ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
想要够安全肯定要结合人工智能,这是未来的事,所以视觉也好、雷达也好,在将来足够好的人工智能面前都无所谓。
分析的很深入很到位,不過有一點分享一下NPU算力越強,在車上並不是用來讓學習能力越強(學習的部分是在研發中心的超級電腦中學習把學習完的模型參數拿到車上的NPU進行推論,車上的NPU只是用來推論。
请教,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。
这个不就是博主讲的关于车辆长度的识别还是个问题,有待改进@@KingofRationality
谢谢大刘,正在应聘芯片公司,感谢你出的干货。
讲的真好,专业,学到不少知识👍
谢谢支持
分析得很詳盡,但老實說雖然激光雷達與視覺方案都會受惡劣環境影響,但視覺的問題大多了,我開了三年的特斯拉一直都有幽靈煞車問題,視覺要完全不誤判還是有一段路要走,也許永遠走不到
你自己是根据视觉还是激光雷达来开车的? 视觉已经在你身上验证过了, 而激光雷达还没有。 所以肯定的是视觉是可行的, 需要多长时间不知道。
等一下吧,现在用的都是老版本,他们已经完全放弃了,等全新的惊人的自动驾驶系统出来,说的是今年肯定来
现阶段纠结哪个好哪个坏没有意义 如果视觉已经完美 那么上帝就不会进化出触觉 特斯拉不配置极光雷达的唯一原因就是成本 未来极光雷达一定是搭配摄像头共同实现完整的自动驾驶
感谢博主科普!
谢谢支持。
其实重要的是人工智能。摄像头和激光雷达都能分辨环境。叫车子怎么去应对才是重点。要教如何看懂交通指标和交警的指示,还要了解现实中人类有时不会遵守规则
关键是活到老学到老, 机器也是。
无法克服天气及光线因素,可以下结论,全自动驾驶无法实现,但是辅助驾驶则可以超过人单独驾驶的安全性。
很棒,内容很充实~
谢谢!
目前 特斯拉 全自动驾驶 的主要竞争对手是黑客 GEOHOTZ 搞的 commi ai 目前好像出到 commi ai 3x 了@@getstevenliu
未来特斯拉的发展应该是这样的,视觉人工智能fsd作为硬件和软件系统,加载到各种车型,不管是电动还是油车 ,都会采用这个系统,缴纳服务费模式,最终形成ai汽车的概念
純視覺就是模彷人類,複雜簡單化也就是第一性原理,光達加高精地圖最終也衹能夠在城市開。惡劣環境下,人類也選擇暫時停下,特斯拉並不去強行解決,以後也可能解決,至少在人類駕駛環境中,純視覺是最優解,特斯拉並非無腦選,至少一開始特斯拉也是嘗試雷達的,包括一開始特斯拉也嘗試過換電模式,而且他現在也可以換電,馬斯克並不固執,他所奉行的是盡量簡化,直接,解決。
支持!!!!!
FSD = Future Self Driving 😅
永遠都在未來
能分享一下您影片內容的參考資料來源嗎?
X86架构会不会落后一点?比如苹果家M1 处理能力
其實大部分車廠是做到多傳感器融合並不等於安全冗餘喔,就像你說的激光雷達方案並無法判別塑膠袋,也就是說高清地圖+激光雷達+攝像頭+毫米波方案,是缺一不可,並非安全冗餘,因為她只有一類傳感器損壞就會導致自駕系統的誤判機率提高,並沒有做到"互補的"作用而僅用於互相"驗證",他是都需要並非可有可無,真正做到安全冗餘的目前應該只有mobileye的方案!!
I think once Lidar's cost drop significantly more and more manufacturers will adopt it. Maybe Tesla will adopt it in the future too.
多摄像头组合是可以生成3D画面的,并非只是2D,特斯拉也肯定已经做到了。
如果人類可以靠雙眼在路上開車,那純視覺方案就會是正確的方式。道路上的所有信息都是視覺信息,燈號、標誌.... 因此聽力障礙者允許考照開車,但視障不行。 問題不在於取得視覺資訊,八顆鏡頭能取得的資訊已經吊打人類雙眼了。但對於畫面的處理能力以及決策才是人類能在路上開車的主要原因。 因此持續強化算法模型搭配視覺方案我認為是完全正確的方式。這些年神經網路大行其道,不就說明了純邏輯運算的方式對於理解這個世界已經走到極限,電腦開始使用大腦理解世界的方式來運作才推動這些年AI的快速發展。我們不要求自駕車實現100%的安全性,這個世界上本就不存在所謂100%安全,會張口就提100%的基本不是活在現實世界。我們期待的自動駕駛,是一個學習了人類正確良好駕駛能力&行為。然後永遠不犯睏不犯蠢也不會路怒的駕駛者。可以試想,幫你開車的這部機器是集合了所有人類駕駛中最強大的那部份,它學習人類駕駛如何正確判斷道路資訊,正確避免事故,同時也學習了哪些決策造成了事故,然後它永遠不會打瞌睡,永遠保持最高專注力,這樣的結果就是理想的自動駕駛了,但這並不能保證100%的安全性,再說一次,這個世界上只有已經發生的事才存在100%。
博主的语言表述能力很好,深入浅出而且比较客观。感觉现在特斯拉用纯视觉方案是在降维打击一众对手,毕竟现在自动驾驶方案还不是很成熟,不管是纯视觉还是激光雷达,都不能做到很满意的状态,既然如此,增加更多的成本配置激光雷达也换不来更完美的结果,所以姑且暂时抛弃。一旦激光雷达价格降低到一定程度,特斯拉还是会跟进的,这时又是一次全面超越竞争对手,老马的战略眼光让人不得不服
之所以使用雷達只是為了簡單實現容易的駕駛情境,對於自駕發展無積極意義,使用毫米波的車企從來就不能也沒有想要打敗特斯拉,只是想賣車。而特斯拉是一間AI發展的重要公司並非車企。
最好的自然是激光+AI加视觉+AI并行,就是成本太高了,但是我相信未来一定会实现。另外对NPU的阐述有些误区。
Dojo是中心训练,然后到每台车上做端侧推理? 对网络没什么特殊要求吧?
为什么整个无人驾驶行业都在做基于激光雷达的无人驾驶,但老马仍坚持做基于纯视觉无人驾驶?个人觉得其实他也知道视觉技术比激光加高精地图差不少,但是他赌的是这个差距在3-4年内。他可以放马别的竞争者领先3-4年也无所谓。一旦他的纯视觉无人驾驶成功(假设2025年),马路上会瞬间有1000万辆车拥有无人驾驶功能。任何竞争者,包括waymo,在领先的3-4年内想要量产并推广上路10万辆基于激光雷达的无人驾驶车都是天方夜谭。马斯克把需求问题从“什么时候能最早能做出无人车”改成“什么时候能最早大规模量产无人车”。重新定义问题之后,就发现纯视觉路线是唯一解
特斯拉车太多,免费的司机,数据的量和质量比别的厂家不是一个级别。这才是特斯拉的护城河
高精地图就是渣渣
問題根本不在於waymo 量產,如果是這樣Google 早就實現自己駕駛了,高清地圖的實時更新代表每一條路都需要建置才能實現自駕,如果有動工或是任何特殊狀況都會容易導致車輛自駕失效,也就是說成本極度之高必須時時維護高清地圖的正確性,以至於根本無法透過這樣的方式自駕,只能小範圍應用。
@@user-pt2jf5ho7l 你太小看量产的技术难度了。马斯克说过,工程样品车容易做,量产才难。Google自己不生产车,需要把别人生产的每辆车拿来重新改装布线,装上电脑,把原来机械控制的改成电控的,再装上各种传感器,逐个校正,费时费力。跟量产10万辆无人车比,给一个城市创建高精地图容易得多。美国的路变化非常慢。而且waymo的车也不至于蠢到实际路况跟高精地图有些差别就不会走了。
@@YuLiang83 照你這樣說創建高精圖容易,那waymo怎麼不推廣到全世界道路,快速實現自動駕駛,從而佔據特斯拉市場份額,這麼好心讓出自駕的這塊餅?我想不可能,侷限性非常明顯,維護高清地圖成本之高以至於無法實行。(高清地圖數據是由司機開著帶有傳感器的車輛到目標區域多次行駛而獲得的,這是極耗時間和成本極高的過程。原文網址:kknews.cc/car/34b8v9y.html)
激光雷达的应用都是融合了摄像头视觉的方案。以后都是会加入激光雷达的,价格越来越低,就不用担心成本太高。
有人问过马斯克,如果激光雷达成本忽略不计,光从技术层面来讲,你愿意不愿意用?马斯克想了一下说,NO。
@@mizhang118 如果不是激光雷达成本太高,寿命太低(这个原因更主要,激光雷达以前的寿命太低了),不可能不用的。特斯拉电动车也是用了毫米波雷达和超声波雷达的,不是真的“纯视觉”导航。 对于一个坚持技术第一性原理的人,马斯克迟早会发现纯视觉的瓶颈。
@@samhuangsanjia 视频里说了,超声波雷达是停车用的,毫米波雷达去掉了。
因為重點就是用毫米波並不會提早實現自動駕駛,重點都是在於AI的訓練而非硬件的優劣。
图像识别已经把激光雷达甩出几条街了。比如图像识别将来加上红外、紫外摄像头又会如何,激光雷达对于平面标识如分道线,交通标识,红绿灯等做何处理。无论是激光或摄象头,机器最终面对的还是传感器反馈回来的图像信息,而激光雷达的特点已经决定只能做为图像识别的辅助手段了。至于安全性取决于算法,传感器无法准确判断的场景,减速就可以了,如人工驾驶一样,大雾天气非要开120,那不是自动驾驶,是找死哦。
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。
就相當於IOS VS 眾家安卓
其實我對於您解釋的AI不是很認同,不管採取毫米波或是視覺算法,重點都在於數據,毫米波雖然可以較為精準知道物體的位置及速度但決策上還是倚靠神經網路訓練,也就是說毫米波就算不用特別計算物體的速度位置也不代表可以快速成形自駕,其他車企就算砸重金安裝毫米波也不可能較快實現自動駕駛,自駕的難處從不在於計算物體的位置、速度,而是在於車子如何決策?偵測到的物體為何?交通號誌的判讀,而這些都是要透過大量數據訓練出來的,如果只是要判斷物體的性質,特斯拉早就達成了,甚至與雷達所偵測到的數據相當雷同。進一步說雷達反而是對自駕的干擾訊號,從日常開車就知道了,明明我肉眼知道過得了的地方,雷達卻拼命叫有時只是一株草干擾,而人類開車從不需要雷達,透過視覺就能處理駕車問題,所以我敢保證視覺才是真理,想圖個方便利用毫米波雷達快速判讀四周環境反而會成為自駕的多餘訊號干擾,因為你必須將攝像頭與雷達數據的比對,再去判讀狀況會讓問題更複雜,究竟誰才是優先?雷達對還是視覺對?而且必須同時優化兩個模組還要進行擬合,難度不會更低!毫米波只能快速解決簡單的道路狀況,只要難度提升就不是偵測功能的優劣問題,而是決策能力的體現。因此擁有最大量數據的特斯拉會是最快實現自動駕駛的車企。
我是看明白,这就是高级公知😅
我有个问题一直不明白。似乎业内共识是卡车的自动驾驶比普通家用车简单,而且已经接近实用了。这是为什么呢?
没有哪种硬件方案能100%确保不出事故的。特斯拉要是在特定类型车安装激光雷达,那么更会吊打一众车企。
专业🐂
谢谢。
没有任何方案能做到百分之百的安全性,最重要的在于安全性是否高于人类驾驶
所有自駕方案都沒有100%安全率 人類駕駛也很多意外長遠來說最安全最成功的一定是全視覺
可能特斯拉fsd没有追求100%安全性,只要比人类安全10倍就可以商用了
我不知道你说的绝对的安全性是什么意思?但我判断你不是搞工程的,因为实际生活中,没有100%.你用的99%的药品,有效率不超过90%.大部分药品的致死率高于十亿分之一。你要100%么?不要吃任何药。哈哈😃
fsd应该是不依赖高精地图。否则就无法做到去任何地方。
FSD也需要地图来定位的。
@@getstevenliu 普通的地图就可以用来导航。至于路上遇到路口和物体的判断交给了神经网络。和人类开车的大致逻辑是一样的。
@@liangzai5352 視覺問題更多
@@licoco1526 会者不难,难者不会。说问题多的人那是因为坐井观天,不了解视觉技术的现状
@@liangzai5352 死多少人了?拿人命換嗎?
麻煩就別再吹噓特斯拉純視覺全自駕,要吹這些理論就等完成到某程度再說。目前FSD常常無法分辨陰影而自動於預警剎車停車、常常看不到三角錐、看不見動物、兒童,甚至一般行人也常沒有看見的問題都還大量存在,這種情況下不要拿理論跟我說只有特斯拉能完成的屁話,馬斯克年年說年底可以完成,今年又說年底,年底這東西還真是多啊!
永遠是年底 😊
馬路三寶跟全自駕系統 我還是寧願相信全自駕系統
没有什么有100%安全性,只要比人类驾驶安全性高就可以了
沙发
特斯拉永遠做不到自駕因為它的架構,跟它現在所有的數據通通都是無用的SAE- J3016ISO 26265 老早就規範了自駕系統標準單單只靠視覺來做 object detection/classification 是不能做到 ASIL D 的可靠度人工智能也需要一開始用的資料是對的全部的真正自駕系統的公司老早都已經在路上互相用不同的 object detection/classification 系統來驗證自己的軟體而偉大的特斯拉是把無法處理的干礙直接放棄
讲着fsd ,却鼓吹着传统车和激光雷达…
软件升级到一定程度,硬件也需升级,但是FSD 是随车版。马斯克的阴谋,不断割韭菜,可能换车了,还没有正式版。
講錯了八,怎麼可能邊開車邊訓練網路。應該適用訓練好的八
你真不懂他在说什么。
@@brianguan5601 你才不懂吧,我是做AI的
❤
先说结论: 特斯拉走在正确的路上。我就问问你们,你们平时开车不用眼睛,难道用屌吗?自动驾驶的第一步,就是先模拟人烟视觉驾驶,因为现在公路上的各种标志标线,都是给人眼看的,只要你不违章,聋子也能安全驾驶,明白了吗?这个结论我早就知道,只是我不会编程,没有资本,所以没法做而已。 有造车新势力的人看嘛?有的话可以请我去给你们做系统总师。 你如果觉得我是瞎吹,那么我给你们说句话: 造车旧势力不懂电,造车新势力不懂车。你要是能明白我说的是什么,赶紧来把本宝宝弄到你的碗里来吧。
开车听歌的时候不就是两只眼睛在开车吗,而且是两只,其他的感知器官都没有参与驾驶不也照样开吗!
区别是社会接受人开车不保证100%安全,出事后也只是个人负责,但自动驾驶必须保证100%的安全,出了事大家会骂厂家。
不靠谱
特斯拉拿堆叠的命来不断完善自动驾驶
能够卖到30万的车,视觉加激光雷达应该是必备的,为了成本,那是特斯拉的问题,如果加一个激光雷达能够提供更大的安全冗余,那绝大多数消费者都会去支持,特斯拉这样省料算小账会让消费者反感的
想要够安全肯定要结合人工智能,这是未来的事,所以视觉也好、雷达也好,在将来足够好的人工智能面前都无所谓。
分析的很深入很到位,不過有一點分享一下NPU算力越強,在車上並不是用來讓學習能力越強(學習的部分是在研發中心的超級電腦中學習把學習完的模型參數拿到車上的NPU進行推論,車上的NPU只是用來推論。
请教,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。
这个不就是博主讲的关于车辆长度的识别还是个问题,有待改进@@KingofRationality
谢谢大刘,正在应聘芯片公司,感谢你出的干货。
讲的真好,专业,学到不少知识👍
谢谢支持
分析得很詳盡,但老實說雖然激光雷達與視覺方案都會受惡劣環境影響,但視覺的問題大多了,我開了三年的特斯拉一直都有幽靈煞車問題,視覺要完全不誤判還是有一段路要走,也許永遠走不到
你自己是根据视觉还是激光雷达来开车的? 视觉已经在你身上验证过了, 而激光雷达还没有。 所以肯定的是视觉是可行的, 需要多长时间不知道。
等一下吧,现在用的都是老版本,他们已经完全放弃了,等全新的惊人的自动驾驶系统出来,说的是今年肯定来
现阶段纠结哪个好哪个坏没有意义 如果视觉已经完美 那么上帝就不会进化出触觉 特斯拉不配置极光雷达的唯一原因就是成本 未来极光雷达一定是搭配摄像头共同实现完整的自动驾驶
感谢博主科普!
谢谢支持。
其实重要的是人工智能。摄像头和激光雷达都能分辨环境。叫车子怎么去应对才是重点。要教如何看懂交通指标和交警的指示,还要了解现实中人类有时不会遵守规则
关键是活到老学到老, 机器也是。
无法克服天气及光线因素,可以下结论,全自动驾驶无法实现,但是辅助驾驶则可以超过人单独驾驶的安全性。
很棒,内容很充实~
谢谢!
目前 特斯拉 全自动驾驶 的主要竞争对手是黑客 GEOHOTZ 搞的 commi ai 目前好像出到 commi ai 3x 了@@getstevenliu
未来特斯拉的发展应该是这样的,视觉人工智能fsd作为硬件和软件系统,加载到各种车型,不管是电动还是油车 ,都会采用这个系统,缴纳服务费模式,最终形成ai汽车的概念
純視覺就是模彷人類,複雜簡單化也就是第一性原理,光達加高精地圖最終也衹能夠在城市開。惡劣環境下,人類也選擇暫時停下,特斯拉並不去強行解決,以後也可能解決,至少在人類駕駛環境中,純視覺是最優解,特斯拉並非無腦選,至少一開始特斯拉也是嘗試雷達的,包括一開始特斯拉也嘗試過換電模式,而且他現在也可以換電,馬斯克並不固執,他所奉行的是盡量簡化,直接,解決。
支持!!!!!
FSD = Future Self Driving 😅
永遠都在未來
能分享一下您影片內容的參考資料來源嗎?
X86架构会不会落后一点?比如苹果家M1 处理能力
其實大部分車廠是做到多傳感器融合並不等於安全冗餘喔,就像你說的激光雷達方案並無法判別塑膠袋,也就是說高清地圖+激光雷達+攝像頭+毫米波方案,是缺一不可,並非安全冗餘,因為她只有一類傳感器損壞就會導致自駕系統的誤判機率提高,並沒有做到"互補的"作用而僅用於互相"驗證",他是都需要並非可有可無,真正做到安全冗餘的目前應該只有mobileye的方案!!
I think once Lidar's cost drop significantly more and more manufacturers will adopt it. Maybe Tesla will adopt it in the future too.
多摄像头组合是可以生成3D画面的,并非只是2D,特斯拉也肯定已经做到了。
如果人類可以靠雙眼在路上開車,那純視覺方案就會是正確的方式。道路上的所有信息都是視覺信息,燈號、標誌.... 因此聽力障礙者允許考照開車,但視障不行。 問題不在於取得視覺資訊,八顆鏡頭能取得的資訊已經吊打人類雙眼了。但對於畫面的處理能力以及決策才是人類能在路上開車的主要原因。 因此持續強化算法模型搭配視覺方案我認為是完全正確的方式。這些年神經網路大行其道,不就說明了純邏輯運算的方式對於理解這個世界已經走到極限,電腦開始使用大腦理解世界的方式來運作才推動這些年AI的快速發展。
我們不要求自駕車實現100%的安全性,這個世界上本就不存在所謂100%安全,會張口就提100%的基本不是活在現實世界。
我們期待的自動駕駛,是一個學習了人類正確良好駕駛能力&行為。然後永遠不犯睏不犯蠢也不會路怒的駕駛者。
可以試想,幫你開車的這部機器是集合了所有人類駕駛中最強大的那部份,它學習人類駕駛如何正確判斷道路資訊,正確避免事故,同時也學習了哪些決策造成了事故,然後它永遠不會打瞌睡,永遠保持最高專注力,這樣的結果就是理想的自動駕駛了,但這並不能保證100%的安全性,再說一次,這個世界上只有已經發生的事才存在100%。
博主的语言表述能力很好,深入浅出而且比较客观。感觉现在特斯拉用纯视觉方案是在降维打击一众对手,毕竟现在自动驾驶方案还不是很成熟,不管是纯视觉还是激光雷达,都不能做到很满意的状态,既然如此,增加更多的成本配置激光雷达也换不来更完美的结果,所以姑且暂时抛弃。一旦激光雷达价格降低到一定程度,特斯拉还是会跟进的,这时又是一次全面超越竞争对手,老马的战略眼光让人不得不服
之所以使用雷達只是為了簡單實現容易的駕駛情境,對於自駕發展無積極意義,使用毫米波的車企從來就不能也沒有想要打敗特斯拉,只是想賣車。而特斯拉是一間AI發展的重要公司並非車企。
最好的自然是激光+AI加视觉+AI并行,就是成本太高了,但是我相信未来一定会实现。另外对NPU的阐述有些误区。
Dojo是中心训练,然后到每台车上做端侧推理? 对网络没什么特殊要求吧?
为什么整个无人驾驶行业都在做基于激光雷达的无人驾驶,但老马仍坚持做基于纯视觉无人驾驶?个人觉得其实他也知道视觉技术比激光加高精地图差不少,但是他赌的是这个差距在3-4年内。他可以放马别的竞争者领先3-4年也无所谓。一旦他的纯视觉无人驾驶成功(假设2025年),马路上会瞬间有1000万辆车拥有无人驾驶功能。任何竞争者,包括waymo,在领先的3-4年内想要量产并推广上路10万辆基于激光雷达的无人驾驶车都是天方夜谭。马斯克把需求问题从“什么时候能最早能做出无人车”改成“什么时候能最早大规模量产无人车”。重新定义问题之后,就发现纯视觉路线是唯一解
特斯拉车太多,免费的司机,数据的量和质量比别的厂家不是一个级别。这才是特斯拉的护城河
高精地图就是渣渣
問題根本不在於waymo 量產,如果是這樣Google 早就實現自己駕駛了,高清地圖的實時更新代表每一條路都需要建置才能實現自駕,如果有動工或是任何特殊狀況都會容易導致車輛自駕失效,也就是說成本極度之高必須時時維護高清地圖的正確性,以至於根本無法透過這樣的方式自駕,只能小範圍應用。
@@user-pt2jf5ho7l 你太小看量产的技术难度了。马斯克说过,工程样品车容易做,量产才难。Google自己不生产车,需要把别人生产的每辆车拿来重新改装布线,装上电脑,把原来机械控制的改成电控的,再装上各种传感器,逐个校正,费时费力。跟量产10万辆无人车比,给一个城市创建高精地图容易得多。美国的路变化非常慢。而且waymo的车也不至于蠢到实际路况跟高精地图有些差别就不会走了。
@@YuLiang83 照你這樣說創建高精圖容易,那waymo怎麼不推廣到全世界道路,快速實現自動駕駛,從而佔據特斯拉市場份額,這麼好心讓出自駕的這塊餅?我想不可能,侷限性非常明顯,維護高清地圖成本之高以至於無法實行。(高清地圖數據是由司機開著帶有傳感器的車輛到目標區域多次行駛而獲得的,這是極耗時間和成本極高的過程。
原文網址:kknews.cc/car/34b8v9y.html)
激光雷达的应用都是融合了摄像头视觉的方案。
以后都是会加入激光雷达的,价格越来越低,就不用担心成本太高。
有人问过马斯克,如果激光雷达成本忽略不计,光从技术层面来讲,你愿意不愿意用?马斯克想了一下说,NO。
@@mizhang118 如果不是激光雷达成本太高,寿命太低(这个原因更主要,激光雷达以前的寿命太低了),不可能不用的。
特斯拉电动车也是用了毫米波雷达和超声波雷达的,不是真的“纯视觉”导航。 对于一个坚持技术第一性原理的人,马斯克迟早会发现纯视觉的瓶颈。
@@samhuangsanjia 视频里说了,超声波雷达是停车用的,毫米波雷达去掉了。
因為重點就是用毫米波並不會提早實現自動駕駛,重點都是在於AI的訓練而非硬件的優劣。
图像识别已经把激光雷达甩出几条街了。比如图像识别将来加上红外、紫外摄像头又会如何,激光雷达对于平面标识如分道线,交通标识,红绿灯等做何处理。无论是激光或摄象头,机器最终面对的还是传感器反馈回来的图像信息,而激光雷达的特点已经决定只能做为图像识别的辅助手段了。至于安全性取决于算法,传感器无法准确判断的场景,减速就可以了,如人工驾驶一样,大雾天气非要开120,那不是自动驾驶,是找死哦。
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。
就相當於IOS VS 眾家安卓
其實我對於您解釋的AI不是很認同,不管採取毫米波或是視覺算法,重點都在於數據,毫米波雖然可以較為精準知道物體的位置及速度但決策上還是倚靠神經網路訓練,也就是說毫米波就算不用特別計算物體的速度位置也不代表可以快速成形自駕,其他車企就算砸重金安裝毫米波也不可能較快實現自動駕駛,自駕的難處從不在於計算物體的位置、速度,而是在於車子如何決策?偵測到的物體為何?交通號誌的判讀,而這些都是要透過大量數據訓練出來的,如果只是要判斷物體的性質,特斯拉早就達成了,甚至與雷達所偵測到的數據相當雷同。進一步說雷達反而是對自駕的干擾訊號,從日常開車就知道了,明明我肉眼知道過得了的地方,雷達卻拼命叫有時只是一株草干擾,而人類開車從不需要雷達,透過視覺就能處理駕車問題,所以我敢保證視覺才是真理,想圖個方便利用毫米波雷達快速判讀四周環境反而會成為自駕的多餘訊號干擾,因為你必須將攝像頭與雷達數據的比對,再去判讀狀況會讓問題更複雜,究竟誰才是優先?雷達對還是視覺對?而且必須同時優化兩個模組還要進行擬合,難度不會更低!毫米波只能快速解決簡單的道路狀況,只要難度提升就不是偵測功能的優劣問題,而是決策能力的體現。因此擁有最大量數據的特斯拉會是最快實現自動駕駛的車企。
我是看明白,这就是高级公知😅
我有个问题一直不明白。似乎业内共识是卡车的自动驾驶比普通家用车简单,而且已经接近实用了。这是为什么呢?
没有哪种硬件方案能100%确保不出事故的。特斯拉要是在特定类型车安装激光雷达,那么更会吊打一众车企。
专业🐂
谢谢。
没有任何方案能做到百分之百的安全性,最重要的在于安全性是否高于人类驾驶
所有自駕方案都沒有100%安全率
人類駕駛也很多意外
長遠來說最安全最成功的一定是全視覺
可能特斯拉fsd没有追求100%安全性,只要比人类安全10倍就可以商用了
我不知道你说的绝对的安全性是什么意思?
但我判断你不是搞工程的,因为实际生活中,没有100%.
你用的99%的药品,有效率不超过90%.
大部分药品的致死率高于十亿分之一。
你要100%么?不要吃任何药。哈哈😃
fsd应该是不依赖高精地图。否则就无法做到去任何地方。
FSD也需要地图来定位的。
@@getstevenliu 普通的地图就可以用来导航。至于路上遇到路口和物体的判断交给了神经网络。和人类开车的大致逻辑是一样的。
@@liangzai5352 視覺問題更多
@@licoco1526 会者不难,难者不会。说问题多的人那是因为坐井观天,不了解视觉技术的现状
@@liangzai5352 死多少人了?拿人命換嗎?
麻煩就別再吹噓特斯拉純視覺全自駕,
要吹這些理論就等完成到某程度再說。
目前FSD常常無法分辨陰影而自動於預警剎車停車、
常常看不到三角錐、看不見動物、兒童,
甚至一般行人也常沒有看見的問題都還大量存在,
這種情況下不要拿理論跟我說只有特斯拉能完成的屁話,
馬斯克年年說年底可以完成,今年又說年底,年底這東西還真是多啊!
永遠是年底 😊
馬路三寶跟全自駕系統 我還是寧願相信全自駕系統
没有什么有100%安全性,只要比人类驾驶安全性高就可以了
沙发
特斯拉永遠做不到自駕
因為它的架構,跟它現在所有的數據
通通都是無用的
SAE- J3016
ISO 26265 老早就規範了自駕系統標準
單單只靠視覺來做 object detection/classification 是不能做到 ASIL D 的可靠度
人工智能也需要一開始用的資料是對的
全部的真正自駕系統的公司
老早都已經在路上互相用不同的 object detection/classification 系統來驗證自己的軟體
而偉大的特斯拉是把無法處理的干礙直接放棄
讲着fsd ,却鼓吹着传统车和激光雷达…
软件升级到一定程度,硬件也需升级,但是FSD 是随车版。马斯克的阴谋,不断割韭菜,可能换车了,还没有正式版。
講錯了八,怎麼可能邊開車邊訓練網路。應該適用訓練好的八
你真不懂他在说什么。
@@brianguan5601 你才不懂吧,我是做AI的
❤
先说结论: 特斯拉走在正确的路上。我就问问你们,你们平时开车不用眼睛,难道用屌吗?自动驾驶的第一步,就是先模拟人烟视觉驾驶,因为现在公路上的各种标志标线,都是给人眼看的,只要你不违章,聋子也能安全驾驶,明白了吗?这个结论我早就知道,只是我不会编程,没有资本,所以没法做而已。 有造车新势力的人看嘛?有的话可以请我去给你们做系统总师。 你如果觉得我是瞎吹,那么我给你们说句话: 造车旧势力不懂电,造车新势力不懂车。你要是能明白我说的是什么,赶紧来把本宝宝弄到你的碗里来吧。
开车听歌的时候不就是两只眼睛在开车吗,而且是两只,其他的感知器官都没有参与驾驶不也照样开吗!
区别是社会接受人开车不保证100%安全,出事后也只是个人负责,但自动驾驶必须保证100%的安全,出了事大家会骂厂家。
不靠谱
特斯拉拿堆叠的命来不断完善自动驾驶
能够卖到30万的车,视觉加激光雷达应该是必备的,为了成本,那是特斯拉的问题,如果加一个激光雷达能够提供更大的安全冗余,那绝大多数消费者都会去支持,特斯拉这样省料算小账会让消费者反感的