接近理想状态的，甩其他公司一大截。
@@ruanjiayang 目前应该勉强能用吧，有其他公司达到特斯拉的水平吗？我看其他厂商都号称L3、L4了
@@slrun78 我把特斯拉的FSD称为一个精美的大玩具，他是L2的上限，而其他厂家的自动驾驶称为一个粗糙的大玩具。根据目前的技术路线，公共交通场合的L3和L4是不可能达到的，这是理论上可以证明。不管识别得多么精准，算法必须具备自我认知当前哪些超出其识别能力的物体并告知驾驶员才算L3，而进一步的，这种情况下需要仍然保证安全态（比如行驶并停到一个安全通道上）才算得上L4。 需要提一句，目前低速自动驾驶比如泊车，以及封闭园区场景，可以做到近似L4，但那不是大众印象中的自动驾驶。
从L2到L3到L4，不仅仅是算法精度的提升问题，这是一个认识误区。而特斯拉做的很好的一个点也是它用L2的技术路线做到近似L3的交互效果，比如检测不到车道线了、检测到曲率异常的车道线、检测到矛盾的限速信息等他就会自动退出并告知驾驶员，这是他产品设计的能力。
水平有限，看不懂啊！但是还是要支持一下！
谢谢！！
实际使用的经验来看Tesla的FSD是有瑕疵的。最初放弃LiDAR 很可能是个战略性错误。
我同意你的观点，你费了半天功夫处理数据得到的景深信息（还做不到准确），别人可以直接从雷达上读取到。这不就意味着特斯拉单在‘从2d图面读取景深’这一个技术方面，白干了这么多年吗？你花了2个小时用了三页草稿纸算出答案，却瞅到了别人计算器屏幕上相同的答案。
最致命的还是纯视觉方案巨大运算量带来的功耗。我自己实测每小时1.3-2.0kw🤓。我赶紧清仓了所有的TSLA
@@baozili5674 所以之前吹的2022年特斯拉推出无人出租车上路，现在连个原型机都做不出来。FSD的负责人离职实际上是板上钉钉的事。唯一的问题是。他是怎么拖了这么久才走🤓
@@hansolo4000年年都这么说。。。饼越画越大，机器人都编出来了。。。4680电池一顿猛吹成本降低，行业突破云云，然后整车带着“更低成本的电池”再涨一波价。特斯拉为了稳定投资人，保持股价，不得不隔一段时间就要弄出来一个“行业突破，改变格局”。奈何做饼的速度远远赶不上画饼，特斯拉是对汽车工业有巨大贡献的，它不会倒，但绝对会在这上面狠狠摔一跤。
@@hansolo4000 老板刚刚看出来
特斯拉属于被动反应自动驾驶，随着5G到来，当万车互联，自动驾驶只是一个简单的终端机，前面车cut in，不再是被动的应急反应，而是发收信息后的主动调整。
我稱它位駕駛自動化，這是終極方案
5g要铺设到所有有车的地方还得所有路边路上的物体也得万物互联，你才能随意依靠5g自动驾驶，这一天估计还得一百年，在那之前你还是需要基于视觉之类的自动驾驶
的確，在實務環境中並非車輛納入 5G 網路即可，是所有環境中的「物件」都要納入 5G 網路😅因此，車輛自動駕駛還是不可或缺的 🎉
大劉應是忠實特粉. 特斯拉那麽多次撞樹意外都認為自駕系統有效. 同類意外若發生在非美國品牌車上, 早已被美國罰到破產.
今天，林志颖开特斯拉撞路灯了！
单目如何识别深度信息，可以参考 mobileye的研究， adas领域单目摄像头方案的领军者
有论文吗？
攝像頭所攝入的的影像是二維平面，對處理圖像的卷積神經網路而言，是輸入「二維矩陣」再加以運算 🌎它有人類視覺功能嗎 🌎問卦 🎉
謝謝博主分享。想請教一下。各種Generative AI 系統都有接雲的，一般算力都不是問題。FSD12.3行車時沒有接網的是嗎？就獨立一個系統就做到這個程度？想了解多些。
不用即時連網，靠車內的運算晶片就能即時運行訓練好的 FSD v12 神經網路模型。
@@HelloCSharp2012 謝謝！
@@alvinlai3051 是不是心動的想買 TSLA 股票了?
@@HelloCSharp2012 已在潛水了😅只是沒想到一片GPU就可以，而且是自家的，也不是高階到不能入華的，也不會太貴。
国内你没有考虑开个吗 b站有吗
大家都不看每年特斯拉的AI day内容吗。😂其实目标检测、语义分割这些，只要玩自动驾驶的公司都能做，但是特斯拉真正牛逼是能在这么短时间内做到精度持续的提升（很多项目管理做不好的公司找不到自己的瓶颈在哪），一年一个或2个版本的速度迭代并且每次都有大量的更新，以致于在敢于先上路后更新的程度。另外FSD真正做的好的点是在一些复杂路况下的策略，特别是在没有高精地图的情况下，无缝衔接全局的2D导航地图和本地的局部3D地图，测试视频中（包括非常复杂的左转、右转路口、环岛、没有什么车道线的普通道路）很少出现失误或者主动退出自动驾驶的情况。
林志颖？
@@brianyoung1075 林志颖的事故还没调查清楚呢，八成是他自己走神了。另外你要比较这个值：出事故次数/开启自动驾驶的车辆数。这个比值才有意义，个别案例没有意义。
估计多半是他小孩在旁边干扰他了
很多时候只是策略上的激进，现在这个时代看，tesla的硬件感知能力太垃圾了
@@networkmisaka9279 感知能力是算法决定的，硬件只是保证了帧率。
一碰就着，可燃性杠杠的
不错，主播是编软件的吗？
❤👍大刘！牛牛牛！高高高！如果马斯克做成了，韭菜都被刨掉了须根都值啦！
听不懂，但知道特斯拉多项技术是牛逼
实时得到深度信息而避免碰撞是必须的。特斯拉最终还是要选择雷达测距，并且这种设备也已经很便宜。
已经取消雷达了😂
自動駕駛，技術早已經百分百沒問題，最主要的是，出車禍時，不管撞人或被撞，車主可以不用去做筆錄能立法，跟你說，這世界，不用一年，沒自動駕駛的車，將永遠從地球消失。如果這法不能過，車禍車主還是得上警局做筆錄，不是白搭！趕快在各國國會使把勁，像侵犯知識產權，等同以刑法辦理，軟體業都有這能耐了，電動車商，靠山一樣很硬，立法通過，我立馬買一台。
不是「視覺」感測器，是「影像」感測器 😊
源神启动。。。诶，咋回事儿？咋用的谷歌和facebook的东西？😂
讲的很透彻和易于理解了，作为研究CNN多年（虽然没啥成就😄）的一份子非常激动和欣慰。
非业内人士，能研究到这个程度，还能讲清楚，已经很了不起了，佩服up的学习能力
视频的作者能解释清了所有程序及设计原理，本身就已经是个高手了佩服👍
太棒了，头一次听到这么清晰的分析。
全部都是干货，up主辛苦了。关注一波！
讲得很棒，逻辑清晰，谦虚了
真是个人才，我作为一个工程师听都听不懂，但好像明白了为什么大厂的架构师可以拿天价薪酬
@@SKubric本科，也有很多专业的呀，我就是机械专业的，一脸懵逼
清晰透彻，非常感谢讲解👍 如果结尾能发散思维，预言一下，或者拓展想象一下特斯拉的未来，以及自动驾驶的未来，倒推一下当前自动驾驶的局限和缺点，判断一下将来大概率出现的新技术和人们需要攻克的技术难关就更好了。关于AI，深度学习，模型训练，不知在业内人士的眼中意味着怎样的未来？将来的低功耗嵌入式小设备是否也需要搭载AI模型？这方面将会有哪些新产品和新市场呢？😄
嵌入式设备最典型的就是nVidia的jetson系列，从入门的Nano到旗舰的Xavier，就是ARM+GPU的组合，配合CUDA的生态可以实现功能强大的终端设备。新品和新市场我理解就是最近开始火的边缘计算，根据具体业务场景定制高性能的信息处理终端，比如之前的老东家就是用jetson tx采集影像信息，多路汇聚到工作站进行图像计算，采集终端就是典型的边缘计算设备。
講解的非常清楚。
一口气看了很多期，必须点👍👍👍 关于特斯拉全视觉FSD一直有个疑问，模仿人类，可是没有人能看着1280*960的屏幕开车，除非超越人类。个人观点，在民航客机FSD之前，绝对不会坐FSD车。因为现代飞机早就可以全自动驾驶，比飞行员还可靠，但为什么没有普及？汽车比飞机面对的环境复杂程度大得多。
因为飞机贵啊，摔不起，一辆车和一条人命就便宜多了
Thanks for the great sharing
李飞飞这个人很出名。她在推特言论审查和控制言论自由方面做出了很大的成果。
的確，深有體會👍
独裁思维
聰明沒智慧所以只能當爪牙⋯⋯這樣的工具歷史上不會有痕跡的
里飛飛在推特開除了
歪嘴🐔
感谢大刘科普！！
純視覺最大問題無論遇到稍微髒汙或強光，
還是物體、環境本身灰度與色彩太相近...等很多情況，
採集的資訊難以用做有效判讀之用，甚至無效，
但車子被要求極度安全，因此這種偶發都不能被允許。
看了11月某車主用最新版FSD的測試，才毛毛雨FSD立刻將駕駛權交給人工。
下雨時地面反光並非連續性，而是大幅跳動，而且反射的是遠處的光，
用影像判讀很容易出錯，此案例說明FSD還有很長的路要走。
那么人眼+人脑 是如何判断的呢？
@@粪土洪流 ：
我沒能力回覆，但思考一件事，
目前沒看到FSD遇到坑洞有閃過去的例子，是無視坑洞還是根本不能判斷那是坑洞？
假設一條柏油路剛鋪設完成，雨夜路面更黑，
一小女孩全身黑躺在路上，攝影機看到的僅有破碎少許的反光，
FSD會停下還是壓過去？
人能瞬間辨識那是人，
FSD能看出有人體忽然高出路面？
還是當成雨夜的路面反光而已？
@@粪土洪流 人脑从还是鱼就开始几十亿年的穷举演化学习，人类如果能完全破解人脑思考方式那就能直接造出真人工智能了。
@@粪土洪流
在大雨天，没有光亮，人也辨不清方向的。
雖然理論上
特斯拉的前目是多個不同焦段單目
但有沒有可能通過演算
得出類似雙目的作用
反正像毫米波雷達
也只測前方車距
用這種方法
說不定還可以求出前三台車的車距
但個人覺得
全視覺自駕
如果只有250米的前方能力
那麽永遠都不會是5級的
因為老司機都知道
上高速至少要向前看500到1000米
甚至是一些細微處
不然事故有時會閃的很驚險
但還是覺得特斯拉很強啦！
是的，能有高像素才有可能提取出低像素的深度信息，你这说法没问题。
已经有了visual Lidar了啊，利用3D重建的结果作为真值可以建立2D映射到3D的点云。
有可能以后的lvl5的突破点在车与车的直接信息共享技术。毕竟即使探测1000米，也还是有局限，而如果可以得到前方五公里刚刚开过的车的数据，那就是真正的技术换代的大突破
自作为非专业出生 能讲到这个地步 厉害👍
博主讲的太棒了
太牛了 希望以后多出些干货 大刘就是厉害
3:30整个视频真的是硬核的分析，但是我来挑个刺啊。
大刘可以看看人眼的视觉相关资料。其实，人眼也是做抽象，做轮廓提取后才能识别物体，这一点和卷积神经网络基本一致。
严格来说，成年人看到的过程并不是由眼睛实现的，而是由大脑实现的。
人眼能看清楚，是需要合适的分辨率，而不只是高分辨率。
高分辨率对物体的识别绝对驾驶方式很有帮助。比如你看到远方一只小动物在路边，如果你分辨率很高，通过尾巴的性状是毛乎乎还是细长无毛，就能看得出是猫还是负鼠，你就知道，猫可能以极快的速度冲到路上，而负鼠只能慢慢小步跑，那前者你就要小心了，后者你大可大大方方开过去，负鼠也来不及冲到路上
单目摄像机实现多目深度监测我理解是通过您视频中提到的t-1, t和t+1来实现的. 如果单目摄像头可以知道自身t-1, t和t+1在坐标系中的位置, 那么它自己就可以成为多目摄像机. 我记得读过一篇文章提到在天文观测中对恒星做距离判断时可以通过地球公转的位置差实现单一望远镜在公转直径这个范围上的双目视觉位差判断.
对，类似于合成孔径雷达
我明白了，通过Accelerometer Sensor可以算出t-1和t+1相对于t的位置，然后通过双目算法算出深度
@@DavidWang_Simply_The_Best 和合成孔径雷达有点不一样，合成孔径雷达有多个天线
大劉太強了❤❤❤❤❤
在没有倒车影像的年代，很多人倒车就只看一个后视镜，靠匀速倒车时，车尾角跟周围物体，如与墙或柱之间的相对运动关系，在后视镜中的变化速率，来判断车尾和周围物体之间的距离。
到现在我都是这样操作的。所以特斯拉这个架构理论上是可以通过摄像头的信息做到雷达探测效果的
分析再多，不如志穎一試。
絕不成主顧，方能明哲保身。
全是干货。
请问，最近特斯拉传出来要升级前置主摄像头到800W像素，和新的高清雷达专利，这是为什么？结合离职消息是不是他们也遇到了瓶颈？
视觉也是需要车灯吧，看不清的时候开车灯。对于位置，移动和景深判定，雷达就相当于车灯，判断不清的时候，就开雷达。
雷达对安全性有短期内视觉系统无法企及的提高，而且价格也在迅速下降，很高兴特斯拉在考虑雷达。在雷达装上特斯拉之前我是不会考虑特斯拉
很厉害了
根據作者所說的事情 代表 除了還原3d場景 更可以藉由深度學習 預判路線變更 真是太牛拉
太精彩了
大劉可否談一談它如何用影像分析來避免撞上任何物體
深入浅出🎉🎉🎉
太精彩了这期，加油，是金子总会发光，坚持下去啊大刘。。。。
其实我是青铜...哈哈
学习了👍
请问这个内容的是出自发布会啥的吗？我想了解更多，能告诉一下吗？
18:45 看完了。為何有些沒有確定的事，是只問黑客？是否應也問問特斯拉的職員們呢？
其实从HW3.0变为HW4.0就已经有结论了，HW3.0时代，前视三目摄像头仍然是“三个单目”，但HW4.0实际上在用前视三目摄像头的最左和最右侧摄像头模拟双目立体视觉（看过实车你会发现，HW4.0前视摄像头视场角几乎无差），而且新的索尼摄像头图像比例也更符合人眼视角。再有，特斯拉在大陆的新Model 3宣发资料里，曾经隐约提到了类人眼的话术，所以不难推测换装HW4的特斯拉在用前视三目摄像头中的两个，模拟双目立体视觉算法（这么干的实际上远不止特斯拉一家）。另外，有一个细节相信大家也有印象，就是针对HW3车型的V12实际上比服务HW4的软件出现的更早，所以个人推测，摄像头硬件变更后，前视感知与目标识别的算法，可能根据硬件不同做出了调整。。。
挺硬核的
up主太厉害了
不是在可行是不能完善，人只靠兩眼就可行立體圖像識別現在計算能力只要手機等級就行，重點在視覺外沒有保證好比人在昏暗環境跌跌撞撞，所以才需要視覺以外的感應器加入計算，特斯拉視覺計算跟18650一樣只是一個過度不是終極方案
以美國的國力，叫全世界為特斯拉，專訂定一條免責條款，易如翻掌，如此以來，我也心動了，車禍時，車子自動駕駛，我就是乘客，雙方去做筆錄，一方人去，一方直連特斯拉中心，相信特斯拉，有能力記下車禍現況的,現場狀況，那車主省事多了，舉二手贊成，叫特斯拉趕快，推出全自動駕駛汽車，一定大賣的。
感觉很专业
哈哈哈，大刘那一脸认真的开玩笑确实有点可爱！ 加油大刘~ 这段文字很短，但我回过头来看，我也不知道我在讲什么~ 哈哈哈哈
一个有能力的画家能够把3维的世界画在2维的画纸上，同样的道理，一个2维的像素可以依靠画家的逻辑把它重新模拟成3维的空间，只不过这必须是得存在一定的容错率。
辛苦了
大刘能不能讲讲现在的fsd v12
其实Andrej早前是从OpenAi 培养出来的人才，之后才加入特斯拉，OpenAi是马斯克2015年创办的非营利人工智能开发组织，特斯拉自动驾驶神经网络底层架构是OpenAi开发的人工智能训练模型算法GTP3，当年微软还投资OpenAi 10亿美金开发这算法，Andrej能被马斯克选中领导特斯拉Ai团队应该是万里挑一，我倒想看看能取代Andrej会是哪位牛人
涨知识了
我想问：马斯克自己懂AI技术吗？
@@slrun78 深度学习并不难，有一些线性代数的背景就很容易理解
@@slrun78 马斯克10岁开始接触电脑，12岁学会编程代码写了一款太空电脑游戏名为Blaster，之后以500美金出售，29岁创办了在线银行x点com后来合并为PayPal，以15亿美金卖给eBay，所以你要的答案已经很明显
@@getstevenliu 期待你对Dojo超算的深度解读视频
太硬了，高手！讲解清晰到位。
博主能不能讲解一下华为自动驾驶？分别说一下特斯拉和华为自动驾驶谁更加安全可靠？
我国内的朋友说华为的自动驾驶比特斯拉的要好，因为他们除了摄像头，还用其他感应器如激光雷达。您有没有比较过两种系统实际操作的优劣？
我就想问360倒车影像为啥还不行。
大刘牛逼！特地完整看完，隔行如隔山，做医生的我表示完全不懂，但能感觉到大刘兄弟思路清晰的讲完了，哈哈！刚买了辆理想l9，自动驾驶功能感觉比特斯拉更灵，高速超车并线比特斯拉顺滑流畅，有时间讲讲国内的电动车企业用的什么方案
国内fsd是超级阉割版，和eap基本没啥区别。目前最厉害的fsdv11北美版的我看实操已经l4差不多了
我始终都觉得AI是画大饼的工具。如果整个AI设计的合理，公司又有足够的算力提供，他学习的时间不会很长，比如AlphaZero，成长的速度是很快的。但现在FSD还是什么其他的谷歌团队拿出来的，都没有能实现的作品，说明AI开车还是不可靠。我觉得AI现阶段最实际的成就，就是DeepMind出的那个判断蛋白质结构的。其他什么自学习的。靠照片训练的。实验室玩玩是可以的。BTW，如果真正自学习无监督的，他是不需要大量驾驶数据的。就和AlphaZero一样，他无需人类的棋谱进行训练。除了AI设计问题，现有设备的算力都是问题，耗费的能源。要带多大的电池来运作这巨大的电脑。
这样说，其实对算力要求是很高的。
十分感谢 做的很好
需要无数的telsa 驾驶出錢出力的牺牲奉献，要享受更好的体验，未來硬件的升级是必然的，FSD 是随机版
需要另购新车。
果然非常複雜不簡單，但，這也說明了一件事，八個攝像頭其中有一個出問題，行車安全就面對嚴重的挑戰，然後這不是最嚴重的，幾乎所有人都用過電腦，電腦零件愈多，什麼時候部件出問題整台電腦就當機，而車子一旦部分當機而又不為人知，根本跟自殺無異。
其次，無論科學實現如何不可能的技術，安全，永遠是第一位。如同已經可以發射火箭上太空，除掉所謂的成本問題，可以讓一般人民無條件乘坐火箭上太空嗎?看看美國這世界大國時不時發射火箭還是會爆炸。再其次，如果自駕已經很安全，飛機應該優先實施無人駕駛，畢竟人工成本太高了。最後，大型成人玩具，反正相信自駕而問題的，最後都是落得自己駕駛不安全這罪名。
我把特斯拉8个摄像头挡住4个它还可以自动驾驶， 你怎么解释
挡住4个摄像头，你开去平时没有特斯拉汽车经过的道路试试看。
@@franciscoantonio314 没问题啊， 肯定不会像楼主说的马上出现严重问题， 特斯拉没那么脆弱， 国产车可能马上死翘翘吧 哈哈哈
@@laterwell 如果四个摄像头有问题而特斯拉AI还让你自动驾驶，这就是很大问题。你仔细想想。
@@yao5921 蠢， 它不是马上停， 它是尽量handle， 如果它handle不了才会接管， 算了你都没有特斯拉， 就跟太监评论怎么床上持久一样🤭
如果同时应用了Lidar, 是否能简化整个系统的算法？
我是学自动控制的，并且在研读AI。我认为目前AI 自动驾驶还没有達到安全可靠的水平。最近两部特斯拉电车撞路栏就是例证。还有，锂电池起火爆炸燃烧也是严重的问题。
你能跑个模型就行了，这些问题不是你能够解决的😁
@@wangkindle8203
不管問題是不是我可以解決，這樣的車子在路上行走，對其它人是一種安全威脅。
@@wangkindle8203 你能解決嗎
锂电池起火是另外的问题。撞路栏的问题不知道你指的是不是林志颖的案例，一是FSD和国内的AP有所区别，二是静态识别是当前的难点。
科技要進步，安全問題始終是伴隨的，20世紀燃油車剛起步的時候，不也是各種各樣的安全問題麼，摸著石頭過河邊做邊學嘛，哪裡有一蹴而就的，done is better than perfect.
自動駕駛是馬斯克炒股的大餅！實際根本不符效益，跟火星移民如出一徹！火星最終不是人居住的，是大量無人挖礦機器人採礦才是正解！而自動駕駛天性就跟歐美人權自由相違背，你不能強制人民放棄燃油車！所以真正自動駕駛的未來，不是人駕駛，而是無人（機器人）電腦駕駛電車，人一律坐著，由行控中心來控制所有自動駕駛的車輛，意外才能避免！那跟現在搭計程車司機幫你開不是也是自動駕駛？所以自動駕駛都是假議題！無人駕駛計程車才是最終目標社會！
看了视频博主说的这些，我只能说自己的认知限制了我的理解，我折服了😂
牛人！解释很好👍
计算深度图没必要使用深度学习，OpenCV就做的很好了，计算t-1和t+1可通过Accelerometer Sensor来实现，算出t-1和t+1就是双目图像了
一直在加仓！
大佬可以点评下FSD每次迭代升级，然后未来的进度实现展望，单纯技术分析容易来瞌睡hhhh。
你讲解的是FSD v11？
巨大數據分析要快而準，行車電腦加衛星導航傳送速度又要快，萬-有些微唔差，恐怕。。。。。。
视觉避障最大的缺点就是如果计算机没有训练到的特殊情景，就直接撞上去了。比如之前的纸皮箱避障测试。
林志颖的事故
@@brianyoung1075 这个确实真实案例，因为稍微了解所谓人工智能算法的，都会发现，这些算法跟人脑学习的逻辑差了十万八千里。
需要无数的telsa 驾驶的牺牲奉献
雖然此次發生不幸的意外，
但是自動輔助駕駛系統已
接受學「訓練」，且「學習」到了本次的「經驗」，
下次再遇到這個情況，自動駕駛系統就可
做出正確「決策」，採取合宜的行動 ❤
我個人感覺，
這種處理方式不就和「疫苗推廣」一樣嗎 ？！
😅
实际上去，离职是因为达不到特斯拉的要求，被解雇了，但面子要保存！你懂的！
講得好像 Dojo 已經裝機裝好開始奔馳了似的....
现在是端到端 是不是没有中间过程了
thx❤
是不是根本比不过加雷达呢？
看完覺得只講到辨識的部份，後面還要接 Reinforcement Learning 才能做到自動控制
为什么AI能标注物体，还需要去训练？直接把这个AI放在自动驾驶软件中不好吗？
关于Dispnet，你忘记车是运动的，车知道自己和对象的相对移动距离和速度，这不就是双目视觉的两个输入？三个时刻的图像就是三目...
干，太干了，一点水分也没有👍
谢谢支持。
八個攝像頭，
前面有三個，
左右各有兩個（一個看前、一個看後），
後面有兩個，
應該是 360 度環繞，而且是二維平面，怎麼會整合成三維立體空間呢 ？ 😮
在別的視頻中說是 360 度
環繞 😅
實在不瞭解 😢
如果是模擬人的視覺系統，至少前面應該有（攝入影像有視差）的兩個攝像頭才對啊 🌎
再者，系統必須具備大腦視覺區將兩個有視差的影像，讓人類「看成」三維立體才對啊 🥺
據某視頻的說明，前面三個攝像頭焦距分別為是遠、中、近焦距，
「看」遠、「看」中、「看」近 ，
並沒有考慮視差啊 😮
不知道自己理解的对不对，感觉自动驾驶到瓶颈了，0->99容易些，99->99.9999太难了
If you learnt close range photography, it is not hard to understand how to identify an object by distance, and angle.
只要發生事故後責任方還是司機，那就是不可行！
太厲害了這個視頻，中文字幕我全都看懂了，但完全看不懂內容
我自己回看一遍也懵了。。
特斯拉识别视觉图像时，将真实图像模糊化、抽象化了后再识别。那么在高速上，前面货车装载的细钢管违规伸出货车后挡板5米或10多米远。模糊抽象化了的图像里很可能看不到细钢管。若该货车突然减速，紧跟其后的特斯拉能识别出往后伸出10几米的细钢管吗？若不能，那就直接撞进钢管，撞穿特斯拉。
很好！受教了。对于我等小白而言，感觉似乎不错。
马斯克一直说今年可以完善fsd。想请教一下大刘，按照你的判断，fsd能在短时间内实现全自动无人驾驶吗？
老特斯拉车主告诉你，三年内都不可能。
根据FSD的技术路线，其上限是L2自动驾驶，只不过他在L2中是最接近理想状态的，甩其他公司一大截。
@@ruanjiayang 目前应该勉强能用吧，有其他公司达到特斯拉的水平吗？我看其他厂商都号称L3、L4了
@@slrun78 我把特斯拉的FSD称为一个精美的大玩具，他是L2的上限，而其他厂家的自动驾驶称为一个粗糙的大玩具。根据目前的技术路线，公共交通场合的L3和L4是不可能达到的，这是理论上可以证明。不管识别得多么精准，算法必须具备自我认知当前哪些超出其识别能力的物体并告知驾驶员才算L3，而进一步的，这种情况下需要仍然保证安全态（比如行驶并停到一个安全通道上）才算得上L4。 需要提一句，目前低速自动驾驶比如泊车，以及封闭园区场景，可以做到近似L4，但那不是大众印象中的自动驾驶。
从L2到L3到L4，不仅仅是算法精度的提升问题，这是一个认识误区。而特斯拉做的很好的一个点也是它用L2的技术路线做到近似L3的交互效果，比如检测不到车道线了、检测到曲率异常的车道线、检测到矛盾的限速信息等他就会自动退出并告知驾驶员，这是他产品设计的能力。
水平有限，看不懂啊！但是还是要支持一下！
谢谢！！
实际使用的经验来看Tesla的FSD是有瑕疵的。最初放弃LiDAR 很可能是个战略性错误。
我同意你的观点，你费了半天功夫处理数据得到的景深信息（还做不到准确），别人可以直接从雷达上读取到。这不就意味着特斯拉单在‘从2d图面读取景深’这一个技术方面，白干了这么多年吗？你花了2个小时用了三页草稿纸算出答案，却瞅到了别人计算器屏幕上相同的答案。
最致命的还是纯视觉方案巨大运算量带来的功耗。我自己实测每小时1.3-2.0kw🤓。我赶紧清仓了所有的TSLA
@@baozili5674 所以之前吹的2022年特斯拉推出无人出租车上路，现在连个原型机都做不出来。FSD的负责人离职实际上是板上钉钉的事。唯一的问题是。他是怎么拖了这么久才走🤓
@@hansolo4000年年都这么说。。。饼越画越大，机器人都编出来了。。。4680电池一顿猛吹成本降低，行业突破云云，然后整车带着“更低成本的电池”再涨一波价。特斯拉为了稳定投资人，保持股价，不得不隔一段时间就要弄出来一个“行业突破，改变格局”。奈何做饼的速度远远赶不上画饼，特斯拉是对汽车工业有巨大贡献的，它不会倒，但绝对会在这上面狠狠摔一跤。
@@hansolo4000 老板刚刚看出来
特斯拉属于被动反应自动驾驶，随着5G到来，当万车互联，自动驾驶只是一个简单的终端机，前面车cut in，不再是被动的应急反应，而是发收信息后的主动调整。
我稱它位駕駛自動化，這是終極方案
5g要铺设到所有有车的地方还得所有路边路上的物体也得万物互联，你才能随意依靠5g自动驾驶，这一天估计还得一百年，在那之前你还是需要基于视觉之类的自动驾驶
的確，在實務環境中並非車輛納入 5G 網路即可，是所有環境中的「物件」都要
納入 5G 網路
😅
因此，車輛自動駕駛還是不可或缺的 🎉
大劉應是忠實特粉. 特斯拉那麽多次撞樹意外都認為自駕系統有效. 同類意外若發生在非美國品牌車上, 早已被美國罰到破產.
今天，林志颖开特斯拉撞路灯了！
单目如何识别深度信息，可以参考 mobileye的研究， adas领域单目摄像头方案的领军者
有论文吗？
攝像頭所攝入的的影像是二維平面，對處理圖像的卷積神經網路而言，是輸入「二維矩陣」再加以運算 🌎
它有人類視覺
功能嗎 🌎
問卦 🎉
謝謝博主分享。想請教一下。各種Generative AI 系統都有接雲的，一般算力都不是問題。FSD12.3行車時沒有接網的是嗎？就獨立一個系統就做到這個程度？想了解多些。
不用即時連網，靠車內的運算晶片就能即時運行訓練好的 FSD v12 神經網路模型。
@@HelloCSharp2012 謝謝！
@@alvinlai3051 是不是心動的想買 TSLA 股票了?
@@HelloCSharp2012 已在潛水了😅只是沒想到一片GPU就可以，而且是自家的，也不是高階到不能入華的，也不會太貴。
国内你没有考虑开个吗 b站有吗
大家都不看每年特斯拉的AI day内容吗。😂其实目标检测、语义分割这些，只要玩自动驾驶的公司都能做，但是特斯拉真正牛逼是能在这么短时间内做到精度持续的提升（很多项目管理做不好的公司找不到自己的瓶颈在哪），一年一个或2个版本的速度迭代并且每次都有大量的更新，以致于在敢于先上路后更新的程度。另外FSD真正做的好的点是在一些复杂路况下的策略，特别是在没有高精地图的情况下，无缝衔接全局的2D导航地图和本地的局部3D地图，测试视频中（包括非常复杂的左转、右转路口、环岛、没有什么车道线的普通道路）很少出现失误或者主动退出自动驾驶的情况。
林志颖？
@@brianyoung1075 林志颖的事故还没调查清楚呢，八成是他自己走神了。另外你要比较这个值：出事故次数/开启自动驾驶的车辆数。这个比值才有意义，个别案例没有意义。
估计多半是他小孩在旁边干扰他了
很多时候只是策略上的激进，现在这个时代看，tesla的硬件感知能力太垃圾了
@@networkmisaka9279 感知能力是算法决定的，硬件只是保证了帧率。
一碰就着，可燃性杠杠的
不错，主播是编软件的吗？
❤👍大刘！牛牛牛！高高高！如果马斯克做成了，韭菜都被刨掉了须根都值啦！
听不懂，但知道特斯拉多项技术是牛逼
实时得到深度信息而避免碰撞是必须的。特斯拉最终还是要选择雷达测距，并且这种设备也已经很便宜。
已经取消雷达了😂
自動駕駛，技術早已經百分百沒問題，最主要的是，出車禍時，不管撞人或被撞，車主可以不用去做筆錄能立法，跟你說，這世界，不用一年，沒自動駕駛的車，將永遠從地球消失。如果這法不能過，車禍車主還是得上警局做筆錄，不是白搭！趕快在各國國會使把勁，像侵犯知識產權，等同以刑法辦理，軟體業都有這能耐了，電動車商，靠山一樣很硬，立法通過，我立馬買一台。
不是「視覺」感測器，是「影像」感測器 😊
源神启动。。。诶，咋回事儿？咋用的谷歌和facebook的东西？😂