特斯拉纯视觉自动驾驶深度解读！8个摄像头背后隐藏的巨大工程，烧脑又窒息...论文级分析！

Рет қаралды 183,143

大刘科普

Жыл бұрын

此前一期视频，我们讲解了FSD的硬件配置。不过那是蜻蜓点水。这一期视频，我们从人工智能的角度研究下特斯拉是如何靠8个摄像头实现全自动驾驶的。在8个摄像头的背后，特斯拉的神经网络是如何构建的？为什么，只有特斯拉能做到？

Пікірлер: 328

@user-tl3bq6wl3u 16 күн бұрын

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

@jianwang1344 Жыл бұрын

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👍

@user-wj4dd6tk4q Жыл бұрын

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。

@johnwick10101 Жыл бұрын

太棒了，头一次听到这么清晰的分析。

@lucidairfilter-saler7392 Жыл бұрын

全部都是干货，up主辛苦了。关注一波！

@hithot2008 Жыл бұрын

講解的非常清楚。

@user-ly5rp5fj6b 3 ай бұрын

讲得很棒，逻辑清晰，谦虚了

@gem1551 Жыл бұрын

感谢大刘科普！！

@user-st6mo5rn3c Жыл бұрын

博主讲的太棒了

@ccbill2852 Жыл бұрын

Thanks for the great sharing

@tedlin7831 Жыл бұрын

大劉可否談一談它如何用影像分析來避免撞上任何物體

@user-kt2hu6mh6c Ай бұрын

太牛了希望以后多出些干货大刘就是厉害

@YuanweiLao 28 күн бұрын

自作为非专业出生能讲到这个地步厉害👍

@tysimon1201 Жыл бұрын

大劉太強了❤❤❤❤❤

@ap5292 Жыл бұрын

太精彩了

@albertlee7988 Жыл бұрын

学习了👍

@Mariobrownio1989 Жыл бұрын

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 2 ай бұрын

你作为一个工程师听不懂也太奇怪了。本科生理科的都应该能听懂啊😂

@user-rb2dt6du5q Ай бұрын

@@SKubric本科，也有很多专业的呀，我就是机械专业的，一脸懵逼

@user-bh4qh7ge8g Ай бұрын

大刘能不能讲讲现在的fsd v12

@iany2448 Ай бұрын

如果同时应用了Lidar, 是否能简化整个系统的算法？

@user-mo6hn2jl4n 6 ай бұрын

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？

@user-ke2zn3wn6d Жыл бұрын

全是干货。

@spice1505 Жыл бұрын

太精彩了这期，加油，是金子总会发光，坚持下去啊大刘。。。。

@getstevenliu Жыл бұрын

其实我是青铜...哈哈

@user-lk2un4pk5n Жыл бұрын

感觉很专业

@OrbitMoonAlpha Жыл бұрын

up主太厉害了

@allanjunli Жыл бұрын

我就想问360倒车影像为啥还不行。

@user-st7gg1kr2w Ай бұрын

辛苦了

@allen-lee Жыл бұрын

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？😄

@allenlau7305 Жыл бұрын

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。

@johnlin7439 Жыл бұрын

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

@accacc841 Жыл бұрын

分析再多，不如志穎一試。絕不成主顧，方能明哲保身。

@user-jg8do3rp6c Жыл бұрын

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。

@user-yk9hw9wh4y Ай бұрын

因为飞机贵啊，摔不起，一辆车和一条人命就便宜多了

@Aulkk Жыл бұрын

配合現有路線地圖、行車速度，定時更新準確位置，大概也能準確的預知固定的交通設備？自身車速、車道寬度和景物的比例…都能提供測出景物與自車的距離？第幾個攝像頭拍攝與自車有特定的量度坐標再配合時間的變化⋯⋯ 若實際偵察不到也可以找駕駛庫駕駛者提供的訊息找類似的…？😅😅

@zepro_no1 5 ай бұрын

thx❤

@user-zx3bz2vv7c Жыл бұрын

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。

@user-gp2bt1gy4v Ай бұрын

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

@user-ke2zn3wn6d Жыл бұрын

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。

@mingpeng777 Жыл бұрын

的確，深有體會👍

@user-cr8vl6sr7w Жыл бұрын

独裁思维

@camfocus8888 Жыл бұрын

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

@abc-321 Жыл бұрын

里飛飛在推特開除了

@zkjohn4470 Жыл бұрын

歪嘴🐔

@yichenguo3168 Жыл бұрын

十分感谢做的很好

@user-sb1zu3lu9u Жыл бұрын

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。

@user-bd5jl1ds5x Жыл бұрын

那么人眼+人脑是如何判断的呢？

@user-sb1zu3lu9u Жыл бұрын

@@user-bd5jl1ds5x ：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？

@HOUPOTATO Жыл бұрын

@@user-bd5jl1ds5x 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。

@jordanwen2239 13 күн бұрын

深入浅出🎉🎉🎉

@user-fi4mi8be1o Жыл бұрын

太硬了，高手！讲解清晰到位。

@alvinlai3051 Ай бұрын

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。

@HelloCSharp2012 20 күн бұрын

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。

@alvinlai3051 20 күн бұрын

@@HelloCSharp2012 謝謝！

@HelloCSharp2012 20 күн бұрын

@@alvinlai3051 是不是心動的想買 TSLA 股票了?

@alvinlai3051 19 күн бұрын

@@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。

@catfoxlee Жыл бұрын

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！

@user-kf4md5hq3x Жыл бұрын

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。

@ruanjiayang Жыл бұрын

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。

@Mariobrownio1989 Жыл бұрын

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

@jeffreyzhang5062 Жыл бұрын

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

@charlesfeng3823 Жыл бұрын

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。

@feifeishuishui Жыл бұрын

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

@user-vl3cz2pv4o Жыл бұрын

为什么不用声波呢？

@orand9669 Жыл бұрын

这样说，其实对算力要求是很高的。

@ronniebouchar9484 2 ай бұрын

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。

@antrueman 12 күн бұрын

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

@user-db6qz5fd8f Жыл бұрын

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？

@mizhang118 Жыл бұрын

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。

@feifeishuishui Жыл бұрын

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

@howardjin1041 6 ай бұрын

牛人！解释很好👍

@jerometrump177 Жыл бұрын

讲得太好了，对我这种小白来说深度刚刚好能接受。大刘，你必🔥！

@daishujie Ай бұрын

国内你没有考虑开个吗 b站有吗

@dyz1232 Жыл бұрын

不错，主播是编软件的吗？

@ycy899 Жыл бұрын

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？

@dashuaibi Жыл бұрын

老特斯拉车主告诉你，三年内都不可能。

@ruanjiayang Жыл бұрын

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。

@slrun78 Жыл бұрын

@@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

@ruanjiayang Жыл бұрын

@@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。

@ruanjiayang Жыл бұрын

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。

@user-ym7wc5zx1f 9 ай бұрын

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😂

@tokenlistdotio7923 11 ай бұрын

一直在加仓！

@frankfax 6 ай бұрын

是不是根本比不过加雷达呢？

@guyu2711 Жыл бұрын

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

@article4891 Жыл бұрын

有论文吗？

@LaneZhao Жыл бұрын

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.

@DavidWang_Simply_The_Best Жыл бұрын

对，类似于合成孔径雷达

@unexceptedworld Жыл бұрын

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

@unexceptedworld Жыл бұрын

@@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

@dahaizang 11 күн бұрын

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？

@leilu9431 Жыл бұрын

If you learnt close range photography, it is not hard to understand how to identify an object by distance, and angle.

@hik0301 Жыл бұрын

講得好像 Dojo 已經裝機裝好開始奔馳了似的....

@leomessikun8079 Ай бұрын

挺硬核的

@user-hs2xr6nv5q 29 күн бұрын

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？

@user-iu7bq4jb7o Жыл бұрын

我比較好奇防毒軟件之父Mcafee

@draculaxxtw Жыл бұрын

或可理解, 為左右雙眼是用二隻眼睛來評估深度. 而一個攝像頭則是利用前後來評估深度的.

@SKubric 2 ай бұрын

呵呵呵前后如果不是雷达测距，你怎么判断。你用一只眼试一试把两只筷子头对头能容易做到吗？美术透视学过吗？一只眼通过时间和大小的运动状态判断距离

@draculaxxtw 2 ай бұрын

@@SKubric 其實工程師的想法有時比你想的還要[簡單且高明]......不用到二支筷子那麼精細......[只要照片中間有不是車子跟道路的東西],就是有危險. 另外,特斯拉也會下載道路狀況來簡化判斷,並且從預先下戴的狀況跟視覺比對判斷當前路況......

@draculaxxtw 2 ай бұрын

@@SKubric 再來就是以視覺跟距離的關係來說,講個比喻.拍下第一張照片,輪子轉一圈以後,再拍一張照片.從兩張照片中,物體變大多少,跟輪子轉一圈的長度就可以評估出距離了. 再講明白一點,就是由自身的速度從物體的長度或寬度變化就可以算出距離了. 再簡單一點,就是照片中間有東西就是可能有危險.

@user-wf6ej4gt1p Жыл бұрын

水平有限，看不懂啊！但是还是要支持一下！

@getstevenliu Жыл бұрын

谢谢！！

@camfocus8888 Жыл бұрын

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

@user-dx7vw9zv8i 12 күн бұрын

现在是端到端是不是没有中间过程了

@kiddyzheng 8 ай бұрын

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。

@unexceptedworld Жыл бұрын

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

@wcyht234wang4 3 ай бұрын

作者讲得很好了，但是我觉得特斯拉应该还采用了SLAM技术。

@user-ih3hu4mi9e Ай бұрын

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。。。

@flower_street Жыл бұрын

干，太干了，一点水分也没有👍

@getstevenliu Жыл бұрын

谢谢支持。

@yue3wu734 Жыл бұрын

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。

@reocam8918 Жыл бұрын

牛逼啊

@chenwilliam5176 10 ай бұрын

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 🎉

@manfaitang6670 Жыл бұрын

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。。。。。。

@ErhuRocker Жыл бұрын

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

@getstevenliu Жыл бұрын

我自己回看一遍也懵了。。

@googletang-iw8xn 28 күн бұрын

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？

@horngbill6010 Жыл бұрын

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。

@chenwilliam5176 10 ай бұрын

不是「視覺」感測器，是「影像」感測器 😊

@changche73 Жыл бұрын

燒腦

@TanTan-gy5pb Жыл бұрын

听不懂，但知道特斯拉多项技术是牛逼

@WannersMo Жыл бұрын

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！

@ckdavid4576 Жыл бұрын

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

@getstevenliu Жыл бұрын

涨知识了

@slrun78 Жыл бұрын

我想问：马斯克自己懂AI技术吗？

@knowknowhow Жыл бұрын

@@slrun78 深度学习并不难，有一些线性代数的背景就很容易理解

@ckdavid4576 Жыл бұрын

@@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

@ckdavid4576 Жыл бұрын

@@getstevenliu 期待你对Dojo超算的深度解读视频

@lamdawave Жыл бұрын

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。

@wangkindle8203 Жыл бұрын

你能跑个模型就行了，这些问题不是你能够解决的😁

@lamdawave Жыл бұрын

@@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。

@user-zs8lb3xb5q Жыл бұрын

@@wangkindle8203 你能解決嗎

@jonnyz6568 Жыл бұрын

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。

@EXPshard Жыл бұрын

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.

@user-bs2xg8zi5r Жыл бұрын

今天，林志颖开特斯拉撞路灯了！

@anthonyliu29 Жыл бұрын

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

@user-ko3lh2jp8z Жыл бұрын

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。

@brianyoung1075 Жыл бұрын

林志颖的事故

@user-ko3lh2jp8z Жыл бұрын

@@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。

@horngbill6010 Жыл бұрын

需要无数的telsa 驾驶的牺牲奉献

@chenwilliam5176 11 ай бұрын

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？！ 😅

@xioliq1212 Жыл бұрын

只要發生事故後責任方還是司機，那就是不可行！

@user-fe3ww3hh3s Жыл бұрын

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。

@laterwell Жыл бұрын

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

@franciscoantonio314 Жыл бұрын

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。

@laterwell Жыл бұрын

@@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

@yao5921 Жыл бұрын

@@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。

@laterwell Жыл бұрын

@@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🤭

@dongboyan6540 Жыл бұрын

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...

@sotila576 3 ай бұрын

看完仍然不懂但是稍微有点概念了，不明觉厉

@user-ko3lh2jp8z Жыл бұрын

单目acc在6、7年前就有了。

@marsai8721 Жыл бұрын

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

@haowang2078 Жыл бұрын

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

@blam1328 Жыл бұрын

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.

@user-uq1wq2mz2q Жыл бұрын

就是手机拍照的加强版。。。

@chenwilliam5176 10 ай бұрын

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 😮

@xiaolong174 Жыл бұрын

如果激光雷达成本大幅降低，是不是这套东西价值就不大了？

@camfocus8888 Жыл бұрын

對！而且直接廢掉⋯⋯跟桶裝電池一樣是過渡最好但是不是終極最好

@h.l.i.9220 Жыл бұрын

出租坚持视觉识别是为了以后让机器人更好的理解世界。上火星还得靠机器人干活。格局要打开

@feifeishuishui Жыл бұрын

雷达只能判断有没有东西，不能判断是什么东西，也就很难理解和预测，只能观察。打比方视觉系统看到路边有人，根据是拄拐杖的老头还是踩滑板的小青年，就能预判出接下来这个人是几乎一定速度很慢还是有可能突然很快的速度冲到你面前，那你的动作是完全不一样的，如果是后者，你显然应该提前减速。雷达对这种判断想都不用想。

@gweng999 Жыл бұрын

雷达可能是辅助解决phantom breaking的