版主： lexian
Tesla前向并非独眼，实际上是并排安装了三个Camera（后视镜上方）geniushanbiao 写了： 2024年 10月 30日 20:11 不是近视眼，而是独眼龙。人是靠两只眼睛来判断距离的(多数食肉动物都是这样，两只眼睛长在前面，不知道的可以自己去查)。fsd其实也可以这么干，车前面一左一右两个摄像头，但那需要比现在多至少5～10倍的算力(因为要同时处理两个摄像头的图像并且计算距离)。单个摄像头就像人用一只眼睛看东西一样。
这个和人眼是两码事。人眼判断距离的方法是两个完全一样的眼睛同时盯住一个东西，用几何方法来判断距离。具体的方法如果你会拇指测距法（就是亮剑里面那个打迫击炮的用的办法）的话就会立刻明白。人眼把这过程完全自动化了。
所以我说现在的特斯拉这些不成熟的FSD什么的就是祸害，没冤枉他们吧？leuning 写了： 2024年 10月 30日 21:39 如果F S D比人要safe,为什么被批准营运的无人驾驶出租车不是F S D，而是装上昂贵感测器的车？
即便是这种很贵的无人驾驶车，也经常出状况，因为程序里没考虑到的情况太多。
另外没有雷达的辅助驾驶狠危险，前几天有报道说AC C把旁边车的影子当真车，在高速上突然刹车。
雷达有物体的距离信息，可以帮助图像识别。macarthur 写了： 2024年 10月 30日 16:35 未必。Camera肯定看到小鹿了，问题出在图像识别上 -- 激光/微波雷达也只是把探测手段从可见光换成激光/微波而已，探测到之后仍然需要进行识别/建模和Visualization。。。
任何方案的图像识别都不可能100%准确。真实世界是开放的，永远有无穷多的惊喜和惊吓，人眼识别也一样可以被轻易欺骗。。。 T家的AI Augmented Visualization已经算是不错的了 -- 只能说人类目前也就这个科技水平，没人能做得更好
geniushanbiao 写了： 2024年 10月 30日 20:11 不是近视眼，而是独眼龙。人是靠两只眼睛来判断距离的(多数食肉动物都是这样，两只眼睛长在前面，不知道的可以自己去查)。fsd其实也可以这么干，车前面一左一右两个摄像头，但那需要比现在多至少5～10倍的算力(因为要同时处理两个摄像头的图像并且计算距离)。单个摄像头就像人用一只眼睛看东西一样。
没用，这种算法无法judge物体的距离。有效judge object distance的唯一方法是用人(以及多数食肉动物)的双眼视觉。ignius 写了： 2024年 10月 31日 11:55 现在tesla fsd完全采用occupancy network，算法根本不是BEV了。
Occupancy Networks are a different kind of algorithm, based on the robotics idea named occupancy grid mapping; which consists of dividing the world into a grid cell, and then define which cell is occupied and which is free.
https://www.thinkautonomous.ai/blog/occ ... works/amp/
geniushanbiao 写了： 2024年 10月 31日 12:16 没用，这种算法无法judge物体的距离。有效judge object distance的唯一方法是用人(以及多数食肉动物)的双眼视觉。
almostcalm 写了： 2024年 10月 31日 12:25 特斯拉太擅长用一些buzz words来忽悠人了，把很多懂一点技术的都糊弄的一愣一愣的。
什么FSD，端对端，Robotaxis，scalable，删除多少万行代码。
就说一个端对端，它的deep net能有多大？车上连一个像样的GPU都没有，跑什么端对端。
geniushanbiao 写了： 2024年 10月 31日 13:44 我仔细读了，无非就是cell grid，grip mapping，这种方法对物体距离是无效的，因为没有一个可靠的reference。
说了半天，还是个“predicting”，而不是真的“calculating”。这种predict是非常不靠谱的。ignius 写了： 2024年 10月 31日 13:49 再看看occupancy flow
Predicting Occupancy and Occupancy Flow
Utilizing a combination of neural networks, the Occupancy Network predicts both occupancy and occupancy flow. Occupancy prediction involves determining whether a particular location within the environment is occupied or unoccupied. This prediction is crucial for path planning and obstacle avoidance. Occupancy flow, on the other HAND, focuses on tracking the movement of objects in relation to the vehicle or bot. By understanding occupancy flow, Tesla's autonomous systems can accurately anticipate the behavior and motion of objects, enabling dynamic navigation and real-time decision-making.
电量就算足够，也不敢搞太多发热大能耗高的芯片来做事，主要是这种高能耗芯片往往问题多多，放在电脑上都经常出问题，更别说放车上了。三天两头出问题谁能受得了？ccmath 写了： 2024年 10月 31日 13:47 车上空间多，电量足够的话，理论上是可以搭载一些芯片做一些实时的fine tuning适应不同的驾驶习惯.
但是炒作buzzword感觉就是三哥manager的ppt风格了。
我说过一万遍了，美国的问题就是东欧和华裔老工程师都退了，现在都是阿3，能做出啥像样的东西是不可能地。否则印度就不是现在的这个样子，国足就冲出亚洲了，两个伟大的民族都有自己的解不开的死结。开特斯拉的，时刻都要提醒一下自己，你的FSD是阿3搞的，你是不是两眼看前方不要紧。ccmath 写了： 2024年 10月 31日 13:47 车上空间多，电量足够的话，理论上是可以搭载一些芯片做一些实时的fine tuning适应不同的驾驶习惯.
但是炒作buzzword感觉就是三哥manager的ppt风格了。
双眼测距理论上容易，实际不然。主要是没有稳定的算法把不同的照片里的点完全准确对应起来。如果对应不准确，测距就误差大增。人眼和人脑的功能复杂，计算机还不能真的全部模拟出来。以后什么时候能做到，不好说。geniushanbiao 写了： 2024年 10月 31日 13:50 说了半天，还是个“predicting”，而不是真的“calculating”。这种predict是非常不靠谱的。
具体点讲，这种predict还是在dynamically地去预测目标物体的位置，利用周围物体的位置，而不是真正的计算距离。实际上很多人提激光雷达和普通雷达来测距，其实是走了技术弯路。真正最靠谱的测距法其实就是人的双眼测距，可惜不知道为啥这些车厂都不用，估计可能是目前技术还达不到。
