（转载）完了，BYD加女司机，渗入

[rtyu]

看懂了，是用训练chatgpt的方法用开车录像训练人工智能开车，现在进一步了解其危险性了.

[ignius]

在规划模块中用ai代替了rule based，只要训练量足够，要比rule based强很多。因为在人类开车中总会有rule没法cover的边界条件。而AI直接从大量的人类实际驾车中总结出经验。

这个视频解释了这个问题。

看懂了，是用训练chatgpt的方法用开车录像训练人工智能开车，现在进一步了解其危险性了.

[rtyu]

用了八个摄像头要比人眼看到的更多，也就是需要比人眼能看到的更多图像信息，看来还是更多的信息的有利于自动驾驶的。那为什么不用激光和雷达提供更多路况信息？拿来训练人工智能智能也有帮助，人工智能训练没有嫌训练信息太多的。可能Tesla还是为了节省成本，把激光和雷达给去除了。造车时连一两个螺栓都要省，激光和雷达这么昂贵的部件更应该省。

在规划模块中用ai代替了rule based，只要训练量足够，要比rule based强很多。因为在人类开车中总会有rule没法cover的边界条件。而AI直接从大量的人类实际驾车中总结出经验。

这个视频解释了这个问题。

[pathdream]

这个？ 虽然四年前的FSD algorithm 还很初级， 没有认出路上横躺的卡车（极小概率事件）而提早变道避免碰撞-这个视频清晰展示FSD起的作用，车子在最后急刹车。 车身完好， 没有人员伤亡。

狂赞斯拉 最后救了小白鼠

开油车的都换线了

[ignius]

没错，就是为了节省成本，不被硬件控制。软件的迭代要容易得多。大家可以拭目以待，看看哪种方案最后能胜出。另外tesla最新的fsd hardware里是有个sar雷达的，只是没有lidar。

Tesla's Hardware 4 (HW4) Full Self-Driving (FSD) system includes a high-definition (HD) synthetic aperture radar (SAR) unit called Phoenix:

Purpose
The radar enhances situational awareness and adds precision to self-driving capabilities. It could potentially see better in low-light conditions, fog, rain, or snow.

Features
The radar is a forward-facing radar that extends the current reach by double. It's likely to be used for emergency braking and high accuracy near the front of the car.

用了八个摄像头要比人眼看到的更多，也就是需要比人眼能看到的更多图像信息，看来还是更多的信息的有利于自动驾驶的。那为什么不用激光和雷达提供更多路况信息？拿来训练人工智能智能也有帮助，人工智能训练没有嫌训练信息太多的。可能Tesla还是为了节省成本，把激光和雷达给去除了。造车时连一两个螺栓都要省，激光和雷达这么昂贵的部件更应该省。

[ignius]

另外你有些误解。纯视觉还是lidar，只是在感知这个模块的不同方法。在决定规划的模块，大家都需要海量数据来train ai。
只不过lidar更多是通过硬件来拿到所需的视频信息，纯视觉是通过软件来拿到。

用了八个摄像头要比人眼看到的更多，也就是需要比人眼能看到的更多图像信息，看来还是更多的信息的有利于自动驾驶的。那为什么不用激光和雷达提供更多路况信息？拿来训练人工智能智能也有帮助，人工智能训练没有嫌训练信息太多的。可能Tesla还是为了节省成本，把激光和雷达给去除了。造车时连一两个螺栓都要省，激光和雷达这么昂贵的部件更应该省。

[fantasist]

在规划模块中用ai代替了rule based，只要训练量足够，要比rule based强很多。因为在人类开车中总会有rule没法cover的边界条件。而AI直接从大量的人类实际驾车中总结出经验。

这个视频解释了这个问题。

既然你提到这么多AI名词，我假设你懂rule based碰到对应的条件100%触发训练时提供的label行为，而neural network甚至都不能保证inference时给训练数据中存在的输入，输出一定跟label一样。所以新模型提高了障碍物识别问题的能力是可信，毕竟训练数据扩充了，loss下降了，但要说纯视觉模型solution解决了这个问题，那就是胡扯了。

[ignius]

感觉你没看懂我贴的第一个视频。我说的tesla解决障碍物识别问题是运用了occupancy network，是属于感知层面。它不一定知道前面是什么障碍物，但是通过occupant network，它能知道有障碍物以及它的形状，occupancy volume & occupancy flow。

所谓的rule based说的是是规划层面。原来fsd的规划层面用的都是rule based和树搜索，2023年开始改成类似ChatGPT的神经网络和transformer。

既然你提到这么多AI名词，我假设你懂rule based碰到对应的条件100%触发训练时提供的label行为，而neural network甚至都不能保证inference时给训练数据中存在的输入，输出一定跟label一样。所以新模型提高了障碍物识别问题的能力是可信，毕竟训练数据扩充了，loss下降了，但要说纯视觉模型solution解决了这个问题，那就是胡扯了。

[fantasist]

感觉你没看懂我贴的第一个视频。我说的tesla解决障碍物识别问题是运用了occupancy network，是属于感知层面。它不一定知道前面是什么障碍物，但是通过occupant network，它能知道有障碍物以及它的形状，还有避开它的路径occupancy flow。

所谓的rule based说的是是规划层面。原来fsd的规划层面用的都是rule based和树搜索，2023年开始改成类似ChatGPT的神经网络和transformer。

occupancy network也是neural network，这种推理时的不确定性依然存在。看来你没做过ML，被tesla各种宣传忽悠了。

[ignius]

你没看视频吧？occupancy network输出的结果还会跟nerf的结果进行比较。

occupancy network也是neural network，这种推理时的不确定性依然存在。看来你没做过ML，被tesla各种宣传忽悠了。

[fantasist]

你没看视频吧？occupancy network输出的结果还会跟nerf的结果进行比较。

不是，你看严肃视频之前不点开youtuber的profile看一下他大致水平是如何吗……想研究技术，看这种营销号纯粹浪费时间，不如搜几篇相关论文丢给AI总结一下。

[ignius]

那个视频是我今天才找到的，因为是用中文讲解的很清楚的。
至于tesla fsd 相关的，我看的是fsd负责人自己发的视频。很长，烙印英语，这里同学估计没人会看完。


https://www.thinkautonomous.ai/blog/occ ... works/amp/

不是，你看严肃视频之前不点开youtuber的profile看一下他大致水平是如何吗……想研究技术，看这种营销号纯粹浪费时间，不如搜几篇相关论文丢给AI总结一下。

[geniushanbiao]

另外你有些误解。纯视觉还是lidar，只是在感知这个模块的不同方法。在决定规划的模块，大家都需要海量数据来train ai。
只不过lidar更多是通过硬件来拿到所需的视频信息，纯视觉是通过软件来拿到。

软件得到的信息和硬件得到的信息比可靠性是一样的么？

[ignius]

已经很接近了。所谓的软件得到信息，指的是把摄像头获取的2d视频信息用软件算法转换成3d视频，再加上depth。最近occupancy network很火，很多公司都在这方面科研。有兴趣的同学可以看看这个视频：

软件得到的信息和硬件得到的信息比可靠性是一样的么？

[ignius]

我觉得tesla一根筋的搞纯视觉fsd，也是为了以后的ai机器人做技术储备。机器人以后单价应该是2万美金左右，装lidar就不太现实了，还是要靠纯视觉。

[geniushanbiao]

已经很接近了。所谓的软件得到信息，指的是把摄像头获取的2d视频信息用软件算法转换成3d视频，再加上depth。最近occupancy network很火，很多公司都在这方面科研。有兴趣的同学可以看看这个视频：

接近和相同是两个概念。我希望看到客观的数据对比而不是这种无聊的定性分析。

[ignius]

有测试啊，我发的那个视频里就有演示。

接近和相同是两个概念。我希望看到客观的数据对比而不是这种无聊的定性分析。

[fantasist]

已经很接近了。所谓的软件得到信息，指的是把摄像头获取的2d视频信息用软件算法转换成3d视频，再加上depth。最近occupancy network很火，很多公司都在这方面科研。有兴趣的同学可以看看这个视频：

论文都号称自己是sota，测试集准确率多少？有85%吗

[Jason6278]

Well, about 10 times less likely to be in an accident with Tesla+FSD vs regular car.

阿姆斯特丹每年有一百多辆车掉河里，其中最多的就是特斯拉。

[ignius]

对于大型物体检测的accuracy 几乎是100%了，小形物体还有恶劣天气，照明情况下85-90%左右吧，所以tesla fsd还需要nerf来supervise ON的输出。这方面每个fsd版本都在提高。

论文都号称自己是sota，测试集准确率多少？有85%吗